用管理理論重新看生成式 AI

1. 論文結構

本文以專題研討（Symposium）的形式展開，首先批判當前生成式人工智慧（GAI）討論過於依賴投機性熱度而缺乏理論基礎的現狀。隨後，文章透過三個核心洞察（Insights）重構論點：第一部分從本體論出發，探討 GAI 作為「未來建構」而非「未來預測」的工具屬性；第二部分強調脈絡（Context）在 GAI 應用中的決定性作用；第三部分則聚焦於「人類—GAI」協作群體對傳統團隊定義與專業責任的挑戰。最後，總結 GAI 在管理學研究中的理論建構路徑。

2. 研究背景

隨著 ChatGPT 等 GAI 技術的爆發，企業界對其轉型能力抱持極高期待，應用場景涵蓋市場分析、客戶服務及實時數據驅動決策。然而，現有的學術與實務討論往往陷入「預測未來」的魔法化傾向，或是過度聚焦於技術工具層面的應用，忽視了技術與社會組織結構之間複雜的互動關係，導致管理學界在面對這場技術變革時，缺乏統一且深刻的解釋框架。

3. 研究缺口

過往研究多將 AI 視為一種確定性的預測技術，或僅將其視為既有自動化技術的延續，未能解釋 GAI 獨有的「生成式」特質如何重塑關係領域（Relational Realm）。目前研究存在理論真空：首先是缺乏對 GAI 出現過程中的動態湧現性（Emergence）的研究；其次是忽視了歷史與制度脈絡對 AI 採用的約束；最後是現有團隊與專業理論無法完全涵蓋「人類—GAI」混合群體所產生的責任歸屬與知識生產問題。

4. 研究目的

本研究旨在超越現有的炒作與推測，為 GAI 在商業與管理領域的影響建立穩固的理論根基。其具體任務是透過多位學者的理論透視，探討如何精煉或重構現有管理理論，以解釋 GAI 如何改變工作場所的關係結構、團隊協作本質以及專業責任的內涵，進而引導未來具備理論驅動力的實證研究。

5. 核心理論

本文核心採用「社會建構論」（Social Constructionism）與「關係性視角」（Relational Perspective）。其基本前提是：GAI 並非預先給定的技術實體，而是一種由人類決策、制度力量與歷史脈絡共同塑造的建構。文章利用這一理論框架，將 GAI 的功能定義為「組合藝術」（Compositional Art），強調其效果取決於人與技術在特定關係脈絡中的互動與意義賦予。

6. 文獻回顧

當前管理學界對生成式人工智慧（GAI）的討論雖多，但往往偏向功能性優化或過度投機，缺乏穩固的理論基礎。藉由回溯「人工」（Artificial）與「智能」（Intelligence）的語源，可將視角從單純的數據預測轉向「製造未來」的工匠邏輯（Art-fex），並強調在不同選項間「選擇」的本質。這種本體論的轉向說明 GAI 並非僅是代表世界的技術工具，而是在特定社會關係與歷史脈絡中湧現的建構產物，進而導向對人類與 GAI 共同組成之「關係領域」的重新定義，挑戰了傳統以人為核心的組織行為假設。

7. 研究命題與假設

本文作為理論性論述，提出三項核心命題：第一，GAI 工作場所的結果是動態湧現的，而非由技術性能預先決定；第二，GAI 的影響高度依賴於由歷史想像與制度力量構成的脈絡；第三，當 GAI 融入日常工作時，傳統以「人」為核心的團隊定義將被瓦解，轉而形成一種缺乏情感與意圖但具備判斷代理權的新型「人類—GAI」群體。

8. 研究架構

研究框架將 GAI 的影響置於「關係realm」中，聯繫了三個層次：(1) 本體論層次：從預測未來轉向製造未來；(2) 脈絡層次：結合歷史制度與現有技術環境的交互影響；(3) 實踐層次：探討人類與 GAI 在協作、知識生產及專業問責中的關係重構。此模型試圖測試的機制是「關係性意義建構」（Relational Sense-making）如何決定 GAI 的轉型力。

9. 研究方法

本文採用理論研討（Symposium）形式，由多位管理學頂尖期刊編輯共同撰述。研究方法以語源學分析為起點，探討「人工智慧」概念的本質含義，並結合對當前產業界 GAI 應用案例（如電子商務平台、物流自動化及行銷內容生成等實務觀察）進行概念性評析。研究路徑側重於從科學技術研究（STS）、社會學與組織理論角度進行跨學科推衍，旨在為 GAI 帶來的管理變革提煉理論維度，而非進行實證統計測試。

10. 資料分析與結果

分析路徑聚焦於辨認 GAI 的實務採行模式與既有管理理論間的落差。透過對比實務案例中的技術應用（如提示詞策略、自動化決策支援）與組織內部的社會互動，發現技術的效果並非由性能預先決定，而是取決於關係性的意義建構過程。分析結果顯示，GAI 在工作場所的影響具有動態湧現性，其作為非人類代理人進入團隊，正使知識生產與問責機制從傳統的以人為中心，轉向一種缺乏情感意圖但具備判斷代理權的「人類—GAI」群體關係。

11. 研究發現

研究指出，GAI 的核心價值不在於預測的準確性，而在於激發想像力與處理「非顯而易見」的灰色地帶。主要結論包括：(1) GAI 是關係性的存在，其功能隨人類使用方式而演變；(2) 背景脈絡（Context Matters）決定了 GAI 是賦能還是顛覆；(3) 在「人類—GAI」團隊中，責任歸屬變得模糊，這要求管理學重新定義專業主義與知識權威的來源。

12. 理論與實務意涵

理論貢獻在於將 GAI 研究從工具理性導向關係理性，提出「湧現性管理」的範式，為後續研究提供了明確的本體論與認識論基礎。實務貢獻則在於提醒管理者，不應將 GAI 視為解決所有問題的靈丹妙藥（如 SAP 案例的警示），而應將其視為共同創造未來的夥伴，並強調在整合 GAI 時必須考慮倫理、社會責任與可持續性的維度。

13. 研究限制與未來研究

本研究屬於理論啟發性質，缺乏具體的實證數據支持，且主要聚焦於高層次的理論架構。研究邊界限定於管理學視角，對於底層算法技術的變革探討較少。未來研究路徑應著重於：透過縱向案例研究觀察「人類—GAI」團隊在長時間跨度下的動態演化，以及在不同文化與制度背景下 GAI 意義建構的差異。