Algorithm Reliance: Fast and Slow

C. W. Snyder

doi:10.1287/mnsc.2023.01989

2025-05-06

PRE

C. W. Snyder *

Samantha Keppler

Stephen Leider

DOI：10.1287/mnsc.2023.01989

原文链接

原文求助

摘要

En 中文

在算法增强的服务情境中，当工作者拥有决策权时，他们需要对算法做出两项决策：是否遵循其建议以及执行的速度。快速工作的压力随着顾客到达速度的增加而增大。在本研究中，我们提出以下问题：工作者如何利用算法管理系统负载？通过一项实验室实验，我们发现，更优质的算法和高系统负载会提高参与者采纳算法建议的意愿。因此，使用优质算法的参与者提出的建议质量高于未使用算法的参与者（使用劣质算法的参与者的建议质量略低于未使用算法的参与者）。然而，参与者并不一定会因采纳算法建议而加快速度；仅在系统负载高且算法质量优的情况下，其产出时间才比无算法基准组有所减少，尽管在各实验条件下，参与者都能从更快的处理速度中获益。这种情况部分是因为，在使用算法的条件下，高负载、优质算法组的参与者比其他组更快地服务顾客。在高负载、优质算法组的参与者中，随着他们越来越默认采纳算法建议，其在实验后期的工作速度显著加快。我们的发现表明，算法可以在决策质量和速度两方面带来益处。质量上的益处源于工作者选择采纳算法建议，而速度上的益处则取决于工作者对算法的使用以及他们用于评估是否使用算法的时间。最终，算法质量和系统负载是相互强化的因素，它们同时影响服务质量和尤其是速度。

Keyword:

behavioral operations

human-algorithm interaction

service operations

queueing systems