Análise da relação entre a transparência da inteligência artificial e a tomada de decisões gerenciais
Autor(a) principal: | |
---|---|
Data de Publicação: | 2023 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFPE |
dARK ID: | ark:/64986/0013000005g3q |
Texto Completo: | https://repositorio.ufpe.br/handle/123456789/51312 |
Resumo: | A tecnologia, notadamente aquela relativa às ferramentas e modelos de inteligência artificial (IA), tem afetado e até redefinido o papel dos seres humanos no tocante ao processo decisório das organizações. Neste contexto, para um(a) gestor(a) abdicar das próprias impressões e experiências pessoais, e delegar a um modelo de IA a decisão que antes lhe cabia, é necessário que este modelo seja transparente e adequado à referida decisão. Dados os diferentes graus de transparência da IA e os distintos tipos de decisão gerencial, a presente tese doutoral propõe a seguinte questão de pesquisa: a aderência dos gestores às recomendações de um modelo de IA é afetada pela transparência do referido modelo e pelo tipo de decisão envolvida? A pesquisa adiciona argumentos à literatura sobre a chamada Human-Computer Interaction e, indiretamente, agrega nuances argumentativas que reforçam a discussão sobre a confiança na inteligência artificial. Para responder à questão de pesquisa, realizou-se um Artefactual Field Experiment com design experimental do tipo between-participants 2 x 2. As variáveis independentes foram a transparência (manipulada em dois níveis: alta versus baixa) e o tipo de decisão (também manipulada em dois níveis: operacional versus estratégica). A variável dependente foi a percepção dos gestores – manifesta no grau de aderência deles às recomendações feitas pelo modelo de IA do case. Utilizando o software Survey Monkey, aplicou-se a pesquisa a funcionários da área tática de uma instituição financeira no Brasil. Todos os participantes tinham participação e/ou poder de gestão, e foram aleatoriamente alocados entre os grupos que representaram as quatro condições experimentais. Obtiveram-se 102 respostas válidas. A análise de covariância (ANCOVA) das respostas obtidas permitiu concluir que a relação entre Transparência e Aderência é de natureza inversa – e não direta – isto é: mais Transparência implica menos Aderência. Assim, o efeito principal da Transparência sobre a Aderência, embora existente, aponta para uma direção oposta à da previsão teórica formulada. Além disso, verificou-se que Decisão não é capaz, por si só, de alterar de forma estatisticamente significativa a percepção dos gestores – e, consequentemente, não provoca uma modificação substantiva na sua Aderência. Por fim, ao examinar a interação entre as variáveis Transparência e Decisão, constatou-se que esta interação, de fato, ocorre e afeta de forma significativa a Aderência dos gestores às recomendações do sistema de inteligência artificial. Entretanto, este efeito apresentou sinal contrário ao da predição teórica realizada. Assim, não é possível afirmar que o efeito positivo da alta transparência sobre a Aderência é maior em decisões operacionais que em decisões estratégicas. Estes achados têm uma tripla implicação: primeiramente, contribuem para os estudos sobre Explainable Artificial Intelligence, aprimorando o entendimento sobre o impacto da transparência da IA no processo decisório; em segundo lugar, fornecem um subsídio teórico sobre como, no design de recommender systems, o tipo de decisão interage com a transparência da IA para orientar as decisões dos gestores; e, por fim, oferecem um insight sobre como o papel da confiança na tecnologia afeta a aderência dos gestores às recomendações feitas por modelos de inteligência artificial. |
id |
UFPE_5ec6074cee209c5faf30b4ebae43aaa7 |
---|---|
oai_identifier_str |
oai:repositorio.ufpe.br:123456789/51312 |
network_acronym_str |
UFPE |
network_name_str |
Repositório Institucional da UFPE |
repository_id_str |
2221 |
spelling |
SOUZA, Gustavo Henrique Costahttp://lattes.cnpq.br/1118582287092725http://lattes.cnpq.br/0634283724256002http://lattes.cnpq.br/8776692303907234WANDERLEY, Cláudio de AraújoAGUIAR, Andson Braga de2023-06-28T12:23:22Z2023-06-28T12:23:22Z2023-06-19SOUZA, Gustavo Henrique Costa. Análise da relação entre a transparência da inteligência artificial e a tomada de decisões gerenciais. 2023. Tese (Doutorado em Ciências Contábeis) – Universidade Federal de Pernambuco, Recife, 2023.https://repositorio.ufpe.br/handle/123456789/51312ark:/64986/0013000005g3qA tecnologia, notadamente aquela relativa às ferramentas e modelos de inteligência artificial (IA), tem afetado e até redefinido o papel dos seres humanos no tocante ao processo decisório das organizações. Neste contexto, para um(a) gestor(a) abdicar das próprias impressões e experiências pessoais, e delegar a um modelo de IA a decisão que antes lhe cabia, é necessário que este modelo seja transparente e adequado à referida decisão. Dados os diferentes graus de transparência da IA e os distintos tipos de decisão gerencial, a presente tese doutoral propõe a seguinte questão de pesquisa: a aderência dos gestores às recomendações de um modelo de IA é afetada pela transparência do referido modelo e pelo tipo de decisão envolvida? A pesquisa adiciona argumentos à literatura sobre a chamada Human-Computer Interaction e, indiretamente, agrega nuances argumentativas que reforçam a discussão sobre a confiança na inteligência artificial. Para responder à questão de pesquisa, realizou-se um Artefactual Field Experiment com design experimental do tipo between-participants 2 x 2. As variáveis independentes foram a transparência (manipulada em dois níveis: alta versus baixa) e o tipo de decisão (também manipulada em dois níveis: operacional versus estratégica). A variável dependente foi a percepção dos gestores – manifesta no grau de aderência deles às recomendações feitas pelo modelo de IA do case. Utilizando o software Survey Monkey, aplicou-se a pesquisa a funcionários da área tática de uma instituição financeira no Brasil. Todos os participantes tinham participação e/ou poder de gestão, e foram aleatoriamente alocados entre os grupos que representaram as quatro condições experimentais. Obtiveram-se 102 respostas válidas. A análise de covariância (ANCOVA) das respostas obtidas permitiu concluir que a relação entre Transparência e Aderência é de natureza inversa – e não direta – isto é: mais Transparência implica menos Aderência. Assim, o efeito principal da Transparência sobre a Aderência, embora existente, aponta para uma direção oposta à da previsão teórica formulada. Além disso, verificou-se que Decisão não é capaz, por si só, de alterar de forma estatisticamente significativa a percepção dos gestores – e, consequentemente, não provoca uma modificação substantiva na sua Aderência. Por fim, ao examinar a interação entre as variáveis Transparência e Decisão, constatou-se que esta interação, de fato, ocorre e afeta de forma significativa a Aderência dos gestores às recomendações do sistema de inteligência artificial. Entretanto, este efeito apresentou sinal contrário ao da predição teórica realizada. Assim, não é possível afirmar que o efeito positivo da alta transparência sobre a Aderência é maior em decisões operacionais que em decisões estratégicas. Estes achados têm uma tripla implicação: primeiramente, contribuem para os estudos sobre Explainable Artificial Intelligence, aprimorando o entendimento sobre o impacto da transparência da IA no processo decisório; em segundo lugar, fornecem um subsídio teórico sobre como, no design de recommender systems, o tipo de decisão interage com a transparência da IA para orientar as decisões dos gestores; e, por fim, oferecem um insight sobre como o papel da confiança na tecnologia afeta a aderência dos gestores às recomendações feitas por modelos de inteligência artificial.Technology, notably that related to AI tools and models, has affected and even redefined the role of human beings in the decision-making process of organizations. In this context, for a manager to give up his/her own personal impressions and experiences, and delegate to an AI model the decision that previously belonged to him/her, it is necessary that this model be transparent and adequate to that decision. Given the different degrees of transparency of AI and the different types of managerial decision, this doctoral thesis proposes the following research question: is managers’ adherence to the recommendations of an AI model affected by the transparency of that model and by the type of decision involved? The research adds arguments to the literature on the so-called Human-Computer Interaction and, indirectly, adds argumentative nuances that reinforce the discussion about trust in artificial intelligence. To answer the research question, an Artefactual Field Experiment was carried out with a 2 x 2 between-participants experimental design. The independent variables were transparency (manipulated in two levels: high versus low) and the type of decision (also manipulated in two levels: operational versus strategic). The dependent variable was the managers’ perception – manifested in their degree of adherence to the recommendations made by the case’s AI model. Using Survey Monkey software, the survey was applied to employees in the tactical area of a financial institution in Brazil. All participants had participation and/or management power, and were randomly allocated among groups that represented the four experimental conditions. 102 valid responses were obtained. Analysis of covariance (ANCOVA) of the responses obtained allowed us to conclude that the relationship between Transparency and Adherence is of an inverse nature – and not direct – that is: more Transparency implies less Adherence. Thus, the main effect of Transparency on Adherence, although existing, points in the opposite direction to the formulated theoretical prediction. In addition, it was found that Decision is not able, by itself, to change in a statistically significant way the perception of managers – and, consequently, does not cause a substantive change in their Adherence. Finally, when examining the interaction between the variables Transparency and Decision, it was found that this interaction, in fact, significantly affects the Adherence of managers to the recommendations of the artificial intelligence system. This effect, however, showed the opposite sign to the theoretical prediction made. Thus, it is not possible to state that the positive effect of high transparency on Adherence is greater in operational decisions than in strategic decisions. These findings have a triple implication: first, they contribute to studies on Explainable Artificial Intelligence, improving understanding of the impact of AI transparency on the decision-making process; secondly, they provide a theoretical subsidy on how, in the design of recommender systems, the type of decision interacts with the transparency of AI to guide managers’ decisions; and finally, they offer insight into the role of trust in technology in affecting managers’ adherence to recommendations made by artificial intelligence models.porUniversidade Federal de PernambucoPrograma de Pos Graduacao em Ciencias ContabeisUFPEBrasilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccessInteligência artificialTransparência de tecnologiaContabilidade gerencialAnálise da relação entre a transparência da inteligência artificial e a tomada de decisões gerenciaisinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisdoutoradoreponame:Repositório Institucional da UFPEinstname:Universidade Federal de Pernambuco (UFPE)instacron:UFPETEXTTESE Gustavo Henrique Costa Souza.pdf.txtTESE Gustavo Henrique Costa Souza.pdf.txtExtracted texttext/plain266083https://repositorio.ufpe.br/bitstream/123456789/51312/4/TESE%20Gustavo%20Henrique%20Costa%20Souza.pdf.txt6bed3470ad81a40e26aa2048966918d0MD54THUMBNAILTESE Gustavo Henrique Costa Souza.pdf.jpgTESE Gustavo Henrique Costa Souza.pdf.jpgGenerated Thumbnailimage/jpeg1269https://repositorio.ufpe.br/bitstream/123456789/51312/5/TESE%20Gustavo%20Henrique%20Costa%20Souza.pdf.jpgb88593059186badc1bb3034dbc20e735MD55ORIGINALTESE Gustavo Henrique Costa Souza.pdfTESE Gustavo Henrique Costa Souza.pdfapplication/pdf2352405https://repositorio.ufpe.br/bitstream/123456789/51312/1/TESE%20Gustavo%20Henrique%20Costa%20Souza.pdf58c4e32624d76080a87c05f57dcfe2e2MD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repositorio.ufpe.br/bitstream/123456789/51312/2/license_rdfe39d27027a6cc9cb039ad269a5db8e34MD52LICENSElicense.txtlicense.txttext/plain; charset=utf-82362https://repositorio.ufpe.br/bitstream/123456789/51312/3/license.txt5e89a1613ddc8510c6576f4b23a78973MD53123456789/513122023-06-29 03:44:34.76oai:repositorio.ufpe.br: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Repositório InstitucionalPUBhttps://repositorio.ufpe.br/oai/requestattena@ufpe.bropendoar:22212023-06-29T06:44:34Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)false |
dc.title.pt_BR.fl_str_mv |
Análise da relação entre a transparência da inteligência artificial e a tomada de decisões gerenciais |
title |
Análise da relação entre a transparência da inteligência artificial e a tomada de decisões gerenciais |
spellingShingle |
Análise da relação entre a transparência da inteligência artificial e a tomada de decisões gerenciais SOUZA, Gustavo Henrique Costa Inteligência artificial Transparência de tecnologia Contabilidade gerencial |
title_short |
Análise da relação entre a transparência da inteligência artificial e a tomada de decisões gerenciais |
title_full |
Análise da relação entre a transparência da inteligência artificial e a tomada de decisões gerenciais |
title_fullStr |
Análise da relação entre a transparência da inteligência artificial e a tomada de decisões gerenciais |
title_full_unstemmed |
Análise da relação entre a transparência da inteligência artificial e a tomada de decisões gerenciais |
title_sort |
Análise da relação entre a transparência da inteligência artificial e a tomada de decisões gerenciais |
author |
SOUZA, Gustavo Henrique Costa |
author_facet |
SOUZA, Gustavo Henrique Costa |
author_role |
author |
dc.contributor.authorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/1118582287092725 |
dc.contributor.advisorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/0634283724256002 |
dc.contributor.advisor-coLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/8776692303907234 |
dc.contributor.author.fl_str_mv |
SOUZA, Gustavo Henrique Costa |
dc.contributor.advisor1.fl_str_mv |
WANDERLEY, Cláudio de Araújo |
dc.contributor.advisor-co1.fl_str_mv |
AGUIAR, Andson Braga de |
contributor_str_mv |
WANDERLEY, Cláudio de Araújo AGUIAR, Andson Braga de |
dc.subject.por.fl_str_mv |
Inteligência artificial Transparência de tecnologia Contabilidade gerencial |
topic |
Inteligência artificial Transparência de tecnologia Contabilidade gerencial |
description |
A tecnologia, notadamente aquela relativa às ferramentas e modelos de inteligência artificial (IA), tem afetado e até redefinido o papel dos seres humanos no tocante ao processo decisório das organizações. Neste contexto, para um(a) gestor(a) abdicar das próprias impressões e experiências pessoais, e delegar a um modelo de IA a decisão que antes lhe cabia, é necessário que este modelo seja transparente e adequado à referida decisão. Dados os diferentes graus de transparência da IA e os distintos tipos de decisão gerencial, a presente tese doutoral propõe a seguinte questão de pesquisa: a aderência dos gestores às recomendações de um modelo de IA é afetada pela transparência do referido modelo e pelo tipo de decisão envolvida? A pesquisa adiciona argumentos à literatura sobre a chamada Human-Computer Interaction e, indiretamente, agrega nuances argumentativas que reforçam a discussão sobre a confiança na inteligência artificial. Para responder à questão de pesquisa, realizou-se um Artefactual Field Experiment com design experimental do tipo between-participants 2 x 2. As variáveis independentes foram a transparência (manipulada em dois níveis: alta versus baixa) e o tipo de decisão (também manipulada em dois níveis: operacional versus estratégica). A variável dependente foi a percepção dos gestores – manifesta no grau de aderência deles às recomendações feitas pelo modelo de IA do case. Utilizando o software Survey Monkey, aplicou-se a pesquisa a funcionários da área tática de uma instituição financeira no Brasil. Todos os participantes tinham participação e/ou poder de gestão, e foram aleatoriamente alocados entre os grupos que representaram as quatro condições experimentais. Obtiveram-se 102 respostas válidas. A análise de covariância (ANCOVA) das respostas obtidas permitiu concluir que a relação entre Transparência e Aderência é de natureza inversa – e não direta – isto é: mais Transparência implica menos Aderência. Assim, o efeito principal da Transparência sobre a Aderência, embora existente, aponta para uma direção oposta à da previsão teórica formulada. Além disso, verificou-se que Decisão não é capaz, por si só, de alterar de forma estatisticamente significativa a percepção dos gestores – e, consequentemente, não provoca uma modificação substantiva na sua Aderência. Por fim, ao examinar a interação entre as variáveis Transparência e Decisão, constatou-se que esta interação, de fato, ocorre e afeta de forma significativa a Aderência dos gestores às recomendações do sistema de inteligência artificial. Entretanto, este efeito apresentou sinal contrário ao da predição teórica realizada. Assim, não é possível afirmar que o efeito positivo da alta transparência sobre a Aderência é maior em decisões operacionais que em decisões estratégicas. Estes achados têm uma tripla implicação: primeiramente, contribuem para os estudos sobre Explainable Artificial Intelligence, aprimorando o entendimento sobre o impacto da transparência da IA no processo decisório; em segundo lugar, fornecem um subsídio teórico sobre como, no design de recommender systems, o tipo de decisão interage com a transparência da IA para orientar as decisões dos gestores; e, por fim, oferecem um insight sobre como o papel da confiança na tecnologia afeta a aderência dos gestores às recomendações feitas por modelos de inteligência artificial. |
publishDate |
2023 |
dc.date.accessioned.fl_str_mv |
2023-06-28T12:23:22Z |
dc.date.available.fl_str_mv |
2023-06-28T12:23:22Z |
dc.date.issued.fl_str_mv |
2023-06-19 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
SOUZA, Gustavo Henrique Costa. Análise da relação entre a transparência da inteligência artificial e a tomada de decisões gerenciais. 2023. Tese (Doutorado em Ciências Contábeis) – Universidade Federal de Pernambuco, Recife, 2023. |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufpe.br/handle/123456789/51312 |
dc.identifier.dark.fl_str_mv |
ark:/64986/0013000005g3q |
identifier_str_mv |
SOUZA, Gustavo Henrique Costa. Análise da relação entre a transparência da inteligência artificial e a tomada de decisões gerenciais. 2023. Tese (Doutorado em Ciências Contábeis) – Universidade Federal de Pernambuco, Recife, 2023. ark:/64986/0013000005g3q |
url |
https://repositorio.ufpe.br/handle/123456789/51312 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/3.0/br/ info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-nd/3.0/br/ |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Pernambuco |
dc.publisher.program.fl_str_mv |
Programa de Pos Graduacao em Ciencias Contabeis |
dc.publisher.initials.fl_str_mv |
UFPE |
dc.publisher.country.fl_str_mv |
Brasil |
publisher.none.fl_str_mv |
Universidade Federal de Pernambuco |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFPE instname:Universidade Federal de Pernambuco (UFPE) instacron:UFPE |
instname_str |
Universidade Federal de Pernambuco (UFPE) |
instacron_str |
UFPE |
institution |
UFPE |
reponame_str |
Repositório Institucional da UFPE |
collection |
Repositório Institucional da UFPE |
bitstream.url.fl_str_mv |
https://repositorio.ufpe.br/bitstream/123456789/51312/4/TESE%20Gustavo%20Henrique%20Costa%20Souza.pdf.txt https://repositorio.ufpe.br/bitstream/123456789/51312/5/TESE%20Gustavo%20Henrique%20Costa%20Souza.pdf.jpg https://repositorio.ufpe.br/bitstream/123456789/51312/1/TESE%20Gustavo%20Henrique%20Costa%20Souza.pdf https://repositorio.ufpe.br/bitstream/123456789/51312/2/license_rdf https://repositorio.ufpe.br/bitstream/123456789/51312/3/license.txt |
bitstream.checksum.fl_str_mv |
6bed3470ad81a40e26aa2048966918d0 b88593059186badc1bb3034dbc20e735 58c4e32624d76080a87c05f57dcfe2e2 e39d27027a6cc9cb039ad269a5db8e34 5e89a1613ddc8510c6576f4b23a78973 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE) |
repository.mail.fl_str_mv |
attena@ufpe.br |
_version_ |
1815172729968525312 |