Webinaropptak: Generativ KI, store språkmodeller og framtidens ledelsesforskning
juli 2024
Foredragsholdere:
Eva Boxenbaum (Copenhagen Business School)
Teppo Felin (Utah State University)
Matthew Grimes (Cambridge Judge Business School)
Christine Moser (VU Amsterdam)
Christopher Wickert (VU Amsterdam)
Store språkmodeller (LLM-er) får stadig større betydning for vitenskapelig forskning og akademisk arbeid. Som avanserte KI-systemer som kan etterligne elementer av menneskelig resonnering, kan LLM-er automatisere, forsterke eller omforme mange av de dataanalyse-, teoriutviklings- og skriveprosessene som i dag utføres av mennesker. I denne sammenhengen vil et ekspertpanel bestående av redaktører for ledende tidsskrifter og anerkjente fagpersoner innen KI belyse sannsynlige scenarioer for bruk av LLM-er i akademisk arbeid og forskning innen ledelses- og organisasjonsfeltet. Ekspertene vil drøfte teknologiens verdi for forskning og vitenskap på dette feltet, utfordringene og avvegningene som følger med å sikre etisk og åpen bruk av teknologien, og hvilke sikkerhetsmekanismer de mener er viktige for fellesskapet, veid opp mot styrken i kunnskapsfeltet og interessene til det akademiske fellesskapet.
Litteratur:
Cornelissen, J., Höllerer, M. A., Boxenbaum, E., Faraj, S., & Gehman, J. (2024). Large Language Models and the Future of Organization Theory. Organization Theory, 5(1).
Felin, Teppo and Holweg, Matthias (2024). Theory Is All You Need: AI, Human Cognition, and Decision Making (February 24, 2024).
Gatrell C., Muzio D., Post C., Wickert C. (2024). Here, there and everywhere: On the responsible use of artificial intelligence (AI) in management research and the peer-review process. JMS.
Grimes M., Von Krogh G., Feuerriegel S., Rink F., Gruber M. (2023). From scarcity to abundance: Scholars and scholarship in an age of generative artificial intelligence. AMJ, 66, 1617–1624.
Lindebaum, D., Moser, C. and Islam, G. (2024), Big Data, Proxies, Algorithmic Decision-Making and the Future of Management Theory. JMS.
Nedenfor oppsummerer vi paneldiskusjonen. Panelet besto av ledende forskere på feltet, som drøftet mulighetene og utfordringene denne raskt voksende teknologien fører med seg.
KI og menneskelig samarbeid i forskning
Diskusjonen dreide seg om forståelsen av at KI, og særlig LLM-er, vil forsterke menneskelige forskeres kapasitet framfor å erstatte dem. Selv om noen av panelmedlemmene anerkjente at KI potensielt kan overgå menneskelig intelligens på enkelte områder, var det bred enighet om at menneskelig skjønn og kreativitet fortsatt er avgjørende for god forskning.
Anvendelser av KI i ledelsesforskning
Panelet pekte på flere mulige anvendelser av KI i ledelsesforskning, blant annet:
Bedre litteraturgjennomgang:
LLM-er kan effektivt identifisere og syntetisere relevant forskning fra omfattende akademiske databaser, noe som sparer forskere for tid og krefter.
Datainnsamling og analyse:
KI kan automatisere datainnsamlingsprosesser og utføre komplekse statistiske analyser, slik at forskere kan konsentrere seg om tolkning og meningsdanning.
Teoriutvikling og generering av hypoteser:
LLM-er kan identifisere mønstre og sammenhenger i store datasett, noe som potensielt kan føre til nye forskningsspørsmål og teoretiske rammeverk.
Etiske hensyn og forskningens framtid
Panelet understreket betydningen av å bruke KI på en ansvarlig og etisk måte i ledelsesforskning. Det ble uttrykt bekymring for mulige skjevheter i KI-algoritmer og for behovet for åpenhet i utviklingen og bruken av disse verktøyene.
Konklusjon
Panelmedlemmene konkluderte med at generativ KI og LLM-er har et stort potensial til å revolusjonere ledelsesforskningen. Ved å bruke disse verktøyene på en god måte kan forskere oppnå ny innsikt, framskynde oppdagelser og til syvende og sist bidra til en dypere forståelse av komplekse organisatoriske fenomener. Samtidig må de etiske implikasjonene av KI-bruk vurderes grundig, slik at menneskelig skjønn og kritisk tenkning forblir sentralt i forskningsprosessen.
Tilleggsmerknader
Webinaret belyste også begrensningene ved KI, særlig manglende evne til å fange opp de kontekstuelle nyansene i anvendelsen av kunnskap. Menneskelig ekspertise er fortsatt avgjørende når forskningsfunn skal omsettes til praktiske løsninger på reelle ledelsesutfordringer.
Denne rapporten gir en kort oversikt over diskusjonen. Vi anbefaler å se hele videoen for en mer utfyllende forståelse av panelmedlemmenes synspunkter.
Kommentarer