[论文解读] Towards Successful Collaboration: Design Guidelines for AI-based Services enriching Information Systems in Organisations

Nicholas Frick, Felix Brünker+2 more|arXiv (Cornell University)|Dec 2, 2019

Big Data and Business Intelligence参考文献 28被引用 5

一句话总结

本文提出了基于人工智能的服务（AIBS）的设计准则，通过促进员工协作来增强组织信息系统。基于专家访谈和D&M信息系统成功模型，识别出真实性、信息质量、系统质量和服务质量为关键成功因素，为AIBS在企业中的有效部署提供了基础性洞见。

ABSTRACT

Information systems (IS) are widely used in organisations to improve business performance. The steady progression in improving technologies like artificial intelligence (AI) and the need of securing future success of organisations lead to new requirements for IS. This research in progress firstly introduces the term AI-based services (AIBS) describing AI as a component enriching IS aiming at collaborating with employees and assisting in the execution of work-related tasks. The study derives requirements from ten expert interviews to successful design AIBS following Design Science Research (DSR). For a successful deployment of AIBS in organisations the D&M IS Success Model will be considered to validated requirements within three major dimensions of quality: Information Quality, System Quality, and Service Quality. Amongst others, preliminary findings propose that AIBS must be preferably authentic. Further discussion and research on AIBS is forced, thus, providing first insights on the deployment of AIBS in organisations.

研究动机与目标

• 为应对组织信息系统中人工智能集成日益增长的需求，以维持竞争优势。
• 识别支持人工智能与人类员工之间有效协作的关键设计需求，适用于基于人工智能的服务（AIBS）。
• 通过D&M信息系统成功模型，在信息质量、系统质量和服务质量三个质量维度上验证AIBS的成功。
• 提供初步的、基于实证的设计准则，适用于组织环境中的AIBS，以填补关键的研究空白。
• 通过结构化、基于证据的洞见，为未来关于企业系统中人工智能与人类协作的研究奠定基础。

提出的方法

• 采用设计科学研究（DSR）方法论，从专家访谈中推导出设计准则。
• 对十位信息系统与人工智能从业者进行专家访谈，以提取成功AIBS设计的需求。
• 将D&M信息系统成功模型作为理论框架，从信息质量、系统质量和服务质量三个质量维度评估AIBS。
• 将定性洞察整合为可操作的设计原则，强调人工智能服务的真实性与可信度。
• 通过迭代分析和与组织绩效目标的一致性，验证新兴的设计需求。
• 通过将准则建立在真实组织情境和人机交互需求的基础上，聚焦其实际适用性。

实验结果

研究问题

• RQ1 在组织信息系统中，支持人工智能与员工成功协作的基于人工智能的服务（AIBS）的关键设计需求是什么？
• RQ2 如何将D&M信息系统成功模型应用于组织情境中评估AIBS的质量？
• RQ3 真实性在AIBS在组织中的成功部署与接受度中扮演什么角色？
• RQ4 信息质量、系统质量和服务质量如何共同影响AIBS的有效性？
• RQ5 基于专家洞察，哪些基础性设计原则可为未来企业环境中AIBS的开发提供指导？

主要发现

• 基于人工智能的服务（AIBS）必须优先考虑真实性，以赢得员工信任并确保有效协作。
• 信息质量、系统质量和服务质量是影响AIBS在组织中成功的关键维度。
• 专家访谈显示，透明度和可解释性是用户接受AIBS的关键要素。
• D&M信息系统成功模型为评估AIBS的质量与绩效提供了有效且可操作的框架。
• AIBS设计应聚焦于增强人类决策，而非取代人类，以提升组织成果。
• 初步发现表明，AIBS的成功取决于技术能力与组织工作流程及用户期望的一致性。