编辑推荐：
本研究探讨了生成式人工智能(GenAI)如何调节管理者远见对创新行为的影响机制。研究人员通过一项2×3因子实验，对252名专业人士进行产品创新场景评估，发现管理者远见通过认知参与促进创新行为，而GenAI的使用强度呈现倒U型调节效应：适度使用可增强该间接效应，过度依赖或完全不用则会削弱。研究为理解AI时代的管理者认知机制提供了重要启示。
在快速变化和高度不确定的商业环境中，管理者如何“看见”并塑造未来，是决定组织能否持续创新的关键。这种能力被称为“管理者远见(managerial foresight)”，它不仅仅是预测趋势，更是构建前瞻性信息渠道、探测早期信号、评估新兴未来条件以指导行动的复杂能力。传统上，管理者远见被认为与组织创新紧密相连，但两者之间的“黑箱”却鲜被打开：管理者远见究竟是如何转化为具体的创新行为的？是直接作用，还是需要经过某种内在的认知加工过程？
与此同时，生成式人工智能(Generative AI, GenAI)的浪潮正席卷各行各业，深刻重塑决策过程。从ChatGPT到Claude，这些基于大语言模型(Large Language Models)的工具，能够根据提示(prompt)生成上下文相关的输出，为管理者探索多元未来、进行前瞻性意义建构(prospective sensemaking)提供了前所未有的支持。GenAI可以整合弱信号、重组分散的见解、对比不同的未来轨迹，仿佛一位不知疲倦的“合著者”。然而，技术带来的不仅是赋能，还有隐忧。有研究警告，与GenAI互动可能导致用户认知参与(cognitive engagement)水平降低，甚至产生基于训练数据偏见的“幻觉远见(hallucinated foresight)”。那么，一个核心问题浮现了：在管理者利用远见驱动创新的过程中，GenAI究竟扮演着何种角色？它是 uniformly beneficial（普遍有益）的增强器，还是一个其效果严重依赖于使用方式的“条件性支架(contingent cognitive scaffold)”？
为了揭开这些谜团，由Matteo Cristofaro、Mie Augier和Luna Leoni组成的研究团队，在学术期刊《Futures》上发表了一项开创性的研究。他们不再满足于宏观的组织流程分析，而是将镜头对准了个体认知的微观层面，旨在探究：生成式人工智能的使用如何调节管理者远见、认知参与与创新行为之间的关系？
为了回答这个复杂的问题，研究团队设计并实施了一项精巧的2×3混合方法实验。研究的核心是让252名具有创新专业知识的专业人士，在受控条件下评估一个来自Kickstarter的早期产品创新机会（一款名为Skadu M1的真空吸尘器）。实验的关键在于对两个变量的操纵：首先是“管理者远见”，分为“有”和“无”两组，有远见组需要在任务开始前进行一项书面练习，畅想公司未来十年的内外部发展因素；其次是“生成式人工智能(GenAI)使用强度”，分为“无”、“适度”（与ChatGPT互动5-15次）和“高”（互动16次及以上）三个水平。这最终形成了四个实验条件进行比较。研究采用了几种关键方法来测量核心变量：1. 创新行为(innovative behavior) 由三位专家根据商业潜力、市场差异化和可行性三个标准，对参与者提出的产品扩展方案进行盲评打分。2. 认知参与(cognitive engagement) 采用了一种客观的行为指标——任务耗时（分钟），即从任务开始到完成所花费的时间，作为投入心智努力深度的代理变量。3. 定性数据收集 在实验后，通过开放式问卷和半结构化访谈，收集参与者关于GenAI使用体验的质性资料，用于三角验证和机制阐释。
4.1. 初步分析与组间比较
结果清晰地显示，不同的实验条件导致了创新行为水平的显著差异。在没有任何干预的对照组（无管理者远见，无GenAI），参与者的平均创新行为得分最低。而当引入管理者远见提示后，即使不使用GenAI，创新得分也有显著提升。然而，最引人注目的结果出现在“管理者远见+适度GenAI使用”组，该组取得了所有组中最高的平均创新得分。相反，在“管理者远见+高GenAI使用”组，创新得分出现了回落，甚至低于仅使用管理者远见而无AI辅助的组。这初步揭示了GenAI并非总是有益，其效果可能遵循一个倒U型曲线。
4.2. 有调节的中介模型检验
通过更高级的统计模型（Hayes的PROCESS模型7）分析，研究验证了完整的理论模型。数据分析支持了所有假设：
- •
H1得到支持：管理者远见对创新行为有直接的正向影响。
- •
H2得到支持：认知参与在管理者远见与创新行为的关系中起着完全中介作用。这意味着管理者远见主要是通过促使个体进行更深、更努力的心智加工（即从直觉性的系统1思维转向分析性的系统2思维），从而催生创新。
- •
H3a与H3b得到支持：GenAI的使用强度对上述中介路径具有显著的、曲线型的调节作用。具体而言，在适度使用GenAI时，管理者远见通过认知参与对创新行为的间接效应最强；而在过度使用或完全不使用GenAI时，该间接效应均被削弱。图表直观展示了这种曲线关系：适度使用组投入时间最长、创新产出最高；而高使用组和零使用组的“时间-创新”关系则处于曲线的较低位置。
4.3. 主题分析
对质性资料的主题分析为量化结果提供了生动的机制解释，揭示了三种关键认知状态：
- •
认知超载(Cognitive Overload)：高频度使用GenAI的参与者普遍报告被海量AI生成的信息“淹没”，难以整合，导致注意力分散和判断力受损，这与他们较短的任务耗时和较低创新得分相符。
- •
固定偏见(Fixation Bias)：完全不使用GenAI的参与者则倾向于固守最初的想法，缺乏接触新视角的刺激，思维变得僵化，这也反映在他们相对较短的任务耗时上。
- •
平衡的认知参与(Balanced Cognitive Engagement)：适度使用GenAI的参与者体验最为积极。他们认为AI提供了“恰到好处”的额外信息和灵感，激发了自主思考，辅助而非替代了他们的创造性问题解决过程，这与他们最长的任务耗时和最高的创新表现相吻合。
5. 讨论与6. 研究意义
本研究的重要发现对多个理论领域构成了深化与挑战。首先，它将管理者远见重新概念化为一个需要付出认知努力的过程，明确指出了认知参与是管理者远见驱动创新的关键微观基础。这突破了以往研究将二者关系视为直接或流程性的简单化理解。
其次，研究理论化了GenAI并非 uniformly beneficial（普遍有益）的工具，而是一个条件性的认知支架。其效果严格依赖于使用强度：适度使用时，它充当“增强器”，拓展心理距离、支持抽象的高位解释思维；过度使用时，则变成“抑制剂”，引发认知卸载和超载，抑制深思熟虑；完全不用时，个体则受限于有限理性，难以突破思维定式。这一倒U型模型挑战了关于AI益处的线性假设。
在实践层面，研究为组织如何负责任地整合GenAI到战略与创新流程中提供了重要指南。管理者需校准GenAI的使用强度，避免“全自动”或“全手动”两个极端。组织应设计能维持认知努力的管理者远见实践（如结合AI的引导式情景规划工作坊），并培养管理者防止认知脱离和过度依赖的能力。这要求GenAI素养培训不仅关注技术操作，更要侧重认知策略，确保人类在AI辅助下的决策主体性和反思性得以保留。
总之，这项研究描绘了一幅在AI时代进行有效前瞻性思考的精细图景：未来属于那些懂得如何与机器智慧共舞，而非被其牵制或完全无视其潜能的管理者。真正的创新优势，源于精心校准的人机认知协作。
