ARTYKUŁ ORYGINALNY
Badanie odpowiedzialności pracowników podczas używania systemów zarządzania wiedzą wspieranych przez generatywną sztuczną inteligencję
 
 
Więcej
Ukryj
1
Warsaw School of Economics, Poland
 
 
Data publikacji online: 31-12-2024
 
 
Data publikacji: 31-12-2024
 
 
NSZ 2024;19(4)
 
SŁOWA KLUCZOWE
STRESZCZENIE
Cel badań i hipotezy/pytania badawcze:
Celem badania jest zgłębienie nastawienia kadry zarządzającej do kwestii odpowiedzialności za decyzje oparte na danych z GenAI oraz identyfikacja procedur czy regulacji, które mogłyby minimalizować ryzyko błędów.

Metody badawcze:
W badaniu wykorzystano podejście jakościowe, pozyskując opinie wyższej kadry zarządzającej z wywiadów. Uczestnicy przedstawiali swoje poglądy na temat odpowiedzialności pracowników za decyzje podejmowane przy wsparciu GenAI oraz wskazywali sposoby zapewnienia wiarygodności danych. Analiza zebranych wypowiedzi posłużyła do opracowania koncepcyjnego modelu wdrażania GenAI w zarządzaniu wiedzą.

Główne wyniki:
Wyniki pokazują, że większość menedżerów postrzega pracowników jako ostatecznie odpowiedzialnych za podejmowane decyzje, choć jednocześnie traktuje GenAI jako narzędzie wspierające, a nie zastępujące człowieka. Wskazano konieczność wypracowania jasnych wytycznych, przeprowadzenia rzetelnych faz testowych oraz wdrożenia procedur weryfikacyjnych w celu zminimalizowania ryzyka nieścisłych bądź fałszywych danych. Menedżerowie podkreślali także znaczenie klarownego podziału ról oraz ustalenia granic zastosowania GenAI.

Implikacje dla teorii i praktyki:
Przeprowadzone badanie wzbogaca dyskusję teoretyczną, wskazując potencjalne struktury odpowiedzialności w procesie podejmowania decyzji wspomaganych przez GenAI, a także proponując ramy rozwiązania problemu weryfikacji danych. Z perspektywy praktycznej wyniki sugerują usystematyzowany sposób wdrażania GenAI w zarządzaniu wiedzą, z naciskiem na precyzyjne regulacje, protokoły testowania oraz bieżący nadzór. Otrzymane wyniki zachęcają do dalszego badania wymiarów etycznych i społecznych związanych z wykorzystaniem GenAI w biznesie.
REFERENCJE (23)
1.
ALAVI, M., LEIDNER, D.E., MOUSAVI, R., 2024. Knowledge management perspective of generative artificial intelligence, Journal of the Association for Information Systems, No. 25 (1), pp. 1-12.
 
2.
AMARILES, D.R., BAQUERO, P.M., 2023. Promises and limits of law for a human-centric artificial intelligence, Computer Law & Security Review, No. 48, pp. 1-9.
 
3.
BENBYA, H., STRICH, F., TAMM, T., 2024. Navigating generative artificial intelligence promises and perils for knowledge and creative work, Journal of the Association for Information Systems, No. 25 (1), pp. 23-36.
 
4.
BERNARD, H.R., 2013. Social Research Methods Qualitative and Quantitative Approaches, Los Angeles, CA: SAGE Publications.
 
5.
BOSTON CONSULTING GROUP, 2023. Generative AI, https://www.bcg.com/x/artifici... (access: 15.12.2024).
 
6.
DRUCKER, P., 1992. The new society of organizations, Harvard Business Review, September/October, pp. 95-105.
 
7.
DU PLESSIS, M., 2007. The role of knowledge management in innovation, Journal of Knowledge Management, No. 11(4), pp. 20-29.
 
8.
FEUERRIEGEL, S., HARTMANN, J., JANIESCH, C., ZSCHECH, P., 2024. Generative AI, Business Information Systems Engineering, No. 66, pp. 111-126.
 
9.
GHIMIRE, P., KIM, K., ACHARYA, M., 2024. Opportunities and challenges of generative AI in construction industry: Focusing on adoption of text-based models, Buildings, No. 14 (1).
 
10.
GOOGLE, 2023. Generative AI overview, https://ai.google/discover/gen... (access: 10.12.2024).
 
11.
HU, S., ZHANG, H., ZHANG, W., 2023. Domain knowledge graph question answering based on semantic analysis and data augmentation, Applied Sciences, No. 13 (15).
 
12.
KM WORLD, 2023. Navigating the challenges and advantages of generative AI for KM, September, No. 32, p. 23.
 
13.
KÖNIGSTORFER, F., THALMANN, S., 2022. AI Documentation: A path to accountability, Journal of Responsible Technology, No. 11, pp. 1-10.
 
14.
KORZYNSKI, P., MAZUREK, G., ALTMANN, A., EJDYS, J., KAZLAUSKAITE, R., PALISZKIEWICZ, J., WACH, K., ZIEMBA, E., 2023. Generative artificial intelligence as a new context for management theories: Analysis of ChatGPT, Central European Management Journal, No. 31 (1), pp. 3-13.
 
15.
LIM, W.M., GUNASEKARA, A., PALLANT, J.L., PALLANT, J.I., PECHENKINA, E., 2023. Generative AI and the future of education: Ragnarök or reformation? A paradoxical perspective from management educators, The International Journal of Management Education, No. 21 (2).
 
16.
NAQBI, H.A., BAHROUN, Z., AHMED, V., 2024. Enhancing work productivity through generative artificial intelligence: A comprehensive literature review, Sustainability, No. 16 (3).
 
17.
NAZEER, S., SUMBAL, M.S., LIU, G., MUNIR, H., TSUI, E., 2023. The next big thing: role of ChatGPT in personal knowledge management challenges and opportunities for knowledge workers across diverse disciplines, Global Knowledge, Memory and Communication, vol. ahead-of-print, No. ahead-of-print.
 
18.
QUAN, H., LI, S., ZENG, C., WEI, H., HU, J., 2023. Big data and AI-driven product design: A survey, Applied Sciences, No. 13 (16).
 
19.
SHORT, C.E., SHORT, J.C., 2023. The artificially intelligent entrepreneur: ChatGPT, prompt engineering, and entrepreneurial rhetoric creation, Journal of Business Venturing Insights, No. 19.
 
20.
SUŁKOWSKI, Ł., LENART-GANSINIEC, R., 2021. Epistemologia, metodologia i metody badań w naukach o zarządzaniu i jakości, Łódź: Wydawnictwo Społecznej Akademii Nauk.
 
21.
SUMBAL, M.S., AMBER, Q., 2024. ChatGPT: a game changer for knowledge management in organizations, Kybernetes, vol. ahead-of-print, No. ahead-of-print.
 
22.
WACH, K., DUONG, C.D., EJDYS, J., KAZLAUSKAITĖ, R., KORZYNSKI, P., MAZUREK, G., PALISZKIEWICZ, J., ZIEMBA, E., 2023. The dark side of generative artificial intelligence: A critical analysis of controversies and risks of ChatGPT, Entrepreneurial Business and Economics Review, No. 11 (2), pp. 7-30.
 
23.
XIA, L., LI, C., ZHANG, C., LIU, S., ZHENG, P., 2024. Leveraging error-assisted fine-tuning large language models for manufacturing excellence, Robotics and Computer-Integrated Manufacturing, No. 88.
 
eISSN:2719-860X
ISSN:1896-9380
Journals System - logo
Scroll to top