数字智能转型下员工工作重塑的驱动机制：基于资源保存理论视角

这篇研究基于资源保存理论（Conservation of Resources Theory），探讨了企业数字-AI转型（digital-AI transformation）如何通过工作不安全感（job insecurity）的中介作用及AI知识（AI knowledge）的调节效应，激发员工主动进行工作重塑（job crafting，β=0.512，p<0.001）。研究通过两阶段调查（N=370）揭示了AI知识既可强化转型对工作重塑的直接影响（β=0.060，p<0.05），又能调节工作不安全感的间接路径（β=0.143，p<0.001），为组织管理提供了避免依赖压力驱动的伦理启示。

　　

数字智能转型与员工工作重塑的联动机制

引言

随着人工智能（AI）技术迅猛发展，49%的企业已应用ChatGPT等工具，93%计划进一步扩展AI部署。这种数字-AI转型（digital-AI transformation）在提升效率的同时，也引发了员工对技能过时和岗位替代的担忧。资源保存理论（Conservation of Resources Theory）指出，当个体感知资源（如工作稳定性）受威胁时，会主动采取行动以缓解压力。本研究揭示了员工如何通过工作重塑（job crafting）——即主动调整任务、关系和认知——应对转型挑战，并阐明了AI知识在这一过程中的双刃剑作用。

理论框架与假设

数字-AI转型通过两种路径驱动工作重塑：

1. 1.

   直接激励：转型带来的技术复杂性和业务创新迫使员工更新技能（β=0.512，p<0.001），例如制造业员工因AI替代风险而主动学习人机协作技能。

2. 2.

   间接压力传导：工作不安全感（job insecurity）作为中介变量（β=0.228，p<0.001），触发防御性行为。例如，金融业员工因AI决策工具普及而担忧职业前景，转而通过任务重构证明自身价值。

AI知识（AI knowledge）的调节效应尤为关键：

• •

  缓冲作用：高AI知识员工更易将转型视为机遇（如科技行业），其工作重塑动机显著增强（β=0.170，p<0.001）。

• •

  放大效应：低AI知识者易陷入焦虑，但通过培训可转化压力为行动力（简单斜率分析显示高/低知识组效应差达0.19）。

方法与发现

研究采用两阶段问卷调查（间隔1月），覆盖金融、零售等7个行业。结构方程模型（CFI=0.945，RMSEA=0.071）证实：

• •

  工作不安全感的“压力-适应”悖论：虽引发短期焦虑，但促使64%受访者参与跨部门协作（vs. 转型前41%）。

• •

  AI知识的阈值效应：当评分>5分（7分量表），员工对AI局限性的认知降低不安全感23%。

实践启示与伦理争议

组织应避免将工作不安全感作为管理工具，因其长期效应可能导致绩效下降（如服务业情绪耗竭）。建议策略包括：

1. 1.

   透明沟通：明确AI辅助而非替代的定位，如某物流公司通过工作坊展示AI分拣系统的人机协同流程。

2. 2.

   知识赋能：定制化培训（如“AI素养微证书”）可使员工重塑效率提升1.8倍。

未来方向

跨行业比较显示，制造业的AI替代恐惧（β=0.39）显著高于金融业（β=0.12），提示需探索行业特异性干预方案。混合方法（如行为追踪+访谈）可进一步捕捉动态适应过程。

结论

数字-AI转型通过资源威胁感知与个人资源调适的双路径重塑员工行为。管理者需平衡技术效率与人文关怀，将AI知识转化为组织韧性的核心资产。