《Acta Psychologica》：“Thinking forward” or “dwelling on worry”: How AI awareness affects employee innovative performance via work rumination
编辑推荐：
随着AI技术在工作场所的普及，员工对AI的感知（挑战-阻碍评估）如何影响其创新绩效成为管理实践的重要议题。本研究基于工作要求-资源模型，通过两项实验和一项实地调查，揭示了挑战性评估通过促进问题解决性沉思提升创新绩效，而阻碍性评估则通过引发情感性反刍削弱创新绩效，并发现组织AI准备度可正向调节上述路径。该研究为在AI协同环境中实现个体与组织的双重增益提供了理论依据和管理启示。
人工智能(AI)正以前所未有的速度重塑各行各业的工作模式，员工们对其态度复杂而矛盾。一方面，AI被视为提升效率、解决复杂问题的“超级助手”；另一方面，其强大的计算和学习能力也让员工担忧被替代或边缘化。这种对AI既充满机遇感又带有威胁感的双重认知，被称为AI意识。现有研究多聚焦于AI带来的“阻碍”一面，探讨其如何引发员工的工作退缩、AI抵制等负面行为，但对于AI如何也可能成为激励员工创新“挑战”的路径却鲜有关注。员工的创新绩效是组织在智能化时代保持竞争力的核心，那么，AI意识这柄“双刃剑”究竟如何影响员工创新？其内在的心理机制是什么？组织又能否通过创造有利条件，引导员工更多地从挑战而非阻碍的视角看待AI，从而化“危”为“机”？发表于《Acta Psychologica 》的这项研究，正是为了系统解答这些问题。
为了深入探究上述问题，研究者综合运用了三种研究方法。首先，进行了两项基于情境的随机对照实验(Study 1 和 Study 2)。研究借助在线调研平台Credamo，招募参与者扮演酒店前台服务经理的角色，通过阅读精心设计的情境材料，分别操纵“挑战性AI评估(CA-AW)”与“阻碍性AI评估(HA-AW)”，以及“感知组织AI准备度”的高低水平，随后测量参与者的“问题解决性沉思”和“情感性反刍”水平，以检验变量间的因果关系及调节效应。其次，开展了一项多时点、多行业的问卷调查研究(Study 3)。研究从制药、先进制造和互联网行业选取了648名实际使用AI技术的员工作为样本，分两个时间点收集了所有核心变量的数据，包括AI的挑战-阻碍评估、问题解决性沉思、情感性反刍、员工创新绩效及感知组织AI准备度，并使用验证性因子分析、层级回归分析和Bootstrap法检验了理论模型。
研究结果揭示了AI意识双重评估影响创新绩效的清晰路径与边界条件：
1. AI意识对工作反刍的差异化影响
基于工作要求-资源(JD-R)模型，研究将CA-AW和HA-AW分别视为挑战性和阻碍性工作要求。数据分析结果表明，CA-AW能显著促进员工的“问题解决性沉思”，这是一种积极、建设性的认知加工，员工会在非工作时间主动反思如何利用AI解决问题、优化工作。相反，CA-AW能显著减少员工的“情感性反刍”，这是一种消极、重复的思维模式，表现为对工作问题的无法控制感和担忧。HA-AW则呈现完全相反的模式：它会显著抑制问题解决性沉思，同时显著加剧情感性反刍。
2. 工作反刍的中介作用
问题解决性沉思和情感性反刍是连接AI评估与创新绩效的关键心理桥梁。CA-AW通过提升问题解决性沉思，进而正向影响员工的创新绩效；同时，也通过降低情感性反刍，间接提升创新绩效。HA-AW则通过加剧情感性反刍，进而损害创新绩效；同时，也通过抑制问题解决性沉思，间接削弱创新绩效。这清晰地勾勒出AI意识影响创新绩效的“增益路径”（CA-AW → 问题解决性沉思 → 创新绩效）和“损耗路径”（HA-AW → 情感性反刍 → 创新绩效）。
3. 感知组织AI准备度的调节作用
“感知组织AI准备度”（指员工感知到的组织为应用AI技术所具备的财务、人力、基础设施资源及高管支持）作为一项关键的工作资源，发挥着重要的边界作用。研究发现，当员工感知到组织的AI准备度较高时，CA-AW对问题解决性沉思的促进作用更强，对情感性反刍的削弱作用也更强。这意味着丰富的组织资源能放大AI挑战性评估的积极效应。同时，高组织AI准备度也能缓冲HA-AW的负面影响：它会减弱HA-AW对问题解决性沉思的抑制，并减弱HA-AW对情感性反刍的加剧。这表明，即使员工最初对AI抱有顾虑，一个准备充分的组织环境也能帮助其减轻焦虑，更理性地面对AI带来的变化。
4. 被调节的中介效应
综合调节与中介效应分析发现，感知组织AI准备度正向调节了CA-AW通过问题解决性沉思和情感性反刍影响创新绩效的间接效应。也就是说，在高组织准备度的环境下，CA-AW通过促进积极思维、减少消极思维来提升创新绩效的“增益路径”效果更显著。同时，组织AI准备度也负向调节了HA-AW通过情感性反刍影响创新绩效的间接效应，即在高组织准备度下，HA-AW通过引发焦虑损害创新的“损耗路径”效应被削弱。
研究结论与讨论部分总结了本研究的核心贡献。本研究首次在AI与创新的交叉领域，系统整合了AI意识的挑战与阻碍双重属性，基于JD-R模型构建了一个完整的理论框架。它不仅证实了AI意识对员工创新绩效存在“一正一负”的悖论效应，更重要的是，通过引入“工作反刍”这一认知机制，清晰地揭示了两条截然不同的作用路径：挑战性评估通过激发建设性的“问题解决性沉思”促进创新，而阻碍性评估则通过引发消耗性的“情感性反刍”抑制创新。这为理解“为何面对同样的AI技术，不同员工会表现出创新或防御的不同反应”提供了关键的心理解释。
此外，研究发现了“感知组织AI准备度”这一关键的组织情境因素。它如同一块“调节阀”，既能放大挑战性评估的积极效应，也能缓冲阻碍性评估的消极效应。这一发现具有强烈的实践指导意义，它强调组织不能仅仅引入AI技术，更必须同步构建支持性的资源与环境。通过展示足够的财务投入、人才储备、技术设施和管理支持，组织可以向员工传递“AI是用于赋能而非替代”的明确信号，从而有效引导员工从挑战而非阻碍的视角认知AI，激发其利用AI进行创新的内在动力，最终实现个体创新与组织竞争力的“双重增益”。这项研究为在充满不确定性的人机协同时代，如何管理员工心理、优化组织实践以驾驭AI的双重性，提供了深刻的理论洞见和可行的管理指南。
