人工智能差异化配置提升团队生产力的机制研究：交互过程与认知多样性的中介作用

这篇研究通过实验室实验揭示了生成式人工智能（GenAI）差异化配置对团队生产力的影响机制。研究构建了输入-过程-状态-输出（IPSO）模型，发现差异化AI访问通过增加负面社会情感互动（如分歧）和认知多样性提升任务质量，同时通过集中提问行为缩短任务时间，为优化人机团队协作提供了理论依据。

　　

研究背景与理论框架

随着生成式人工智能（GenAI）技术的快速发展，人机团队（Human-Agent Teams, HAT）协作模式日益普及。然而现实中团队成员对AI工具的访问往往存在差异，这种不平等配置如何影响团队生产力成为重要研究课题。研究团队基于经典的输入-中介-输出（IMO）模型，创新性提出输入-过程-状态-输出（IPSO）分析框架，系统考察AI差异化配置对团队协作的影响路径。

实验设计与方法

研究采用实验室控制实验，招募120名中国高校学生组成60组两人团队。实验设置三种AI访问条件：无访问（控制组）、全访问和差异化访问。使用中文优化的大语言模型Kimi 3.0作为AI工具，团队需在限定时间内完成产品新闻稿撰写任务。通过Bales互动过程分析（IPA）框架编码团队交互行为，并采用文本向量化方法计算认知多样性指标。

关键研究发现

1. 1.

   生产力差异表现

   差异化AI访问团队展现出最佳绩效：任务质量（5.654分）显著高于全访问组（5.250分）和无访问组（4.981分）；任务完成时间（10.013分钟）也明显短于其他两组。这种"差异化优势"现象挑战了"全员配备AI最优"的直觉认知。

2. 2.

   认知多样性机制

   差异化配置通过两条路径提升任务质量：

   • •

     负面社会情感互动路径：AI差异化引发更多分歧（b=-0.028），这些"建设性冲突"促进认知多样性（b=0.811），最终提升任务质量（b=2.653）

   • •

     信息不对称路径：AI用户与非用户形成互补角色，产生更丰富的信息处理视角

3. 3.

   效率提升机制

   任务相关提问行为的集中化（b=-1.781）是缩短任务时间的关键。在差异化配置下，非AI用户承担更多提问职能，AI用户专注解答，形成高效分工模式。

理论创新点

1. 1.

   提出IPS0模型：将传统IMO模型细化为"技术输入-交互过程-认知状态-团队产出"的链式作用框架，揭示AI配置影响团队绩效的完整路径。

2. 2.

   重新定义认知多样性：证实其作为动态涌现（emergent）属性，可通过差异化技术配置和特定交互模式（如任务分歧）主动塑造。

3. 3.

   发现"建设性冲突"效应：与传统认知不同，研究显示由AI差异引发的负面社会情感互动反而促进团队认知拓展。

实践启示

对于短期项目团队，建议：

• •

  战略性配置AI资源，保持适度技术差异以激发创新

• •

  合理引导任务分歧，将其转化为认知拓展动力

• •

  建立明确的提问-解答分工模式提升效率

研究局限与展望

1. 1.

   样本局限：学生群体缺乏职场经验，未来需扩展至专业团队

2. 2.

   任务局限：仅考察文本交互，需探索多模态AI协作场景

3. 3.

   时间局限：短期实验未能观察长期团队动态

4. 4.

   性别因素：样本性别失衡（72%女性）可能影响结果普适性

未来研究方向应包括：

• •

  不同团队规模下的AI最优配置比例

• •

  跨文化背景下的差异化效应

• •

  长期团队中的技术适应过程

这项研究为人机协作领域的理论发展和实践应用提供了重要启示，特别为临时性项目团队的AI整合策略提供了科学依据。通过揭示技术差异化配置的积极作用，研究打破了"技术均等即最优"的传统思维，为智能化时代的团队管理开辟了新视角。