◎编辑｜数字经济先锋号
◎来源｜科技进步与对策
◎作者｜张恒 高中华 李慧玲
随着人工智能技术的发展，大量AI技术出现在工作场所中，给传统人力资源管理带来诸多挑战。一方面，企业希望引入AI技术取代人力，却担心AI的部分能力不如人类。另一方面，员工享受AI技术带来的便捷，也面临被AI取代的风险。
那AI技术的应用对员工创新能力究竟是有增益效果还是损耗效果呢？本文将聚焦AI技术对员工创新行为的影响，设立”工作要求——资源模型“探讨AI技术在工作场所应用发挥“双刃剑”效应的调节作用。
理论假设
本研究的理论基础是工作要求-资源模型（JD-R模型）。该模型将工作特征分为工作要求和工作资源两个维度。工作要求包括消耗生理和心理成本的因素，如工作不安全感、时间压力等；工作资源包括促进成长和发展的因素，如同事支持、工作自主性感知等。JD-R模型还强调工作存在增益路径和损耗路径的“双路径”假设，即工作资源通过增加工作投入对个体带来正面影响，而工作要求则会通过增加工作倦怠对个体造成负面影响。
工作场所AI技术应用对员工创新行为的影响可通过工作要求和工作资源两个路径来解释。一方面，AI技术取代一些程序化工作，增加了员工的工作不安全感，导致员工减少创新行为。另一方面，AI技术减轻了员工的工作负担，增加了工作自主性感知，使员工有更多时间和精力参与创新行为。
此外，个体对工作的控制水平会影响员工对工作要求和工作资源的认知。其中，学习目标导向是指个体意于提升新技能和新知识，可以凭借较高的工作控制有效掌控AI的使用过程和结果。本研究关注学习目标导向在AI技术应用对员工创新行为“双刃剑”效应的边界条件。
原因如下：首先，学习目标导向决定了个体如何在具有挑战性的AI情境中处理和看待信息。学习目标导向高的个体对工作的掌控程度较高，认为AI技术应用赋予了员工提升自我的挑战机会，当个体感知到外部动机与自我偏好一致并促进目标实现时，会自发将外部动机转化为内部动机，从而将AI技术应用视作是提升性的工作资源而不是阻碍性的工作要求；
其次，在进行自我评估时，高学习目标导向个体特别关注当前工作状态是否比过去有明显成长和进步。因此，在AI技术应用场景下，当学习目标导向高的员工发现自己拥有的技能离现实工作岗位存在差距时，会自主学习和弥补欠缺的数字知识和技能，从而增加了工作资源，降低了工作要求。
1.2 AI技术应用与员工创新行为：经由工作不安全感的损耗路径
依据JD-R模型，工作不安全感属于典型的工作要求，而AI技术应用的剧烈变化和技术进步很可能会引发员工工作不安全感。当员工感知到本身的工作安全感受到威胁但又无法有效应对时，会激发个体的自我保护机制，进而降低员工创新行为。
因此，我们提出了两个假设：H1假设是AI技术应用与工作不安全感正相关，H2假设是AI技术应用通过工作不安全感负向影响员工创新行为。
1.3 AI技术应用与员工创新行为：经由工作自主性感知的增益路径
工作自主性感知是指员工在工作方面能够自由裁量的程度。本研究预测AI技术应用会激发员工的工作自主性感知。一方面，AI技术能够处理复杂且要求高认知能力的工作任务，为员工提供及时且有用的信息，减轻他们的工作负担。这有助于提供闲置资源和增加工作灵活性，员工可以自主安排工作流程，增加工作自主性感知。另一方面，AI技术能够持续获取和理解大量数据，员工可以根据需要自由安排工作时间，自主学习和应用新技能，优化工作程序，进而增加工作自主性感知。基于这些观点，提出了H3假设：AI技术应用与工作自主性感知正相关。
依据JD-R模型，工作自主性感知作为工作资源，可以激发个体的积极工作状态。员工在具有工作自主性感知的情况下，能够自主学习和探索新知识、新技能，投入更多的注意力和资源来产生和实施新点子，从而增加员工的创新行为。另外，在AI应用场景下，员工主要承担创造性、社交性和人际性等相关工作。工作自主性感知较高的员工能够充分利用AI带来的闲置资源，积极与同事和领导沟通，尝试运用新方法和技术改进工作程序，提升创新行为。因此，提出了H4假设：AI技术应用通过工作自主性感知正向影响员工的创新行为。这些发现对于企业了解如何通过AI技术应用激发员工的自主性感知和促进创新行为具有重要意义。
1.4 学习目标导向的调节作用
个体对工作控制水平的高低会影响其对工作资源和工作要求的感知程度。学习目标导向是指个体学习新知识和掌握新技能以提升自身能力的态度和倾向，可以较高水平地控制自己的工作和技能运用。本研究认为学习目标导向可以减轻AI技术应用对工作不安全感的负面影响。首先，高学习目标导向的个体注重学习和进步，乐于面对挑战性的任务，努力学习AI场景下的技能和专业知识，从而获得工作胜任的满足感，减少工作不安全感。其次，高学习目标导向的个体在与AI竞争时具有优势，能够解决工作领域的问题，减轻对被AI取代的担忧，降低工作不安全感。相反，低学习目标导向的个体不注重学习和发展新知识和技能，他们认为完成基本工作任务和规避风险最重要，AI技术应用带来的学习和挑战与他们的需求不匹配，引发对技术取代工作的恐惧，增加工作不安全感。基于这些观点，提出了H5假设：学习目标导向负向调节AI技术应用与工作不安全感的关系。
此外，结合之前的研究假设H1和H2，进一步提出有调节的中介H6假设：学习目标导向在AI技术应用通过工作不安全感减少员工创新行为的间接效应中起到调节作用。
本研究还认为学习目标导向会增强AI技术应用对工作自主性感知的积极影响。学习目标导向高的个体具有自主学习的意愿，能够主动保护和利用AI在处理日常性工作时带来的闲置资源，自主安排工作计划和时间，积极学习和应用新知识和技术，从而感知到更多的工作自主性。相反，低学习目标导向的个体对自我能力的提升和工作资源的获取不够重视，会消极看待AI技术应用这一工作挑战，降低工作自主性感知。据此提出了H7假设：学习目标导向正向调节AI技术应用与工作自主性感知的关系。
此外，结合之前的研究假设H3和H4，进一步提出有调节的中介假设H8：学习目标导向在AI技术应用通过工作自主性感知增加员工创新行为的间接效应中起到调节作用。
研究方法
研究1通过Credamo见数平台招募到300名有全职工作的被试参与实验，剔除不合格样本后，获得有效样本278份，有效样本中，男性占比43.17%；年龄集中在30岁以下，占64.75%。
研究1采用2（AI技术应用：高vs.低）（学习目标导向：高vs.低）双因素组间设计。本研究采用情境模拟实验，被试者被随机分到四个实验情境中。实验开始后，被试者首先填写人口统计变量，为了让被试将工作场所中的AI技术与传统技术（计算机、互联网使用、文字处理或电子表格软件等）区别开来，我们首先向他们展示了AI技术应用的定义。紧接着被试者被邀请尽可能地代入材料中关于自己的角色设定（假设自己为张三），并阅读一段情景材料。随后，被试者将根据材料完成包括操纵检验、工作不安全感、工作自主性感知和创新行为的问卷。
AI技术应用的操纵：根据前人对AI技术应用的定义和操纵材料改编而成（括号内为控制组）：“你所在的ABC公司引入了大量（没有引入）AI技术和设备，工作中的各个方面，如推理、决策和解决问题等，主要由这些智能设备自主（主要由你）完成，你在具体实施一些工作任务时经常要使用（通常不使用）AI技术和设备，并花费（也不用花费）大量时间与AI技术一起完成工作”。
学习目标导向的操纵：根据前人开发的实验材料改编而成（括号内为控制组）：“大学毕业后，你被ABC公司聘用。在最初的六个月里，公司部门有多个项目同时进行，你主动选择了一个困难和挑战性较高（较低）的项目，每天坚持学习（不需要学习）新知识和掌握新技能以提高自身能力，并且你非常重视（你也不重视）尝试和探索，经常会（很少会）利用大部分个人时间学习和创造，渴望（不渴望）通过努力学习在任务中有所收获，提升专业技能”。
研究结果
研究1：以AI技术应用为自变量，以学习目标导向为调节变量，性别、年龄等为协变量，分别以工作不安全感、工作自主性感知为因变量。进行方差分析，结果显示，AI技术应用对工作不安全感的主效应显著。H1假设成立。
同时，AI技术应用对工作自主性感知的主效应显著，说明相对于低AI技术应用组，高AI技术应用组被试体验到的工作自主性感知较强，H3假设成立.
方差分析结果表明，AI技术应用与学习目标导向对工作不安全感的交互作用显著。如图2所示，在低学习目标导向下，AI技术应用越多，工作不安全感增加越多，且增幅超过高学习目标导向组，H5假设成立。
如图3所示，在高学习目标导向下，AI技术应用越多，工作自主性感知增加越多，且增幅明显超过低学习目标导向组，H7假设成立。
借鉴Bootstrap检验，考察工作的不安全感和工作自主性感知在AI=技术应用与员工创新行为间的并列中介作用，结果如表1所示。结果显示假设H2和H4假设成立。
本文使用Bootstrap检验中抽取2000次分析被调节的中介效应，结果如表2所示，H6和假设H8成立。
以上研究结果为AI技术应用对员工创新行为的“双刃剑”效应提供了初步证据，并检验了学习目标导向的关键调节机制。为保证研究结果效度，我们又设计了问卷调查，对整体模型进行再次检验，与情景实验相互补充，共同提高研究结果的可靠性。
研究2：全模型问卷调研
选择来自北京、深圳两地的4家应用AI的企业员工为调研对象并发放纸质问卷，涉及医疗、金融、智能制造、交通4个行业。得到有效问卷418份。
研究结果如表5显示，AI技术应用与工作不安全感、工作自主性感知均正相关，工作不安全感与创新行为负相关，工作自主性感知与创新行为正相关。
结论与讨论
本文基于JD-R模型，深入探讨AI技术在工作场所应用对员工创新行为的“双刃剑”效应，包括工作不安全感引发的损耗路径和工作自主性感知形成的增益路径，以及影响两种效应的边界条件。通过情境实验和问卷调查两种研究设计得出一致结论：AI技术应用可以通过增加工作不安全感负向影响员工创新行为，也可以通过增强工作自主性感知正向影响员工创新行为。此外，学习目标导向的增强会削弱AI技术应用的损耗路径，强化AI技术应用的增益路径。本研究不仅拓宽了AI技术应用在组织行为学的研究范畴，还为组织促进AI场景下的员工创新行为提供了理论指导和实践启示。
对管理者具体建议如下：正确引导员工，鼓励理性看待AI技术，将其视为机遇而非威胁。帮助员工意识到AI能够减轻工作负担，提高工作灵活性，激发工作自主性和创新行为。给予员工情感关怀和心理安全感，关注员工的心理波动和情绪感受，制定员工帮助计划，降低AI对员工工作地位和心理安全的威胁。提倡个体学习目标导向强，以适应AI场景下的工作变化，增强学习能力，应对AI带来的机遇和挑战，激发工作热情和创新动力。将学习目标导向作为招聘和选拔标准，通过个性特征测试识别学习目标导向强的员工。定期进行数字化培训，构建学习型组织，引导员工树立学习目标导向，提升专业知识水平和数字素养。
因篇幅有限，本文有部分删减。原文来源：[1]张恒,高中华,李慧玲.增益还是损耗:人工智能技术应用对员工创新行为的“双刃剑”效应[J/OL].科技进步与对策:1-11.
关于我们
「数字经济先锋号」是成都数联产服科技有限公司旗下数字经济研究交流平台。围绕数字产业、数字基建、数字治理、数字生态等数字应用领域，揭示与记录数字经济发展点滴与脉络。
数联产服是一家数字经济行业智库、产业大数据服务商，具备全流程大数据治理-分析-决策支撑服务能力，面向各级政府和产业运营机构提供基于大数据的产业经济发展解决方案和综合服务。