《Frontiers in Psychology》：A study of the impact of AI-employee collaboration on employee innovation behavior
编辑推荐：
引言：随着数字化与生成式人工智能的深度融合，人工智能已从单纯的技术工具转变为现代工作场所与人力资源管理中的核心协作伙伴。作为一种相互依赖的人机工作模式，AI-员工协作（AI-employee collaboration）以员工与AI智能体之间的互补性任务分工、
引言：随着数字化与生成式人工智能的深度融合，人工智能已从单纯的技术工具转变为现代工作场所与人力资源管理中的核心协作伙伴。作为一种相互依赖的人机工作模式，AI-员工协作（AI-employee collaboration）以员工与AI智能体之间的互补性任务分工、联合任务完成、互补性决策及持续迭代交互为特征，在概念上有别于简单的人工智能采用、工具性人工智能使用及人工智能辅助技术系统。基于社会认知理论（Social Cognitive Theory），该研究旨在探究AI-员工协作如何预测员工创新行为，以及自我效能感（self-efficacy）的中介作用与服务型领导（servant leadership）的有调节的中介边界条件。
方法：研究人员收集了来自北京和济南互联网服务、金融和餐饮行业259名员工的三阶段时间滞后问卷数据，采用分层回归和Bootstrap方法检验所提出的有调节的中介模型。
结果：结果表明，AI-员工协作对员工创新行为具有显著的正向预测作用；自我效能感部分中介了AI-员工协作与员工创新行为之间的关系；此外，服务型领导正向调节AI-员工协作与自我效能感之间的关系，并通过自我效能感进一步增强AI-员工协作对员工创新行为的间接预测效应。
讨论：该研究为AI驱动的员工创新的内部认知机制和情境边界提供了增量实证证据，丰富了现有文献。在理论上，该研究打开了连接AI-员工协作与员工创新的认知“黑箱”，并识别出服务型领导是一个关键的情境权变因素。在实践上，这些发现为数字化转型组织利用AI工具、释放员工创新潜力提供了具体且可操作的管理启示。
随着生成式人工智能（Generative AI）与数字智能技术的快速发展，人工智能已成为企业转型升级的核心战略资源。AI-员工协作（AI-employee collaboration，指员工与AI智能体之间互补分工、联合决策、持续交互的协作模式）作为一种相互依赖的人机工作模式，以互补性任务分工、联合任务完成、互补性决策和持续迭代交互为特征，在金融、互联网、餐饮等服务行业广泛应用。尽管AI在数据处理、自动化决策等方面具有显著优势，能够承担大量重复性任务，从而释放员工的时间与认知资源，但现有研究主要集中于企业绩效、运营效率及AI应用的消极效应，对个体层面AI-员工协作如何影响员工创新行为（employee innovation behavior，指员工在工作中产生、推广和实施新想法的行为）的探讨不足，自我效能感（self-efficacy，个体对自身完成任务能力的信心）的认知传导路径缺乏实证检验，服务型领导（servant leadership，以员工成长为中心的领导风格）的情境边界亦被忽视。基于此，研究人员以社会认知理论（Social Cognitive Theory，强调外部情境通过个体认知影响行为的理论）为框架，构建了一个有调节的中介模型，探讨AI-员工协作如何通过自我效能感影响员工创新行为，以及服务型领导在这一过程中的调节作用。
研究人员通过对北京和济南的互联网服务、餐饮、金融行业259名全职员工进行三阶段时间滞后问卷调查，发现AI-员工协作显著正向预测员工创新行为，自我效能感部分中介该关系，服务型领导正向调节第一阶段路径并进一步调节间接效应。该研究打开了AI与员工创新之间认知“黑箱”，识别出服务型领导这一关键情境因素，为数字化转型中的人力资源管理提供了实证依据。
在方法上，研究人员采用便利目的抽样，从北京和济南的互联网服务、餐饮和金融企业招募全职员工，最终匹配有效样本259人（男性49.3%，平均年龄28.35岁，平均组织任期4.16年）。数据分三波收集，每波间隔两周：时间1测量人口统计学变量、AI-员工协作和服务型领导；时间2测量自我效能感；时间3测量员工创新行为。AI-员工协作采用自编4条目量表，服务型领导采用已验证的7条目量表，自我效能感采用一般自我效能感量表的前6个条目，员工创新行为采用3条目量表。研究采用Harman单因素检验、验证性因子分析（Confirmatory Factor Analysis, CFA）、分层回归和Bootstrap（PROCESS Model 7）等方法检验假设。
研究结果如下。（1）AI-员工协作与员工创新行为的关系：分层回归显示，控制性别、年龄和工龄后，AI-员工协作显著正向预测员工创新行为（β=0.316，p<0.01），假设1成立。（2）自我效能感的中介作用：AI-员工协作显著预测自我效能感（β=0.284，p<0.01）；同时纳入两者后，自我效能感显著预测创新行为（β=0.216，p<0.01），而AI-员工协作的直接效应减弱但仍显著（β=0.297，p<0.01）。Bootstrap检验显示间接效应为0.061，95%置信区间[0.023，0.107]，自我效能感解释总效应的16.23%，部分中介成立，假设2成立。（3）服务型领导的调节作用：中心化后的交互项显著预测自我效能感（β=0.125，p<0.01）。简单斜率分析表明，服务型领导水平高（+1 SD）时，AI-员工协作对自我效能感的正向影响更强（β=0.412，p<0.01）；水平低（-1 SD）时影响较弱（β=0.156，p<0.05），假设3成立。（4）有调节的中介效应：有调节的中介指数为0.078（SE=0.029，95% CI [0.024，0.139]），说明服务型领导显著调节了自我效能感的中介效应，服务型领导越高，AI-员工协作通过自我效能感促进员工创新行为的间接效应越强，假设4成立。
总结讨论部分，该研究扩展了社会认知理论在人机协作情境中的应用，揭示了自我效能感是连接AI协作情境与创新行为的关键认知机制，并确认服务型领导通过自主性支持、心理安全和资源供给发挥调节作用。实践上，企业应合理布局AI协作工具、优化人机分工，开展AI技能培训与成就反馈，并培育服务型领导，同时防范技术依赖、算法伦理和数据隐私等潜在风险。研究结论可翻译为：基于社会认知理论，该研究系统揭示了AI-员工协作影响员工创新行为的内在机制与边界条件，四项假设均获支持；AI-员工协作显著促进员工创新行为，自我效能感部分中介这一关系，服务型领导正向调节AI-员工协作与自我效能感的关系，并调节自我效能感的间接效应，从而形成有调节的中介模型。这表明，在有效的人机共生条件下，AI协作通过增强员工任务信心激发创新，而高质量服务型领导能放大这一效应。
