用 AI 平衡探索式與利用式學習

1. 基本資訊

這篇文章由 Jitao Yan、Kenneth Husted 與 Benjamin Fath 發表於 2026 年的 International Journal of Information Management，題目是〈Organizational learning with artificial intelligence: Balancing new tensions between explorative and exploitative learning through hybridization〉，DOI 為 10.1016/j.ijinfomgt.2025.102997。文章核心在處理一個你主線中非常關鍵的問題：當 AI 進入 organizational learning 後，它雖然擴大了探索與利用的能力，卻也同時引入新的 paradoxical tensions，使得組織需要重新思考 human-AI collaboration 的學習配置。

2. 研究問題

本文主要回答兩個問題。第一，當組織使用 AI 支援 explorative 與 exploitative learning 時，會浮現哪些 salient tensions。第二，human-AI hybridization 要如何幫助組織處理這些 tensions。這樣的問題設定比一般 adoption 研究更深入，因為作者不把 AI 當成單一工具，而是把它當成會重塑 learning dynamics 的 cognitive actor，進而改變組織在探索與利用之間的平衡方式。

3. 理論基礎

理論上，這篇把 organizational learning、exploration-exploitation literature 與 paradox theory 串在一起。作者從 ambidexterity 與 paradox 的角度出發，認為 exploration 與 exploitation 本來就是相互依賴又互相拉扯的持續性張力。AI 的加入不只是放大既有能力，而是改變組織如何搜尋、判斷、解釋與採納知識，因此會激活新的 paradoxes。文章同時借用 hybridization 的概念，把 human-AI collective agency 視為一種能夠整合人類與 AI 互補能力的學習安排。

4. 研究架構

整體架構不是傳統變項模型，而是一個 tension-identification 加 coping-logic 的概念化與質性架構。作者先透過訪談辨識出 AI 進入 organizational learning 後產生的四組核心 tensions：autonomy paradox、rationality paradox、transparency paradox 與 opportunity paradox。接著，作者主張 hybridization 是一種回應機制，透過把人與 AI 的不同認知能力、判斷方式與責任配置重新組合，讓組織得以在探索與利用之間維持動態平衡。

5. 假設邏輯

這篇不是假設檢定研究，但其命題邏輯非常清楚。第一個核心命題是：AI 同時擴張 explorative 與 exploitative learning 的可能性，但也會讓這兩種學習模式的衝突更明顯。第二個命題是：這些 tensions 不只是 operational friction，而是深層的 paradoxes，因為兩端看似對立卻又必須同時存在。第三個命題是：若組織只依賴 AI 或只依賴人，都不足以有效管理這些 tensions；相反地，透過 hybridization，把人類的 contextual judgment、moral sense、external scanning 與 AI 的 pattern recognition、scalability、consistency 結合，才比較可能形成可持續的 learning balance。

6. 方法

方法上，本文使用質性訪談研究。作者訪談了 45 位具 AI 開發與應用經驗的組織知情者，並透過 thematic analysis 歸納 AI 對 organizational learning 帶來的 tensions 與組織的回應方式。這種方法很適合這篇文章的研究目的，因為作者要抓的不是單一線性因果，而是新興現象中的張力、意義建構與 coping logic。研究因此較強於生成概念與機制，而不是做統計檢定。

7. 結果

研究結果辨識出四組值得注意的新 tensions。第一是 autonomy paradox，也就是 autonomy vs. control：AI 一方面擴大決策自動化與效率，一方面又讓組織更需要重新配置監督與控制。第二是 rationality paradox，也就是 formal vs. substantive rationality：AI 擅長形式理性與模式運算，但未必掌握情境與實質判斷。第三是 transparency paradox，也就是 opacity vs. accountability：AI 常被用於高風險判斷，但其黑箱特性又讓責任追溯變得困難。第四是 opportunity paradox，也就是 internal vs. external learning：AI 能強化內部知識整合，卻也可能讓組織更依賴內部資料與既有路徑，壓縮外部探索。作者進一步指出，hybridization 能為這些 tensions 提供 coping conditions，讓人與 AI 的能力互補，而不是彼此替代。

8. 理論貢獻

這篇最大的理論貢獻，是把 AI 對 organizational learning 的影響從「能力提升」重新定義為「悖論重組」。第一，它指出 AI 不是單純幫組織做更多 exploration 或 exploitation，而是重塑兩者之間的張力結構。第二，它把 paradox theory 引入 AI-enabled learning context，讓我們更好理解為什麼 AI 導入後會同時產生效率提升與 agency 侵蝕、知識擴張與 learning myopia 等現象。第三，它把 hybridization 提升為一種組織學習安排，而不是技術操作技巧，這對 human-GenAI collaboration 理論非常有價值。

9. 實務意涵

對管理者來說，這篇的啟示很直接。若組織把 AI 只當作自動化工具，就很容易在 exploitation 上越做越強，卻犧牲 contextual understanding、責任清晰與外部探索。相反地，若能把 AI 導入設計成 hybrid learning system，明確區分人與 AI 在探索、判斷、驗證與責任上的角色，組織比較有機會同時保留 learning efficiency 與 adaptive diversity。也就是說，真正的管理焦點不是「要不要用 AI」，而是「如何配置 human-AI hybridization」。

10. 研究限制

限制主要有幾點。第一，研究為質性訪談，強在概念生成，但尚未進一步做量化驗證。第二，文章聚焦於 tensions 與 coping logic，因此對不同產業或任務條件下何種 hybridization 最有效，仍缺少細緻比較。第三，文中雖討論 autonomy、transparency 與 rationality，但對 power、emotion、identity 等更深層的人機動態仍著墨有限。第四，hybridization 雖被視為解方，但實際組織中如何制度化這種安排，仍需要更多實證。

11. 對我研究的啟發

這篇對我非常關鍵。第一，它可以和我前面讀過的 human-GenAI collaboration、cognitive styles、trust、role conflict、collective intelligence 文獻直接接起來，形成一個從個體 cognition 到 organizational learning 的整合架構。第二，它給我一個很強的理論語言：不是只問 AI 有沒有幫助知識創造，而是問 AI 如何重塑 exploration / exploitation 的 tensions。第三，它把 hybridization 講成 collective agency 與 learning design，這非常適合我後續發展 human-GenAI collaboration 的多層次模型。若我之後要整合理論，這篇很可能會成為樞紐文之一。

12. 整體評價

我認為這篇是今天 backlog 裡最值得優先讀的一篇之一，因為它和我目前主線的貼合度非常高。文章的強項是問題意識尖銳、理論整合漂亮，而且不滿足於把 AI 視為生產力工具，而是直接追問它如何改變學習、張力與組織設計。若要挑剔，就是它目前仍停在質性與概念建構階段，尚缺後續驗證；但作為我串接 AI、organizational learning、knowledge creation、hybridization 與 paradox 的核心橋梁文，我認為非常有用。