天生的社会性：社会结构如何影响中小企业的工作以及重新构想协作人机系统时的考虑因素

研究背景与问题

• 发现的问题或挑战：

  • COVID-19大流行催化了全球范围的中小型企业（SMBs）的数字化转型，但非洲尤其是肯尼亚的SMBs在数字化进程中显示出与发达国家不同的路径和挑战。
  • 现有的研究与技术开发倾向于采用“缺失视角”（deficit discourse），认为非洲的数字化程度低，忽视了当地丰富的社会文化背景及SMBs复杂的实践。
  • 大型生成性AI技术大多基于全球北方（Global North）的数据和经验训练，反映出与肯尼亚SMBs等背景不符的设计假设。这种技术带来的潜在危害包括增加“AI数字鸿沟”。

• 问题的重要性：

  • SMBs在非洲占企业总数的90%以上，提供了80%的就业。它们在经济发展中起到关键作用。因此，理解非洲SMBs的独特需求对于全球技术设计和经济促进而言至关重要。
  • 如果生成性AI等技术继续基于全球北方的价值体系开发，可能会加剧技术适用性问题和数字不平等。

• 研究动机与相关工作：

  • 作者试图通过“社会结构”（socio-tecture）框架来重新审视非洲SMBs的数字化过程，重点关注社会网络、关系导向以及人的知识作用。
  • 研究旨在质疑目前以“缺失”观念为基础的非洲技术适应论述，并为具有非洲中心视角（Afro-Centric）的技术设计提出建议。

解决方案

• 提出的方法或解决方案：

  • 提出用“社会结构”框架重新审视非洲SMBs的数字化体验。
  • 分析生成性AI如何通过结合 Kenyan SMBs 的场景和价值观来为当地企业服务，而非简单地将西方开发的工具引入。
  • 对生成性AI设计提出创新理念：考虑“社交网络的依赖”、“关系优先于交易”以及“人作为知识的载体”这三大原则。

• 该解决方案的创新之处：

  • 借助社会结构这一特定的社会文化视角重新定义技术适应和设计问题，而非采取传统基于“WEIRD”背景的设计逻辑。
  • 通过对社会网络信任、本地经验和合作价值的强调，挑战当前生成性AI以个人或独立用户为中心的设计哲学，建议设计“一种具有共同体身份的AI”。
  • 提出了 “关系导向AI” 和 “协作型生成AI” 的新概念，强调AI设计应支持企业关系、灵活性和公平性，而非单纯追求效率。

• 实施步骤与关键技术：

  • 通过对7家位于肯尼亚内罗毕的SMB的深入观察和背景研究（例如访谈、实地观察），从地方化视角了解SMBs如何使用数字工具。
  • 应用社会结构框架对其日常实践进行分析，探讨AI设计如何支持数据管理、客户关系和员工协作。
  • 使用AI支持的研究软件（例如HeyMarvin）来辅助数据快速处理与主题分析。
  • 提出了设计原则，例如嵌入本地知识、保护隐私与信任、以及使AI与社区动态协作发展。

研究成果

• 取得的具体成果：

  • 深入描述了肯尼亚SMBs如何基于“社会网络”、“关系优先”和“人作为知识”这三大社会结构原则进行数字化。
  • 强调WhatsApp等低成本工具如何弥合物理与数字世界的鸿沟，尽管面临信息管理问题，这些工具因其适配关系建设的特性而被广泛采用。
  • 提出了生成性AI设计应如何采用以社区为中心的策略来支持本地化适应，而非单独服务于个体。

• 与现有解决方案的对比与优势：

  • 与传统基于全球北方数据集和设计逻辑的AI工具不同，本文方法通过嵌入本地传统与价值提出一种更具灵活性、包容性且能解决文化适配问题的替代设计路线。
  • 建议对AI进行“情境化设置”和“协作性调整”，以顺应非洲SMBs的实际需求和操作模式。
  • AI在支持数据管理、减少认知负担及促进企业协作方面潜力巨大。

• 实验或评估结果：

  • 研究发现了SMBs在整合数字工具时面临的协同负担，例如使用WhatsApp进行知识管理尽管方便，但缺乏正式化与规范性。
  • 与生成性AI的协作可能通过帮助SMBs减少重复任务和加强知识共享提供短期增益，但其长期价值需建立在对本地背景的深度关系考量之上。

• 局限性与未来方向：

  • 局限性：
    • 肯尼亚的社交政治环境（如Worldcoin 事件）可能在一定程度上影响了研究的广度与参与者的真实行为。
    • 观察干扰和潜在研究者的文化视角偏见都可能成为影响因素。
  • 建议的未来方向：
    • 深化对生成性AI如何嵌入和学习地方知识生态的研究。
    • 推动更加广泛的跨文化实验，检视该方法在非洲其他国家乃至更大范围SMBs的适用性。

通过这种一致的分析方式，本文揭示了社会文化和本地价值在生成性AI技术应用中的关键作用，并提供了构建更公平、更包容性AI系统的基石。这种方法不仅对非洲，而且对全球范围内适应不同文化和情境的AI应用具有深远意义。