《中国科学基金》 | 专题：双清论坛“大规模商务场景的统计管理论”“基于人工智能技术的工商管理发展”

以人工智能技术赋能管理科学高质量发展

请识别上方二维码下载PDF原文

专题一: 双清论坛“大规模商务场景的统计管理论”

大规模商务场景是科学技术进步与商业实践发展的必然产物。大规模商务场景既覆盖了面向经济主战场的商务实践，也包括国家治理相关的重要领域，还关注数字孪生为核心的新一代数字管理技术。大规模商务场景的统计管理覆盖了管理学、经济学、计算机、环境治理、数学、统计学等多个交叉学科，为管理理论的创新提供了独特机遇。如何面向大规模商务场景，发展前沿统计方法，创新管理理论是政府部门、工业界和学术界共同关心的重要问题。基于国家自然科学基金委员会第344期“双清论坛”，本文从大规模商务场景出发，围绕复杂商务场景中的“数据分析方法”“统计计算与优化方法”以及“预测理论与管理决策”三方面进行了深入探讨。基于对相关概念的清晰界定和对国内外的重要文献进行系统梳理，总结了当前国内外研究现状与前沿，分析了发展趋势和方向，凝练了该领域未来5到10年的重大关键科学问题，探讨了前沿研究方向和科学基金资助战略。

现代管理决策面临着错综复杂的不确定性。随着大数据应用的不断深化，最优化技术与算力的持续提升，以及统计学与机器学习的蓬勃发展，预测驱动最优化正在成为应对复杂不确定决策问题的有力工具。预测驱动最优化通过整合统计预测建模与决策最优化，实现对不确定性与决策效能的联合统计管理，从而形成统计一致、有效的数据驱动型决策范式。本文聚焦于不确定环境下的统计预测建模与管理决策最优化，分别探讨分布已知（随机型）与分布未知（分布鲁棒型）条件下的预测驱动最优化模型框架。在此基础上，介绍预测驱动最优化在运营管理领域的前沿应用研究，并总结若干重要的未来研究方向与挑战。

随着全球经济合作与竞争形势的快速发展，复杂商务场景日益涌现。其中，数据的规模和复杂性也呈现显著增长，在带来可利用数据资源的同时，也为有效挖掘和分析潜在商务模式带来挑战。本文首先针对复杂商务场景下的数据特点进行分析，其次调研了商务分析方法的研究进展，包括：大规模商务数据集、多模态预训练与特征融合方法以及多场景下可泛化商务模型技术。此外，对复杂商务场景数据分析在未来的应用发展进行思考与总结，讨论了目前亟需解决的关键问题，包括：对更多模态的适应性、商务分析模型可解释性、动态环境下的分布变化鲁棒性等。进一步分析了复杂商务场景可泛化模型的研究现状和挑战，旨在为复杂商务分析领域的研究提供初步参考，实现复杂商务场景的全面智能化。

互联网、大数据、人工智能等信息技术催生海量数据，网络数据作为重要数据形式，具有极高的挖掘潜力与分析价值。本文首先回顾了经典网络数据建模方法及相关理论性质研究，其次综述了上述方法在金融风险、宏观经济、商业营销、社会民生方面的具体应用。在此基础上，本文针对大数据背景下复杂网络数据异质性、非线性、高维度、大规模的特征，以及众多场景中的具体应用需求，总结现有研究存在的不足，阐述了网络数据建模在理论方法与实证分析中面临的挑战。最后，基于网络数据的新特点与新需求，给出现实场景中的网络数据分析在理论建模与应用研究方面的建议。

《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》要求大力发展物流、交通、医疗等行业，其中做好管理决策是关键。作为管理决策的引擎，分布鲁棒优化以其决策稳健性、计算便利性、应用普适性等突出优势，在近20年得到了学界和业界的广泛关注。本文从优化问题环境参数的不确定性建模、分布鲁棒机会约束优化以及分布鲁棒线性优化等方面，梳理了分布鲁棒优化的经典结论与研究现状，并以车辆路径优化、共享出行车辆调配、医疗手术室调度三个典型问题为例，回顾了分布鲁棒优化在管理决策中的应用。立足大数据时代，当前研究趋势包括：特征数据驱动的分布鲁棒优化、结合具体应用场景的数据驱动型分布鲁棒优化以及数据驱动型分布鲁棒离散优化的算法设计等。这些重要问题的解决将推动该领域的数据化发展，并进一步为服务国家战略赋能。

专题二: 基于人工智能技术的工商管理发展

依据“基于人工智能技术的工商管理发展”学术研讨会，本文结合相关研究前沿问题和国家重大需求，系统总结了当前工商管理关于人工智能研究的现状、机遇与挑战。总体来看，当前研究主要将人工智能技术作为研究工具、方法或情景，将人工智能作为研究对象构建新创理论的实证研究相对不足，面临理论发展滞后、研究方法不足、研究路径单一、跨学科整合不足以及对相关伦理问题重视度不够等五大挑战。在此基础上，利用Web of Science全面检索并梳理了2022年1月至2024年3月间与人工智能主题直接相关的工商管理期刊论文225篇，归纳了当前工商管理学科各个细分方向研究的主要进展，凝练了面向人工智能的组织结构与设计、组织能力演化、组织行为与人力资源管理变革、人机协同、数字营销、金融财会风险监管、信息系统、管理哲学与文化等八大方面的关键科学问题，指出了我国工商管理学科在人工智能时代的发展目标与研究方向。

人工智能技术拓展了财务学的研究领域和研究方法。本文系统性地梳理与回顾了2004—2023年发表在国内外顶级期刊的453篇相关文献，构建了人工智能技术与公司财务交叉研究的分析框架。一方面，人工智能技术的广泛应用颠覆性地影响公司决策、证券市场、信贷市场等经济活动，为财务学研究提供了新场景。另一方面，人工智能技术强大的信息挖掘能力使得财务学研究得以克服部分传统研究中的难题，更好地开展事件预测、因果推断和处理非结构数据构建变量。同时，本文总结了人工智能技术与财务学交叉研究面临的问题与挑战。最后，探讨了该领域未来发展趋势与潜在研究机会，包括如何基于中国独特的制度背景构建人工智能技术与财务学交叉研究的新理论、新问题和新方法。

以ChatGPT为代表的生成式人工智能在多模态信息的理解和生成方面展现出了卓越的能力，在多个领域中都展现出了较强的任务处理能力和广阔的应用前景。生成式人工智能因此有望在各行各业中产生一系列深刻影响，全面重塑诸多工作岗位的基本内容以及企业组织对于人力资本的配置和发展需求。本文将先介绍以ChatGPT为代表的生成式人工智能的数据基础与基本应用，再进一步基于人力资源管理中经典的工作流程分析（Work-Flow Analysis）的视角，探讨生成式人工智能在人力资源管理中应用的影响，凝练生成式人工智能应用场景下可能带来的人力资源管理问题，展望这一领域的未来研究方向。