ДОСЛІДЖЕННЯ РОЛІ ШТУЧНОГО ІНТЕЛЕКТУ У ФОРМУВАНІ ЛЮДИНО-АЛГОРИТМІЧНИХ ВЗАЄМОДІЙ
Article Sidebar
Надіслано: 04-02-2026
Прийнято: 14-04-2026
Опубліковано: 27-05-2026Article Details
©, Авторські права належать авторам.
Ця стаття опублікована відповідно до стандартів відкритого доступу та розповсюджується за ліцензією Creative Commons Attribution 4.0 International (CC BY 4.0), яка дозволяє необмежене використання, розповсюдження та відтворення змісту на будь-якому носії, за умови зазначення оригінального автора та джерела.
Main Article Content
Анотація
Дослідження присвячене ролі штучного інтелекту у формуванні людино-алгоритмічної взаємодії (ЛАВ) та визначенню його структурної позиції в комунікаційних мережах. Теоретико-методологічною основою дослідження є методологія аналізу соціальних мереж (SNA) та положення акторно-мережевої теорії (ANT). Емпіричну базу сформовано на основі опитування 145 фахівців трьох ІТ-компаній.
У результаті дослідження виявлено структурні зміни комунікаційних мереж і трансформацію моделей взаємодії учасників. Установлено низький рівень щільності досліджуваних мереж. Отримані результати пояснюються інтеграцією штучного інтелекту в комунікаційну мережу організації, що супроводжується скороченням міжособистісних зв’язків і зниженням загальної щільності мережі. Також установлено, що штучний інтелект має найвищі значення вхідної центральності в усіх організаціях і характеризується максимальною доступністю, що свідчить про його структурну впливовість у комунікаційних процесах. Водночас нульові значення показника серединності свідчать про те, що штучний інтелект не виконує функцій посередника в передачі інформації та не ініціює комунікації. Установлено, що інформація, отримана від штучного інтелекту, поширюється через посередників у межах окремих груп. У ході дослідження не підтверджено впливу штучного інтелекту на показник геодезичної дистанції мереж.
Аналіз моделей поведінки та мотивів звернення до штучного інтелекту як джерела допомоги виявив формування гібридної моделі розподілу завдань. Штучний інтелект переважно залучали до виконання креативних і рутинних операцій, водночас соціальні завдання вирішували через міжособистісну взаємодію. Винятком є одна компанія, яка демонструє ширше залучення штучного інтелекту навіть у соціальному контексті. Установлено селективний характер вибору джерел підтримки залежно від типу завдань і домінування мотивів швидкості та досвіду при зверненні до штучного інтелекту, а також досвіду й надійності при зверненні до колег.
Результати свідчать про еволюційний характер формування людино-алгоритмічної взаємодії та демонструють, що інтеграція штучного інтелекту змінює не лише технічні процеси, а й соціальну логіку комунікацій. Виявлені відмінності між компаніями інтерпретуються як різні рівні цифрової зрілості та підтверджують активну роль штучного інтелекту у формуванні гібридних соціотехнічних систем.
Посилання
Ateeq, K., Oswal, N., Jawabri, A., Masaeid, T. A., Alquqa, E. K., Basha, S. E., & Alami, R. (2025). The transformative impact of artificial intelligence (AI) on organisational behaviour (OB): A study of employee engagement, performance, and ethical implications. Journal of Posthumanism, 5(4), 1245–1256. https://doi.org/10.63332/joph.v5i4.1221 DOI: https://doi.org/10.63332/joph.v5i4.1221
Bankins, S., Ocampo, A. C., Marrone, M., Restubog, S. L. D., & Woo, S. E. (2024). A multilevel review of artificial intelligence in organizations: Implications for organizational behavior research and practice. Journal of Organizational Behavior, 45(2), 159–182. https://doi.org/10.1002/job.2735 DOI: https://doi.org/10.1002/job.2735
Beckers, A., & Teubner, G. (2023). Human–algorithm hybrids as (quasi-) organizations? On the accountability of digital collective actors. Journal of Law and Society, 50(1), 100–119. https://doi.org/10.1111/jols.12412 DOI: https://doi.org/10.1111/jols.12412
Borgatti, S. P., Everett, M. G., & Freeman, L. C. (2002). UCINET for Windows: Software for social network analysis. Analytic Technologies. https://sites.google.com/site/ucinetsoftware/home
Dell’Acqua, F., Ayoubi, C., Lifshitz, H., Sadun, R., Mollick, E., Mollick, L., Han, Y., Goldman, J., Nair, H., Taub, S., & Lakhani, K. R. (2025). Navigating the jagged technological frontier: Field experimental evidence of the effects of AI on knowledge worker productivity and quality. SSRN. https://doi.org/10.2139/ssrn.5188231 DOI: https://doi.org/10.2139/ssrn.5188231
Derr, A. (2024, November 13). Using network density to evaluate and optimize collaboration intensity. Visible Network Labs. https://visiblenetworklabs.com/2024/11/13/using-network-density-to-evaluate-and-optimize-collaboration-intensity/
Faraj, S., Pachidi, S., & Sayegh, K. (2018). Working and organizing in the age of the learning algorithm. Information and Organization, 28(1), 62–70. https://doi.org/10.1016/j.infoandorg.2018.02.005 DOI: https://doi.org/10.1016/j.infoandorg.2018.02.005
Fedorets, V. M., Klochko, O. V., Tverdokhlib, I. A., & Sharyhin, O. A. (2024). Cognitive aspects of interaction in the “human–artificial intelligence” system. Journal of Physics: Conference Series, 2871(1), 012023. https://doi.org/10.1088/1742-6596/2871/1/012023 DOI: https://doi.org/10.1088/1742-6596/2871/1/012023
Freeman, L. C. (1979). Centrality in social networks: Conceptual clarification. Social Networks, 1(3), 215–239. https://doi.org/10.1016/0378-8733(78)90021-7 DOI: https://doi.org/10.1016/0378-8733(78)90021-7
Gómez, S. (2019). Centrality in networks: Finding the most important nodes. In P. Moscato & N. J. de Vries (Eds.), Business and consumer analytics: New ideas (pp. 401–420). Springer. https://webs-deim.urv.cat/~sergio.gomez/papers/Gomez-Centrality_in_networks-Finding_the_most_important_nodes.pdf DOI: https://doi.org/10.1007/978-3-030-06222-4_8
Guingrich, R. E., & Graziano, M. S. A. (2024). Ascribing consciousness to artificial intelligence: Human–AI interaction and its carry-over effects on human–human interaction. Frontiers in Psychology, 15, Article 1322781. https://doi.org/10.3389/fpsyg.2024.1322781 DOI: https://doi.org/10.3389/fpsyg.2024.1322781
Hanneman, R., & Riddle, M. (2005). Introduction to social network methods. University of California, Riverside. https://faculty.ucr.edu/~hanneman/nettext/Introduction_to_Social_Network_Methods.pdf
Hillebrand, L., Raisch, S., & Schad, J. (2025). Managing with artificial intelligence: An integrative framework. Academy of Management Annals, 19(1), 343–375. https://doi.org/10.5465/annals.2022.0072 DOI: https://doi.org/10.5465/annals.2022.0072
Hollan, J., Hutchins, E., & Kirsh, D. (2000). Distributed cognition: Toward a new foundation for human–computer interaction research. ACM Transactions on Computer-Human Interaction, 7(2), 174–196. https://doi.org/10.1145/353485.353487 DOI: https://doi.org/10.1145/353485.353487
Humphries, M. D., & Gurney, K. (2008). Network “small-world-ness”: A quantitative method for determining canonical network equivalence. PLOS ONE, 3(4), e2051. https://doi.org/10.1371/journal.pone.0002051 DOI: https://doi.org/10.1371/journal.pone.0002051
Jarrahi, M. H. (2018). Artificial intelligence and the future of work: Human–AI symbiosis in organizational decision making. Business Horizons, 61(4), 577–586. https://doi.org/10.1016/j.bushor.2018.03.007 DOI: https://doi.org/10.1016/j.bushor.2018.03.007
Jarrahi, M. H., Newlands, G., Lee, M. K., Wolf, C. T., Kinder, E., & Sutherland, W. (2021). Algorithmic management in a work context. Big Data & Society, 8(2). https://doi.org/10.1177/20539517211020332 DOI: https://doi.org/10.1177/20539517211020332
Joshi, S. (2025). Artificial intelligence in leadership and management: Current trends and future directions. SSRN. https://doi.org/10.20944/preprints202504.1429.v2 DOI: https://doi.org/10.2139/ssrn.5221767
Kassa, B. Y., & Worku, E. K. (2025). The impact of artificial intelligence on organizational performance: The mediating role of employee productivity. Journal of Open Innovation: Technology, Market, and Complexity, 11(1), Article 100474. https://doi.org/10.1016/j.joitmc.2025.100474 DOI: https://doi.org/10.1016/j.joitmc.2025.100474
Kastrin, A., Rindflesch, T. C., & Hristovski, D. (2014). Large-scale structure of a network of co-occurring MeSH terms: Statistical analysis of macroscopic properties. PLOS ONE, 9(7), e102188. https://doi.org/10.1371/journal.pone.0102188 DOI: https://doi.org/10.1371/journal.pone.0102188
Keegan, A., & Meijerink, J. (2025). Algorithmic management in organizations? From edge case to center stage. Annual Review of Organizational Psychology and Organizational Behavior, 12, 395–422. https://doi.org/10.1146/annurev-orgpsych-110622-070928 DOI: https://doi.org/10.1146/annurev-orgpsych-110622-070928
Kellogg, K. C., Valentine, M. A., & Christin, A. (2020). Algorithms at work: The new contested terrain of control. Academy of Management Annals, 14(1), 366–410. https://doi.org/10.5465/annals.2018.0174 DOI: https://doi.org/10.5465/annals.2018.0174
Kim, D.-Y. (2019). Closeness centrality: A social network perspective. Journal of International & Interdisciplinary Business Research, 6(1), Article 8. https://scholars.fhsu.edu/jiibr/vol6/iss1/8 DOI: https://doi.org/10.58809/EHGJ2799
Krakowski, S., Haftor, D., Luger, J., Pashkevich, N., & Raisch, S. (2025). Human-centered artificial intelligence: A field experiment. Management Science. https://doi.org/10.1287/mnsc.2022.03849 DOI: https://doi.org/10.1287/mnsc.2022.03849
Latour, B. (1993). We have never been modern (C. Porter, Trans.). Harvard University Press. (Original work published 1991). https://monoskop.org/images/e/e4/Latour_Bruno_We_Have_Never_Been_Modern.pdf
Leonardi, P. M. (2011). When flexible routines meet flexible technologies: Affordance, constraint, and the imbrication of human and material agencies. MIS Quarterly, 35(1), 147–167. https://doi.org/10.2307/23043493 DOI: https://doi.org/10.2307/23043493
Lizardo, O. (2020). Degree centrality. In Social networks: An introduction. https://bookdown.org/omarlizardo/_main/4-2-degree-centrality.html
Meng, Q., Wu, T.-J., Du, W., & Li, S. (2025). Employee–AI collaboration, loneliness, emotional fatigue, and counterproductive work behavior: The moderating role of leader emotional support. Behavioral Sciences, 15(5), 696. https://doi.org/10.3390/bs15050696 DOI: https://doi.org/10.3390/bs15050696
Nickerson, C. (2024). Latour’s actor-network theory. Simply Psychology. https://www.simplypsychology.org/actor-network-theory.html
Oliveira, M., & Gama, J. (2012). An overview of social network analysis. WIREs Data Mining and Knowledge Discovery, 2(6), 99–115. https://doi.org/10.1002/widm.1048 DOI: https://doi.org/10.1002/widm.1048
Orlikowski, W. J., & Scott, S. V. (2008). Sociomateriality: Challenging the separation of technology, work, and organization. Academy of Management Annals, 2(1), 433–474. https://doi.org/10.5465/19416520802211644 DOI: https://doi.org/10.5465/19416520802211644
Petrunko, O., & Pliushch, O. (2025). The interaction of humans and artificial intelligence: Search for an explanatory paradigm. Scientific Notes of KROK University, 2(78), 424–431. https://doi.org/10.31732/2663-2209-2025-78-424-431 DOI: https://doi.org/10.31732/2663-2209-2025-78-424-431
Peeters, M. M. M., van Diggelen, J., van den Bosch, K., Bronkhorst, A., Neerincx, M., Schraagen, J. M., & Raaijmakers, S. (2021). Hybrid collective intelligence in a human–AI society. AI & Society, 36(3), 217–238. https://doi.org/10.1007/s00146-020-01005-y DOI: https://doi.org/10.1007/s00146-020-01005-y
Pîrjan, A., & Petroşanu, D.-M. (2025). Artificial social intelligence and the transformation of human interaction by artificial intelligence agents. Journal of Information Systems & Operations Management, 19(1), 259–305. https://jisom.rau.ro/Vol.19%20No.1%20-%202025/JISOM%2019.1_259-305.pdf
Raisch, S., & Fomina, K. (2023). Combining human and artificial intelligence: Hybrid problem-solving in organizations. Academy of Management Review. https://doi.org/10.5465/amr.2021.0421 DOI: https://doi.org/10.5465/amr.2021.0421
Raisch, S., & Krakowski, S. (2021). Artificial intelligence and management: The automation–augmentation paradox. Academy of Management Review, 46(1), 192–210. https://doi.org/10.5465/amr.2018.0072 DOI: https://doi.org/10.5465/amr.2018.0072
Scopus. (n.d.). Elsevier. https://www.scopus.com
Sowa, K., Przegalinska, A., & Ciechanowski, L. (2021). Cobots in knowledge work: Human–AI collaboration in managerial professions. Journal of Business Research, 125, 135–142. https://doi.org/10.1016/j.jbusres.2020.12.045 DOI: https://doi.org/10.1016/j.jbusres.2020.11.038
Sundar, S. S. (2020). Rise of machine agency: A framework for studying the psychology of human–AI interaction (HAII). Journal of Computer-Mediated Communication, 25(1), 74–88. https://doi.org/10.1093/jcmc/zmz026 DOI: https://doi.org/10.1093/jcmc/zmz026
Wasserman, S., & Faust, K. (1994). Social network analysis: Methods and applications. Cambridge University Press. DOI: https://doi.org/10.1017/CBO9780511815478
Watts, D. J., & Strogatz, S. H. (1998). Collective dynamics of “small-world” networks. Nature, 393(6684), 440–442. https://doi.org/10.1038/30918 DOI: https://doi.org/10.1038/30918
Web of Science. (n.d.). Clarivate Analytics. https://www.webofscience.com
Zárate-Torres, R., Rey-Sarmiento, C. F., Acosta-Prado, J. C., Gómez-Cruz, N. A., Rodríguez Castro, D. Y., & Camargo, J. (2025). Influence of leadership on human–artificial intelligence collaboration. Behavioral Sciences, 15(7), 873. https://doi.org/10.3390/bs15070873 DOI: https://doi.org/10.3390/bs15070873