《Journal of Applied Social Psychology》：When Work Feels Less Yours: Ownership Loss and Self-Conscious Emotions in AI-Assisted Work
生成式人工智能（AI）已融入知识型专业人员的日常工作，在生产力和效率方面带来显著收益。然而，知识工作者在使用AI时所经历的自我评价性情绪过程仍缺乏充分探索。本研究考察AI使用如何影响任务产出的感知所有权，以及此类变化如何与负向自我意识情绪（包括内疚、羞耻和尴尬）相关联。通过一项试点准实验、一项预注册的相关研究和三项预注册实验（N = 2313），使用多样化样本和任务情境，在任务完成期间可使用AI工具的个体——无论是执行标准化在线任务还是职业匹配任务——报告了较低的任务所有权（研究1），这与增强的负向自我意识情绪相关联（研究2–3）。另外两项预注册实验在真实的、有激励的工作任务中嵌入实时AI工具（研究4a–4b），确立了这些效应的因果性，并表明通过认可使AI使用合法化并未起到缓冲作用——如果说有影响，反而加深了所有权丧失。本研究通过揭示此类工具如何无意中削弱心理所有权并塑造自我评价性情绪体验，推进了对组织中AI的理解。
**研究背景与问题提出**
截至2024年，美国生成式人工智能（AI）的私人投资已达1090亿美元，78%的美国组织报告至少在一个职能中将AI纳入工作系统。随着AI模型具备复杂问题解决、创造性生产和自主学习能力，即"代理型AI"（agentic AI），它们迅速扩散到知识工作者的日常任务中。知识工作者是指从事认知复杂的、非例行性任务的个体，这些任务需要专业知识、判断力和象征性内容的创造或解读。在此背景下，现有的技术使用理论已无法完全解释与AI的交互如何塑造个体在工作中的体验，因为AI的行为更像一个队友，而非传统的"死"工具。传统计算机工具和互联网资源作为被动工具支持执行过程，同时保持人类的作者身份和能动性。相比之下，AI系统主动生成与任务相关的内容，这些内容对评价性结果至关重要，而大语言模型（LLMs）的黑箱性质意味着用户无法完全控制或预测模型的迭代过程和概率性输出。
近期研究已识别出与绩效相关的收益，包括生产力、想法多样性和任务效率的提升，以及更复杂的模式，如通过焦虑和活力对绩效产生的倒U形影响。与此同时，新兴研究强调了人际和关系成本，包括披露AI使用后的人际信任降低、孤独感增加和工作疏离感加剧。然而，这一新兴研究领域虽展示了AI对绩效和人际结果的各种影响，以及AI使用在组织中快速常态化的趋势，但尚未考察AI使用的内省性、自我评价性情绪结果。本研究借鉴情绪的评价理论，考察AI使用是否以及如何与负向自我意识情绪（包括内疚、羞耻和尴尬）相关联，并通过任务所有权的中介作用为这一联系提供细致的解释。随着AI从新奇事物转变为工作场所基础设施，一种不会随AI使用常态化而消退的情绪成本变得日益重要——这是本研究直接检验的可能性。
**研究设计与主要结论**
本研究通过五项研究检验假设，采用互补的设计、样本和情境，包括一项探索性准实验、一项预注册的行为相关研究和三项预注册实验。研究1采用随机分配与参与者在标准化在线任务中AI使用的自然变异相结合的方式，考察AI使用如何影响感知任务所有权（假设1）。研究2利用职业匹配任务中AI使用的自然变异，检验其如何通过减少任务所有权预测更强的负向自我意识情绪（假设2、3）。研究3通过情境实验操纵AI使用，检验所提出联系的因果性（假设2、3）。研究4a和4b在真实的、有激励的、职业匹配的工作任务中随机分配AI使用，提供对完整模型最强的因果检验（假设1–3）；研究4a还检验了将AI使用框定为合法是否调节这些效应。研究1为探索性研究，而研究2、3、4a和4b的样本量、测量工具、假设和分析计划均在AsPredicted上预注册。所有研究的数据和分析代码可在开放科学框架（OSF）上获取。
**关键技术方法概述**
本研究采用多方法互补设计，包括准实验（研究1，N = 220，本科生样本，标准化在线决策任务，结合随机分配与自然变异，采用意向治疗分析、实际接受分析和依从者分析三种分析策略）、行为相关研究（研究2，N = 408，Prolific平台招募的大学学历全职知识工作者，职业匹配写作任务，激励兼容设计）、情境实验（研究3，N = 389，2×2被试间设计，操纵AI使用与任务身份相关性）、以及两项高功效预注册实验（研究4a，N = 603；研究4b，N = 693；在真实激励性职业匹配任务中随机分配AI使用，研究4a操纵组织政策框架，研究4b加入竞争性评估变量的平行中介分析）。所有研究使用ChatGPT 4.0作为嵌入AI工具，测量负向自我意识情绪（内疚、羞耻、尴尬）和感知任务所有权。
**研究结果**
**研究1：AI使用与任务所有权**
研究1通过三种分析方式考察AI对任务所有权的影响：意向治疗对比显示，仅被随机分配到AI条件的参与者在任务所有权上显著低于对照组（b = ?0.34, p = 0.024），表明仅仅处于AI启用环境中就会显著侵蚀任务所有权；实际接受对比显示，实际使用AI（无论分配条件）显著降低感知任务所有权（b = ?1.12, p < 0.001, R2 = 0.24）；依从者分析显示，AI对齐组（被分配AI且使用AI）的任务所有权显著低于对照对齐组（b = ?1.18, p < 0.001, R2 = 0.26）。三种分析汇聚于一致结论：AI使用降低感知任务所有权。意向治疗分析提供了最严格的因果估计但可能低估真实影响，而实际接受和依从者分析提供了更高的生态效度但应解释为强关联而非因果效应。
**研究2：AI使用、任务所有权与负向自我意识情绪**
研究2采用行为相关设计，利用职业匹配任务中AI使用的自然变异检验完整模型。结果显示，更大的AI使用与更强的负向自我意识情绪正相关（b = 0.04, p < 0.001），与感知任务所有权负相关（b = ?0.22, p < 0.001, R2 = 0.38）。中介分析表明，任务所有权完全中介了AI使用与负向自我意识情绪之间的关系（间接效应b = 0.02, p = 0.040, 95% CI [0.001, 0.03]），任务所有权解释了负向自我意识情绪40.5%的方差。探索性项目层面分析显示，更大的AI使用显著预测更强的内疚（p < 0.001）、羞耻（p < 0.001）和尴尬（p = 0.002）。
**研究3：因果实验证据**
研究3通过受控情境实验分离AI使用的效应。操纵检验确认AI条件（M = 4.17）和任务相关性条件（M = 3.83）的操纵均成功。结果显示，情境中使用AI的参与者报告显著更低的任务所有权（M = 3.33 vs. 4.45, b = ?1.11, p < 0.001, R2 = 0.24）和显著更高的负向自我意识情绪（M = 1.59 vs. 1.20, b = 0.39, p < 0.001, R2 = 0.07）。项目层面分析显示AI使用显著增加内疚（d = 0.55）、羞耻（d = 0.44）和尴尬（d = 0.46）。与预测相反，任务相关性并未显著调节AI对负向自我意识情绪的影响（F(1, 385) = 0.06, p = 0.809）或对任务所有权的影响（F(1, 385) = 0.99, p = 0.320），表明AI的影响可能强到足以覆盖任务的身份相关性。有调节的中介分析显示AI条件通过任务所有权对负向自我意识情绪的间接效应在两种任务相关性水平下均显著（低 = 0.44, 高 = 0.37, 均p < 0.001），但交互项不显著（b = 0.20, p = 0.302）。
**研究4a：真实工作任务中的因果检验与政策框架效应**
研究4a在真实激励性职业匹配写作任务中随机分配参与者到四种条件：无AI对照、AI/无框架、AI/鼓励和AI/期望。操纵检验显示三个AI条件的AI使用显著高于对照（M = 5.34 vs. 1.66, d = 1.23），且鼓励（M = 6.15）和期望（M = 6.54）条件下的AI使用约为无框架条件（M = 3.01）的两倍。AI条件的任务所有权显著低于对照（M = 3.69 vs. 4.55, b = ?0.86, p < 0.001, d = ?0.76），且鼓励和期望条件下的所有权低于无框架条件（均p < 0.001）。与预注册预测相反，AI条件的过程导向负向自我意识情绪与对照无显著差异（b = ?0.001, p = 0.508）。然而，预注册的Bootstrap中介分析揭示了通过减少所有权的显著正向间接效应（b = 0.09, 95% CI [0.05, 0.15]）与不显著的负向直接效应（b = ?0.10, p = 0.161），构成竞争性中介。探索性输出导向情绪分析显示AI条件报告更高的负向自我意识情绪（b = 0.14, p = 0.020, d = 0.19），效应集中在两个合法化条件中，且完全由所有权中介（间接效应b = 0.13, 95% CI [0.08, 0.19]）。
**研究4b：高功效确认性检验与竞争性评估**
研究4b在清洁的两条件设计（AI vs. 对照）中确认性检验完整模型，并直接测量候选竞争性评估作为平行中介。操纵检验确认AI条件的使用显著高于对照（M = 6.58 vs. 1.68, d = 1.89）。AI条件的任务所有权显著低于对照（M = 3.24 vs. 4.50, b = ?1.26, p < 0.001, d = ?1.13）。与功效不足的研究4a不同，过程导向情绪效应显现：AI条件报告更高的负向自我意识情绪（M = 1.81 vs. 1.57, b = 0.24, p = 0.007, d = 0.21）；输出导向情绪同样显著（M = 1.74 vs. 1.45, b = 0.30, p < 0.001, d = 0.27）。Bootstrap中介分析显示通过所有权的正向显著间接效应对过程导向情绪（b = 0.37, 95% CI [0.25, 0.49]）和输出导向情绪（b = 0.42, 95% CI [0.31, 0.55]）均成立，直接效应小而负向，呈不一致中介特征。平行中介分析显示所有权承载正向特定间接效应（b = 0.31, 95% CI [0.20, 0.43]），感知负担承载小而显著的抵消性负向间接效应（b = ?0.04, 95% CI [?0.09, ?0.01]）：AI条件降低感知负担（M = 1.76 vs. 1.96），进而预测更低的负向情绪。感知效率、工作质量、任务时间和积极情绪均无显著间接效应。条件×参照物交互不显著（b = 0.06, p = 0.364），表明情绪成本在过程导向和输出导向两种参照下均存在且量级相当。
**讨论与结论**
本研究旨在考察使用AI完成知识任务如何通过感知任务所有权塑造负向自我意识情绪——内疚、羞耻和尴尬。通过一项探索性准实验、一项预注册行为相关研究和三项预注册实验，研究结果表明，使用AI完成知识任务的核心部分削弱了个体对产出的感知所有权，进而与增强的负向自我意识情绪相关联。
在理论贡献方面，本研究做出三项关键贡献。第一，拓展了组织文献中关于AI后果的结果空间，将自我意识情绪视为对AI辅助任务完成的身份评价性反应。现有研究多关注工具性结果如生产力和绩效，或情感和人际结果如工作不安全感焦虑、孤独感和人际信任降低。相比之下，自我意识情绪具有身份相关性和道德评价性，当员工根据个人或规范标准评价自身贡献时产生。第二，本研究超越识别AI引发何种情绪，解释了为何产生这些情绪，将感知任务所有权定位为核心心理机制。传统技术模型将工具视为人类能力的功能延伸，但生成式AI引入了独特的劳动-产出脱节。AI辅助工作创造了"理想自我"（作为产出的合法作者和拥有者的个体）与"实际自我"（AI替代了核心认知劳动）之间的差异。第三，本研究将心理所有权文献的分析层次从广泛的工作目标转向任务层次，将所有权概念化为受AI使用影响的瞬时性、任务级状态。
在实践意义方面，组织应审慎考虑如何以最大化绩效和生产力同时维持员工福祉的方式实施AI。本研究发现揭示了AI采纳的核心困境：尽管AI可以提升效率和产出，但也可能侵蚀员工与工作的心理联系。关键的是，AI应以保留员工任务所有权感的方式实施。然而，本研究结果也表明这些所有权和情绪效应可能特别难以改变——即使AI使用被明确鼓励或被框定为标准实践，参与者仍然经历降低的所有权和增强的负向自我意识情绪。如果说有影响，认可反而加深了赤字：在政策最成功促进AI使用的条件下所有权最低（研究4a）。这一模式暗示此类反应可能不仅仅是合规、抵抗或特定组织框架的函数，而是源于与员工如何感知自身对工作贡献相关的更深层自我评价过程。
在局限性与未来方向方面，本研究存在若干局限。第一，尽管研究展示了稳健效应，但未识别有意义的调节变量。第二，样本仅来自西方个人主义背景，限制了普适性。第三，本研究主要考察非例行性、认知复杂任务中的AI使用，对例行或重复性工作的影响尚不清楚。第四，本研究关注短期、瞬时性波动，研究4a和4b捕捉的是单次任务情境，无法说明持续重复使用AI下的情绪轨迹。第五，本研究聚焦感知任务所有权作为关键机制，但其他机制可能平行或序列运作，如AI可能通过减少所有权引发内疚和羞耻的同时带来工作负担缓解和绩效焦虑减轻的双重情绪效应。
**研究结论翻译**
本研究证明，在知识型工作中使用AI可以显著削弱员工对任务产出的感知所有权——这是知识型专业人员的一项核心心理需求。这种所有权的丧失进而与更强的内疚、羞耻和尴尬相关联，从根本上塑造了员工参与和体验日常工作时的感受。本研究还考察了这些负向所有权和情绪效应可能被缓解的潜在边界条件（即当任务与专业身份关联较弱时，或当AI使用被认可时）；然而，结果未显示显著调节，暗示AI使用对感知所有权和情绪的持续效应。对于寻求建立可持续AI实践的组织而言，这些发现强调了以保留人类作者身份的方式实施AI的重要性——确保效率收益不以牺牲员工与工作的情感联系为代价。
