亞馬遜計劃用機(jī)器人取代60萬崗位，AI如何重塑職場權(quán)力結(jié)構(gòu)？

撰 文|沈凱杰 《中歐商業(yè)評論》特約作者

AI不止是工具

傳統(tǒng)組織范式中主要討論的是“人”和“人”之間的關(guān)系，比如委托-代理關(guān)系，又比如管理者和員工的關(guān)系；“人”和“組織”的關(guān)系，比如員工如何通過中介變量（Mediators，如員工的知識技能、員工敬業(yè)度等）影響組織績效。

而AI時代，不能僅將AI看作是一個由先進(jìn)技術(shù)包裝而成的工具。AI的出現(xiàn)，組織關(guān)系中增加了新的維度——從二維的“組織-人”，變成了三維的“組織-人-AI”。

這一范式轉(zhuǎn)變的深層影響，將直接作用于管理學(xué)和組織層級結(jié)構(gòu)的核心。現(xiàn)有的組織結(jié)構(gòu)，是建立在人類管理者管理其他人類員工的基礎(chǔ)之上的。管理者的核心職能是分配任務(wù)、監(jiān)督進(jìn)度和評估績效。而AI的引入，意味著組織中出現(xiàn)了能夠自主完成復(fù)雜任務(wù)的非人類“員工”。人類管理者無法用傳統(tǒng)的方式去“管理”一個AI智能體（例如，通過激勵談話或職業(yè)發(fā)展規(guī)劃）；人類員工也沒法通過傳統(tǒng)的方式和AI達(dá)成協(xié)作（例如，通過開會對齊工作目標(biāo)）。這時候“管理者”和非人類“員工”（即AI）之間，人類員工和非人類“員工”之間、甚至是原本的管理者和人類員工之間的關(guān)系都會發(fā)生根本性的改變。

重新定義關(guān)系：

人機(jī)協(xié)同三模式

喬治·弗拉賈達(dá)基斯（George Fragiadakis）教授及其團(tuán)隊(duì)把新范式中AI和人類的關(guān)系定義為人機(jī)協(xié)同（HAIC，Human-AI Collaboration），其具體關(guān)系可分為三類：以人為主、AI為主、共生。

1.以人為主（Human-Centric Model）：

在以人為主的模式下，人類保有任務(wù)的主要決策權(quán)。人類利用AI作為增強(qiáng)工具來提升能力，且AI短時間內(nèi)無法在相關(guān)任務(wù)場景內(nèi)取代人類角色。這種模式下，人類將AI用于重復(fù)性較高、或者數(shù)據(jù)密集型（DATA-Intensive）的工作。

典型場景：微軟、埃森哲等公司程序員通過GitHub Copilot（代碼輔助軟件）完成代碼編寫；放射科醫(yī)生通過AI-CAD工具完成乳腺癌篩查，降低工作量，提升篩查性能。

2.AI為主（AI-Centric Mode）：

此種模式是指將AI作為協(xié)作過程中的主要代理，由AI負(fù)責(zé)決策，并在最少的人為干預(yù)下完成任務(wù)（通常人類負(fù)責(zé)有限的升級問題解決，結(jié)果審閱等工作）。這種模式通常具有自動化運(yùn)作特征，AI能獨(dú)立執(zhí)行任務(wù)，但通常只涉及AI與人類的單向交互。此種模式適合任務(wù)邊界清晰，且AI能力可完整支持的工作。

典型場景：Waymo無人出租車在美國鳳凰城、舊金山、洛杉磯全無人駕駛運(yùn)營，截至2025年6月累計完成9600萬英里（無安全員）；沃爾瑪和服務(wù)商Symbotic合作，由AI調(diào)度系統(tǒng)完成百上千臺移動機(jī)器人自主入出庫、拆垛、揀選與拼垛（人工僅在異常處置與上游質(zhì)檢環(huán)節(jié)出現(xiàn)）。

3.共生（Symbiotic Mode）：

共生模式是一種平衡的伙伴關(guān)系，人類和AI相互增強(qiáng)彼此能力。這種模式的特點(diǎn)是雙向互動，共同決策，不斷交換反饋。這種模式在復(fù)雜任務(wù)中尤其適用，這也將是未來工作場景中人類與AI的主要合作模式。

典型場景：奧美系180（創(chuàng)意服務(wù)機(jī)構(gòu)）與Adobe Firefly工具合作，反復(fù)完成人機(jī)互動的“提示-審改、定稿”流程，在5天時間內(nèi)創(chuàng)作了12種藝術(shù)風(fēng)格的54萬張品牌圖像，實(shí)現(xiàn)人機(jī)共創(chuàng)；SAP客戶使用AI Copilot Joule，在供應(yīng)鏈、采購、財務(wù)等核心流程內(nèi)讓員工和AI完成協(xié)作，由員工完成業(yè)務(wù)語境判斷，AI完成計算和流程生成。

HAIC（人機(jī)協(xié)同）是工作場景中必然會出現(xiàn)的時代洪流。它的介入，給傳統(tǒng)的組織范式帶來新的變化，為組織的戰(zhàn)略流程重塑、架構(gòu)設(shè)置革新、人才管理與激勵等方面帶來新的發(fā)展方向。

戰(zhàn)略流程重塑：

從“換馬達(dá)”到“重構(gòu)產(chǎn)線”

當(dāng)組織在業(yè)務(wù)流程中引入AI,若采用以人為主（Human-Centric Model）和AI為主（AI-Centric Mode）的合作范式，則其對戰(zhàn)略流程的影響相對較小。在以人為主（Human-Centric Model）的模式中，人類的決策還占中心地位，人類崗位/角色的職責(zé)范圍可能會擴(kuò)大，流程環(huán)節(jié)可能會減少，但其不會帶來整體性、復(fù)雜的流程重塑。

而采用AI為主（AI-Centric Mode）模式的往往是AI Native的新場景，或者將原有業(yè)務(wù)場景完全AI化的新嘗試。此類場景一般業(yè)務(wù)邊界清晰，對原有組織整體的流程構(gòu)成挑戰(zhàn)不大。

但如果希望通過共生模式（Symbiotic Mode）引入AI，則需要進(jìn)行完整的流程重塑，單點(diǎn)/孤立的AI化改造往往不能滿足期待。一份來自BCG和MIT斯隆商學(xué)院的研究報告指出，如果只將AI簡單插入工作場景，而不做流程的改造，則AI能為其帶來的收益是那些完成流程改造實(shí)踐的1/5。全面改造現(xiàn)有流程以迎接新生產(chǎn)力，是一個必經(jīng)階段。甚至，從歷史上看，這種對先進(jìn)生產(chǎn)力的追求，往往也都伴隨全局性的流程改革。

經(jīng)濟(jì)歷史學(xué)家沃倫·德瓦恩（Warren D.Devine,Jr）曾在《從傳動軸到電線：電氣化的歷史視角》中描述過在電力替換蒸汽動力的緩慢演變過程。十九世紀(jì)末，紡織業(yè)是工業(yè)革命的支柱產(chǎn)業(yè)，也是蒸汽動力的最大用戶之一。

一個典型的紡織廠，其動力核心是一臺巨大的、位于工廠中心的蒸汽機(jī)。這臺蒸汽機(jī)通過一個復(fù)雜的系統(tǒng)，帶動天花板上的主驅(qū)動軸、傳動皮帶和滑輪，再將動力分配給成百上千臺織布機(jī)。十九世紀(jì)九十年代初，直流電動機(jī)開始出現(xiàn)在制造業(yè)中。作為新生產(chǎn)力，它憑借清潔度、穩(wěn)定的動力、易于控制等特點(diǎn)獲得企業(yè)主的青睞。當(dāng)時開始了第一波電氣化的改造。在這輪改造中，絕大部分的改造方案是在原來放置蒸汽機(jī)的地方，換上巨大的電機(jī)，然后連接到原封不動的、舊有的整套皮帶和傳動軸系統(tǒng)上，以此驅(qū)動全廠的織布機(jī)。

這一階段的改革很難說是完全成功的。電機(jī)對蒸汽機(jī)的簡單取代并沒有直接帶來生產(chǎn)力的提升，生產(chǎn)成本也并未因?yàn)殡姍C(jī)的采用而得到下降，甚至因?yàn)檎w機(jī)械的適配、大規(guī)模電力供應(yīng)限制等問題而導(dǎo)致了生產(chǎn)成本上升。直到二十世紀(jì)二十年代，新一代的工程師才意識到真正的電氣化革命不是換個馬達(dá)這么簡單，而是要徹底拋棄巨大的中心傳動軸，為每一臺機(jī)器獨(dú)立供電，并以此為基礎(chǔ)重新設(shè)計整個工廠的生產(chǎn)流程，才能真正擺脫上一代蒸汽機(jī)的工作范式，發(fā)揮電力的優(yōu)勢。

彼時彼刻恰如此時此刻，那是電力取代蒸汽動力的前夜，那么AI突起的今夜呢？

麥肯錫合伙人拉里娜·伊（Lareina Yee）及其同事認(rèn)為AI看似功能強(qiáng)大，卻無法在脫離人類幫助的情況下直接改善組織整體工作流，實(shí)現(xiàn)業(yè)務(wù)的AI化改造。如果AI化變革項(xiàng)目從開始便聚焦整個工作鏈路（涵蓋人員、流程、技術(shù)等各個環(huán)節(jié)），那么其將有更大的成功概率。了解AI在每個環(huán)節(jié)中能發(fā)揮何種作用，是實(shí)現(xiàn)AI化變革價值的關(guān)鍵路徑。重新設(shè)計工作流的重要起點(diǎn)，有助于找到系統(tǒng)性解決問題的關(guān)鍵切入點(diǎn)，讓AI與人類高效協(xié)作，從而更有效地達(dá)成業(yè)務(wù)目標(biāo)。

未來組織圖鑒：中心化、

扁平、以任務(wù)為中心

1.組織中心化

在企業(yè)追求整體AI化的過程中，需要有掌控AI集中治理與分散執(zhí)行的角色（如AI CoE，即AI治理團(tuán)隊(duì)/AI卓越中心）。組織的AI化變革同一般的創(chuàng)新實(shí)踐不同。創(chuàng)新類工作采用自下而上的方式，往往能得到創(chuàng)意的涌現(xiàn)；而若企業(yè)AI化變革采用分布式的、自下而上的方式運(yùn)行則可能限制變革最終效果，造成資源的重復(fù)投入。組織沒有中心化的AI變革抓手，往往容易陷入以下三種陷阱：

陷阱一：拿著錘子找釘子。在AI浪潮襲來的時候，各個部門有強(qiáng)烈的AI化訴求。為追求快速部署的效率，采用市場上現(xiàn)有的標(biāo)準(zhǔn)化解決方案往往會是他們的第一選擇。此時，AI幫助企業(yè)解決的是“標(biāo)準(zhǔn)化方案能解決”的問題，而不是“企業(yè)需解決的問題”。也由此，分布式執(zhí)行AI化改革的組織很難獲得一個整體最優(yōu)的解決方案。

陷阱二：重復(fù)。不同部門有時會解決相似的問題，但部門墻往往會導(dǎo)致重復(fù)建設(shè)。以AI客服答疑訴求為例，大型組織中的人力資源部門的諸多政策需要通過AI完成員工答疑，財務(wù)部門同樣有相關(guān)的答疑訴求，此二者背后需要的AI能力類似，但往往人力資源部門和財務(wù)部門會獨(dú)立設(shè)計解決方案，而非選擇協(xié)同共享AI能力。

陷阱三：矛盾。當(dāng)不同的部門采用不同的數(shù)據(jù)集和不同的模型解決相似的問題時，往往會得到矛盾的答案。格雷厄姆·肯尼（Graham Kenny）和金·奧斯特惠（Kim Oosthulzen）在《哈佛商業(yè)評論》中給出了一個生動的例子。一家總部位于澳大利亞的跨國銀行在推行AI化的過程中，財務(wù)部的風(fēng)險管理AI基于傳統(tǒng)的信用評分和歷史貸款表現(xiàn)將特定客戶群體標(biāo)記為高風(fēng)險。與此同時，營銷部門的客戶獲取AI根據(jù)數(shù)字行為和社交媒體數(shù)據(jù)將同一個客戶群體確認(rèn)為主要目標(biāo)客戶。這個矛盾的結(jié)論引起了內(nèi)部嚴(yán)重的消耗。

2.層級扁平化

層級扁平化是組織在AI新范式中的一個典型的特征。一方面，AI顯著增強(qiáng)人類員工能力，擴(kuò)大人類員工職責(zé)范圍。在總體職責(zé)范圍不變的情況下，員工數(shù)量會得到減少。組織規(guī)模整體縮小也便帶來了組織的扁平化。另一方面，普通員工和中層管理者之間，中層管理者和高級管理者之間的邊界都在漫漶。畢馬威（KPMG）勞動創(chuàng)新部門的負(fù)責(zé)人埃德維熱·薩科（Edwige Sacco）曾發(fā)表觀點(diǎn)：普通員工因?yàn)榈玫紸I的助力從簡單的工作中解放出來，獲得時間專注于更高難度的工作（比如為會議或戰(zhàn)略對話做準(zhǔn)備）；而中層管理者則從方法論準(zhǔn)備等工作中抽離出來，將時間花在直面客戶問題、加強(qiáng)客戶溝通，這些變化都讓他們更接近下一個層級的角色，而傳統(tǒng)層級隔閡也在過程中逐漸消失。

傳統(tǒng)管理者的核心工作是分配任務(wù)、監(jiān)督進(jìn)度和評估績效。而在AI范式的組織中，未來管理者的核心工作，將是組建由人類和AI構(gòu)成的混合團(tuán)隊(duì)，為團(tuán)隊(duì)設(shè)定戰(zhàn)略目標(biāo)和倫理邊界，并整合最終的產(chǎn)出。這要求一套全新的技能組合：更少的直接監(jiān)督，更多的系統(tǒng)性思維、戰(zhàn)略情境設(shè)定和異常情況處理能力。這種轉(zhuǎn)變很可能會催生更扁平化的組織結(jié)構(gòu)，傳統(tǒng)管理者的數(shù)量將減少，也許取而代之的將是一個新興的“人機(jī)協(xié)同編排者”階層。

3.任務(wù)型組織

任務(wù)型組織指以任務(wù)的端到端解決為核心，按照任務(wù)解決環(huán)路設(shè)置組織角色（人類員工&AI員工）的一種組織形態(tài)。任務(wù)型組織一般規(guī)模較小，設(shè)置靈活，其在決策指揮、信息流動、資源配置等方面具有優(yōu)勢。微軟AI平臺產(chǎn)品副總裁（Corporate Vice President, AI Platform）阿莎·夏爾馬（Asha Sharma）和騰訊青藤教務(wù)長楊國安均認(rèn)為任務(wù)型組織將在AI時代扮演重要角色。

阿莎·夏爾馬（Asha Sharma）認(rèn)為，傳統(tǒng)的組織架構(gòu)是基于“人”建立的科層制，而在AI時代組織構(gòu)建的核心是“任務(wù)”。傳統(tǒng)的組織架構(gòu)圖（Org Chart）會被工作圖（Work Chart）/任務(wù)網(wǎng)絡(luò)（Task network）取代。組織將按照可度量的任務(wù)回路（Task Loop）安排，而不是按照固定的職能（Lane）來設(shè)計。楊國安也有類似觀點(diǎn)。他認(rèn)為任務(wù)型組織是基于未來的機(jī)遇，強(qiáng)調(diào)Owner（而不是Leader）。傳統(tǒng)的科層制組織層次分明，分工明確且標(biāo)準(zhǔn)化，適合穩(wěn)定環(huán)境，而任務(wù)型組織適合充滿不確定性的環(huán)境。

AI時代的組織架構(gòu)變化并不會一蹴而就，它可能在組織中以試點(diǎn)/特區(qū)的形式開始，逐漸完成革新。組織中心化、層級扁平化和打造任務(wù)型組織不是全新的組織課題，不過AI的出現(xiàn)，讓這些組織方向得到了實(shí)現(xiàn)的技術(shù)基礎(chǔ)，也為打破原有的組織板結(jié)提供了改革的契機(jī)。

你的崗位，

需要“重新定價”

在任務(wù)型組織的大方向下，無論是以人為主（Human-Centric Model）、AI為主（AI-Centric Mode）還是共生模式（Symbiotic Mode），都將更加側(cè)重對任務(wù)結(jié)果的衡量，并且根據(jù)任務(wù)結(jié)果設(shè)計短期薪酬激勵方案。

在目前的技術(shù)邊界下，HAIC（人機(jī)協(xié)同）完成的任務(wù)一般都有SOP（Standard Operating Procedures），確定的結(jié)果以及明確的結(jié)果衡量標(biāo)準(zhǔn)（evals，即評測方法及標(biāo)準(zhǔn)，其設(shè)定是AI產(chǎn)品/功能上線前需要著重準(zhǔn)備的內(nèi)容）。因此，直接根據(jù)任務(wù)結(jié)果完成激勵有其實(shí)現(xiàn)基礎(chǔ)。同時，在共生模式（Symbiotic Mode）下，對人類員工的衡量標(biāo)準(zhǔn)會也會從原先相對寬泛的OKR/KPI指標(biāo)，下探到任務(wù)級的SLA（Service Level Agreement，服務(wù)水平協(xié)議），比如延遲、吞吐、產(chǎn)品可用性等。

AI時代會更加側(cè)重對任務(wù)結(jié)果的衡量還有一個可比案例。Open AI董事長布雷特·泰勒（Bret Taylor）創(chuàng)辦了一家為ADT、Sonos、Casper等企業(yè)提供客戶服務(wù)的AI Agent公司Sierra。Sierra區(qū)別于其他傳統(tǒng)2B軟件服務(wù)公司的核心點(diǎn)在于其商業(yè)模式——只對結(jié)果進(jìn)行收費(fèi)。也就是說當(dāng)AI Agent自主解決客戶打電話或聊天的案件時，需要付費(fèi)；如果AI Agent將客戶電話轉(zhuǎn)移到真人身上，它將不收取任何費(fèi)用。布雷特·泰勒（Bret Taylor）認(rèn)為這種為結(jié)果付費(fèi)的商業(yè)模式應(yīng)該成為未來AI Agent行業(yè)的標(biāo)準(zhǔn)商業(yè)模式。由此也可見，對任務(wù)結(jié)果直接進(jìn)行衡量（Measure the Value），將是AI時代管理過程中的重要發(fā)展方向。

在薪酬激勵側(cè)的另一個課題是預(yù)測定價。AI實(shí)踐整體尚屬于早期，有時雖然HAIC（人機(jī)協(xié)同）任務(wù)有明確結(jié)果，但任務(wù)結(jié)果與業(yè)務(wù)價值之間無法完成直接關(guān)聯(lián)，此時便需要通過預(yù)測定價，完成薪酬激勵方案設(shè)計。

預(yù)測激勵分為兩種：

方案一是仍在任務(wù)型組織方向內(nèi)，預(yù)測任務(wù)結(jié)果和實(shí)際的業(yè)務(wù)價值之間的關(guān)系，其本質(zhì)是對市場反饋的預(yù)測。

方案二則是回歸傳統(tǒng)的薪酬方案，對崗位/角色的價值進(jìn)行預(yù)測定價。“以崗定薪，以績定獎”是經(jīng)典的薪酬設(shè)計理念，那么在HAIC的工作模式將如何影響員工的薪酬定價？假設(shè)員工A善用AI工具，員工B是普通員工，員工A的工作產(chǎn)出是員工B的10倍，現(xiàn)在要給員工A額外的薪資激勵，請問此部分是屬于“調(diào)整的崗位薪資”，還是“獎勵薪資”？答案也許是——“調(diào)整的崗位薪資”。

員工A和員工B雖然在為同一類任務(wù)結(jié)果努力，但其履職所需要的技能，工作職責(zé)的范圍其實(shí)已經(jīng)發(fā)生了較大的變化，其工資的調(diào)整更像是“一個人干了10個人的活，拿3個人的錢”。選擇重新定價“崗位薪資”而非設(shè)計“獎勵薪資”的方式完成HAIC工作模式下的員工激勵還有另一個原因——避免“AI厭惡”。

埃默里大學(xué)（Emory University）教授杰西·博克施泰特（Jesse C. Bockstedt）研究發(fā)現(xiàn)當(dāng)薪酬激勵規(guī)則定為“因參與者任務(wù)表現(xiàn)好而獲得激勵”時，他們表現(xiàn)出更強(qiáng)的同人類員工進(jìn)行合作傾向（減少同AI的交互），哪怕有確實(shí)的證據(jù)表明在相同任務(wù)上與AI的合作將帶來更好的效果；而當(dāng)把薪酬激勵規(guī)則改為“因任務(wù)表現(xiàn)不佳而扣減薪酬”時，對AI合作的厭惡即被消除。

也因此，方案二的預(yù)測定價，就是定出這個“新”崗位/角色，到底“能多拿幾個人的錢”。此時的預(yù)測，可以首先選取定價維度，再形成各維度之間的函數(shù)關(guān)系，以此形成預(yù)測定價。具體的函數(shù)關(guān)系設(shè)定與不同組織的實(shí)際情況息息相關(guān)，但定價維度的選擇在不同的組織間有一定的共性。

有些定價維度可以跨HAIC的不同模式共用，比如市場稀缺度、時間窗口緊張度。有些定價維度則會根據(jù)不同的HAIC模式而有所差異化。比如在以人為主（Human-Centric Model）模式下定價時可以考慮原崗位薪資、AI效能倍數(shù)（使用AI帶來的效能提升），但共生模式（Symbiotic Mode）則無法使用，因?yàn)楣采Ｊ揭话銜殡S完整的流程改造，嵌入其中的人類員工崗位/角色與原有崗位差異較大；再比如崗位半衰期（崗位生命周期）對于以人為主（Human-Centric Model）模式和共生模式（Symbiotic Mode）相對重要，而對于AI為主（AI-Centric Model）中的人類員工定價可能就不是關(guān)鍵因素。不同的組織在不同的時間窗口，會有不同的定價維度選擇，也會構(gòu)建出不同的模型關(guān)系。下文展示部分建模可能相關(guān)的維度，供參考。

二十世紀(jì)二十年代，電力取代蒸汽動力，開始廣泛使用于生產(chǎn)環(huán)境中；二十一世紀(jì)二十年代，AI忽地出現(xiàn)，潛入人們的工作和生活。大變革里，有人嗟與嘆，沉浸在上一個時代的余暉中；有人鼓與呼，為迎接新世界的到來而高歌。你我現(xiàn)在就處于這樣一種時刻，矛盾、沖突、迷惘，興奮，緊張。但，希望正在此時此地孕育。二十世紀(jì)二十年代，茨威格寫下《人類群星閃耀時》；一百年后的今天，AI開始與人共存。自此后，也許，閃耀的不只有人類的光芒；也許，人類在宇宙中也將不再孤獨(dú)。

參考資料：

1.Fragiadakis, George, et al. "Evaluating human-ai collaboration: A review and methodological framework." arXiv preprint arXiv:2407.19098 (2024).

2.Teevan, Jaime, B. Hecht, and S. Jaffe. "The new future of work." Microsoft Internal Rep (2020).

3.Lauritzen, Andreas D., et al. "Early indicators of the impact of using AI in mammography screening for breast cancer." Radiology 311.3 (2024): e232479.

4.https://waymo.com/intl/zh-cn/safety/impact/

5.https://ir.symbotic.com/news-releases/news-release-details/symbotic-acquire-walmarts-advanced-systems-and-robotics-business?utm_source=chatgpt.com

6.https://blog.adobe.com/en/publish/2024/10/15/announcing-2024-adobe-firefly-partner-award-winner-runners-up?utm_source=chatgpt.com

7.https://www.sap.com/products/artificial-intelligence/ai-assistant.html?utm_source=chatgpt.com

8.Ransbotham, Sam, et al. "Expanding AI’s impact with organizational learning." (2020).

9.Devine, Warren D., Jr. "From Shafts to Wires: Historical Perspective on Electrification." The Journal of Economic History (1983).

10.Yee, Lareina, M. Chui, R. Roberts, and S. Xu. "One Year of Agentic AI: Six Lessons from the People Doing the Work." McKinsey & Company (2025).

11.Kenny, Graham, and K. Oosthuizen. "Don’t Let AI Reinforce Organizational Silos." Harvard Business Review (2025).

12.HBR Editors. "How AI Is Redefining Managerial Roles." Harvard Business Review (2025).

13.Zou, Yunjin, and Lan Xue. "非常規(guī)任務(wù)應(yīng)對的組織學(xué)解釋：任務(wù)型組織的生成邏輯與運(yùn)作機(jī)理——基于智能體模擬仿真的分析." Journal of Public Management (2025).

14.https://www.theverge.com/decoder-podcast-with-nilay-patel/773904/sierra-ceo-bret-taylor-ai-agents-openai-bubble-interview

15.Bockstedt, Jesse C., and J. R. Buckman. "Humans’ Use of AI Assistance: The Effect of Loss Aversion on Willingness to Delegate Decisions." Management Science (2025).