Wprowadzenie do zarządzania algorytmicznego w badaniach
Badania prowadzone przez ESMT Berlin ujawniają, że sztuczna inteligencja (AI) może odgrywać kluczową rolę w zarządzaniu ludzkimi uczestnikami w projektach badawczych na dużą skalę, przejmując funkcje takie jak przydział zadań, koordynacja i motywacja. Maximilian Koehler, doktorant w ESMT, oraz Henry Sauermann, profesor strategii w tej samej uczelni, zgłębiają rolę AI, nie jako „pracownika” wykonującego określone zadania badawcze typu zbieranie danych i analizę, ale jako „menedżera” ludzi wykonujących te zadania. Zarządzanie algorytmiczne (AM) wskazuje na znaczącą zmianę w sposobie prowadzenia projektów badawczych, umożliwiając ich realizację na większą skalę i z większą efektywnością.
Potencjał AI w przewyższaniu ludzkich menedżerów
Z badania opublikowanego w czasopiśmie Research Policy wynika, że AI może nie tylko naśladować, ale także potencjalnie przewyższać ludzkich menedżerów, wykorzystując swoje zdolności do natychmiastowego, kompleksowego i interaktywnego działania. Koehler i Sauermann biorą pod lupę zarządzanie algorytmiczne w nauce tłumnej i obywatelskiej, przedstawiając przykłady, w jaki sposób AI efektywnie wykonuje pięć ważnych funkcji menedżerskich: dzielenie zadań i ich przydział, kierowanie, koordynowanie, motywowanie oraz wspieranie uczenia się.
Metodologia badań nad zarządzaniem algorytmicznym
W ramach badań zespół analizował projekty za pomocą dokumentów online, przeprowadzając wywiady z organizatorami, programistami AI oraz uczestnikami projektów, a także dołączając do niektórych projektów jako uczestnicy. Pozwoliło to zidentyfikować projekty wykorzystujące zarządzanie algorytmiczne, zrozumieć, jak AI wykonuje funkcje menedżerskie, i zbadać, kiedy AM może być bardziej efektywne.
Skalowanie badań dzięki AI
Rosnąca liczba przypadków użycia sugeruje, że przyjęcie AM może być kluczowym czynnikiem w poprawie produktywności badań. „Możliwości sztucznej inteligencji osiągnęły punkt, w którym AI może teraz znacząco zwiększyć zakres i efektywność badań naukowych, zarządzając złożonymi projektami na dużą skalę”, stwierdza Koehler.
AM a skalowanie projektów badawczych
W porównaniu ilościowym z szerszą próbą projektów badanie ujawnia również, że projekty z AM są często większe niż projekty, które nie wykorzystują AM, i są związane z platformami zapewniającymi dostęp do wspólnych narzędzi AI. Wskazuje to, że AM może umożliwiać skalowanie projektów, ale wymaga również infrastruktury technicznej, którą projekty autonomiczne mogą trudno rozwijać.
Implikacje zmian w zarządzaniu dla badań
Te wzorce wskazują na zmieniające się źródła przewagi konkurencyjnej w badaniach i mogą mieć ważne implikacje dla finansujących badania, cyfrowych platform badawczych oraz większych organizacji badawczych, takich jak uniwersytety czy laboratoria badawczo-rozwojowe korporacji.
Rola ludzi w nowoczesnym zarządzaniu badaniami
Chociaż AI może przejąć ważne funkcje menedżerskie, nie oznacza to, że główni badacze czy ludzcy menedżerowie staną się zbędni. Sauermann zauważa: „Jeśli AI może przejąć niektóre z bardziej algorytmicznych i rutynowych funkcji zarządzania, ludzcy liderzy mogą skierować swoją uwagę na bardziej strategiczne i społeczne zadania, takie jak identyfikowanie wysokowartościowych celów badawczych, pozyskiwanie funduszy czy budowanie efektywnej kultury organizacyjnej”.
Wprowadzenie AI do zarządzania badawczego
Wprowadzenie do zarządzania algorytmicznego w badaniach naukowych rzuca światło na rosnącą rolę AI w ulepszaniu efektywności badawczej, zarówno poprzez augmentację zdolności ludzkich badaczy, jak i przejmowanie funkcjonalnych zadań. Na przykład narzędzia oparte na AI mogą przyspieszyć przeglądy literatury, identyfikować pytania badawcze, pomagać w przetwarzaniu dużych wolumenów danych oraz przewidywać nowe związki lecznicze. Pomimo tych postępów w możliwościach AI jako „pracownika”, ludzcy naukowcy pozostaną ważni w przewidywalnej przyszłości, a skala i złożoność projektów badawczych będą nadal rosły. W związku z tym skupiamy się na AI jako „menedżerze” ludzi, którzy wykonują zadania badawcze.
Zarządzanie algorytmiczne jako przyszłość badań
Zarządzanie ma znaczenie w organizacjach ogólnie, a w badaniach naukowych nie jest mniej ważne: dobry menedżer może uczynić wielu innych ludzi bardziej produktywnymi, podczas gdy zły może powodować nieefektywność i frustrację. Tak więc, jeśli AI może wykonywać funkcje menedżerskie, może pozwolić projektom działać bardziej efektywnie i na większą skalę. Co równie ważne, zarządzanie zajmuje czas, a AI, które przejmuje pracę menedżerską, może zwolnić czas ludzkich organizatorów, aby mogli skupić swoje wysiłki na kreatywnych i strategicznych zadaniach. Chociaż istnieją rosnące dowody na potencjał „zarządzania algorytmicznego” (AM) w platformach online, jak również w ogólnych ustawieniach biznesowych, nie jest jasne, czy, jak i w jakich warunkach AI może służyć jako efektywny menedżer w nauce. W końcu badania naukowe często uważa się za szczególnie trudne do zarządzania ze względu na cechy takie jak niepewność, złożoność i interdyscyplinarność.
Kluczowe wnioski i perspektywy
Badania rzucają światło na potencjał sztucznej inteligencji w zarządzaniu ludźmi w projektach badawczych, wskazując na możliwości skalowania i zwiększania efektywności. Przełom w zarządzaniu algorytmicznym w nauce otwiera nowe możliwości dla badaczy, organizacji badawczych i platform cyfrowych, umożliwiając im osiąganie większych sukcesów w coraz bardziej złożonym świecie nauki.
