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

作者

张恒 高中华 李慧玲

发表于《科技进步与对策》

网络首发CNKI:2023-8-8

摘要

智能化时代，工作场所人工智能技术的应用给组织行为和传统人力资源管理带来诸多挑战。基于工作要求-资源模型，深入回答工作场所人工智能技术应用对员工创新行为的“双刃剑”效应。通过情境实验法和两阶段问卷法开展了两个独立研究，结果表明：一方面，人工智能技术应用作为工作要求，可通过增加工作不安全感的损耗路径负向影响员工创新行为；另一方面，人工智能技术应用也作为工作资源，可通过增加工作自主性感知的增益路径，进而激发员工创新行为。而员工学习目标导向是开启上述不同影响效应的“关键钥匙”。具体来说，学习目标导向的增加会弱化人工智能技术应用的损耗路径，强化人工智能技术应用的增益路径。

关键词

人工智能技术应用；工作不安全感；工作自主性感知；学习目标导向；创新行为

引言

随着智能机器人、大数据等人工智能（artificial intelligence，简称AI）技术的蓬勃发展，大量AI技术出现在了工作场所当中，给传统人力资源管理带来诸多挑战[1-3]。为有效降低人力成本和劳动力投入，企业愈加希望通过引进AI技术来取代人的脑力劳动，员工在享受AI技术带来便利性的同时，也面临被AI技术潜在替代的风险[4-5]。这不仅改变了员工的业务流程和工作内容，也要求人们拥有适应AI工作场景的特殊技能[6-7]。在这种AI工作要求下，员工将面临诸多不确定性问题和失业风险，担心自身拥有的技能和知识不足以应对AI的挑战和变化，这种主观顾虑增加了时间压力和替代威胁，导致人们无法在创新活动中集中精力，成为影响员工创新的主要障碍[4]。因此，如何在工作场所AI技术应用情境下增加员工创新行为，成为学术界和实践界普遍关注的现实问题。

回顾以往文献，伴随工作场所AI技术的普及应用，员工一方面体验着新技术带来的工作旺盛感等积极心理和行为，如朱晓妹等（2021）[7]认为AI引发的岗位技能要求变化会通过增加员工胜任感而增强工作旺盛感。另一方面，员工也感受到因技术变革带来的不安全感、不文明行为等负面结果，如王才等（2019）[8]分析工业机器人规模运用对员工工作不安全感造成的影响；Yam等（2022）[9]研究发现个体感知到的机器人对工作的渗透会引发工作不安全感，进而导致职业倦怠和不文明行为。尽管已有研究从不同视角分析了AI技术应用可能造成的积极或消极影响，然而尚未从整合视角深入探讨AI技术应用对员工创新行为的“双刃剑”效应。从积极影响角度来看，AI技术在工作场所的应用可以减少机械性重复性工作，有助于节约员工解决更高层次问题所需的资源，这样员工有更多的时间和精力专注于创新性的部分，增加取得创新性成果的可能性[10]。但与此同时，AI技术的广泛应用提高了对工作效率和工作量的要求，增加个体时间压力的同时导致AI替代恐惧，这进一步会降低员工的组织支持感，减少创新行为[11]。因此，工作场所AI技术应用对员工创新行为的影响既有正面的也有负面的，关键在于如何平衡利弊，发挥AI技术的优势，同时保持员工的创新意识和能力。不可否认，AI技术是企业创新不容忽视的推动力，但员工才是企业创新的重要载体，AI技术引入工作场所究竟会促进还是抑制个体的创新行为值得深入研究。

工作要求-资源（Job Demands-Resources，简称JD-R）模型能够有效整合AI技术应用对员工创新行为的“双刃剑”效应。该模型将工作特征分为工作要求和工作资源，从而对个体存在损耗和增益两条不同的路径[12]。工作要求是损耗个体精力、资源或时间的“负向因素”（如工作不安全感），即为损耗路径；工作资源是工作中有利于提升工作状态和结果的“正向因素”（如工作自主性感知），即为增益路径。工作场所AI技术应用意味着员工工作流程、方法以及工作内容的变化，属于典型的工作特征变化[6，11]。从损耗路径而言，AI技术应用会对个体专业知识/技能、身份和地位造成威胁，引发失业风险[11]，从而通过增加工作不安全感降低创新行为；从增益路径而言，AI技术应用会给个体带来更多地闲置资源[6，10]，员工能自主学习和应用新技能，从而通过增加工作自主性感知进而增加创新行为。另外，Karasek（1979）[13]特别指出个体感知到的工作资源和工作要求会因个体对工作控制的水平而发生变化。学习目标导向反映了个体乐于接受挑战性任务，并通过持续的学习来提升自我的倾向，对工作具有较高的自主控制和技能运用水平[14]。高学习目标导向个体重视个人成长和发展，他们努力寻求获得新知识和技能的学习机会[15]，与工作场所AI技术应用情境带来的工作要求和挑战相匹配。由此，本研究聚焦于学习目标导向，进一步探讨了其在工作场所AI技术应用发挥“双刃剑”效应中的调节作用。

1

理论基础与研究假设

1.1工作要求-资源模型

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。工作要求是指工作需要消耗生理和心理成本才能完成的因素，如工作不安全感、时间压力等；工作资源是工作减少心理、生理成本，促进成长和发展的外在或内在心理因素，如同事支持、工作自主性感知等[12]。JD-R模型还特别强调，工作对个体存在工作资源增益和工作要求损耗的“双路径”假设。增益路径是指工作资源会通过增加工作投入对个体带来正面影响；损耗路径是指工作要求会通过增加工作倦怠对个体造成负面影响[12]。

工作场所AI技术应用，即员工在追求工作目标过程中使用AI（一种具有自主学习、推理、解决问题和决策能力的新兴技术，如语音识别、机器学习、智能机器人等）并花费时间的程度[6]。本研究指出AI技术应用会引发工作特征的变化[16]。从客观特征上看，作为具有人类智慧的AI技术可以在一定程度上替代人完成某些工作任务，降低了员工执行重复的、规范的、结构化工作任务的工作量[11]。从主观认识上看，AI技术应用要求员工要具备解决更复杂、更高层次问题的特殊能力，反映了工作的技能多样性，改变了员工对工作特征的认识[7]。鉴于此，本研究认为AI技术应用导致的工作特征变化会通过工作要求和工作资源两条路径对员工创新行为产生不同影响。一方面，从损耗路径而言，选取工作不安全感作为工作要求。AI技术会取代一些程序化工作，从而导致员工面临失业的风险，这无疑会加重员工的工作不安全感，工作安全感的丧失会让个体认为消耗更多资源从事角色外行为（如具有一定风险性的创新行为）是无用的[17]，从而减少创新行为；另一方面，从增益路径来看，选取工作自主性感知作为工作资源。AI技术能够通过模拟人类大脑的思维过程，来解决复杂问题、执行任务和达成目标，减轻了员工工作负担，带来更多的闲置资源[6]，增加了工作自主性感知，进而让员工有更多的时间和精力参与创新性活动，从而增加了创新行为。

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[13]。其中，学习目标导向是指个体意于提升新技能和新知识[14]，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[15]，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[18]。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。

1.2AI技术应用与员工创新行为：经由工作不安全感的损耗路径

工作不安全感是个体在工作受到威胁的环境中，对于工作能否持续而感知到的无助感[19]。依据JD-R模型，工作要求是影响工作状态、消耗身心资源的“负向因素”，工作不安全感则属于典型的工作要求。本研究预测AI技术应用会引发员工工作不安全感。一方面，个体所处工作环境的剧烈变化和技术进步会显著影响个人生存发展状况，极易使员工产生工作不安全感[8，20]。AI技术能够实现独立思考并自主执行工作任务[6]，可能会通过超越某些任务或责任，进而对员工的工作地位、技能和专业知识造成潜在威胁，增加工作不安全感[9，11]。另一方面，当AI技术引入工作场所后，改变了工作流程、工作方法和工作特征，重组了原有工作岗位的任务内容，提高了岗位技能要求和工作转换成本[16]，员工将感知到由AI引发的岗位替代效应与失业风险，进而增加了员工工作不安全感。由此假设：

H1：AI技术应用与工作不安全感正相关。

员工工作不安全感是工作场所中的重要压力源，显著影响个体的心理和行为表现[21]。遵循JD-R模型，工作要求不断消耗个体的精力或工作资源，会引发一系列消极结果。创新行为本身具有一定的风险和不确定性，需要企业给予员工更多的安全感，才能激励员工大胆创新[22-23]。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，不断规避工作威胁和风险，从而依赖原有的惯性工作方案，进而减少创新行为[17，24]。有研究明确表明，由环境变化和技术进步导致的工作不安全感，会让员工担心本身的职业被新兴技术所取代，从而无心参与那些挑战和高风险性的创新行为以避免犯错，从而降低员工创新行为[20]。由此假设：

H2：AI技术应用通过工作不安全感负向影响员工创新行为。

1.3AI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获取相关资源、安排工作流程和工作时间等方面进行自由裁量的程度[25]。依据JD-R模型，工作资源是有利于提升工作状态和结果的“正向因素”，工作自主性感知则属于典型的工作资源[12]。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的重要特征是它们能够自主处理和承担重复性、复杂性且认知要求较高的工作任务[26]，并为员工提供及时且有用的信息，从而减轻员工工作负担。这有助于为员工提供闲置资源和增加工作灵活性，从而可以充分行使自由裁量权、自主安排工作流程，进而增加了工作自主性感知[6，26]。另一方面，AI技术能够持续捕获、挖掘并理解大量数据，无须员工提供指导或帮助[27]。员工可以根据实际需要自由安排工作时间，从而可以自主的学习和应用新技能[28]，以优化工作程序，进而增加了工作自主性感知。由此假设：

H3：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[29]。一方面，工作自主性感知意味着员工有自由安排工作时间和获取相关资源的权利，为此他们能够自主学习和探索新知识、新技能[25]，将注意力与资源投入到新点子的产生与落地中，从而增加员工创新行为。另一方面，一个创新的员工善于向工作中同事、领导传播新想法、以及寻找资源使得他们的新想法得以执行[23]。而在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[7]。此时，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，积极主动地与同事、领导沟通，试图运用新方法和新技术来改进工作程序，从而提升创新行为。由此假设：

H4：AI技术应用通过工作自主性感知正向影响员工创新行为。

1.4学习目标导向的调节作用

个体感知到的工作资源和工作要求的程度会因个体对工作控制水平的高低而有所不同[13]。学习目标导向是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，能够较高水平的控制自身工作和技能运用[15]。本研究认为学习目标导向会弱化AI技术应用对工作不安全感的损耗路径。首先，高学习目标导向的个体注重学习和进步，乐于接受挑战性的任务，他们会努力学习AI场景下的技能和专业知识，从而获得工作胜任的愉快心理体验[7]，进而减少工作不安全感。其次，当员工拥有较高的学习目标导向时，他们在与AI的“赛马”中会形成更大的优势，使员工能够解决其工作领域的问题，从而减轻他们对被AI取代的担忧，降低工作不安全感；反之，低学习目标导向的个体不注重学习和发展新知识和发展新技能，他们认为完成基本工作任务、规避差错和风险是最重要的，AI技术应用带来的学习和挑战与低学习目标导向个体的需求不匹配，从而引发员工对技术取代工作的恐惧，带来较高的工作不安全感。由此假设：

H5：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。

结合H1和H2，进一步提出有调节的中介假设：

H6：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调节作用。

本研究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增益路径。学习目标导向高的个体有较强的自主学习意愿，能够积极主动地保护和争取AI在承担重复性、合规性和系统处理等日常性工作时带来的闲置资源[15]，并自主安排工作计划和工作时间，主动学习和应用新知识和新技术，从而认识到AI技术应用能给自己带来更多的自由裁量权，进而感知到更多的工作自主性。相反，低学习目标导向个体努力学习的意愿比较低，不注重自我能力的提升和工作资源的获取，从而会消极看待AI技术应用这一工作挑战性事件，进而降低了工作自主性感知。由此假设：

H7：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。

结合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调节作用。

图.1

理论模型

2

研究1：全模型实验研究

2.1研究方法

2.1.1研究样本

……

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，每位被试完成实验后将获得2元报酬作为奖励。有效样本中，男性占比43.17%；年龄集中在30岁以下，占64.75%。

2.1.2实验设计与流程

……

研究1采用2（AI技术应用：高vs.低）Í（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，我们遵循Tang等（2022）[6]的研究做法，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。共有300名被试参与实验，剔除不合格样本后，获得有效问卷278份。

AI技术应用的操纵：根据Tang等（2022）[6]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VandeWalle和Cummings（1997）[14]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”。

……