Ist KI ein Algorithmus mit einem anderen Namen? Verhaltensreaktionen auf KI- und modellbasierte Nachfrageplanungsalgorithmen

ZUSAMMENFASSUNG Mit der fortschreitenden Einführung von KI-Algorithmen wissen Manager nicht, ob bestehende Prozesse der Nachfrageplanung mögliche Unterschiede im menschlichen Verhalten bei der Nutzung von KI-basierten Systemen im Vergleich zu herkömmlichen modellbasierten Systemen berücksichtigen. Diese Studie untersucht, wie sich das menschliche Verhalten bei der Durchführung von Nachfrageprognoseaufgaben aufgrund der Offenlegung der Algorithmentypen (KI oder Modell) zusammen mit der zugehörigen Algorithmusleistung (niedrig und verbessernd) unterscheiden kann. Unter Verwendung der Signaling-Theorie postulieren wir, dass Algorithmentyp und Leistung das Verhalten der Nutzer bei der Prognoseanpassung beeinflussen. Wir finden Unterstützung für diese Vorhersagen in zwei Laborexperimenten und einem großen quasi-natürlichen Feldexperiment mit etwa 575.000 Beobachtungen eines multinationalen Einzelhändlers. Im Labor finden wir keinen signifikanten direkten Effekt des Algorithmentyps unabhängig von der Leistung. Im Gegensatz dazu implementieren Nutzer im Feld signifikant größere Anpassungen bei KI-basierten Algorithmen im Vergleich zu modellbasierten Algorithmen. In beiden Kontexten hat die Algorithmusleistung, ob niedrig oder verbessernd, einen signifikanten direkten Einfluss auf die Nutzeranpassungen, wobei die Nutzer ihr Verhalten an die Leistung des Algorithmus anpassen. Schließlich stellen wir fest, dass im Labor und im Feld die Reaktionen der Nutzer auf niedrige Leistung verstärkt werden, wenn die Prognosen von KI-basierten Algorithmen stammen. Unsere Ergebnisse unterstreichen die Nuancen und Komplexitäten, mit denen Nutzer mit KI-basierten Algorithmen im Vergleich zu modellbasierten Algorithmen interagieren, und demonstrieren den Wert der Signaling-Theorie zum Verständnis der Mensch-KI-Kollaboration.