主题 一        Optimal Liability Design for Medical AI医疗人工智能的最优责任设计

活动时间     2026年1月09日（星期五）下午14:00-15：45

活动地址     文济楼404

主讲人        黄庭亮教授，美国田纳西大学

主持人        王东教授，探花视频

主办单位     探花视频

嘉宾简介

黄庭亮教授为田纳西大学哈斯拉姆商学院终身教授。主要从事商业分析、人工智能、数据科学、新商业模式、运营营销界面、供应链管理、服务运营、创新和社会责任运营方面的研究。在国际顶级UTD期刊Manufacturing & Service Operations Management、Marketing Science、Management Science和Production & Operations Management等发表文章近20篇。目前担任Manufacturing & Service Operations Management、Service Science、Decision Sciences、Naval Research Logistics和IISE Transactions副主编，Production & Operations Management资深编辑。黄教授获得2025年瓦莱特家族杰出研究员奖、2023年INFORMS数据科学研讨会最佳论文奖、2018年POMS威克姆·斯金纳早期职业研究成就奖、2018年度服务运营最具影响力论文奖和2015年威克姆斯金纳最佳论文奖等奖项。

讲座简介

Artificial intelligence (AI) is increasingly integrated into medical decision-making, yet its liability implications remain complex, particularly when physicians differ in diagnostic skills and their quality is unobservable. This paper develops a principal-agent model in which a social planner designs medical liability to regulate a physician with private quality information who chooses between a standard treatment, a personalized judgment-based treatment, or following an imperfect AI recommendation. Our analysis yields several novel insights. First, we show that the optimal mechanism under asymmetric information is surprisingly simple: a uniform, one-size-fits-all liability level for all physician types who deviate from the standard of care. Despite physician heterogeneity, this simple policy often achieves the full-information first-best outcome, particularly when standard care is reliable or AI is highly accurate. Second, the relationship between AI accuracy and optimal liability is non-monotonic. Contrary to common intuition, better AI does not always imply more relaxed liability. As AI accuracy increases, the optimal liability either decreases monotonically or follows an inverted-U pattern, depending on the uncertainty of the standard treatment. Third, asymmetric information does not universally reduce social welfare. Welfare loss arises only when standard care is unreliable and AI accuracy is too low; even then, its magnitude follows an inverted U-shape, initially increasing as AI complicates the regulatory problem, but declining as more accurate AI helps mitigate it. Finally, we find that information asymmetry is a double-edged sword in the presence of AI, and greater transparency does not benefit all stakeholders equally.

人工智能（AI）正日益融入医疗决策，但其责任归属问题依然复杂，尤其是在医生诊断技能各异且其能力水平难以观察的情况下。本文构建了一个委托-代理模型，其中社会规划者设计医疗责任规则，以规制一位拥有私人质量信息、并需在标准治疗方案、基于个人判断的个性化治疗方案或遵循不完美AI建议之间做出选择的医生。我们的分析得出了几项新颖的见解。首先，我们证明，在信息不对称下的最优机制出人意料地简单：对所有偏离照护标准的医生类型，实施统一的、“一刀切”的责任水平。尽管医生存在异质性，但这种简单策略常常能实现完全信息下的最优结果，尤其是在标准治疗可靠或AI高度准确的情况下。其次，AI准确性与最优责任水平之间的关系是非单调的。与普遍直觉相反，更好的AI并不总是意味着更宽松的责任。随着AI准确性的提高，最优责任水平要么单调递减，要么呈现倒U型模式，具体取决于标准治疗的不确定性程度。第三，信息不对称并不必然降低社会福利。福利损失仅当标准治疗不可靠且AI准确性过低时才会出现；即便如此，其程度也呈倒U型变化——起初随着AI使规制问题复杂化而增加，但随着AI准确性提高有助于缓解该问题而下降。最后，我们发现，在AI存在的情况下，信息不对称是一把双刃剑，而更高的透明度并不会同等地惠及所有利益相关者。

主题二         在线平台的消费者偏好信息共享与竞争供应商的定制化

活动时间     2026年1月09日（星期五）下午15:45-17：30

活动地址     文济楼404

主讲人      查勇教授，中国科学技术大学

主持人       王东教授，探花视频

主办单位     探花视频

嘉宾简介

查勇教授为中国科学技术大学探花视频 教授，在中国科学技术大学15系（信息管理与决策科学系）本科获得理学、工学双学士，在中国科学技术大学探花视频 获得硕士与博士学位。主要研究方向是供应链管理与运营管理，研究兴趣包括平台供应链、跨界合作、消费者行为、供应链金融、Learning、数据包络分析（DEA）等，研究成果主要发表在 Marketing Science、 Production and Operations Management、Naval Research Logistics、European Journal of Operational Research等国外核心期刊及国际会议上，并主持了国家自然科学基金5+1项，以及多项其他省部级项目。

讲座简介

在线平台拥有大量上游供应商无法掌握的消费者偏好信息。本文探讨了在线平台应如何在代理模式（marketplace model）与转售模式（reselling model）下策略性地与横向差异化的供应商共享其私有的消费者偏好信息，以帮助供应商制定个性化（或批发）价格。研究发现，在卖场模式下，平台可能只与一个供应商共享信息，而在转售模式下则不会出现非对称共享。当消费者偏好不确定性较低时，平台在卖场模式下可能不与任何供应商共享信息，但在转售模式下可能会与两个供应商共享信息。随着柔性制造、3D打印和人工智能等技术的发展，供应商可能具备基于消费者偏好信息提供定制化产品的能力。本文进一步研究了平台的偏好信息共享对供应商实施产品定制策略的影响。有趣的是，供应商的定制能力可能会削弱平台在市场模式下共享信息的动机，但在转售模式下却可能增强这种动机。尽管定制化可能在市场模式下提高消费者剩余与社会福利，但在转售模式下却不会带来这两方面的提升。研究发现为在线平台提供了关于何时以及与谁共享消费者偏好信息的管理启示，也为政策制定者在新技术驱动下设计数据政策以促进社会福利的参考。