Artificial intelligence and the future of work: Human-AI symbiosis in organizational decision making

Jarrahi, Mohammad Hossein

doi:10.1016/j.bushor.2018.03.007

Cited by 1,040 publications

(643 citation statements)

References 11 publications

Supporting

Mentioning

471

Contrasting

Unclassified

Order By: Relevance

“…So it would be less a matter of humans against machines than humans plus machines. This symbiotic, collaborative view seems to be evolving into the mainstream practice perspective in the contemporary business and management literature (Jarrahi 2018;Wilson and Daugherty 2018) and it should be a promising avenue for entrepreneurship as well.…”

Section: Ai and Big Data Plus Humansmentioning

confidence: 99%

Artificial intelligence and big data in entrepreneurship: a new era has begun

Obschonka¹,

2019

View full text Add to dashboard Cite

While the disruptive potential of artificial intelligence (AI) and Big Data has been receiving growing attention and concern in a variety of research and application fields over the last few years, it has not received much scrutiny in contemporary entrepreneurship research so far. Here we present some reflections and a collection of papers on the role of AI and Big Data for this emerging area in the study and application of entrepreneurship research. While being mindful of the potentially overwhelming nature of the rapid progress in machine intelligence and other Big Data technologies for contemporary structures in entrepreneurship research, we put an emphasis on the reciprocity of the co-evolving fields of entrepreneurship research and practice. How can AI and Big Data contribute to a productive transformation of the research field and the real-world phenomena (e.g., "smart entrepreneurship")? We also discuss, however, ethical issues as well as challenges around a potential contradiction between entrepreneurial uncertainty and rule-driven AI rationality. The editorial gives researchers and practitioners orientation and showcases avenues and examples for concrete research in this field. At the same time, however, it is not unlikely that we will encounter unforeseeable and currently inexplicable developments in the field soon. We call on entrepreneurship scholars, educators, and practitioners to proactively prepare for future scenarios.

show abstract

Section: Ai and Big Data Plus Humansmentioning

confidence: 99%

Artificial intelligence and big data in entrepreneurship: a new era has begun

Obschonka¹,

2019

View full text Add to dashboard Cite

show abstract

“…Let the Prelec function approximations be (q 1,Pre , q 2,Pre ). 5 Bounded rationality models have been categorized into two main classescostly bounded rationality and truly bounded rationality [48]. Costly rationality considers the emergence of boundedly irrational behavior as optimization under some costs of decision-making such as computation and communication.…”

Section: A Approximation By Prelec Familymentioning

confidence: 99%

“…11b is also possible. It is thus important to identify the best team configuration [48]. Indeed, D. Kahneman recently stated that "You can combine humans and machines, provided the machine has the last word" [49].…”

Section: B Human-ai Teamsmentioning

confidence: 99%

Beliefs in Decision-Making Cascades

Seo

Raman

Rhim³

et al. 2019

IEEE Trans. Signal Process.

View full text Add to dashboard Cite

This work explores a social learning problem with agents having nonidentical noise variances and mismatched beliefs. We consider an N -agent binary hypothesis test in which each agent sequentially makes a decision based not only on a private observation, but also on preceding agents' decisions. In addition, the agents have their own beliefs instead of the true prior, and have nonidentical noise variances in the private signal. We focus on the Bayes risk of the last agent, where preceding agents are selfish.We first derive the optimal decision rule by recursive belief update and conclude, counterintuitively, that beliefs deviating from the true prior could be optimal in this setting. The effect of nonidentical noise levels in the two-agent case is also considered and analytical properties of the optimal belief curves are given. Next, we consider a predecessor selection problem wherein the subsequent agent of a certain belief chooses a predecessor from a set of candidates with varying beliefs. We characterize the decision region for choosing such a predecessor and argue that a subsequent agent with beliefs varying from the true prior often ends up selecting a suboptimal predecessor, indicating the need for a social planner. Lastly, we discuss an augmented intelligence design problem that uses a model of human behavior from cumulative prospect theory and investigate its near-optimality and suboptimality.Index Terms-social learning, cascading binary hypothesis test, cumulative prospect theory, augmented intelligence

show abstract

“…Ключові слова: математичний вигляд концепції, організаційний розвиток, підприємство, штучний інтелект DOI: 10.21272/ 1817-9215.2019. [1][2][3][4][5][6][7][8][9][10][11][12][13][14][15][16] ПОСТАНОВКА ПРОБЛЕМИ Кожне використання штучного інтелекту в компанії оцінюється шляхом досягнення ним поставлених цілей. Відповідно, індивідуальні рішення розроблені таким чином, щоб вони відповідали певним функціональним вимогам і забезпечували досягнення мети підприємства або його окремої ланки.…”

unclassified

“…Джаррахі M. X. робить акцент на підтримці прийняття рішень штучного інтелекту в організаціях, підкреслюючи допомогу та підтримку прийняття рішень штучного інтелекту в організаціях (не замінюючи при цьому людську пізнавальну діяльність). Jarrahi пропонує свій підхід для подолання невизначеності, складності та питань еквівалентності через людський і штучний інтелект [15].…”

unclassified

Concept of Artificial Intellect for Organizational Development

Skrynnyk¹

2019

VSDU

View full text Add to dashboard Cite

Питання про використання технологій штучного інтелекту в організаційному розвитку слід розглядати двояко: з одного боку, організація повинна бути підготовлена до технологічних нововведень, а з іншого боку, рішення щодо штучного інтелекту повинні відповідати вимогам процесів організаційного розвитку і таким чином задовольняти потреби підприємства.На цей час відомо багато способів застосування штучного інтелекту в компанії. Деякі вчені роблять спроби концепційно описати штучний інтелект для організаційних процесів. Звісно такі підходи ще не задовольняють потреби сучасних організацій, але мають великий потенціал для майбутнього.Ця стаття описує концепцію штучного інтелекту для вирішення проблем та покращення процесів організаційного розвитку. При цьому основною метою концепції є надання обрису загальної структури, а не пропозиція використання окремих технологій та методів.Ключові слова: математичний вигляд концепції, організаційний розвиток, підприємство, штучний інтелект ПОСТАНОВКА ПРОБЛЕМИ Кожне використання штучного інтелекту в компанії оцінюється шляхом досягнення ним поставлених цілей. Відповідно, індивідуальні рішення розроблені таким чином, щоб вони відповідали певним функціональним вимогам і забезпечували досягнення мети підприємства або його окремої ланки.Підхід штучного інтелекту базується на машинному та глибокому навчанні. Машинне навчанняце математичні методи, які дозволяють інтелігентній машині генерувати знання залежно від досвіду. Глибоке навчання навпакице імітація процесів людського мозку комп'ютерами [8]; [10]. Технологія добре відома через автономних роботів, автономних транспортних засобів, розумних пристроїв, засобів і середовищ, когнітивних помічників [6].Бургесс А. розбиває вже створені підходи штучного інтелекту на вісім основних груп: розпізнавання зображень, розпізнавання мови, пошук, кластеризація, розуміння природної мови, оптимізація, прогнозування, розуміння та їх комбінації. Розпізнавання зображення, розпізнавання мови, пошук, кластеризація -це техніки на основі збору інформації та структурування хаотичних даних [2]. Ця категорія є найбільш зрілою сьогодні.Розуміння природної мови, оптимізація, прогнозування та розуміння інформації використовують тільки зібрану корисну інформацію і оперують нею. Вони трохи менш зрілі, але незважаючи на це застосування в нашому повсякденному житті.Розвиток будь-якої системи штучного інтелекту змінюється в залежності від мети, яку людина за допомогою нього прагне досягти, та від стану технічних методів інформаційних технологій. Щодо напрямків штучного інтелекту, найважливішими з них є: раціональний інтелектсистеми, що базуються на знаннях (експертні системи), які, спираються на свої знання; аналіз і розпізнавання образів: візуальний інтелектшаблон, розпізнавання образів і форм; мовний інтелекттекст, розпізнавання мови; маніпулятивний інтелектробототехніка.Поки штучний інтелект має лише ситуаційне використання в організаційному розвитку. Індивідуальні рішення, такі як керовані жестами пристрої, смарт-пристрої в робочому місці, персональні віртуальні помі...

show abstract

Artificial intelligence and the future of work: Human-AI symbiosis in organizational decision making

Cited by 1,040 publications

References 11 publications

Artificial intelligence and big data in entrepreneurship: a new era has begun

Artificial intelligence and big data in entrepreneurship: a new era has begun

Beliefs in Decision-Making Cascades

Concept of Artificial Intellect for Organizational Development

Contact Info

Product

Resources

About