管理决策中的生成人工智能：通过歧义消解和阿谀奉承分析重新定义边界

生成式人工智能越来越多地集成到复杂的业务工作流程中，从根本上改变了管理决策的界限。然而，在模糊的商业环境中其战略建议的可靠性仍然是一个关键的知识差距。本研究通过比较各种歧义检测模型、评估系统解决过程如何提高响应质量以及调查他们在收到有缺陷的指令时的阿谀奉承行为来解决这个问题。使用新颖的四维业务模糊性分类法，我们在战略、战术和运营场景中进行了人机交互实验。由此产生的决定采用“大语言模型作为法官”框架进行评估，其标准包括协议、可操作性、论证质量和约束遵守情况。结果揭示了不同的性能能力。虽然模型擅长检测内部矛盾和上下文歧义，但它们却难以应对结构性语言的细微差别。歧义解决持续提高了所有决策类型的响应质量，而阿谀奉承行为分析则根据模型架构揭示了不同的模式。这项研究通过将 GAI 定位为认知支架，可以检测和解决管理者可能忽视的模糊性，但其自身的人为限制需要人力管理来确保其作为战略合作伙伴的可靠性，从而为有限理性文献做出了贡献。