本研究强调将大型语言模型有效融入社会技术系统的重要性，指出人工智能社区无法独立应对复杂挑战。通过系统工程方法，提供新视角以解决LLMs带来的问题，并建议未来的应用方向。

文章探讨了人工智能的信任与可信度，强调需明确区分这两个概念并获取实证证据。信任不仅依赖于系统本身，还包括对开发者的信任。伦理原则如可解释性和透明性被认为能提升信任，但实证证据仍不足。应将人工智能视为社会技术系统，设计与使用人员同样重要，以确保系统的可信度。

通过对189篇同行评审论文的研究，发现情感分析已成为不同社会技术系统的重要组成部分，对社会和技术用户产生影响。研究揭示了情感的定义和框架的缺失，可能带来挑战和偏见。为解决这个问题，提出了一份伦理表，包含关键问题，以指导从业人员确保情感分析的公平利用。发现强调了在定义情感方面采用跨学科方法的重要性，并提供了实用的解决方案。

本文介绍了生成型人工智能在社会技术系统中的概念化，并提供了模型、系统和应用的示例。同时，讨论了当前生成型人工智能的局限性，并提出了商业与信息系统工程（BISE）研究的议程。