Расширение организационного принятия решений с помощью алгоритмов глубокого обучения: принципы, перспективы и проблемы

Современное расширение теоретических и эмпирических исследований искусственного интеллекта в области менеджмента и организационных исследований придало новый импульс теории и исследованиям принятия решений в организациях. В частности, последние достижения в области алгоритмов глубокого обучения (DL) открывают перспективы для принятия решений в организациях, например помогая сотрудникам обрабатывать информацию, тем самым расширяя их аналитические возможности и, возможно, способствуя их переходу к более творческой работе. Мы концептуализируем процесс принятия решений в организациях, дополненный результатами работы алгоритмов DL, такими как прогнозы или устойчивые закономерности, выявленные в неструктурированных данных, как принятие решений, усиленное глубоким обучением (DLADM). Мы содействуем пониманию и применению DL для принятия решений в организациях: (a) предлагаем доступное введение в алгоритмы DL и (b) иллюстрируем DLADM с помощью двух тематических исследований, основанных соответственно на задачах распознавания изображений и анализа тональности, выполненных на наборах данных компании Zalando, европейской фирмы электронной торговли, и веб-сайта Rotten Tomatoes, агрегирующего рецензии на фильмы. Наконец, мы обсуждаем перспективы и проблемы DLADM, а также рекомендации для менеджеров по их учёту и решению.