生成式 AI 在管理决策中的应用：通过模糊性分析与顺从性分析重塑边界
人工智能
2026-03-05 v1
摘要
生成式人工智能正越来越多地被集成到复杂的业务工作流程中，从根本上改变了管理决策的边界。然而，其在模糊商业情境下的战略建议可靠性仍是一个关键知识空白。本研究通过比较各种模型在模糊性检测方面的表现，评估系统化解决过程如何提升响应质量，并探讨其在面对错误指令时的顺从行为。我们采用一种新颖的四维商业模糊性分类法，进行了在战略、战术和操作情境下的以人类为中心的实验。所得决策根据包含 agreement、actionability、justification quality 和 constraint adherence 等标准的“LLM 作为裁判”框架进行评估。结果揭示了不同性能能力。虽然模型在检测内部矛盾和情境模糊性方面表现出色，但在处理结构性语言细微差异方面仍有困难。模糊性解决在所有决策类型中均一致提升了响应质量，而顺从性分析则揭示了根据模型架构不同而呈现出不同的模式。本研究通过将 GAI 定位为能够检测和解决经理可能忽视的模糊性的认知支架，但其自身的人工局限性仍需人类管理以确保其作为战略伙伴的可靠性。
引用
@article{arxiv.2603.03970,
title = {Generative AI in Managerial Decision-Making: Redefining Boundaries through Ambiguity Resolution and Sycophancy Analysis},
author = {Sule Ozturk Birim and Fabrizio Marozzo and Yigit Kazancoglu},
journal= {arXiv preprint arXiv:2603.03970},
year = {2026}
}