数字经济中充分发挥人工智能（AI）潜力的综述

数字经济学报1（2022）180评论文章如何在数字经济中充分发挥人工智能（AI）的潜力文献综述杭海明a，*，陈志峰b巴斯大学管理学院，英国巴斯BA2 7AYb南安普敦大学南安普敦商学院，南安普敦，SO17 1，英国A R T I C L EI N FO保留字：人工智能文献综述数字经济数字隐私A B标准人工智能（以下简称AI）被广泛认为是当前数字经济的驱动力，许多公司已经投资于AI。由于人工智能不受人类认知局限性和灵活性的限制，因此大众媒体的一个关键假设是人工智能对企业在数字经济中的成功然而，令人惊讶的是，许多经理人表示他们尚未从人工智能投资中受益为了解决这个问题，本文的主要目的是总结商业和管理领域中有关人工智能的现有文献，以确定人工智能如何创造竞争优势，并支持阻止人工智能实现其全部潜力的关键障碍我们的研究结果表明，人工智能可以通过提高员工生产力、增加消费者评价、制定有竞争力的价格和创造独特的资源来增加收入。人工智能还可以通过提高效率和降低风险来降低成本然而，我们的研究结果也表明，人工智能的采用、任务性质和人工智能管理是阻碍人工智能充分发挥潜力的关键障碍这是因为AI缺乏人际交往能力。因此，我们鼓励未来的研究专注于提高人工智能的人际交往能力。1. 介绍Schwab（2017）认为，我们正处于第四次工业革命中，数字技术的进步模糊了物理，数字和生物领域之间的第四次工业革命与前几次工业革命的不同之处在于整个经济体系变化的速度和范围。 这得益于人工智能（以下简称AI）等领域的新兴技术突破（Rong，2022;Xue和Pang，2022）。然而，人类与AI的互动并不是最近才出现的现象。它可以追溯到20世纪50年代，当时Alan Turing开发了图灵测试来解决机器是否会思考的问题（Turing，1950）。创建人工智能的最初意图是使用智能机器通过克服人类的认知局限性和灵活性来增强人类的智能（Jain等人， 2021年）。因此，在20世纪80年代之前，人工智能主要用于解决简单的问题（例如，玩跳棋的基本计算）（明斯基，1961年）。后来，斯坦福大学的研究人员开发了专家系统来模拟领域专家的行为（Feigenbaum，1981）。从技术上讲，它是成功的，专家系统产生了与人类专家相似的判断，具有合理的准确性（Sebrechts等人， 1991年）。然而，由于当时硬件技术的限制，专家系统并没有吸引显著的商业利益（Jain等人，2021年）。物联网（IoT）的出现显著改变了人工智能的工作方式，因为它使越来越多的人和设备连接到互联网。这就创建了大量复杂的数据集来训练AI。这与机器的发展一起，* 通讯作者。电子邮件地址：h. bath.ac.uk（H. Hang），z. soton.ac.uk（Z. 陈）。https://doi.org/10.1016/j.jdec.2022.11.003接收日期：2022年10月15日;接收日期：2022年11月26日;接受日期：2022年11月28日2773-0670/©2022作者。由爱思唯尔公司出版我代表科爱通信公司，公司这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect上获得目录列表数字经济杂志首页：www.keaipublishing.com/en/journals/journal-of-digital-economyH.坚持住Z 陈数字经济学报1（2022）180181学习和自然语言处理，使现代人工智能系统成为数字经济各个方面的驱动力（Rong，2022;Schwab，2017;Xue和Pang，2022）。例如，在营销销售中，人工智能可以与人类代理合作，以产生客户购买（Luo等人，2019年）。客户服务AI（例如，Pepper）可以响应简单的客户请求（Davenport等人，2020年）。在金融领域，人工智能现在被用来识别潜在的欺诈行为（Costello等人， 2020）和筛选潜在贷款的客户（Tantri，2021）。 在供应链管理中，人工智能可以接受来自供应商和买家的订单（Cui et al.， 2022; Li和Li，2022）。人工智能还被用于开发可以增加公司收入的创新产品（Rammer等人，2022年）。事实上，最近一项针对2500名高管的调查发现，其中90%的人已经投资了人工智能（Ascarza等人， 2021年）。但AI能在数字经济中造福企业Wilson and Daughter（2018）认为，投资人工智能可以更快地产生收入，是落后者的两倍 但在接受调查的2500名高管中，只有不到40%的人表示他们的业务受益于使用人工智能（Ascarza等人， 2021年）。这是由Guha et al. （2021年）。通过采访零售业的高级管理人员，他们的研究表明，人工智能的中短期影响可能不像大众媒体所说的那样有希望（Guha等人， 2021年）。因此，目前公司似乎还没有充分利用人工智能的潜力来使其业务受益。但为什么会这样呢？为了回答这个问题，我们需要确定人工智能如何在数字经济中创造竞争优势，并巩固阻碍人工智能充分发挥潜力的关键障碍为了实现这一目标，本文回顾和综合了不同学科的现有文献，如经济学（例如，Calvano等人，2020年），营销（例如，Davenport等人，2020年），运营管理（例如，Cui等人，2022），会计（例如， Fedyk等人， 2022年），融资（例如， Gu等人， 2020年），信息系统（例如，S. Zhang等人， 2021）和管理（例如，Choudhury等人，2020年）。这可以为管理人员提供关于如何将AI成功整合到业务中的独特见解本文的提示如下：下一节解释我们的审查方法。其次是回顾商业和管理文献中现有的人工智能概念然后，我们讨论了人工智能可以为商业做出积极贡献的关键机制，以及阻碍人工智能在数字经济中充分发挥潜力的关键障碍。 全文最后对未来的研究提出了建议。2. 文献综述法本文使用文献综述来回答我们的研究问题，因为综述研究可以综合零碎的发现（Hulland和Houston，2020），并通过突出关键的未回答问题来解决先前研究中的模糊性（Palmatier等人， 2018年）。为了提供全面的文献覆盖面，我们通过Scopus和EBSCO搜索了所有商业和管理领域的文章表1日志列表。期刊数量学术领域期刊标题AJG排名a影响因素b会计会计研究评论（RAS）44.011会计当代会计研究（CAR）44.041会计会计与经济学杂志（JAE）* *7.293会计Journal of Accounting Research（会计研究杂志）* *4.446经济学经济研究评论（RES）* *7.833经济学Quarterly Journal of Economics（QJE）* *19.013经济学政治经济学杂志（JPE）* *9.103经济学美国经济评论（AER）* *10.540创业创业理论与实践（ETP）49.993伦理商业道德杂志（JBE）36.331金融金融研究评论（RFS）* *8.414金融财务审查（RF）45.059金融金融与定量分析杂志（JFQA）44.337一般管理Journal of Applied Psychology（JAP）* *11.802一般管理管理杂志（JM）* *13.508一般管理管理科学（MS）* *6.172一般管理管理评论学院（AMR）* *13.865一般管理管理学会杂志（AMJ）* *10.979信息系统管理信息系统杂志（JMIS）47.838信息系统信息系统研究（ISR）* *5.49信息系统MIS Quarterly（MISQ）* *7.198创新研究政策（RP）* *9.473营销Journal of Marketing Research（JMR）* *6.664营销市场营销杂志（JM）* *15.360营销市场营销学（MS）* *5.411营销零售杂志（JR）411.190营销消费者心理学杂志（JCP）* *5.989营销市场营销科学学院学报（JAMS）* *14.904营销消费者研究杂志（JCR）* *8.612运营管理生产和运营管理（POM）44.638运营管理制造和服务运营管理（MSOM）37.103组织研究组织行为和人类决策过程（OBHDP）45.606战略战略管理杂志（SMJ）* *7.815a基于特许商学院协会发布的最新学术期刊指南b基于Clarivate Analytics发布的最新期刊引文报告H.坚持住Z 陈数字经济学报1（2022）180182数据库使用以下关键词：“AI”，“人工智能”和“智能机器”。这导致了超过17，000篇文章，其中Scopus中有6515篇文章，EBSCO中有10，821篇文章。为了缩小我们的审查范围，我们将搜索限制在优质期刊上，即金融时报50列表和/或达拉斯德州期刊列表（24种期刊）中的期刊 我们专注于优质期刊的文章，因为它们反映了相关领域的最高质量，并在其他文章中被广泛引用。通过这一过程，我们确定了92篇文章供我们审查。为了收集人工智能在数字经济中影响的直接证据，我们只专注于实证因此，我们排除了19篇概念性论文/评论。因此，我们的最终名单包括73篇提供数字经济中人工智能经验证据的文章（见表1）。作者团队的每位成员独立审查了所有73篇文章的标题、摘要和关键词，以确保关键词检索的准确性然后，我们开发了一个方案，编码的文章，使用作者（S），出版年份，期刊，主题，理论镜头，方法和主要结果作为类别。 通过这个过程，我们发现大多数研究都集中在AI的好处或AI的风险上。因此，我们使用这两个方案来编码所有文章。所有编码员的一致性均超过90%，任何不一致均通过讨论解决。通过这一过程，我们发现我们的文献综述涵盖了商业和管理研究的所有关键学科，其中4篇经济学，4篇运营管理，8篇信息系统，17篇管理（包括创业和商业道德），28篇市场营销，9篇会计和财务以及3篇组织研究。在研究方法方面，实验室和/或现场实验（42篇论文）和二次数据分析（22篇论文）主导了当前数字经济中人工智能的研究。 表2提供了按年份分列的条款详情。我们在下面的章节中总结了现存文献的关键发现3. AI概念化科学文献将人工智能定义为p.vi换句话说，通过使用机器学习和自然语言处理等关键技术，人工智能可以“正确地解释外部数据，从这些数据中学习，并通过灵活的适应来使用这些学习来实现特定的目标和任务”（Haenlein和Kaplan，2019年，第103页）。17）。由于人工智能被用于数字经济的各个方面，因此程度文献将人工智能分为不同类型（Davenport等人，2020; Huang和Rust，2018;Kaplan和Haenlein，2018）。例如，达文波特及其同事认为，不同的人工智能在智能水平上有所不同：任务自动化与上下文意识。 虽然任务自动化是标准化和基于规则的AI应用，但上下文感知要求AI应用“学习如何学习”（Davenportetal.，2020年，p.27）。因此，上下文感知AI应用程序可以通过做出超出人类初始编程的上下文特定响应来解决复杂任务（Davenport et al.， 2020年）。然而，上下文感知AI应用程序是否存在甚至可能开发是值得怀疑的（Reese，2018）。Kaplan和Haenlein（2018）将AI分为分析型AI、人类启发型AI和人性化AI。 分析人工智能系统使用认知规则来为未来的决策提供信息，金融服务中的欺诈检测就是一个典型的例子。超越认知规则，人类启发的人工智能系统识别，理解人类情感，并在决策中考虑它们（Kaplan和Haenlein，2018）。例如，作为AI系统的<$ka通过提出有意义的问题并调整其语言语法来为客户提供情感支持（Davenport等人， 2020年）。最后，虽然还没有，但人性化的AI系统具有所有的认知，情感和社交智能表2(part（1）按年度发布的文章年JCRJFQAJMJMISJMRJPEJrMISQ管理科学营销科学201811201911212020111202111111202241213总2151412172第2部分年MSOMOBHDPPOMQJERasRESRFRFSRpSMJ201820191202011112021122022321112总3121211223第3部分年AerAMJAMR车ETPISR在寅堵塞JAR乙脑JCP201820192020111202111411202211121031总112116111132H.坚持住Z 陈数字经济学报1（2022）180183并且在与他人的互动中有自我意识（Kaplan和Haenlein，2018）。因此，它与Davenport等人提出的上下文感知AI应用非常相似。（2020年）。尽管研究人员以不同的方式对AI进行分类，但他们一致认为，AI作为机器不受人类认知限制和灵活性的约束（Balasubramanian etal.，2022年）。因此，人工智能可以在大型复杂的数据集上进行训练，以做出有效，准确和一致的决策-人工智能的硬数据技能（Luoetal.，2019年）。这些技能对于公司在数字经济中建立竞争优势非常重要（Dawar和Bendle，2018;Edelman和Abraham，2022）。例如，Edelman和Abraham（2022）认为个性化的客户体验是当前市场的关键竞争优势因此，公司需要使用人工智能来收集高质量的客户体验数据，以提供个性化服务（Edelman和Abraham，2022）。 Dawar和Bendle（2018）也对此表示赞同，他们认为公司可以通过使用人工智能作为消费者值得信赖的顾问来获得竞争优势。竞争优势可导致收入增加和/或成本降低人工智能可以帮助企业实现这些业务成果吗？下一节将对此进行详细讨论。4. AI对数字经济中商业的影响4.1. 增加收入大量文献表明，人工智能系统可以增加收入（例如， Brynjolfsson等人， 2019; Gu等人， 2020; Kelley等人， 2022; Mishra等人，2022; Padigar等人， 2022年）（见表3）。例如，在Airbnb中，采用人工智能使平均每日收入增加了8.6%，尽管平均每晚房价下降了5.7%（Z。Zhang等人， 2021年）。 在国际贸易中，人工智能使出口增加了10.9%，并大大降低了翻译成本（Brynjolfsson等人，2019年）。人工智能客户服务聊天机器人的实施产生了0.22%的异常股票回报，B2B公司的收益超过了B2C公司（Fotheringham和Wiles，2022）。事实上，研究一再表明，股票市场对使用人工智能的公司反应良好（Bahmani等人， 2022年; Chen等人， 2019; Gu等人， 2020;Mishra等人， 2022; Padigar等人， 2022; Rammer等人， 2022年）。例如，Mishra et al. （2022）发现，在10-K报告中关注人工智能与净利润和营销相关投资回报率呈正相关。 Padigar等人（2022）进一步认为，这在拥有强大营销部门的公司中更为明显。这是因为这些公司被认为拥有优越的营销资源和资产，以确保人工智能相关创新的成功（Padigar等人， 2022年）。 根据德国的数据，Rammer et al. 2022年，人工智能与价值160亿欧元的产品创新有关。 它还为德国商业部门每年节省的总成本贡献了约6%（Rammer等人， 2022年）。以前的研究进一步表明，人工智能系统通过提高员工生产力来增加收入（例如， Kim等人， 2022年; Luo等人， 2021; Tong等人，2021年），增加消费者的反应（例如， Crolic等人， 2022年; Luo等人， 2019; Zierau等人， 2022年），制定有竞争力的价格（例如， Calvano等人，2020;Miklo's-Thal和Tucker，2019）和创建独特的资源（例如， Gregory等人，202 1; Krakowski等人，2022年）。在员工生产力方面，Kim et al. （2022）发现人工智能帮助员工更有效地适应客户需求。 Luo等人（2021）报告指出，人工智能提升了员工的表现。 但是，中层员工的进步最大，而底层和高层员工的进步都是递增的。然而，限制培训反馈水平可以提高所有级别的员工绩效（Luo等人，2021年）。Tong等人（2021）建议人工智能提高对员工信息分析的准确性和一致性，以及对每位员工反馈的相关性。这有助于员工实现更大的工作表3AI增加收入的关键机制实验机制文章领域方法主要结论提高员工生产力Kim等人（2022年）Luo等人（2021）Tong等人营销营销管理实验实验实验人工智能帮助导师适应学生的学习需求，提高学习成绩。但是，对公司收入做出重大贡献的导师几乎没有从人工智能中获益。排名中等的人类代理人从AI教练中受益最多。但排名最低和最高的人类代理人受益甚微。但是，限制训练反馈级别可以提高所有代理的性能。未披露的人工智能通过显著提高员工的工作绩效，增加（2021年）Luo等人（2019）营销实验反馈对每个员工的相关性聊天机器人的效率是没有经验的工人的四倍，客户评价Crolic等人营销二级数据产生顾客购买。但披露聊天机器人身份会产生负面影响。当客户生气时，聊天机器人的拟人化会对客户产生负面影响。（2022年）分析客户满意度和后续购买意向。电荷Zierau等人（2022年）Calvano等人营销经济学实验实验基于语音（而不是基于文本）的机器人带来了更积极的服务体验，以及更有利的行为结果，因为它促进了更像机器人的用户体验。算法一致收取超竞争价格的寡头垄断模型，竞争力的价格创造独特（2020年）Krakowski等人管理实验重复的价格竞争。在国际象棋的背景下，人类-人工智能的交叉创造了一种新的资源，资源（2022年）性能而且，这种资源与人类的原始能力无关，甚至是负相关H.坚持住Z 陈数字经济学报1（2022）180184业绩，为公司创造价值（Tong等人，2021年）。在消费者反应方面，Luo et al. （2019）报告称，未披露的聊天机器人在促成客户购买方面的效率是没有经验的工人的四倍。 Zierau等人（2022）基于文档的机器人（而不是基于文本的机器人）促进了类似于谷歌的用户体验，提高了消费者的品牌评价。然而，Crolic et al. （2022）警告说，这种影响取决于消费者的情绪状态。他们的研究发现，当消费者生气时，人工智能会对消费者的评价和随后的购买意愿产生负面影响（Crolic et al.， 2022年）。AI还带来了有竞争力的定价。Calvano等人（2020）报告使用算法导致在不与其他公司沟通的情况下设定具有超级竞争力的价格。与此相呼应的是，Miklo's-Thal和Tucker（2019）发现，基于算法的需求预测不仅可以更好地根据需求条件调整价格，还可以降低价格，提高消费者剩余。其他研究人员认为，人工智能可以帮助企业创造独特的资源（例如， Gregory等人， 2021; Krakowski等人，2021年）。例如，通过专注于国际象棋中的人工智能，Krakowski et al.（2021）认为人类与人工智能的互动创造了一种新的资源来建立竞争优势。 他们进一步认为，这种资源是无关的，甚至负相关的人的原始能力。格雷戈里和同事提出了人工智能链接到数据网络所创造的独特资源（他们称之为“数据网络效应”）（格雷戈里等人，2021年）。换句话说，人工智能的进步使数字平台从他们从用户那里收集的数据中了解更多，反过来，通过提供个性化服务为每个用户创造更多价值（Gregory et al.， 2021年）。简而言之，现存的文献表明，人工智能可以通过不同的方式增加收入，从提高员工生产力到创造独特的资源（例如， Gregory等人， 2021; Krakowski等人，2021年）。AI能降低成本吗？下一节将对此进行详细讨论。4.2. 降低成本大量文献表明，人工智能可以通过提高效率和降低风险来降低成本（见表4）。 在效率方面，Grennan和Michaely（2021）认为人工智能可以提高信息效率，因为它聚合了许多数据源，包括非传统的数据源（例如，Twitter）提出投资建议。 Wuttke et al. （2022）发现人工智能系统将工作效率提高了43.8%。不过，这只是为了一个新的任务。对于重复的任务，人工智能系统使员工花费的时间比传统方法多23%。 这可能是因为员工依赖于新技术，而没有完全内化任务（Wuttke等人， 2022年）。Yang（2022）认为，人工智能系统通过减少大学及以下教育水平的劳动力比例来提高生产力Acemoglu和Restrepo（2020）进一步指出，机器人可以提高工作效率并降低工资，每千名工人中多一个机器人会使工资降低0.42%。在降低风险方面，Costello et al. （2020）发现机器生成信贷模型导致未来组合层面信贷风险的下降幅度大于传统模型。 这在没有社交媒体账户的借款人中尤为明显（Costello et al.， 2020年）。 同样，Senoner et al. （2022）报告称，基于人工智能的模型将产量损失减少了21.7%。 Tantri（2021）记录了在贷款中使用机器学习算法的违约率比人类贷款人员低33%。因此，研究表明人工智能在降低风险方面是有效的。表4AI降低成本的关键机制机制文章领域方法主要结论提高格伦南和会计和二级数据人工智能通过汇总许多数据，提高了投资者的信息效率效率降低风险准确Michaely（2021）Wuttke et al.（2022年）杨（2022）Acemoglu和Restrepo（2020）Costello et al.（2020年）Senoner等人（2022年）中国（2021）Ding等人财务运营管理经济会计与财务管理会计和财务会计和分析实验二次数据分析二次数据分析实验实验二次数据分析二级数据包括非传统来源（例如，Twitter、博客）。AI提高了新任务的工作效率。但它降低了重复任务的效率。人工智能通过减少大专及以下学历劳动力的比例来提高效率。人工智能提高了工作效率，降低了工资，每千名工人多一个机器人，工资就降低了0.42%。人工智能生成的信用模型（与控制相比）导致未来投资组合级别的信用风险大幅下降，未来销售订单大幅增加。与传统模型相比，人工智能生成的模型更好地减少了产量损失。人工智能的拖欠率低于人类贷款人员。当人工智能被明确禁止歧视弱势社会阶层时，这一结果仍然很有力。人工智能产生的损失估计优于实际管理预测（2020年）Fedyk等人（2022年）Blohm等人（2022年）财务会计和财务管理分析辅助数据分析辅助数据分析五分之四的估计数保险线他们考察与人类审计师相比，人工智能提高了审计质量，降低了费用。投资者只有在进行广泛投资时才会跑赢人工智能并设法抑制他们的认知偏见。Mullainathan和Obermeyer（2022）Cui等人（2022）经济学操作二次数据分析实验人工智能做出了更准确的预测，因为它揭示了医生诊断心脏病发作的两个错误：过度测试和测试不足。人工智能买家比没有智能控制的人类买家获得更高的报价管理然而，当自动化和智能结合使用时，人工智能提供了最大的价值。H.坚持住Z 陈数字经济学报1（2022）180185大众媒体的一个关键假设是，人工智能系统可以做出比人类更准确的预测，因为它们不受人类认知局限性和灵活性的约束（Balasubramanian et al.， 2022年）。一般的研究确实为这一假设提供了支持（例如， Ding等人， 2020; Fedyk等人， 2022; Li和Li，2022; Mullainathan和Obermeyer，2022）。例如，Ding et al. （2020）发现，人工智能系统在他们检查的五个保险项目中有四个比人类做出更好的估计。 这是支持Fedyk等人。（2022）谁记录人工智能应用程序提高审计质量。 Blohm等人（2022）表明，人类投资者只有在拥有丰富的投资经验并设法抑制其认知偏见时，才会表现优于算法。 在医疗保健方面，Mullainathan和Obermeyer（2022）发现人工智能系统的诊断比医生更准确。这可能是因为医生使用了一种简化的风险心理模型这使得他们过度测试那些没有从测试中受益的低风险患者，并低估了那些随后发生不良健康事件的高风险患者（Mullainathan和Obermeyer，2022）。然而，Li和Li（2022）认为，当考虑到后悔时，人工智能自动化无法做出准确的订单他们的研究指出，当利润率很高时，人工智能自动化会拒绝供应商的合同。当利润率较低时，人工智能自动化驱动零售商从供应商那里订购更多因此，他们认为人工智能自动化会导致零售商和供应商的双输结果（Li和Li，2022）。 同样，Cuiet al. （2022）发现，如果没有配备智能控制，聊天机器人买家的报价高于人类买家。我们认为，这些混合的结果可能是阻碍人工智能充分发挥潜力的关键障碍下一节将对此进行详细讨论。5. 在数字经济中实现人工智能全部潜力的关键障碍5.1. 通过在人口水平上，Acemoglu和Restrepo（2022）表明，专门从事手工生产任务的中年工人的短缺增加了人工智能系统的采用。然而，在个人层面上，程度文献发现，由于以下原因，人们倾向于犹豫使用人工智能（见下表5）：首先，Dietvorst等人（2015）发现，尽管算法优于人类，但当人们看到算法出错时，他们会更快地对自己的判断失去信心-算法厌恶。 这也许是因为人们错误地假设，与人类不同，人类不能从错误中学习（Reich等人，2022年）。此外，Longoni et al. （2022）发现人工智能系统被认为比人类更同质。因此，关于一个算法的失败信息被传送到表5AI采用的关键障碍实验测量仪器原因文章领域方法主要结论算法厌恶Reich等人（2022年）Longoni等人（2022年）Dietvorst等人（2018年）市场市场管理实验实验消费者倾向于避免人工智能的建议，因为他们认为人工智能无法从错误中学习。人工智能的失败比人类的失败更普遍，因为人工智能系统被认为比人类更同质。为了减少算法厌恶，参与者需要控制AI结果。缺乏感情Kyung和Kwon（2022）运营管理EX实验室调查与人类健康专家相比，患者不太可能接受AI建议的健康行为改变建议，因为他们认为AI梁和薛（2022）信息系统面试官调查缺乏真正的关怀和温暖。医生对人工智能建议的抵制是由于他们对面子损失的经验信念。身份损失Uysal等人（2022年）营销面试官测量仪器人工智能拟人化威胁到消费者的身份，并最终破坏了他们的福祉。Leung等（2018年）营销实验二次数据分析人工智能阻碍了将与身份相关的消费结果归因于消费者本身。Granulo等人（2021）Longoni等人（2019年）营销营销实验实验在符号消费中，独特性动机支持消费者对人类（与机器人）制造的产品的偏好。消费者不愿意使用人工智能提供的医疗保健，他们认为AI（vs.人类）不太能够解释他们独特的隐私关注Parket al. （2022年）信息实验特点和情况。监督焦虑和授权焦虑导致了对人工智能的拒绝Uysal等人（2022年）系统行销面试官数据隐私问题使消费者不愿意使用人工智能。电影Raveendeandsand Fast（2021）组织研究实验实验员工比人类更愿意接受人工智能跟踪，因为人工智能跟踪被认为是不那么主观的。缺乏透明度Lebovitz等人（2022年）管理为例医疗专业人员没有参与人工智能，因为人工智能的结果往往偏离他们的初步判断，而没有提供基本的推理。缺乏透明度使员工假装遵守新技术，同时避免真正的变化。H.坚持住Z 陈数字经济学报1（2022）180186另一种算法的速率高于人类（Longoni等人，2022年）。总的来说，这些研究共同表明，人们很容易对人工智能能力失去信任，使他们不愿意再次使用这一点在经验不足的投资者中尤为明显，他们可以从使用人工智能推荐中获益匪浅（Ge等人，2021年）。为了克服算法厌恶，Dietvorst等人。（2018）建议为人们提供修改算法结果的机会，因为这使他们有控制感。因此，他们对结果更加满意（Dietvorst等人， 2018年）。其次，人们倾向于认为人工智能系统缺乏感情。因此，他们不希望人工智能为他们做出道德决定（Bigman和Gray，2018）。 在医疗保健方面，患者接受人工智能建议的可能性低于人类健康专家，因为他们认为人工智能缺乏温暖和真正的关怀（Kyung和Kwon，2022）。至于医生，他们对人工智能系统的抵制归因于他们对面子损失的经验信念（Liang和Xue，2022）。第三，人工智能也被认为是对消费者身份的威胁（Uysal等人， 2022年）。这在强烈认同特定社会类别的消费者中尤为明显（例如，钓鱼）（Leung等人， 2018年）。 AI还阻碍了消费者表达他们的独特性，这是符号消费的一个重要功能（Granulo等人，2021年）。支持这一点，Longoni et al. （2019）发现忽视独特性是导致消费者抵制医疗人工智能系统的一个关键原因。第四，隐私问题是阻止人们使用人工智能的另一个关键问题Park等人（2022）发现监视焦虑与授权焦虑一起增加了对人工智能的拒绝。 Uysal等人（2022）的文件表明，消费者对数据隐私的担忧使他们不愿意使用人工智能。然而，Raveendaland和Fast（2021）报告称，当行为跟踪仅由人工智能而不是人类进行时，员工更愿意接受。这是因为员工认为人工智能跟踪不那么主观，并且允许自主感（Raveendaland Fast，2021）。简而言之，虽然大众媒体认为隐私问题是采用人工智能的关键障碍，但研究证据并不确定。最后，人们对人工智能的抵制也可以归因于其缺乏透明度。例如，Lebovitz et al. （2022）发现医疗专业人员对使用人工智能的犹豫是因为人工智能工具经常提供与他们自己的判断不同的建议，而没有提供潜在的推理。 缺乏透明度也使员工假装遵守新技术，同时避免真正的变化（Pachidi等人， 2021年）。实现人工智能全部潜力的另一个关键障碍是我们下面讨论的任务的性质5.2. 任务因为人工智能作为机器是有效和客观的，因此人们认为它缺乏主观判断能力（Castelo等人， 2019; Commerford等人， 2022;Lee，2018; Longoni和Cian，2022; Xu和Mehta，2022）（见表6）。例如，Castelo et al. （2019）对于主观的任务，发现算法是可信的，依赖较少（与（客观）自然。同样，Lee（2018）报告说，对于需要客观性的机械任务，算法和人为决策被认为是公平和值得信赖的。但是对于涉及主观判断的人类任务，算法决策被认为不那么公平和可信，并且比人类决策导致更多的负面情绪（Lee，2018）。 缺乏主观判断能力也使消费者在选择本质上是享乐的品牌/产品时抵制人工智能推荐（Longoni和Cian，2022）。事实上，Xu和Mehta（2022）发现，当人工智能用于奢侈品设计时，它会对品牌的情感价值产生负面影响。因此，对于品牌（例如，然而，在那些将竞争优势建立在卓越情感价值上的时尚品牌中，使用人工智能降低了品牌的本质，导致消费者的负面评价（Xu和Mehta，2022）。在审计中，Commerford et al. （2022）报告称，当审计师收到来自AI（与人类专家），他们对管理估计进行较小的调整更重要的是他们表6AI和任务焦点文章领域方法主要发现Casteloet al. （2019年）市场营销实验消费者对人工智能的依赖程度较低，（客观）自然。但是，增加人工智能感知到的人类情感相似性可以将人工智能用于主观任务。Commerford等人（2022年）会计和财务从人工智能（与人类）收到矛盾证据的审计师对管理估计进行了较小的调整。当AI提供客观（与主观）输入时，这一点更为明显。Longoni和Cian（2022）徐和梅塔（2022）Garveyet al. （2022年）Yalcin等人（2022年）在推荐产品方面，人工智能被认为不如人类有能力，快乐的天性营销实验人工智能技术对陆克文产品的情感价值产生了负面影响设计但增强了相关的功能价值。当产品/服务比预期的好时，消费者的反应会更少。当与AI（与人类）代理打交道时，这是因为当结果对消费者有利时，消费者认为人工智能（与人类）代理缺乏善意的意图。当人工智能做出有利的决定时，消费者的反应不那么积极。(vs.人）代理。这是因为消费者更容易内化人类比人工智能做出的有利决策结果。Hodgeet al.（2021年）会计和财务实验投资者更可能依赖一个不知名的机器人顾问的推荐。这是由任务复杂性调节的。H.坚持住Z 陈数字经济学报1（2022）180187这一点在客观（vs.主观的）输入（Commerford等人，2022年），也许是因为他们认为人工智能在客观任务中更有能力。其他研究人员认为，人们对人工智能的反应也取决于任务的结果（加维等人，2022; Yalcin等人，2022年）。例如，Garvey et al.（2022）发现当产品/服务比预期差时，消费者对人工智能的反应更积极（而不是人）代理。相比之下，当产品/服务好于预期时，消费者对AI（与人类）代理的反应不太积极（Garvey et al.， 2022年）。 同样，Yalcin et al. （2022）发现，当消费者收到对他们有利的决定时，他们对人工智能（与人类相比）的反应不那么积极。 这可能是因为与人类相比，人工智能缺乏善意的意图，因此人工智能做出的有利决定不太可能导致感激之情（Garvey et al.， 2022年）。或者，这可能是因为消费者更容易内化由人类而不是算法做出的有利决策结果（Yalcin等人， 2022年）。任务的复杂性也会影响人们对AI的反应例如，Hodge et al. （2021）报告称，投资者更有可能依赖一位未具名（与机器人顾问。 这受到任务复杂性的调节，使得投资者在面对复杂任务时不太可能依赖命名的机器人顾问（Hodge et al.，2021年）。这可能是因为给机器人命名增加了它的人性化特征，使投资者认为它处理复杂任务的能力较低。 虽然人工智能可以处理复杂的任务，但Balasubramanian等人（2022）认为，它也对日常任务产生了负面影响。这是因为通过依赖统计分析，机器学习可能会减少与例程相关的因果，上下文和一般知识的程度（Balasubramanian等人， 2022年）。由于人工智能可能会完全改变组织的商业模式（Fountaine等人，2019年），另一个关键挑战是如何管理人工智能。5.3. 管理如上所述，人工智能可以帮助企业创建独特的资源（例如，Gregory等人，2021; Krakowski等人，2021年）。但企业如何有效地管理人工智能，以利用其创造的独特资源，目前尚不清楚（表7）。现存文献中的一个常见假设是，当人工智能与人类争论而不是取代人类时，人工智能的工作效果最好（Davenport和Ronanki，2018;Wilson和Daughterson，2018）。 这是由Guha等人支持的。（2022年）。 通过采访零售业的高级管理人员，他们的研究发现，管理人员认为，如果人工智能增强而不是取代人类，它会更有效（Guha等人，2022年）。然而，关于这一问题的现有经验证据并不是结论性的。例如，在销售组织的背景下，Luo et al. （2021）发现人工智能与人类的结合优于单独的人工智能或单独的人类，因为人工智能与人类的结合可以利用人工智能的硬数据技能和人类的软人际关系技能。 对此，Fugener et al. （2022）报告说，人类和人工智能一起工作可以实现最佳结果。然而，他们