ESMT Berlin的新研究表明，在工作场所利用机器学习能够提高人决策的准确性，但是与此同时它也会导致人在做决定时付出更多的认知努力。

这些发现来自ESMT Berlin管理科学教授Tamer Boyaci和 Francis de Véricourt，以及前ESMT博士后、现奥兹金大学(Ozyegin University)运营管理助理教授Caner Canyakmaz的研究。研究人员想要研究基于机器的预测如何影响人类决策者的决策过程和结果。他们的论文发表在Management Science杂志上。



有趣的是，当专业人员受到认知限制时，例如有时间压力或同时处理多个任务时，使用机器会增加人的工作量。然而，决策者往往在遇到高工作量时选择引入人工智能来减轻工作负担。研究表明，在这种情况下使用人工智能可能会适得其反。

研究人员还发现，尽管机器输出的建议能提高人决策的整体准确性，但它也会增加某些类型错误的可能性，比如误报。在这项研究中，机器学习模型被用来识别人在准确性、倾向性和认知努力水平上的差异，并把人工决策与机器辅助决策进行比较。

“最近，许多组织对人工智能技术的迅速采用表示担忧，他们担心人工智能可能最终在某些任务中取代人。但是，事实上人工智能在工作中可以起到很好的补充作用。”Francis de Véricourt教授说。

研究人员表示，他们的研究清楚地展示了人和机器之间合作对专业人员的价值。但人也应该意识到，尽管机器可以提供令人难以置信的准确信息，但在做出决定之前，人通常仍需要认知努力来评估自己的信息，并将机器的结论与自己的结论进行比较。研究人员表示，当人们面临做出决定的压力时，所需的认知努力会增加。

Boyaci教授说:“由于机器具有令人难以置信的计算能力，它们可以以令人难以置信的准确性执行特定任务，而相比之下，人类决策者灵活且适应性强，但受限于他们有限的认知能力，所以机器与人的能力是互补的。但是，人在使用机器时必须保持谨慎，并且知道它何时有效，何时无效。”

以医生和病人为例，研究人员的发现表明，使用机器将提高整体诊断的准确性，减少误诊病人的数量。然而，如果疾病发病率低且时间有限，引入机器来帮助医生进行诊断将导致更多的误诊，并且机器可能导致的模糊性反而会增加人的工作量。

研究人员表示，他们的发现为那些希望在工作中使用机器的人提供了希望和警告。积极的一面是，平均准确率提高了，当机器建议倾向于预期的结果时，错误率会降低，人也会更“高效”，因为减少了认知努力。

然而，将基于机器的预测纳入人的决策并不总是有益的，无论是在减少错误方面还是在认知努力方面。事实上，引入机器来改进决策过程可能会适得其反，因为它会增加某些错误类型，以及付出更多的决策所需时间和认知努力。

这些发现强调了基于机器的预测对人判断和决策的重要影响。这些发现为何时以及如何看待机器建议提供了指导，从而为如何人机协作的提供了指导。