在许多企业中，组织知识往往分散在各种软件系统、隐性专业知识和手动文档中，这些文档通常是为人类使用而设计的。随着 AI 系统的逐步应用并在决策中扮演越来越重要的角色，它们需要访问这些知识。这引发了两个关键问题：
- 组织应该如何存储和维护知识，以确保其对人类和未来的 AI 系统均可访问？
- 在不同风险和不确定性级别的任务中，应该如何分配人类和 AI 的决策权？
在这篇立场论文中，我们描述了组织知识如何演变，并提出了一个框架，该框架将任务属性和知识可用性映射到推荐的决策权分配和控制机制。我们通过两个不同的制造任务来说明该框架的适用性：常规操作（视觉质量检查）和一次性的战略决策（工厂选址），最后总结了未来研究的机会。
博主点评： 本文提出的框架为人机协作中的知识管理提供了系统性视角，尤其在 AI 决策越来越普遍的背景下，如何合理分配决策权显得尤为重要。未来的研究可以进一步探索不同领域的具体应用。