返回资源库

核心问题 最新

AI 处理 · 作者审核

管理者如何确立AI辅助工作的所有权,公开使用AI何时有助或有损其信誉?

When Is It Still My Work? Generative AI, Defensibility, and Disclosure in Software Product Managers’ Work
Phong Trang, Tran Dieu Hieu Nguyen, Soumitra Chowdhury · International Conference on Information Systems (ICIS) · 2026
配图:管理者如何确立AI辅助工作的所有权,公开使用AI何时有助或有损其信誉?

加载 Spotify 播放器;Spotify 可能会设置 Cookie。本设备将记住您的选择。

主要发现

  • 管理者普遍依赖“提问-微调-分享”(Ask-Tweak-Share)的常规流程,利用关键的“微调”阶段将企业专有背景、技术约束和商业判断融入AI生成的草案中。
  • 工件层面的可辩护性是在分享前的修改过程中建立的,无论使用了何种工具,都能确保作者有能力应对利益相关者的深入质询。
  • 可辩护性与披露介导的可见性可能发生脱节,部分管理者会在经过实质性修改的文档中隐瞒AI的辅助,以防止同事贬低自己的劳动付出。
  • 研究指出,当同事认为该工作经过了深度重构时,披露更有可能促进团队的积极尝试;而当同事将其视作投机走捷径时,披露则更易招致负面评价。
  • 在缺乏正式治理机制的环境中,本地团队规范和同行反应在非正式地决定着哪些AI实践是可以被接受且能够公开探讨的。

实践启示

CIO / IT 高管

Where AI use runs ahead of policy, build guidelines on existing team norms. Encourage disclosure of substantially reworked work, and protect staff, especially early-career staff, from being judged as low effort when they disclose AI use.

IT 经理

Review team routines to ensure that every AI-assisted draft undergoes the critical 'Tweak' phase—embedding proprietary context, technical constraints, and business judgement—before it is shared with stakeholders.

商业战略师

Before sharing an AI-assisted roadmap or rationale, check it against the decisions, constraints and history colleagues are likely to ask about.

研究人员

Test whether defensibility and visibility decouple in a setting with formal AI governance, and examine whether seniority and local team norms change how disclosure is received.

政策制定者

When writing guidance on AI disclosure at work, consider that the same disclosure can be read as openness or as low effort, depending on how much the work was reworked.

摘要

本定性研究探讨了在缺乏正式企业政策的情况下,软件产品经理如何将生成式AI融入日常协作流程。研究人员通过对一家汽车软件公司的21名产品经理进行半结构化访谈和屏幕共享,考察了专业人士如何产出具有可辩护性的工作成果并权衡披露决策。分析阐述了管理者在共享交付物之前,如何对照组织实际情况与社交期望来评估AI初稿。研究结论源于一家汽车软件机构,可供类似情境进行分析性迁移借鉴。

核心问题

管理工作高度依赖于产出产品路线图和战略依据等共享交付物,这些交付物承载着专业责任且需要充分论证。生成式AI使得创作出处变得不透明,导致管理者在面对同行审视时,难以确定如何证明AI辅助产出的成果属于自己的工作。此外,专业人士还面临抉择困境:公开披露AI的使用究竟是展现了创新,还是会带来损害自身信誉的风险。

文稿
Host: 大家好,欢迎收听 A.I.S. Insights — powered by Living Knowledge。我是主持人 Anna Ivy Summers。今天我们要讨论一项发表于 2026 年信息系统国际会议 ICIS 的研究,题目是《何时这仍算我的工作?软件产品经理工作中的生成式AI、可辩护性与披露》。这项研究由 Phong Trang、Tran Dieu Hieu Nguyen 和 Soumitra Chowdhury 共同完成。它探讨了在缺乏正式企业政策的环境中,软件产品经理如何在日常协作中应用生成式 AI,以及他们如何建立工作成果的可辩护性并权衡是否披露 AI 的使用。坐在我身边的是分析师 Alex Ian Sutherland。欢迎你,Alex。
Expert: 谢谢 Anna。很高兴能和大家探讨这项研究。
Host: Alex,我们先来聊聊这项研究试图解决的核心问题。在现代企业中,产品经理日常产出大量的关键交付物,比如产品路线图和战略规划,这些工作为何在引入生成式 AI 后遇到了新的挑战?
Expert: 产品经理的核心职责在于产出需要经过充分论证的共享交付物。这些文档直接承载着专业责任,并且需要经受来自工程、业务和管理层等多方利益相关者的严格审视。生成式 AI 的介入改变了创作的出处,使得内容的源头变得不够透明。管理者因此面临一个现实挑战:在同行提出质疑时,如何证明由 AI 辅助产出的成果依然代表了自己的专业判断。同时,他们还面临披露层面的抉择:公开自己使用了 AI,究竟会被视为拥抱创新的体现,还是会被认为在投机取巧,从而损害专业信誉。
Host: 确实是很典型的职场困境。那么,研究团队采用了怎样的研究方法来观察这一现象呢?
Expert: 研究人员采用了一项定性研究设计,对一家汽车软件公司的 21 名产品经理进行了半结构化访谈,并结合了屏幕共享观察。在屏幕共享过程中,研究人员直接观察了管理者如何在实际工作界面中操作和修改内容。这种方法让研究团队能够细致记录专业人士如何评估 AI 生成的初稿,以及如何将组织实际背景融入最终文档。需要说明的是,这些发现来自于特定的汽车软件组织背景,但其中的机制可以为类似行业提供分析性参考。
Host: 那么,这项研究得出了哪些主要发现?这些产品经理在实践中是如何操作的?
Expert: 首先,研究发现管理者普遍形成了一种“提问-微调-分享”,也就是 Ask-Tweak-Share 的工作惯例。在这个流程中,最关键的是“微调”阶段。AI 生成的初稿通常缺乏具体的企业专有背景、技术约束和商业现实,产品经理正是通过深入的修改,把组织特有的参数和自身的专业判断注入其中。
Host: 这就是所谓的建立“可辩护性”吗?
Expert: 没错。研究指出,工件层面的可辩护性正是在分享前的修改过程中建立起来的。管理者必须确保,无论最初的文字是由谁起草,自己都具备全面回答利益相关者质询的能力。如果能经受住团队在细节上的拷问,交付物在专业层面就是站得住脚的。
Host: 很有意思。那关于“是否披露使用了 AI”,研究有什么发现?
Expert: 这正是该研究的一个关键结论:可辩护性与披露带来的可见性之间存在脱节。即使一份文档经过了实质性的个人修改并具备高度的可辩护性,许多管理者依然选择隐瞒 AI 的参与。他们担心一旦公开提及 AI,同事就会低估他们所付出的实际脑力劳动。
Host: 同事的反应似乎对披露的决定起到了决定性作用。
Expert: 是的。研究观察到,如果同事认为某位员工对 AI 初稿进行了深度的结构重塑与业务整合,披露往往会促进团队内部正向的技术探索。但如果同事将 AI 视为走捷径的偷懒工具,披露就会招致负面评价。由于缺乏正式的企业治理规范,团队内部的非正式文化和同事的预期,实际上在主导着哪些 AI 使用行为被允许公开讨论。
Host: 从企业管理的角度来看,这些发现为商业实践带来了哪些启示?管理层应该如何应对这种现象?
Expert: 这项研究给企业管理者提供了非常具体的抓手。首先,组织不能放任模糊地带存在。在缺乏明确指导方针的情况下,员工会因为害怕声誉受损而掩盖 AI 的使用,这阻碍了优秀工作流的共享。其次,企业应将考核与沟通的重点从“是否使用了工具”转向“成果是否具备可辩护性”。只要交付物融合了必要的业务约束并且作者能承担专业责任,就应当认可其劳动价值。最后,建立透明、不带评判色彩的团队规范,有助于消除使用 AI 的负面标签,让技术真正服务于工作质量的提升。
Host: 总结来说,生成式 AI 工具的价值不在于替代思考,而在于人如何通过专业输入使成果经得起检验;同时,组织需要建立更合理的沟通环境来接纳这些工作变化。非常感谢 Alex 今天的专业解析。
Expert: 谢谢 Anna,也谢谢各位听众。
Host: 感谢收听本期的 A.I.S. Insights — powered by Living Knowledge。我们下期再见。
Artificial Intelligence & Automation Information Systems & Management Human-Computer Interaction Data Analytics & Big Data Digital Transformation & Strategy Cybersecurity & Privacy Cloud & Infrastructure E-Commerce & Digital Platforms Operations & Supply Chain Sustainability & Green IS

Generative AI, Software Product Management, Managerial Work, Accountability, AI Disclosure, Work Routines, artefact-level defensibility, disclosure-mediated visibility