AI在组织中的技术准备和采用：实证研究及模型

国际信息管理杂志68（2023）102588研究文章技术准备和组织采用AI的旅程：一项实证研究Victoria Uren*，John S.爱德华兹英国伯明翰阿斯顿三角区阿斯顿大学阿斯顿商学院B4 7ETA R T I C L EI N FO保留字：人工智能数据信息技术-业务协调系统开发技术采用A B标准人工智能（AI）被认为具有巨大的经济和社会影响潜力。然而，其繁荣和萧条周期的历史可能会使潜在的采用者保持警惕。进行了一项横断面定性研究，有针对性地抽样调查了来自研究、开发和业务部门的人工智能专家，以更深入地了解采用过程。技术准备水平被用作专家们可以调整其经验的基准。提出了一种人工智能采用模型，该模型嵌入了人员，流程，技术镜头的扩展版本，并结合了数据。该模型表明，除了技术准备之外，还需要人员，流程和数据准备，以实现人工智能的长期运营成功研究结果进一步表明，创新组织应该在技术和业务职能之间建立桥梁。1. 介绍技术进步，特别是机器学习（ML）和机器人技术，再加上大数据和利用它的技术的可用性，导致了对人工智能经济潜力的乐观预测（有些人可能称之为政策制定者正在通过人工智能计划支持这项技术（中国科技部，2017年;英国政府，2019年;美国政府，2021年）。人工智能的应用正在积极研究中，例如在医疗保健（Joshi Morley，2019; Leone，Schiavone，Appio，Chiao，&&2021），招聘（KimHeo， 2022& ） ，法律 （Volokh ，2019 ） ，物流 （Woschank ，Rauch，Zsifkovits，2020&）和政府（Zuiderwijk，Chen，Salem，2021&）。 虽然有一些迹象表明操作系统的投资水平低于所建议的宣传（Alsheibani等人，2019年a;Gartner，2017 年;S joïdin等人，2021年;Willcocks，2020年），麦肯锡报告称，在一项调查中，50%的受访者至少在一个功能中部署了人工智能，尽管技术领导者和其他公司的投资水平存在很大差异（麦肯锡，2020年）。人工智能的定义尚不清楚（Berente，Gu，Recker，Santhanam，&2021; Collins，Dennehy，Conboy，Mikalef，2021; Duan，Edwards，&&Dwivedi，2019）。这种缺乏明确性的现象可能是由于人工智能研究的多学科性质，以及企业和公众对该主题日益增长的兴趣，这些兴趣汇集了多种观点。在这在这篇论文中，我们采用DeCanio（2016）技术中立的AI定义，即“能够匹配或超越人类能力的广泛技术套件，特别是涉及认知的技术”。我们之所以选择这个定义，是因为它的广度和实际重点超过了其他定义，例如McCarthy（1958）“制造智能机器的科学与工程”，因为虽然对于聊天机器人等应用程序来说，需要模仿实际的人类行为，但在许多情况下，目标是通过自动化或支持决策等功能为部署AI的组织带来好处，否则这些功能将由人类劳动力提供。从技术和应用的角度来讨论人工智能的应用是有帮助的。ML技术正在 推 动 当 前 的 AI 春 天 （ Collins 等 人 ， Toorajipour ， Sohrabpour ，Nazarpour，Oghazi和Fischl（2021）发现，人工神经网络虽然是最常见的人工智能技术，但在供应链管理示例中的使用率不到30%。因此，人工智能更好地被视为一套使能技术，这些技术可以结合在一起，提供具有实际好处的自主应用程序。Uren（2020）将学习、感知、推理、通信和知识表示确定为人工智能中的技术类别，而Collins等人（2021）列出了专家系统、机器学习、机器人、自然语言处理、机器视觉和语音识别应用。知识表示和推理是专家系统中的重要技术，它推动了人工智能的早期发展* 通讯作者。电子邮件地址：v. aston.ac.uk（V. Uren），j.s. aston.ac.uk（J.S.Edwards）。https://doi.org/10.1016/j.ijinfomgt.2022.102588接收日期：2022年3月14日;接收日期：2022年9月12日;接受日期：2022年9月13日2022年9月26日网上发售0268-4012/© 2022作者。出版社：Elsevier Ltd这是CC BY许可下的开放获取文章（http://creativecommons.org/licenses/by/4.0/）。可在ScienceDirect上获得目录列表国际信息管理期刊主页：www.elsevier.com/locate/ijinfomgtV. Uren和J.S. 爱德华兹国际信息管理杂志68（2023）1025882和语义网应用程序，而感知技术，其使用传感器和机器学习，以支持适应不断变化的环境中的工作，被应用于机器人技术。由于人工智能技术种类繁多，不同的技术处于不同的准备阶段，可能会对采用者构成不同的挑战。正如将在文献综述中进一步讨论的那样，技术就绪度的概念旨在描述一项技术与作战使用的接近程度。在这项工作中，我们使用就绪性作为衡量参与者对他们参与的人工智能项目成熟运营部署进展的基准由于分析单位是项目，因此本研究中的准备情况还包括组织准备情况（Alsheibani，Cheung，Messom，2018&）和成功所需的社会技术因素。如果没有不同组织之间的合作，人工智能就无法被采用公司的职能（Akkiraju等人，2020年），这种合作通常发生在IS项目的背 景 下 。 试 点 项 目 已 被 推 荐 作 为 新 的 人 工 智 能 组 织 采 用 的 途径（ Lahlali ， Berbiche ， El Alami ， 2021& ） ， 但 Neumann ，Guirguis&Steiner（2022）将采用描述为从这个角度来看，一个孤立的试点项目不太可能导致成熟的采用。我们认为，采用过程可以被视为一个序列或一套项目。因此，该项目被选为研究的分析单位，为与专家的对话提供了一个锚点。人工智能的感知范围，例如担心它危及就业（Frey &Osborne，2017;Goethals &Ziegelmayer ， 2022 ） 或 其 使 用在 “ 监 视 资 本 主 义 ”（Zuboff，2019）中，人工智能的采用导致了异常复杂的社会和组织环境。Makarius，Mukher-jee，Fo X ，and Fo X （2020）甚至观察 到（p.263）“人工智能集成所发生的变化与以前的工业革命有着独特的不同。” 人工智能的采用者面临着新的挑战，例如确定将多少责任委托给自治系统（Berente等人，2021年）。信息管理研究人员需要通过进行经验性的社会技术研究来应对这些挑战，这些研究有助于理解人工智能技术、其与大数据的协同作用以及采用人工智能的过程（Cybulski&Scheepers，2021; Duan等人，2019; Huysman，2020; Schuetz&Ven-katesh，2020）。对于从业者来说，这样的研究将帮助他们制定人工智能发展的战略，这是Dwivedi等人提出的一个差距。（2021年）。这项研究推进了对组织的通过将技术准备和社会技术因素的观点汇集到技术采用过程的扩展模型中，该模型强调通过采用/实施过程中数据和其他因素之间不断变化的关系，从而实现人工智能的采用。它还具有从业者相关性，通过识别促进AI项目的社会技术因素。我们首先提出了一个文献综述，澄清了研究中使用的理论透镜，并证明了它们在人工智能开发项目中的应用。然后描述了研究方法，随后是关于发现需要扩展人员，流程，技术模型以包括数据并在所有四个方面发展准备的调查结果。我们讨论的扩展理论的研究成果，并为实践，结论和未来的研究方向的影响。2. 文献综述关于采用创新信息系统的研究遵循了一些成熟的方法，Jeyaraj，Rottman和Lacity（2006）认为这些方法可以广泛地分类为关注技术使用的方法，包括技术接受模型（TAM）及其衍生物，如接受和使用技术的统一理论（UTAUT），以及具有组织视角的模型，如技术组织环境（TOE）和阶段理论这些方法已应用于人工智能采用研究，例如Chatterjee，Rana，Dwivedi和Baabdullah（2021）在工业4.0技术（包括人工智能）的采用研究中结合了TAM和TOE以及Khanijahani等人确定的因素。（2022）在他们对医疗保健相关的人工智能采用研究的回顾中，包括“感知易用性”等内容TOE模型也被广泛应用于检查AI采用，例如（ Alsheibani 等 人 ， 2018; Pumplun ， Tauchert ， &Heidt ， 2019;Neumann，et al. 2022; Yu，Xu，&Ashton，2022）。尽管如此，研究人员已经确定需要新的方法来研究人工智能的采用，特别是考虑到与其潜在的社会影响相关的因素。Chi，Denton和Gursoy（2020）指出，目前的模型没有充分解决服务代理的拟人化问题。Cao，Duan，Edwards和Dwivedi（2021）开发了TAM/UTAUT的扩展，该扩展考虑了可能影响管理者采用意图的一些特定社会问题。Khanijahani等人' 2022年的研究强调了人工智能对医疗专业人员自主权的 威 胁 。 Sa'nchez-Prieto ， Cruz-Benito ， Thero'nSa'nchez 和GarcíaPenPengalvo（2020）扩展了TAM模型，包括大学生对评估中使用的AI的信任等因素因此，这项工作采用社会技术方法来研究人工智能的采用过程。这一决定得到了人工智能中社会技术主题讨论的加强，在第2.1中进一步探讨。2.1. AI中的社会技术主题人工智能技术的采用会影响人们的动机和有效执行技能任务的能力。近年来，这一主题在文学作品中日益突出。人工智能，像所有新的管理信息系统，需要改进的技术技能的发展（ Achmat &Brown ， 2019; Alsheibani ， Cheung ， &Messom ， 2019a;Joehnk，WeiChaert，&Wyrtki，2021），和高层管理人员的支持（ Alsheibani ， Messom ， &Cheung ， 2020;Joehnk 等 人 ，2021;Pumplun等人，2019年，成功通过。这已经建立了几十年，例如，Gill（1995）指出，在早期的专家系统中，开发人员的流失是系统失败的一个原因。其他因素与标准MIS中发现的问题不同。Schuetz和Ven-katesh（2020）设想了一个用户越来越不知道他们正在与机器交互的世界，但其他作者强调人工智能需要让执行部署过程的人能够理解，并且他们的角色必须适应使用它，例如。G. （ICAEW，2017年; Klumpp，2018年; Makarius等人，2020;Schidzig&Weinstein，2017; Sutton等人， 2018年）。技术技能不是唯一需要的知识资源。创新团队应该汇集一系列技能。纪尧姆 （2014）预测了自我效能高的多样化团队（包括功能多样化团队）对创新的积极影响，尽管多样化团队的启动速度较慢。Sjodin，Parida，Palm i'e和Wincent（2021）主张基于6个瑞典案例使用跨职能团队。他们建议的团队组成更倾向于开发阶段：“应用程序开发人员，数据科学家，数据工程师，业务开发人员和业务部门专家”（第580页）。与纯技术团队相比，引入业务单元专家可能有望弥合知识差距，例如Ellwood，Williams和Egan（2022）确定的市场知识，这是使创新项目跨越死亡谷所需的（&人工智能对工作和角色性质的影响已被广泛讨论，例如（Du Xie，2021; Frey Osborne，2017&&;Strich，Mayer&Fiedler，2021）。尽管Willcocks（2020）预测自动化将创造一些就业机会，但负面主题也很突出 ， 例 如 失 业 （Frey &Osborne ， 2017 ） ， 专 业 角 色 性 质 的 变 化（Kokina &Davenport，2017），用户对AI的恐惧（Willcocks，2020）和技术接受/抵制（Cao等人，2021; Duan等人，二〇一九年;V. Uren和J.S. 爱德华兹国际信息管理杂志68（2023）1025883Frick，Mirbabaie，Stieglitz，Salomon，2021&）。在管理信息系统的开发过程中，利益相关者通常参与了良好的以用户为中心的设计原则。然而，在人工智能文献中，用户的重要性往往排在技术新颖性的第二位 ， 但 也 有 一 些 值 得 尊 敬 的 例 外 ， 例 如 （ Jin ， Carpendale ，Hamarneh，&Gromala，2019; Rantavuo，2019）。然而，鼓励开发团队了解用户的恐惧有可能帮助组织避免“压迫性”场景，例如Kane，Young，Majchrzak和Ransbotham（2021）所假设的场景。人工智能采用的进展经历了一系列的“繁荣与萧条”周期（“人工智能春天”和“人工智能冬天”）。对于商业应用，人们普遍认为，直到最近，最重要的人工智能春天是20世纪80年代的专家系统热潮，然而，在认识到大量报告的商业应用并没有“真正”的操作使用后，到20世纪90年代中期，人工智能已经成为一个冬天&（Mingers Adlam，1989; Ovum，1986）。Gill（1995）讨论了这种下降的原因。导致特定专家系统被放弃的因素包括不适合用户认为重要的问题和管理信息系统（MIS）基础设施的变化。有人指出，嵌入较大的管理信息系统的系统更有可能成功。我们认为，这提供了一个紧迫的理由，考虑到社会技术因素的采用研究，因为如果AI不适合MIS作为一个整体，失败的风险增加。2.2. 人员、流程和技术社会技术系统的运作要素被视为人、过程和技术的这种观点起源于Leavitt（1964）由于20世纪90年代业务流程思想的发展，在本世纪初，几位作者独立提出了一个版本，其中流程取代了任务和结构元素。其中包括来自学术界的Edwards（2000）和Malhotra（2000），IBM的Gongla和Rizzuto（2001），以及北电网络的Massey，Montoya-Weiss&莱维特的研究强调，管理者需要关注钻石四个要素之间的相互作用，因此要素之间的联系与要素本身一样重要。然而，他满足于提供可能的相互作用的例子，而不是试图捕捉这些联系的一般性质。三角形版本的一个重大进步是增加了这三个元素之间的联系（图1）（爱德华兹，2005年）。三角模型随后在信息系统管理文献中变得普遍，特别是在知识管理中（例如，Yang，Brosch，Yang，Cadden，2020&）和网络安全（例如，Parent&Cusack，2016）。它已被用于不同的应用领域，从警务（Gemke，Den Hengst，Van Rosmalen，De Boer，2021&）到灾难恢复规划（Blake，Stevenson，Wotherspoon，Ivory，&Trotter，2019）。即使没有明确使用三角模型，也经常看到这三个要素用于结构分析或讨论，例如Makarius等人（2020）在考虑以下问题时将人工智能系统和人类员工整合到组织中。人、流程和技术模型被认为是在人工智能采用项目的背景下分析社会技术系统组件的良好选择，这些项目基于支持模型组件元素相关性的文献：AI对人类的影响（Frey &Osborne，2017; Klumpp，2018;Makarius等人， 2020年）、过程的重要性（Saari，Kuusisto，Pirttikangas，2019&），过程和人员因素（Coombs，Hislop，Taneva，Barnard，&2020），发展人的技能（Alsheibani等人，2019a; Kolbjørns-rud，Amico，&Thomas，2016），技术与业务需求的匹配（Alsheibani等人，2018; Saari等人，2019; Tarafdar，Beath，&Ross，2019）。可以推断，在一个项目中，这三个要素可能会结合在一起，例如 ， 项 目 团 队 选 择 的 人 工 智 能 技 术 可 能 会 影 响 任 务 的 性 质（Willcocks，2020），从而影响任务所贡献的过程这反过来又会影响到正在操作过程的项目利益相关者（人员），例如，通过改变他们的角色的性质（例如，Niederman，2021）。然而，没有研究分析的实证证据，这是发现。在分析中使用的模型将在第3中进一步解释。2.3. AI、准备和成熟度采用要求组织做好准备，或准备好在采用过程中采取不同的步骤。成熟度的概念与就绪性有相似之处，因为成熟度模型通常以级别的形式呈现，不同之处在于成熟度研究捕获了随着成熟度通过采用和技术的使用而扩展的管理问题。成熟度可以用能力图1.一、人，流程和技术，基于爱德华兹（2005）。·····V. Uren和J.S. 爱德华兹国际信息管理杂志68（2023）1025884==+=-成熟度模型（CMM）（Paulk，Curtis，Chrissis，&Weber，1993），它提供了组织管理软件开发过程能力的度量。CMM有五个层次：初始、可重复、定义、管理和优化。这些图表显示了一个组织从以特定方式生产系统的能力到质量控制过程的进展。最近的工作表明，人们对组织采用人工智能相关的成熟度和就绪性概念感兴趣。Sadiq，Safie，AbdRahman和Goudarzi（2021）提供了一个系统性的综述，涵盖了15个AI成熟度模型（AIMM），并得出结论，只有一半经过严格验证，10个是为特定目的设计的，80%的研究范围是公司和流程。这意味着对准备/成熟度的实证研究存在差距，该研究检查项目级别，而不是特定于行业。AIMM文献中的一个主题是提出一个成熟度模型，通常用于组织评估或提高自己的成熟度，例如（Akkiraju等 人 ， 2020;Ellefsen ， Ol e'sko' w-Sz apka ， Pawowski ， &Tob oa ，2019;Pumplun，Fecho，Wahl，Peters，&Bu X mann，2021; Saari等人，2019年）。这项工作并不假定这样做。相反，我们使用就绪性概念作为基准，使我们能够确定项目团队如何根据他们工作的技术就绪性水平调整他们的工作。这与研究的第二个主题一致，该主题使用准备和成熟度概念来根据水平或阶段组织研究结果，例如（Alsheibani et al.，2019 a; Neumann等人，2022; Zhang，Zuo，He，Li，&Yu，2021）。为了考虑到准备就绪的概念，需要有一个准备就绪的衡量标准，以衡量各项目在行动部署方面取得的进展。技术准备水平量表（TRL）是由美国宇航局（Mankins，1995）开发的，作为支持其空间计划技术开发管理的工具，并已被航空航天和能源等部门以及欧盟采用（H'eder，2017）。该量表有九个级别，跟踪从基础科学到实际应用的技术（见表1）。对等级描述的措辞进行了修改，以使TRL适合不同的技术应用，包括智能系统（Meystel，Albus ，Messina，Lee-&dom，2003）。Martínez-Plumed、Go'mez和Herna'nnal-Orallo（2021）已经证明了TRL与人工智能的相关性，他们使用该量表对人工智能技术进行了评级。为了研究的目的，TRL提供了一个基准措施，专家参与者可以根据它来判断项目期间发生的情况。总之，准备方法是人工智能话语的重要组成部分，因为它将采用作为一个过程，这样我们就可以开始发现可能解释为什么许多组织难以将人工智能部署到孤立的应用程序之外，或者长期使用人工智能的因素。在本文中，我们解决了一个差距的准备/成熟度的研究，发生在项目的水平。由于需要不同类型的社会技术模型来研究人工智能的采用，我们部署了两个镜头进行分析，这两个镜头已经在其他地方成功地使用。我们使用PPT是因为它被证明是一种社会技术模型，它涵盖了信息系统的各个方面。 我们使用TRL是因为人工智能技术涵盖了不同准备程度的一系列不同技术，这些不同的准备程度可能与不同的社会技术因素有关。3. 方法这项定性研究将TRL作为衡量人工智能项目采用进度的基准，使用来自研究，业务和开发参与者的访谈数据。由于其目的是促进对组织采用人工智能之旅的理解，定性研究提供了一个探索不同采用阶段相关性社会技术系统方法承认技术使用的人和社会方面从这个从这个角度来看，定性研究，如这一个，他们的假设，此外，我们把Gregor（2006）的工作作为MIS理论发展的指导方针。这项研究是横断面的：半结构化访谈于2019年底和2020年初进行。这些问题旨在让参与者反思他们在项目中开发的人工智能的TRL水平背景下所面临的问题。在探讨影响项目成功的其他方面之前，参与者被提供了一个TRL量表，并被要求对他们参与的项目的TRL水平进行评级。该研究的分析单位，该项目，汇集了创新的社会和技术方面。所使用的TRL量表改编了Meystel等人（2003）的版本，每个级别都有诊断问题，最终用户和管理人员以及IT专家都可以使用这些问题。量表总结见表1。特别是，我们探索了交付项目所需的资源，与客户的互动，以及项目是否达到了预期并被认为是成功的。这种方法引入了一个基准要素：通过要求参与者思考达到不同TRL水平的项目，他们被引导报告在采用的不同阶段发生的事情。进行了14次访谈，共有15名参与者。入选标准是参与人工智能项目，并由组织参与一些现实世界的应用，即不包括理论研究，但包括基于应用的研究和知识转移，以获得具有代表性的TRL水平范围。参与者是有目的地抽样代表一系列的观点，从业务（n 6），发展（n4）和研究（n 4）的功能（见表2）。这些不同的观点被选择来代表具有不同类型的创新AI项目经验的专业人士，以避免可能来自仅采样一种参加者的人数事先没有确定。对于每一种观点，我们都采访了参与者，直到他们之间在对研究目的有意义的主题上达成一致，直到没有新的信息出现，即。当达到饱和时平均访谈时间为44分钟。采用了系统的编码方法，目的是根 据 对 transmittance 的 详 细 阅 读 ， 绘 制 出 访 谈 的 社 会 技 术 主 题（Thomas，2006）。这两个镜头（TRL和人，过程，技术）被用来集中分析的研究目标，这是由托马斯（2006年）确定为区分一般归纳法从扎根理论方法，但分析不限于测试先验假设。出现的其他主题是数据，业务流程（用suffiX/b表示）和开发流程（用/d表示）的子主题，以及成功标准。所有访谈资料的转录、编码和分析均由作者完成。在初步熟悉、确定主题并对样本进行编码以确保一致性之后，编写了一份编码手册，其中包括定义和样本摘录。例如，TRL主题的定义是“基于NASA技术准备水平，并为IS进行了修改。涉及从原则和愿景（1级）到业务使用（9级）的技术发展。 可以对相关的级别（TRL 1- 9）进行编码。 例如，“然后我们在现场用他们和真实的数据做。通常，我们要做的是与生产并行进行。“[TRL 4或5]和“那些得到它的人，他们进入执行，所以从可能的TRL 5到那个亲型，让企业买进。”然后，每位作者根据手册编写了两份抄本。将突出显示的提取物复制到电子表格中（每个代码一个），并按编码器排序。比较和讨论澄清并删除了任何V. Uren和J.S. 爱德华兹国际信息管理杂志68（2023）1025885表1技术准备水平量表基于Meystel等人。（2003年）的报告。V. Uren和J.S. 爱德华兹国际信息管理杂志68（2023）1025886表2E·X·pert告密者在艾.ID观点注意到国家B1业务政府安全工程师英国B2业务企业家、开发者加纳B3业务咨询、RPA、数据治理英国B4业务政府、卫生系统英国B5业务企业家，卫生系统英国B6业务企业家，楼宇管理系统英国D1发展IT顾问，一名经理和一名高级英国D2发展开发商软件公司、解决方案架构师英国D3发展IT顾问、开发人员英国D4发展人工智能软件公司德国R1研究大学教授英国R2研究知识转让项目技术顾问英国R3研究大学教授英国R4研究大学教授荷兰对守则的解释仍然存在分歧。在完成这些质量检查后，对全套记录进行了编码，并重复了将其提取到电子表格和审查的过程。根据需要，对一些提取物进行重新编码或删除。当两位作者均认为编码一致且与编码手册匹配时，对提取物进行分析以识别相关发现。我们以以下格式报告文本提取和标签：此外，人员、流程、技术（和数据）镜头中的链接用下划线表示。编码手册和编码摘录可在https：//researchdata.aston.ac.uk/id/eprint/577/上获得。4. 结果近年来，数据作为基础设施服务驱动变革的驱动力和先决条件的首要地位已经出现，主要是通过组织中数据驱动文化的概念（Fitzgerald&我们的访谈揭示了这一观点的重要性，它强化了这样一种观点，即成功采用人工智能需要首先理解、获得和管理数据。与会者反思了奠定数据管理基础的必要性，他们观察到，人们需要获得数据技能才能实现这一目标，“实际上必须与数据交互的人，直到那些管理这些流程的人。所以，在过去，我们试 图 把 这 些 人一 起 ， 并 教 育 他 们 的 原因 ， 我 们试图 推荐 这些 更开 放的 数据 方法 “人 D3 。提出了为管理据观察，人们需要接受有关数据需求的教育，因为在理解方面，操作现有流程的人员必须决定数据与手头问题的相关性“我们经历了一个定义交付解决方案所需的数据集和配置文件的过程“DATA B2。数据也决定了技术的产出，并可能推动人工智能的发展方向。正如一个答复者所指出的，作为补充，需要将数据维护内置到流程中，以确保正确配置的数据的持续可用性：“它们明确地使我们的应用程序能够访问其产品目录，以提供他们所需的工作特性和功能。”过程/bB2.为了反映数据重要性的现实，我们扩展了三角形模型，设想它作为一个四面体的数据在顶点，并链接到和从其他元素所示的上述例子（见图。 2）的情况。发现：在考虑人工智能时，数据是社会技术系统镜头的基本要素。第4.1节至第4.3节根据创新历程的各个阶段报告了调查结果，并提出了与PPTD模型相关的方面。这些阶段与参与者确定的TRL基准保持一致4.1. 为AI奠定基础专家们通过他们在实验室环境中进行的工作确定了TRL 2-4（TRL 1项目不在我们的研究范围内）。例如，一所大学与行业合作伙伴合作进行知识转让，或者在顾问的情况下，为客户进行可行性研究。这个级别被认为是一个空间，可以深入思考哪些过程值得开发解决方案：“ 看 看今 天 的 过 程 是 什 么 样 子 ， 集 思 广 益 如 何 改 进 当 前 的 过 程“ T R L - 2 D 1 ， “ 我 认 为 关 于 创 建 原 型 和 证 明 价 值 的 事 情 是我 做 的 很 多 事 情 “ T R L - 4 D 1 。从最早的阶段开始，以用户为中心的设计对项目团队的影响就很大。受访者谈到需要让不同层面的利益相关者参与进来，以了解问题：“我们总是试图从一开始就引入最终用户，了解他们的日常生活，了解他们的关键痛点，并试图找出我们如何将新兴技术或人工智能整合到其中，以解决这些问题。“发现：业务流程中的利益相关者可以识别哪些AI应用程序将产生效益。人工智能项目的大部分开发重点与其他数据驱动的MIS项目类似：将优秀的数据管理人员放在适当的位置，确定具有业务价值的流程，然后将技术与流程相匹配。但在人工智能项目的较低TRL水平上，参与者也谈到了识别计算模型，这些模型在实验数据上给出了可用的结果：“我们这样做的方式是我们建立模型，我们进行创新。我们测试了各种技术并对其进行评估。然后我们说这是我们认为正确的模型。“PROCESS/d R1.发现：在TRL 2-4级中，人工智能技术的选择与其他MIS项目不同，其重点是使用真实数据测试计算模型。4.2. 采用人工智能TRL等级的中间范围，从TRL 5到7，涵盖了从研究环境到作战环境部署的过渡。这可能是创新之旅的一个困难阶段一些技术转让项目在这一点上的战略定位：用户参与仍在继续，包括对新AI系统影响的反思：“ 在 客 户 端 ， 可 以 看 到 产 品 ， 可 以 看 到 价 值 ， 他 们 对一 些 好 的 实 现 感 到 兴 奋 ， 可 能 会 有 一 些 变 化 管 理 “ TR L - 6D1 。必须解决任何未解决的数据治理问题，才能处理操作数据。具有既定专业知识的组织有一个优势：然而，对于许多组织来说，存在技能差距：“在人们更习惯于处理数据并理解如何开始收集和存储数据以利用这些更先进的技术之前，还需要相当长的一段时间”DATAD1。到了这个阶段，开发参与者报告说，他们需要清楚如何展示成功的性能。这V. Uren和J.S. 爱德华兹国际信息管理杂志68（2023）1025887图二. 人员、流程、技术和数据（PPTD）扩展了Edwards（2005）。需要获得组织内的领域专业知识，例如提供黄金标准培训和验证数据集“目前的表现与放射技师在误报和漏报数量方面一样好。 但是你必须首先有一个非常好的放射技师来训练人工智能。“ 人B1. 然而，一些领域专家可能很难接触到：“ 他们面临的最大问题是，即使他们有兴 趣在 心脏 病 学中 采 用人 工智 能 技术 ， 他们 也 很难 在 组织 内部获得回填，以腾出自己的时间。发现：在TRL级别5-7中，需要开发团队和业务职能部门之间的协作，以弥合与现实条件下的演示之间的差距。特别是需要访问操作数据和专家质量判断。4.3. 成熟的AI专家们报告说，大多数组织目前没有在TRL量表的高端采用人工智能。大型IT咨询公司判断，对于大多数客户来说，他们仍然在生产其中一名顾问（次被告）指出，人工智能项目中有10%的项目会发展成操作系统，显示人工智能项目可能会出现死亡谷的问题。在第9级，需要将人工智能系统与组织的MIS集成：“一旦它被证明，我们从中学习，然后我们说我们如何将其生产化并将其集成到生产系统中”TRL-9 D1。这确保了流程生成的数据实时流入技术，从而使系统完全运行。据报道，有些技术比其他技术更容易部署，例如“现成的AI”TRL-9D1，如聊天机器人。一位与会者通过将他们在语义网技术方面的工作与机器学习项目进行比较来澄清这一点：我们推断，技术处于较高的TRL水平，组织准备程度可能较低。 这些企业家都是技术创新者，他们发现他们的一些系统比其他系统更处于实验状态。 版本2将是一个演变TRL6“V1：TRL-9，V2：TRL-6 B2，和“我们的是在7和9之间的括号，主要是9”TRL-9 B6。这意味着，使用较低TRL水平的人工智能需要更高水平的组织创新准备。这对人的影响包括需要在开发人员和利益相关者之间建立桥梁：“了解真实世界以及真实世界如何运作的人并不真正了解技术，好吧。那些了解科技的人，通常是十几岁或二十多岁的人，可能已经取得了技术学位，但对现实世界的运作方式并不了解，对吧？” IT顾问习惯于构建能够弥合这些差距的团队，“我们从客户那里引进了领域专家，所以没有技术专家，但他们完全理解问题，然后我们用我们的用户体验研究人员和技术专家来补充。现在我们也开始从客户端引入技术专家，这样我们就可以在推进“PEOPLE D3”的过程中转移知识。参与者观察到组织用更多的技术专家来补充他们的团队，有时候，这些人是从研究团队内部招聘的：“（如果）我们有一个硕士生在做一个项目，而且进展顺利。他们喜欢这个人，然后他们会雇用他们“人R1。对于企业家来说，解决方案在于建立他们团队的技能集：发现：在TRL 9部署人工智能需要将人工智能技术与流程生成的数据相集成，并发展技术技能和组织技术与业务领域之间的相互理解。当人工智能采用过程中的发现（上图）与TRL（图3）相关时，很明显数据在过程的每个阶段都很重要。然而，与数据最密切相关的其他要素发生了变化。在基础阶段，需要将技术与可用的数据类型相匹配，以解决突出的业务问题（模型测试和选择）。在采用阶段，强调与人的联系，因为需要捕捉专家对人工智能输出质量的判断的数据来证明技术的价值。一旦技术成熟，数据和过程之间的联系必须建立在组织的MIS基础结构中，以保持运营数据的供应。这些观察结果进一步证明，在本案中，V. Uren和J.S. 爱德华兹国际信息管理杂志68（2023）1025888艾城图三. PPTD创新之旅：四面体模型的元素与创新阶段和TRL保持一致。发现：虽然以优化现有流程为目标的人工智能系统可以在组织内开发，但令人失望的是，4.4. AI技术对流程和人员的影响到目前为止，我们已经研究了环境如何影响人工智能系统的开发，但现在我们开始研究系统如何影响环境。这一分析汇集了有关人工智能采用之旅目的地的一旦部署，成熟的人工智能系统就会改变组织中流程的运作方式。讨论了一系列业务流程，包括医疗服务提供，电子商务，建筑物管理和自动驾驶汽车。确定了将AI引入业务流程的两种模式：优化和中断。优化通过提高现有流程的效率和有效性来实现效益：“我们能否削减成本，能否重新配置供应链，能否进行预测性维护。这在很大程度上是优化思维。“PRO-CESS/b D2. 相比之下，颠覆模式发明了新的流程，从根本上改变了商业模式：“新的软件和商业模式使用这些技术来颠覆市场。”PROCESS/b D2，例如，“他们是否可以对[客户的需求]进行智能预测，以便他们可以进行先发制人的交付或收集“PROCESS/b R2。具有优化目标的项目通常与具有既定商业模式的组织相关联。在这里，优化议程比中断更容易向内部利益相关者推销：“在如何以一种对日常流程不那么巨大的变化的方式推出人工智能等技术方面，&组织中的人可能需要保证人工智能不是一个威胁：“如果我们能让执行赞助商说不会因此失去工作，这基本上是为了帮助我们支持增长，这真的有助于工作保障。破坏性变化可能会产生社会影响，例如， 对于安全性：“如果它是一台人工智能咖啡机或类似的东西，我们可能不需要非常努力地为它进行安全论证，但如果这是一辆正在移动的重型车辆，我们将不得不满足一套新的安全论证的法律要求。” 这可能需要包括监管机构在内的部门层面的合作，以确定哪些风险是可以接受的，以及如何减轻和控制这些风险：“所有的首席执行官，所有的监管机构，我认为多年来他们第一次坐在同一个房间里，”人物B4。创新系统产生社会变革，需要更高层次的监督。在采访中有证据表明，部署人工智能技术正在使一些业务/运营流程更接近开发。建立或修改流程以生成正确类型的数据以输入人工智能模型，这将两个功能结合在一起：“你是否准备好创建一个工作流程，一个界面，一个平台，人们可以通过一系列步骤，要求特定的服务，并在这个过程中，也捕获这些数据，以便随后进行改进。“&进程/ b d R4。在对数据的业务价值有很好理解的地方，开发和业务需求会集中在同一个目标上。一位企业家观察到，部署在他的患者群体中的健康可穿戴设备收集的数据可以被处理以满足患者（和护理部门客户）的目标：“这些标志和指标在需要住院之前就已经突出显示。 因为我们要做的是在社区中管理你，降低成本。“B5.进程/b&d进化的人工智能系统将开发过程的各个方面扩展到业务过程中，因为进化可能导致模型发展偏差。因此，进化带来了验证的挑战。为了保证不断变化的模型的质量，开发过程中的测试和保证过程需要嵌入到业务过程中。反过来，现实世界中的问题反馈到模型应该如何构建：“他们（机器人清洁工）正在学习一个意想不到的奖励计划，以提高他们的奖励分数，人们在想，那么我们想要一个奖励计划吗？“成功标准B1。发现：使用人工智能的组织单位需要资源在更接近发展的空间有一个丰富工作内容的例子，部署的房舍管理系统扩大了房舍管理人员它的目标是“预测该建筑物的[...]功耗概况“技术B6，并从传感器数据中识别“能源管理人员应该去担心的异常情况受