생성적 AI(GenAI)는 이제 일상적인 조직 지식 작업의 일부로, 정보 수집, 해석, 논의 및 저장 방식에 영향을 미칩니다. 이는 중립적인 도움으로 간주되어서는 안 됩니다: 많은 환경에서 이는 집단 지능의 능동적인 참여자로 기능하며, 그룹이 주목하는 것과 문제가 구성되고 해결되는 방식을 형성합니다. 본 논문은 정보 획득, 의미 형성 및 구성, 공유된 추론, 조정된 행동 및 조직 기억을 연결하는 의존성 구조화 프레임워크를 제시합니다. 이 프레임워크는 예측적이거나 인과 모델이 아닌 조직 분석을 위한 진단 및 설명적 렌즈로 의도됩니다. 이 프레임워크의 주요 의미는 초기 단계의 약점이 위로 전파되어 나중의 결정을 왜곡할 수 있다는 것입니다. 출력이 더 빠르거나 일관성 있어 보일 때조차 말입니다. 중간 규모의 재정 자문 회사에서 가상 사례를 통해 GenAI가 어떻게 성과를 강화하는 동시에 기초 프로세스가 압축되거나 우회될 경우 인식의 취약성을 증가시킬 위험이 있는지를 설명합니다. 본 논문은 정보 전문가들을 위한 진단 프롬프트와 거버넌스 원칙으로 마무리하며, GenAI가 지능을 신뢰성 있게 증대시키기보다는 기존의 조직적 경향을 증폭시키는 경향이 있다고 주장합니다.
Patel et al. (Tue,)는 이 질문을 연구했습니다.