从工作的未来到劳动者的未来:应对无症状人工智能危害以促进有尊严的人机交互
荣誉提名作者
AI 辅助决策与自动化系统AI 伦理、公平与问责算法公平与偏见科技伦理与批判性HCI医生、护士、临床医生AI/ML 研究员与工程师HCI 研究员
文献标题
From Future of Work to Future of Workers: Addressing Asymptomatic AI Harms to Foster Dignified Human-AI Interaction
出版信息
- 主题领域: 人工智能对专业环境中人类专业技能和尊严的影响。
- 关键词: AI-as-Amplifier Paradox(人工智能放大器悖论)、社会技术免疫、人机交互、技能退化、知识型工作者、自动化偏见、尊严保护、专业技能保留、慢性危害、职业身份。
背景与问题
- 问题/挑战: 当前的人工智能系统在提高生产力的同时,逐渐侵蚀人类的专业技能和职业身份,产生了传统指标无法捕捉的无症状危害。
- 重要性: 这些侵蚀性影响威胁到专业技能、自治性和尊严的长期可持续性,而这些因素对医疗保健和软件工程等高风险领域至关重要。
- 动机与相关研究: 尽管已有研究关注人工智能的短期影响(如自动化偏见和技能退化),但对人工智能对工人专业技能和身份的长期影响的理解仍然有限。本文通过研究人工智能如何重塑人类角色并提出解决方案来缓解隐藏危害,从而填补这一空白。
解决方案
- 提出的方法: 提出一个多层次框架——“有尊严的人机交互框架”,通过操作化社会技术免疫机制来检测、遏制并恢复因人工智能引发的技能退化和身份商品化问题。
- 创新点:
- 提出“AI-as-Amplifier Paradox”(人工智能放大器悖论)的概念,揭示人工智能在增强和侵蚀专业技能方面的双重作用。
- 引入社会技术免疫机制以应对无症状危害。
- 通过与工人共同构建框架,保护人工智能介导的工作场所中的尊严、专业技能和自主权。
- 实施过程与关键技术:
- 通过为期一年的纵向研究,采用混合定性方法(访谈、研讨会、思维大声说出会)对42名放射肿瘤学参与者进行研究。
- 设计并部署了一个社会透明性(Social Transparency, ST)层,用于展示同事的推理过程并校准对人工智能的依赖。
- 通过参与式研讨会共同构建框架,聚焦于工人、技术和组织三个层面。
结果
- 具体发现:
- 人工智能的整合初期带来了效率提升(例如,规划周期加快5%),但也引入了无症状影响,如警觉性下降和直觉减弱。
- 慢性危害包括显著的技能退化、自治性降低以及对人工智能的依赖。
- 身份商品化现象显现,工人担心自己变成“人工智能保姆”或“橡皮图章”,从而削弱了他们的职业尊严感。
- 相较基线的优势:
- 该框架提供了可操作的机制(如人工智能关闭演练、推理日志、禁止自动化列表)来对抗技能退化并保留人类专业技能。
- 社会透明性有助于校准依赖性并促进批判性参与,从而减少过度依赖和技能退化。
- 实验/评估:
- 在医疗保健和软件工程领域通过参与式研讨会评估了该框架,证明其在应对无症状危害和慢性退化方面的有效性。
- 参与者报告称,通过有针对性的干预措施,任务的自主性得到了恢复,韧性得到了提升。
- 局限性与未来工作:
- 研究结果基于单一领域(放射肿瘤学);未来研究应在不同领域和人群中测试该框架。
- 需要混合方法研究来量化退化速率、恢复时间线和免疫阈值。
总结
本文提出了“AI-as-Amplifier Paradox”(人工智能放大器悖论),揭示了人工智能如何在提高生产力的同时逐渐侵蚀人类专业技能和尊严。通过在放射肿瘤学领域进行为期一年的研究,记录了人工智能整合带来的无症状影响、慢性危害和身份商品化现象。提出的“有尊严的人机交互框架”通过操作化社会技术免疫机制,检测、遏制并恢复这些隐藏危害。通过以工人的自主性和专业技能为中心,该框架提供了实用工具,以保护人工智能介导的工作场所中的尊严和韧性,对设计、研究和组织政策具有重要意义。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
当前问题库还没有收录这篇论文的问题与痛点。
- 71%
负责任AI工具评估实践的范围研究:迈向有效性评估的步骤
CHI '24· AI 辅助决策与自动化系统 +2
- 63%
解释性去偏差:在数据生成过程中涉及领域专家以减轻AI系统中的表示偏差
CHI '25· AI 伦理、公平与问责 +1
- 63%
为善资助AI:呼唤有意义的参与
CHI '26· AI 伦理、公平与问责 +2
- 63%
表层偏见:头像外观如何影响AI招聘感知
CHI '26· AI 伦理、公平与问责 +2
- 63%
我们是否正在剥夺工作的乐趣?设计增强工作而非意义的AI
CHI '26· AI 辅助决策与自动化系统 +2
- 63%
超越微软和孟山都:去化计算中的单作隐喻
CHI '26· AI 伦理、公平与问责 +2
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
广告推荐
学习 AI 编程到 CodeNow
open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3772318.3791081
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2026
emoji_events
奖项
荣誉提名
group
作者
6 位作者
sell
研究子方向
AI 辅助决策与自动化系统、AI 伦理、公平与问责、算法公平与偏见、科技伦理与批判性HCI
work
职业/产业
医生、护士、临床医生、AI/ML 研究员与工程师、HCI 研究员
article
内容状态
已索引正文
hub
相关论文
6 篇相关论文