如今，人机协同在业界有着广泛应用场景，而人机协同在业界流行，也使得越来越多学者Follow这一领域，以探究人在AI协助下会引发什么样行为、决策等更迭，
北京大学光华管理学院市场营销学系副教授张颖婕，极具Follow从人机协同、一道进化视角来系统性设计评估智能策略，在提升商业价值同时兼顾社会公平性，研究发现，人机协同在提升系统性能、效能方面存在巨大潜力；而在人机协同过程中，也须要百分之百探究人因素、作用，
技术驱动下人机协同发展
在AI技术相对成熟现阶段，张颖婕发起叩问，人还能发挥多大作用呢？人是否能挖掘出AI未能触及或者未能实行价值呢？张颖婕以AI发展为切入点，琢磨在人工智能进入社会后，人类应当如何发挥主观能动性，由此引出自身关于人机协作研究主题，以及人类应当如何实行自身价值难题，
根据这一难题，张颖婕回顾学术界对不同样情境下AI应用最新研究，并介绍AI技术在业界受到哪些挑战，
张颖婕表达，当前人工智能研究领域有两类学者：一类Follow技术方向上突破与演进，如借由算法、大数据改进模型，改良股票走势占卜，促进商业智能化转型；另一类则将目光聚焦在“人”身上，根据现有技术，研究如何更好地配合人工智能，如何在现有技术条件下与人工智能实行互动，她属于后者，
关于人在人机协作中行为特点，近年来研究也做很多探索尝试：一方面是AI-Aversion现象，就人由于缺乏信任、依赖個人经验、直觉、担忧低层次工种被取代等原因，对AI存在“抵制”，另一方面是Cyborg Effect现象，这是前者极端反面，就AI给定决策主张后人能动性下降，人更加依赖AI而不愿意主动决策，
在她看来，伴随AI“类人”性以及自身算法本事连续提升，再加上AI“商业版图”连续壮大，AI、人共存协作大概性、必需性也在连续增强，换句话说，人是难以防止、AI引发接触，
消费者与AI制造
先前研究说明，消费者不太喜欢机器人客服，因机器人客服不够聪明，无法与消费者共情，反而，伴随人工智能技术连续发展，如ChatGPT等智能AI发生，这些难题正在逐渐搞定，现在AI产品已经进化到与人相似层次，消费者大概会慢慢接受这些产品，
因为这個，张颖婕感觉先前研究结论大概不再适用，她想探索是在新技术背景下，消费者对于AI产品态度、接受度，
当AI已经成熟，当世界上AI已经很普遍，作为消费者自己，会怎么样面对？在张颖婕看来，机器学习是一個向上走势头，会越来越智能，这是毋庸置疑，作为消费者或者作为人这個群体来说，对人工智能态度，已经或者就将无法运用“AI不够聪明”来作为抵制AI产品理由，
“但不晓得人们态度会不会是一個曲线，就是当机器进化到一定层次时候，人们会先欣然接受并享受AI制造，但是当AI进一步进化之后，消费者或运用者态度又会如何则是一個难以占卜难题，咱们须要持续跟进并火速作出占卜，”张颖婕说，
张颖婕表达，在不同样领域人与AI之间协作、决策过程大概因情境而异，须要探究各异因素，在金融领域实行研究大概得出结论与其他领域不同样，因不同样行业就业特点、需求不同样，
在某些情况下，人工审核决策大概没有任何作用，而人工智能能够以更高准确率来做出决策，在另外场景中，人类依旧具有价值，须要经由刺激来发挥他们作用，这大概涉及供应大量数据、解释人工智能决策以及运用激励方法，
人机协同应用与提升
在张颖婕看来，AI赋能生产力是现阶段AI持续进化带来一大益处，甚至是最大益处，但AI赋能同样离不开有效人机协同，机器与人倘若能发挥协同作用，决策整体疗效会更好，
针对这一情况，张颖婕研究试图解答三個难题：一是经由系统设计探索人类在人机协作中贡献；二是解析这一人机协作生成机制与原因；三是探讨如何利用人类异质性来提升协作效能，
张颖婕选取亚洲小额贷款公司为研究对象，对比人工、AI在批准借款人违约率方面决策差异，实验结果显示：在AI与人无协作〔分别独自决策〕情况下，AI决策比人工决策结果违约率更低，给AI供应大数据能够显著降低违约率〔但数据量对人工决策结果违约率无显著影响〕；而在给人工供应AI决策主张且这一主张与人工决策结论引发分歧时，有60%-80%人会选择接受AI决策主张改变自己决策〔当供应AI决策依据时这一比例会更高〕，
结果揭示几個根本发现，先说，当人工、AI各自独立作决策时，AI判断准确率明显超过人工，极具是当数据量大情况下，人在决策时明显存在信息过载等难题，在小数据情况下，人参与并非能显著提升协作效能，同时，在大数据环境下，人类只有在被告知AI决策逻辑前提下，才干对违约率判断引发积极价值，
换言之，倘若信息复杂度〔就大数据环境〕、AI决策逻辑信息二者无法同时满足时，人类信审员在AI辅助下要么全盘听从，要么错误地坚持己见，于是使得协作效能与AI独自决策时相差无几；但两個条件同时满足却能火速激发人工展露其独立琢磨、纠错本事，这恰恰体现人类在人机协同场景下前无古人后无来者价值，
“在大数据背景下，人工难以有效运用如购买记录等大数据信息，并将其与自身决策融合，纵然仍依赖传统数据，人工判断本事并未显著提升，”张颖婕说，
相比之下，AI在搞定大数据信息上，显示出更强提取、转化、运用本事，于是得出更精准判断，另外，当面对中间情况且处于纠结状态时，人工更倾向于依赖AI决策，但当申请人情况较为极端时，人工往往会依赖自己判断而非接受AI主张，
算法面前人情感无法忽视
张颖婕研究，揭示人机协同在提升系统性能、效能方面巨大潜力，在互联网金融借贷实验中，人机协作行为使得整個系统占卜正确率提升一倍，系统违约率从原先6%降低到3.8%，这项研究说明，人机协同可以提高系统性能、效能，同时也须要百分之百探究人因素、作用，
研究发现，在引入机器学习算法实行先期占卜专家推荐后，人工审核员在大一部分情况下会倾向于听从算法意见，反而，当供应运用者大数据以及算法具体机制解释之后，人们会在看到算法主张之后，自发地实行一個重琢磨过程，不再一味地感觉AI是非常好，而是对AI实行有效修正，
值得Follow是，人情感也应当是人机协同中被考量要紧因素，这涉及AI向善、伦理难题，在外卖骑手例子中，骑手时而候并非会遵从算法规划路线，这大概由于算法决策没有探究到骑手情况，比方说骑手位置、疲劳层次、实际路况；亦或是骑手过往经验让他们做出背离算法决策，
“机器只能给你主张，最后还得是人来完成，”张颖婕表达，算法其实是非常厉害，倘若骑手能够根据算法专家推荐路线，他收益一定是最高，但事实却是，百分之七八十骑手，都不会百分之百遵从算法专家推荐，
在张颖婕看来，这些难题不是人工智能自身造成，而是运用者、管理者存在难题，如平台方、企业，人机协同固然可以提高系统性能、效能，但也须要百分之百探究人因素、作用，在设计、应用AI技术时，须要探究到人需求、利益，以确保AI技术能够真正为人类服务，
那么人与AI，什么时候能达到最优调、疗效呢？
一种新算法策略发生：就算法会去占卜人会不会违约，会不会不遵守算法，而把人情感探究到算法模型里边，在设计者看来，这种策略按算法来说大概不是最优，但一定是算法加人最优，
“倘若在特定场景下，只能依靠人来做最后决策话，你就要探究全局，把人情感也探究进去，”张颖婕说，
参考文献
1、Lu, Tian and Zhang, Yingjie, 1 + 1 > 2? Information, Humans, and Machines. Available at SSRN： https：//ssrn.com/abstract=4045718
2、Lu, Tian, Zhang, Yingjie, Li, Beibei. Profit vs. Equality? The Case of Financial Risk Assessment and A New Perspective on Alternative Data. MIS Quarterly, 2023, 47〔4〕： 1517-1556.
张颖婕，光华管理学院市场营销学系副教授，卡内基梅隆大学博士〔信息管理系统方向〕，曾就职于美国德州大学达拉斯分校，最先选研究领域涵盖跨学科方法论研究、人机协同、共享经济、社交媒体、运用者行为等。
近期发布：
学术启航预告 | 张颖婕 ：人机协同下商业契机
张庆华：中国城市人口规模分布、福利分析——根据第七次人口普查探究丨学术光华
