DOI: https://doi.org/10.1007/s10726-026-09980-1
تاريخ النشر: 2026-04-03
المؤلف: Han Li وآخرون
الموضوع الرئيسي: الابتكار، الاستدامة، أنظمة الإنسان والآلة
نظرة عامة
تتناول ورقة البحث التفاعل المعقد بين البشر والذكاء الاصطناعي (AI) في اتخاذ القرار، مشددة على فجوة كبيرة في الأدبيات الحالية بشأن الأطر التكاملية التي توضح ديناميات الذكاء الاصطناعي-البشر وأنماط اتخاذ القرار. من خلال مراجعة منهجية وتحليل بيبليومتري لـ 627 مقالة، تقترح الدراسة إطارًا مفاهيميًا جديدًا يحدد بعدين حاسمين—ديناميات الذكاء الاصطناعي-البشر وأنماط القرار—وتقدم أربعة نماذج متميزة من اتخاذ القرار التعاوني بين الذكاء الاصطناعي والبشر: القرار الحدسي التكيفي، القرار الخوارزمي المبرمج، القرار التحليلي التفسيري، والقرار الهجين التكامل. يعزز هذا الإطار الفهم النظري لأنظمة اتخاذ القرار الهجينة ويقدم رؤى قابلة للتنفيذ للمنظمات في البيئات المدفوعة بالذكاء الاصطناعي.
تشير النتائج إلى أن تأثير الذكاء الاصطناعي على اتخاذ القرار البشري متعدد الأبعاد، يتميز بتكامل أو إعادة تشكيل أو توسيع القدرات المعرفية البشرية. توضح النماذج أوضاع التفاعل المختلفة: يركز اتخاذ القرار الحدسي التكيفي على الدعم المتمحور حول الإنسان، بينما يظهر اتخاذ القرار الخوارزمي المبرمج هيمنة الذكاء الاصطناعي في البيئات المنظمة، ويبرز اتخاذ القرار التحليلي التفسيري التفكير التعاوني، ويعكس اتخاذ القرار الهجين التكامل البناء المشترك للعقلانية. تدعو الدراسة إلى مزيد من البحث لتوسيع مصادر البيانات، وتحسين استراتيجيات البحث، واستكشاف آثار الذكاء الاصطناعي التوليدي في عمليات اتخاذ القرار الجماعي، مما يسهم في فهم أكثر شمولاً لعلاقات اتخاذ القرار بين الذكاء الاصطناعي والبشر.
مقدمة
تناقش مقدمة ورقة البحث الدور المتطور للذكاء الاصطناعي (AI) في عمليات اتخاذ القرار، مشددة على قدرته على أداء المهام المرتبطة تقليديًا بالإدراك البشري، مثل الإدراك والتعرف على الأنماط. تمكّن التقدمات الأخيرة في تعلم الآلة الذكاء الاصطناعي من تحليل مجموعات بيانات ضخمة، مما يسهل الاستنتاجات التي تتجاوز قدرات البشر. بينما ركزت الأدبيات الحالية على التعاون بين الذكاء الاصطناعي والبشر في تنفيذ المهام، هناك فجوة ملحوظة في فهم كيفية تشكيل هذه التفاعلات للأحكام والقرارات خلال عملية اتخاذ القرار. تفترض الورقة أن اتخاذ القرار التعاوني بين الذكاء الاصطناعي والبشر فعال بشكل خاص في البيئات المعقدة، حيث يعزز الذكاء الاصطناعي التفكير التشخيصي ويدعم الخيارات الاستراتيجية عبر مجالات مختلفة، بما في ذلك الرعاية الصحية والقيادة الذاتية.
تهدف الدراسة إلى استكشاف كيف تؤثر أشكال مختلفة من الذكاء الاصطناعي على العقلانية البشرية في مراحل مختلفة من اتخاذ القرار التنظيمي. تبرز أهمية دمج الرؤى من عدة تخصصات لفهم التفاعل الديناميكي بين الذكاء الاصطناعي والإدراك البشري. يقترح المؤلفون إطارًا يصنف أنظمة الذكاء الاصطناعي بناءً على قدراتها ويدرس آثار دمج الذكاء الاصطناعي في عمليات اتخاذ القرار، خاصة فيما يتعلق بالعقلانية المحدودة. من خلال إجراء تحليل بيبليومتري لـ 627 مقالة تمت مراجعتها من قبل الأقران، تحدد الدراسة أربعة نماذج من اتخاذ القرار التعاوني بين الذكاء الاصطناعي والبشر وتقدم مفهوم استمرارية العقلانية المعززة المحدودة. يسعى هذا الإطار إلى توضيح كيف أن الذكاء الاصطناعي لا يساعد فقط بل يعيد تشكيل اتخاذ القرار البشري، مما يعيد تعريف حدود العقلانية في السياقات التنظيمية.
الطرق
تستخدم منهجية هذه الدراسة نهجًا متكاملًا يجمع بين التحليل البيبليومتري ومراجعة الأدبيات المنهجية (SLR) لتعزيز فهم المفاهيم النظرية والنتائج التجريبية في مجال اتخاذ القرار بين الذكاء الاصطناعي والبشر. بينما توفر مراجعة الأدبيات المنهجية توليفًا نظريًا غنيًا، إلا أنها محدودة في تحليل الأدبيات الواسعة والمعقدة. للتغلب على هذه المحدودية، يتم استخدام التحليل البيبليومتري كطريقة كمية لتتبع المسارات التطورية، واتجاهات البحث، والبنية الفكرية للمجال، كما تدعمه الأدبيات الحديثة (Donthu et al. 2021).
تتبع هذه الدراسة إجراءات بيبليومترية معتمدة، تشمل كل من تحليل الأداء ورسم خرائط العلوم. يقيم تحليل الأداء إنتاجية وتأثير المؤلفين والمؤسسات والدول (Aria and Cuccurullo 2017)، بينما تصور رسم خرائط العلوم العلاقات الهيكلية بين الموضوعات والمفاهيم (Leung et al. 2017). إحدى التقنيات الرئيسية المستخدمة هي تحليل تكرار الكلمات الرئيسية، الذي يحدد الكتل الموضوعية من خلال قياس تكرار تواجد المصطلحات في المنشورات (de la Hoz-Correa et al. 2018). تعتبر هذه الطريقة فعالة بشكل خاص في المجالات متعددة التخصصات سريعة التطور، حيث تساعد في تحديد الهياكل الفكرية وحدود البحث (Ribeiro-Navarrete et al. 2021).
المناقشة
ت outlines قسم المناقشة في ورقة البحث المنهجية والنتائج المتعلقة بنماذج اتخاذ القرار التعاوني بين الذكاء الاصطناعي والبشر. تم جمع البيانات من مجموعة ويب للعلوم، مع التركيز على كل من المنظورات التكنولوجية (عبر مؤشر الاقتباس العلمي الموسع) والمنظورات الإدارية (عبر مؤشر الاقتباس في العلوم الاجتماعية). أسفر البحث الأولي عن 56,616 سجلًا، تم تصفيتها بشكل منهجي إلى 627 مقالة ذات صلة من خلال سلسلة من المعايير الصارمة، مما يضمن مصادر عالية الجودة تمت مراجعتها من قبل الأقران تتعلق بالدراسات الإدارية والتنظيمية.
استخدم التحليل VOSviewer لإنشاء شبكات تكرار الكلمات الرئيسية، كاشفًا عن أربعة كتل متميزة من اتخاذ القرار: الحدسي التكيفي، الخوارزمي المبرمج، التحليلي التفسيري، والقرار الهجين التكامل. توضح هذه الكتل الأدوار المتنوعة لوكلاء الذكاء الاصطناعي والبشر في عمليات اتخاذ القرار، والتي تتميز بأبعاد العقلانية المحدودة وعمق المعالجة المعرفية. يؤكد الإطار الذي تم تطويره من هذه النتائج على التفاعل الديناميكي بين الإدراك البشري وقدرات الذكاء الاصطناعي، مقترحًا أن أوضاع اتخاذ القرار ليست ثابتة بل تتطور مع تطور كفاءات البشر والخوارزميات. يتم تشجيع البحث المستقبلي لاستكشاف هذه الديناميات بشكل أعمق، خاصة الانتقالات بين نماذج اتخاذ القرار المختلفة، لتعزيز فهم كيفية تأثير الذكاء الاصطناعي على جودة القرار في السياقات التنظيمية.
DOI: https://doi.org/10.1007/s10726-026-09980-1
Publication Date: 2026-04-03
Author(s): Han Li et al.
Primary Topic: Innovation, Sustainability, Human-Machine Systems
Overview
The research paper addresses the complex interplay between humans and artificial intelligence (AI) in decision-making, highlighting a significant gap in the existing literature regarding integrative frameworks that elucidate AI-human dynamics and decision-making typologies. Through a systematic review and bibliometric analysis of 627 articles, the study proposes a novel conceptual framework that identifies two critical dimensions—AI-human dynamics and decision typologies—and introduces four distinct paradigms of AI-human collaborative decision-making: adaptive intuitive decision, programmed algorithmic decision, interpretive analytical decision, and integrative hybrid decision. This framework enhances the theoretical understanding of hybrid decision-making systems and offers actionable insights for organizations in AI-driven environments.
The findings indicate that AI’s influence on human decision-making is multifaceted, characterized by complementing, reshaping, or extending human cognitive capabilities. The paradigms illustrate various modes of interaction: adaptive intuitive decision-making emphasizes human-centered support, programmed algorithmic decision-making showcases AI dominance in structured environments, interpretive analytical decision-making highlights collaborative reasoning, and integrative hybrid decision-making reflects a joint construction of rationality. The study calls for future research to expand data sources, refine search strategies, and explore the implications of generative AI in group decision-making processes, thereby contributing to a more comprehensive understanding of AI-human decision relationships.
Introduction
The introduction of the research paper discusses the evolving role of artificial intelligence (AI) in decision-making processes, emphasizing its capacity to perform tasks traditionally associated with human cognition, such as perception and pattern recognition. Recent advancements in machine learning enable AI to analyze vast datasets, facilitating inferences that surpass human capabilities. While existing literature has focused on AI-human collaboration in task execution, there is a notable gap in understanding how these interactions shape judgments and decisions during the decision-making process. The paper posits that AI-human collaborative decision-making is particularly effective in complex environments, where AI enhances diagnostic reasoning and supports strategic choices across various domains, including healthcare and autonomous driving.
The study aims to explore how different forms of AI influence human rationality at various stages of organizational decision-making. It highlights the importance of integrating insights from multiple disciplines to understand the dynamic interplay between AI and human cognition. The authors propose a framework that categorizes AI systems based on their capabilities and examine the implications of AI’s integration into decision-making processes, particularly concerning bounded rationality. By conducting a bibliometric analysis of 627 peer-reviewed articles, the study identifies four paradigms of AI-human collaborative decision-making and introduces the concept of a bounded-augmented rationality continuum. This framework seeks to elucidate how AI not only aids but also reshapes human decision-making, ultimately redefining the boundaries of rationality in organizational contexts.
Methods
The methodology of this study employs an integrated approach that combines bibliometric analysis with a systematic literature review (SLR) to enhance the understanding of theoretical constructs and empirical findings in the field of AI-human decision-making. While the SLR provides a rich theoretical synthesis, it is limited in analyzing extensive and complex literature. To overcome this limitation, bibliometric analysis is utilized as a quantitative method to trace developmental trajectories, research trends, and the intellectual structure of the field, as supported by recent literature (Donthu et al. 2021).
This study follows established bibliometric procedures, incorporating both performance analysis and science mapping. Performance analysis assesses the productivity and impact of authors, institutions, and countries (Aria and Cuccurullo 2017), while science mapping visualizes structural relationships among topics and concepts (Leung et al. 2017). A key technique employed is keyword co-occurrence analysis, which identifies thematic clusters by quantifying the frequency of term co-occurrences in publications (de la Hoz-Correa et al. 2018). This method is particularly effective in rapidly evolving multidisciplinary fields, as it helps to delineate intellectual structures and research frontiers (Ribeiro-Navarrete et al. 2021).
Discussion
The discussion section of the research paper outlines the methodology and findings related to AI-human collaborative decision-making paradigms. Data were collected from the Web of Science Core Collection, focusing on both technological (via the Science Citation Index Expanded) and managerial perspectives (via the Social Sciences Citation Index). The initial search yielded 56,616 records, which were systematically filtered to 627 relevant articles through a series of rigorous criteria, ensuring high-quality, peer-reviewed sources pertinent to management and organizational studies.
The analysis utilized VOSviewer to create keyword co-occurrence networks, revealing four distinct clusters of decision-making: adaptive intuitive, programmed algorithmic, interpretive analytical, and integrative hybrid decision-making. These clusters illustrate the varying roles of AI and human agents in decision-making processes, characterized by dimensions of bounded rationality and cognitive processing depth. The framework developed from these findings emphasizes the dynamic interplay between human cognition and AI capabilities, suggesting that decision-making modes are not static but evolve as both human and algorithmic competencies develop. Future research is encouraged to explore these dynamics further, particularly the transitions between different decision-making paradigms, to enhance understanding of how AI influences decision quality in organizational contexts.