ESMT Berlin 的新研究展示了人工智慧如何管理大型研究項目中的人類參與者，接管任務分配、協調和激勵等功能。

研究人員 Maximilian Koehler 博士ESMT 的候選人和 ESMT 策略教授 Henry Sauermann 探索人工智慧的作用，而不是作為執行特定研究任務的“工人”，例如數據收集和分析，而是作為執行此類任務的人類工人的“經理”。演算法管理(AM) 建議研究計畫的實施方式發生重大轉變，並使計畫能夠以更大的規模和效率運作。

隨著科學研究的複雜性和範圍迅速增加，研究、發表在研究政策說明人工智慧憑藉其即時性、綜合性和互動性的能力，不僅可以複製，而且有可能超越人類管理者。

調查中演算法的在人群和公民科學管理方面，Koehler 和 Sauermann 討論了人工智慧如何有效執行五個重要管理功能的範例：任務劃分和分配、指導、協調、激勵和支持學習。

研究人員透過線上文件調查項目；透過訪談組織者、人工智慧開發者和計畫參與者；並作為參與者加入一些項目。這使得研究人員能夠識別使用演算法管理的項目，了解人工智慧如何執行管理功能，並探索何時可能在積層製造中更有效。

越來越多的用例表明，積層製造的採用可能是提高研究生產力的關鍵因素。科勒表示：“人工智慧的能力已經達到了這樣的程度，現在可以透過管理複雜的大型專案來顯著提高科學研究的範圍和效率。”

在與更廣泛的專案樣本進行定量比較時，該研究還表明，支援積層製造的專案通常比不使用積層製造的專案更大，並且與提供共享人工智慧工具存取的平台相關。這表明積層製造可能使專案能夠擴展，但也需要獨立專案可能難以開發的技術基礎設施。

這些模式顯示研究競爭優勢來源的變化，可能對研究資助者、數位研究平台以及大學或企業研發實驗室等大型研究組織產生重要影響。

雖然人工智慧可以接管重要的管理職能，但這並不意味著主要研究人員否則人力管理者就會被淘汰。索爾曼指出，「如果人工智慧能夠接管一些更演算法和日常的管理功能，人類領導者就可以將注意力轉移到更具策略性和社會性的任務上，例如確定高價值的研究目標、籌集資金或建立有效的組織文化」。

更多資訊：Maximilian Koehler 等人，科學研究中的演算法管理，研究政策（2024）。DOI：10.1016/j.respol.2024.104985

提供者：歐洲管理與技術學院 (ESMT)