알고리즘 관리와 인간-AI 협업이 AI 증강 조직에 미치는 영향
The Impact of Algorithmic Management and Human-AI Collaboration in AI-Augmented Organizations
강현정(홍익대학교)
28권 1호, 355~368쪽
초록
인공지능(AI)이 단순한 도구의 역할을 넘어 자율적인 에이전트로 진화함에 따라, 조직 내에서 알고리즘 관리(AlgM) 및 인간-AI 협업(HAC)이라는 이중적 역할을 수행하는 비중이 점차 커지고 있다. 기존 연구들이 AI 채택에 주목해 온 것과 달리, 이러한 이중적 역할이 사용자의 AI 사용 패턴 및 업무 성과에 영향을 미치는 세부적인 사회-기술적 메커니즘에 대한 연구는 여전히 미흡한 실정이다. 본 연구는 Benbya et al.(2021)의 프레임워크를 바탕으로 HAC와 AlgM을 맥락(Context), 주체성(Agency), 상호작용(Interaction), 결과(Outcome)의 4개 차원을 포함하는 2차 요인(second-order constructs)으로 개념화하였다. 또한, Mohamed et al.(2024)이 제시한 6가지 핵심 AI 사용 목적을 순차적 경로 모델(sequential path model)에 통합하였다. 128명의 데이터를 대상으로 PLS-SEM을 적용하여, 이러한 구성 요소들이 근접 AI 활용(코드 작성 (W), 일반 정보 (G)), 관계적/평가적 역학(튜링 테스트 (T), 단순 과업 (S)), 운영적 실행(디버깅 (D)), 그리고 최종적으로 성과(How-to (H))에 어떠한 영향을 미치는지 분석하였다. 연구 결과, HAC와 AlgM 모두 근접 AI 활용을 유의미하게 향상시키는 것으로 나타났으나, 이들은 서로 다른 매개 경로를 통해 작용함이 확인되었다. 특히 PLSpredict 절차를 통해 분석한 결과, 본 모델은 업무 성과(H)에 대해 상당한 예측력(Q2 = 0.524)을 갖는 것으로 입증되었다. 본 연구는 AI에 대한 사회-기술적 관점을 실증적으로 확장하고, 교육자들이 최적의 업무 성과를 도출하기 위해 AI 관리와 협업 측면의 균형을 맞추는 데 필요한 전략적 청사진을 제공함으로써 정보 시스템(IS) 문헌에 기여한다.
Abstract
As Artificial Intelligence (AI) transcends its role as a mere tool to become an autonomous agent, it increasingly assumes dual roles in AI-augmented organizations: Algorithmic Management (AlgM) and Human-AI Collaboration (HAC). While prior research has examined AI adoption, the granular socio-technical mechanisms through which these dual roles influence learner AI usage patterns and learning performance remain underexplored. Drawing on the framework of Benbya et al. (2021), we conceptualize HAC and AlgM as second-order constructs encompassing four dimensions: Context, Agency, Interaction, and Outcome. We also integrate six core AI usage purposes identified by Mohamed et al. (2024) into a sequential path model. Applying PLS-SEM to data from 128 learners, we examine how these configurations impact proximal AI usage (Write Code (W), General Information (G)), relational/evaluative dynamics (Turing Test (T), Simple Task (S)), operational execution (Debugging (D)), and ultimately, learning performance (How-to (H)). Our results reveal that both HAC and AlgM significantly enhance proximal AI usage, yet they operate through distinct mediating pathways. Notably, the model demonstrates substantial predictive relevance (Q² for H = 0.524) using the PLSpredict procedure. This study contributes to the Information Systems (IS) literature by empirically extending the socio-technical perspective on AI and providing a strategic blueprint for educators to balance AI management and collaboration facets for optimal learning outcomes.
- 발행기관:
- 한국경영정보학회
- 분류:
- 경영학