AI Adoption Across a Multinational Workforce: Sociotechnical Conditions for GenAI Acceptance in Human Resources
本文研究了跨国人力资源部门内部生成式人工智能（GenAI）的采用情况，揭示了其接受度是由系统设计与员工立场之间的对齐、通过验证实践建立的信任，以及组织知识基础设施的质量所驱动的，并最终为包容且负责任的人工智能部署提供了设计指南。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一家大型公司决定升级其内部的“人力资源帮助台”。多年来，员工一直使用一个名为 STEVE 的可靠旧版图书馆系统来查找有关薪资、假期或政策的问题。它像传统的搜索引擎一样工作：你输入一个关键词，它就会给你列出一份文档列表供你阅读。
最近，公司引入了一个闪亮的新工具，叫做 PEOPLE TOOL。这个新系统使用了 生成式人工智能（GenAI）。它不再只是列出文档，而是尝试为你阅读这些文档并直接回答你的问题，就像一个智能助手一样。
研究人员想知道：是每个人都开始使用这个新的智能助手了，还是有些人被遗落在后了？ 他们查看了搜索记录，向 25 名员工提问，并采访了 10 个人以查明情况。
以下是他们发现的研究结果，用简单的语言进行了解释：
1. 这不是“切换”，而是“工具箱”
研究人员原本预期员工会停止使用旧图书馆（STEVE）并完全转向新的 AI（PEOPLE TOOL）。但事实并非如此。
相反，员工表现得像精明的购物者。他们在自己的工具箱里保留了两种工具。
- 如果他们需要一个快速、简单的答案，他们会使用 AI。
- 如果他们需要看到政策的准确法律措辞，或者 AI 看起来有些困惑，他们就会回到旧图书馆，或者询问人类同事。
比喻： 想想烹饪。如果你需要一个快速的食谱创意，你会询问一个智能烹饪 App（AI）。但如果你需要知道某种特定品牌酱料中的确切成分以防过敏，你会阅读瓶身上的标签（旧系统），因为比起 App 的猜测，你更信任标签。
2. “一刀切”的问题
这个新的 AI 系统是为特定类型的员工设计的：坐在办公桌前、使用笔记本电脑、精通技术且使用英语的人。
现实检查：
- 办公室员工： 他们完美契合设计。他们可以输入问题并获得很好的答案。
- 工厂工人： 他们通常没有笔记本电脑，实行轮班制，或者使用不同的语言。对他们来说，这个新系统感觉就像一扇锁着的门。他们甚至无法用正确的“公司语言”输入问题，因为他们并不习惯使用 HR 术语。
比喻： 想象公司为所有人建造了一部高科技电梯（AI）。但这部电梯只设有 10 层及以上的按钮，并且只说英语。在地下室工作的工人（工厂工人）无法使用它，所以他们仍然选择爬楼梯（使用旧系统或询问经理），尽管电梯对他们来说是“可用”的。
3. 你必须学习一种新的“语言”
使用 AI 不仅仅是拥有访问权限的问题，更在于知道如何与它交流。
- 使用旧系统时，你只需输入短关键词，如“假期”。
- 使用 AI 时，你必须写出完整的句子，提供上下文，有时如果答案很奇怪，还需要重新提问。
许多员工并没有意识到这一点。他们试图像对待旧版搜索引擎那样去跟 AI 对话，结果得到了糟糕的答案，然后便放弃了。他们必须学习一项新技能：AI 搜索素养。
比喻： 这就像从遥控器（旧系统：只需按一个键）转向智能手机（新系统：你必须知道打开哪个 App，如何打字，以及如何排查故障）。如果你不知道如何使用智能手机，即使手机更快，你也可能继续使用旧的遥控器。
4. 信任建立在“反复核实”之上
即使 AI 给出了一个好的答案，员工也不会盲目信任它。在人力资源领域，一个错误的答案可能意味着损失金钱或假期。
他们是如何建立信任的：
- “来源检查”： 他们点击 AI 提供的链接，去阅读原始文档。
- “传闻检查”： 他们会问同事：“你听说过这个吗？”
- “经理检查”： 他们会询问老板以进行确认。
比喻： 想象 AI 是你在异国他乡的导游。你可能会听从导游，但你仍会自己查看地图、询问当地店主或查看指示牌，以确保导游没有把你带往错误的博物馆。你不会仅仅盲目地跟随导游。
5. “垃圾进，垃圾出”原则
研究人员发现，AI 的表现取决于它所阅读的文档。
- 如果公司的 HR 文档混乱、陈旧或难以查找，AI 就会给出令人困惑或错误的答案。
- 员工会把问题归咎于 AI 的糟糕表现，但真正的症结在于 AI 所阅读的那个图书馆。
比喻： AI 就像一位厨师。如果你给厨师新鲜、高质量的食材（好的文档），他们就能做出美味的佳肴。如果你给他们腐烂的蔬菜（糟糕、混乱的文档），即使是最优秀的厨师也会做出难吃的饭菜。问题不在于厨师，而在于储藏室。
核心启示
论文的结论是，仅仅给予每个人使用高级 AI 工具的权限，并不意味着每个人都能从中获益。
- 形式上的访问权（拥有登录账号） 实际上的访问能力（能够有效地使用它）。
- 为了实现 AI 的公平性，公司需要修整“储藏室”（整理好他们的文档），教大家如何“烹饪”（培训他们如何提问），并意识到某些员工（如工厂员工）可能需要的是另一种形式的工具，而不单纯是数字化的工具。
简而言之：技术的帮助程度取决于它所构建的上下文。 如果你为办公室人员构建工具，工厂工人仍会被遗留在后。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。