arXiv cs.CY· Najeeb Gambo Abdulhamid, Stephanie Nyairo, Liz Ankrah, Jacki O'Neill·· 12 小时前AI 评分34
肯尼亚与尼日利亚中小企业如何让生成式 AI 真正可用：问责、本地化与代表性
Making Generative AI Workable at Work: Accountability, Localization, and Representation in Kenyan and Nigerian Small Businesses
AI 导读
对肯尼亚和尼日利亚 21 家中小企业 27 名员工的研究发现，生成式 AI 仅"可用"并不足以让参与变得可行，起草很少是难点，关键在于让 AI 草稿足够可靠以便发给客户。研究识别出五种交织实践：作为起草劳动力、通过迭代交互引导输出、跨工具切换比较、发布前的问责工作，以及修复本地需求不匹配的"语境错配"。作者将发布工作界定为一种面向边界的问责劳动，并据此提出四条职场生成式 AI 设计方向。
正文 · AI 翻译
摘要：生成式 AI 被广泛描述为通过降低产出专业成果的门槛，使技能型工作民主化。基于 2023 年 7 月至 10 月对肯尼亚和尼日利亚 21 家中小企业（SMB）中 27 名员工进行的 21 次半结构化访谈，我们发现，仅凭可用性并不能让参与变得可行。在参与者的叙述中，起草很少是困难的部分。真正有实质影响的工作，是让 AI 辅助的草稿足够站得住脚，可以发给客户。我们识别出参与者让生成式 AI 变得可用的五种相互交织的实践：将其用作起草劳动力、通过迭代交互引导输出、在工具之间切换和比较、执行发布工作以使输出在流转前可问责，以及在输出未能满足本地要求时修复语境错配。我们做出两项核心贡献。第一，我们将发布工作界定为一种独特的、面向边界的问责劳动，其证据包括验证关卡、来源失效时的可追溯性重建，以及决定什么可以交付的不委托边界。第二，我们展示本地化和表征失败——我们称之为语境错配——如何在日常工作中作为一种反复出现的故障与修复类别运作，包括本地语言、制度知识以及对非洲人和非洲地点可信表征方面的失败，并记录它们所要求的修复手段。我们将民主化重新表述为可行的参与，认为所报告的收益以这种问责和修复劳动为条件，并将研究结果转化为工作场所生成式 AI 的四个设计方向。我们将肯尼亚和尼日利亚视为两个具体案例，而非中小企业或全球南方的代表性样本。
| 主题： | 人机交互（cs.HC）；计算机与社会（cs.CY） |
| ACM 分类： | H.5.3 |
| 引用为： | arXiv:2610.31344 [cs.HC] |
| （或本版本的 arXiv:2610.31344v1 [cs.HC]） | |
| https://doi.org/10.48550/arXiv.2610.31344 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Najeeb G Abdulhamid [查看电子邮件]
[v1]
2026 年 10 月 22 日星期四 14:26:52 UTC（44 KB）
来源：arXiv cs.CY · arxiv.org