智能人力资源技术是激发还是扼杀员工创造力？双路径视角分析

《TECHNOLOGY IN SOCIETY》：Do Intelligent HR Technologies Spark or Stifle Employee Creativity? A Dual-Pathway Perspective

　　阿桑·阿里|侯赛因·塔里克博士
中国浙江省科技学院凯瑞商学院，杭州

摘要
人工智能日益融入人力资源管理领域，但关于智能人力资源技术何时以及如何影响员工创造力，我们仍知之甚少。本文基于资源保存理论和不确定性降低理论，构建了一个双路径模型，指出智能人力资源技术的应用既可以通过提升心理赋能来积累资源，又可能通过引发反刍行为而消耗资源。此外，我们还研究了人工智能自我效能感作为边界条件，以及透明度与信任作为降低不确定性的技术使用前置因素。通过在中国开展的两项多波次、多来源研究对这一模型进行了检验。研究1聚焦于一家大型制造企业中的算法化人力资源管理，以企业设定的创造力奖励类别作为创造力指标（样本量：529人）。研究2则针对人力资源专业人士使用的人工智能工具，以领导者对员工创造力的评价作为衡量标准（样本量：245人）。两项研究均表明，智能人力资源技术的使用与心理赋能和反刍行为呈正相关；其中心理赋能又会提升创造力，而反刍行为则会抑制创造力。人工智能自我效能感能够强化赋能路径并削弱反刍路径。在研究2中，透明度和信任与员工使用智能人力资源技术的行为呈正相关。这些发现阐明了为何同一类人力资源技术既能带来提升创造力的益处，也会产生相应成本。同时表明，要负责任地应用这类技术，就需要建立透明且可信赖的人工智能治理机制，同时通过能力建设减少反刍行为，维持心理赋能状态。

引言
人工智能已不再是人力资源管理领域的边缘创新技术，而是越来越深入地影响着人力资源管理实践的设计与实施。正如查尔伍德和格诺尔（2022）所指出的，“人工智能驱动的未来正在迅速到来”（第730页），这一未来正在各行业迅速成为现实，对人力资源管理尤其具有深远影响。企业将人工智能系统应用于招聘、选拔、绩效管理、薪酬分配、学习发展以及员工激励等领域，旨在提升效率、一致性及决策质量（程与哈克特，2021；马利克等人，2024）。与此同时，人力资源管理中的智能技术——包括人工智能驱动的工具（如聊天机器人和生成式人工智能应用）以及算法化人力资源管理实践（如算法监控、调度和评估）——正在逐步改变员工的工作体验，以及通过人力资本创造价值的方式，包括创造力与创新力（贝利等人，2022；贝尔等人，2024；施韦策与克雷默，2024）。然而，这些系统不仅改变了人力资源服务的提供方式，还影响了员工在自主性、评估、不确定性以及认知需求方面的体验。

尽管人工智能驱动的人力资源管理正在快速普及，但学术界对其对员工影响的理解仍然零散。虽然一些研究强调了智能人力资源技术的积极作用——比如简化流程、提升信息获取效率、优化资源配置——但员工并不总是认为这些系统有益，也不会顺畅地接受或使用它们（查尔伍德与格诺尔，2022；童等人，2021）。更重要的是，同一类人工智能驱动的人力资源环境可能同时带来机遇与压力：它可以通过提供决策支持、减轻行政负担来提升员工的自主性与能力，但同时也可能因决策过程的不可预测性、新奇性而加剧评估压力、增加认知负荷或提升不确定性。如果不对这些相互冲突的动态进行明确的理论阐释，那么关于“积极效应与消极效应”的结论就很可能只是描述性而非解释性的。

为超越简单的“权衡”叙事，我们提出了一个基于资源的理论框架，用以解释智能人力资源技术如何影响员工创造力。创造力需要持续的认知投入、注意力集中能力，以及愿意付出努力去产生和优化新想法的意愿（巴巴洛拉等人，2021）。然而，人工智能驱动的人力资源管理可能会以相反的方向改变员工的资源状况。一方面，智能技术可以增强员工在工作中感受到的自主性、意义感与影响力，从而促进心理赋能，助力创造性投入。另一方面，当员工对人工智能决策的生成方式、绩效评估方法或自身评价标准存在不确定性，且需要额外精力去学习并适应新系统时，这些技术又可能引发持续性的认知活动——如反刍行为。反刍行为会消耗注意力资源，延长认知负担，进而降低从事创造性工作所需的能力（乌伊等人，2017）。因此，一个关键问题在于：为何人工智能驱动的人力资源管理会对某些员工提升创造力，而对另一些员工则起到抑制作用？又是通过何种心理机制实现的？

为解决这一问题，我们将资源保存理论与不确定性降低理论相结合。资源保存理论为我们构建的双路径模型提供了核心逻辑，解释了员工与智能人力资源技术的互动如何带来资源收益（如心理赋能），同时也会产生资源成本（如反刍行为），进而影响创造力（霍布福尔，1989，2001）。不过，资源保存理论并未明确解释为何员工会主动使用那些新颖且可能不透明的系统——而在人工智能驱动的人力资源环境中，不确定性尤为突出，这一点正是该理论的一个不足。不确定性降低理论则弥补了这一缺陷，它解释了人们在与陌生系统互动时，会依赖哪些因素来提高预测性、降低模糊性（不确定性降低理论；伯杰，1986；伯杰与卡拉布雷塞，1975）。在人工智能驱动的人力资源管理中，透明度和信任是两个尤为重要的因素：透明度指系统流程和决策逻辑的清晰度，而信任则是对系统可靠性与诚信度的信心。我们认为，透明度和信任能够降低不确定性，从而促进员工使用智能人力资源技术；随后，资源保存理论再解释这种使用行为如何影响员工的心理赋能与反刍行为，最终影响创造力。这种整合既明确了促使员工使用技术的前置条件，也阐明了技术使用转化为员工实际成果的资源机制。

在我们的研究中，我们做出了三项贡献。首先，我们通过明确两种并行机制，而非将人工智能驱动的人力资源管理简单视为有利或有害，从而阐明了该技术对员工的实际影响。我们认为，同一类技术既可以通过心理赋能带来资源收益，也可能通过反刍行为导致资源损失。其次，我们指出人工智能自我效能感是一种重要的个人资源，它决定了哪种路径更有可能占据主导地位。那些相信自己能够有效运用人工智能的员工，更有可能将技术使用转化为心理赋能，也更不会觉得这种使用会带来认知上的消耗。第三，我们将透明度和信任视为降低不确定性的因素，进一步拓展了智能人力资源技术的理论框架，解释了它们为何能促使员工使用技术。总体而言，这些贡献使相关研究不再停留在简单的“积极 vs 消极”争论上，而是朝着更精确地界定智能人力资源技术在何时是提升创造力的资源、何时又成为制约创造力的因素这一方向前进。

批判性视角与人工智能驱动的人力资源管理的社会技术观
越来越多的研究表明，不应用技术决定论来理解工作中的人工智能，因为算法技术可以通过监控、评估和自动化指挥重新分配权力、重塑控制方式，而员工的反应往往具有多样性，并非统一或不可避免的（凯洛格等人，2020）。相关研究还指出，算法的不可预测性及信息不对称会加剧人们对决策过程和绩效评估方式的不确定性。

研究概述
我们通过在中国开展的两项独立实地研究，对假设的模型进行了检验。这种双研究设计使我们能够在不同的组织环境及智能人力资源技术的不同表现形式下，测试所提出的各种关系。研究1聚焦于一家大型制造企业中的算法化人力资源管理，检验了将技术使用与员工创造力联系起来的两条路径——心理赋能与反刍行为，同时还考察了人工智能自我效能感的调节作用。

样本与研究方法
研究1选取了一家在中国将智能技术纳入人力资源管理流程的大型制造企业作为研究对象。该企业是通过高校与企业合作确定的，样本来自包括人力资源管理、销售、生产工程、信息技术以及研发部门在内的多个部门。在人力资源部门的协助下，我们向800名随机选定的员工发送了邀请邮件。

初步结果
首先，我们使用AMOS软件进行了结构方程分析，以评估假设的测量模型。分析结果显示，拟合指数处于合理水平：χ2 = 1958.786，df = 923，RMSEA = .05，CFI = .96，TLI = .95。表1中的结构方程分析结果表明，七个因子的载荷值均在.55至.98之间，超过了.50的阈值。此外，平均方差提取值也在.51至.95之间，同样超过了.50的标准（福内尔与拉尔克，1981）。综合信度值则在.84至.99之间，表现良好。

数据收集与研究方法
本研究的数据是通过对中国的人力资源专业人士进行的在线调查获得的。我们选择了那些积极运用人工智能技术提升人力资源效率与组织价值的机构作为调查对象。这些机构已经采用了多种人工智能工具，如聊天机器人和生成式人工智能应用。在此背景下，我们将“人力资源管理中的智能技术”定义为嵌入在人力资源工作中的人工智能系统，这类系统能够自动处理与人力资源相关的任务，或提供基于算法的决策支持。

初步结果
在测试假设的关系之前，我们首先使用结构方程分析评估了测量模型的有效性与可靠性。分析结果显示，拟合指数同样处于合理水平：χ2 = 1360.439，df = 1025，RMSEA = .04，CFI = .97，TLI = .96。表6中的结构方程分析结果表明，所有因子的载荷值均在.56至.97之间，超过了.50的阈值。平均方差提取值也在.53至.91之间，超过了.50的标准（福内尔与拉尔克，1981）。综合信度值同样在较高水平。

总体讨论
通过这两项研究，我们进一步了解了智能人力资源技术如何以及在何时影响员工创造力，同时也解释了为何不同员工在使用这些技术时的表现存在差异。基于资源保存理论，我们的研究结果表明，智能技术的使用会产生相互矛盾的资源效应：它既能促进心理赋能，又可能引发反刍行为。正是这些相互对立的资源动态，解释了为何智能技术的使用会在某些员工身上提升创造力，而在另一些员工身上则产生抑制作用。

作者贡献说明
侯赛因·塔里克：写作——审阅与编辑，方法论，概念构建。阿桑·阿里：写作——审阅与编辑，初始草稿撰写，资金筹集，正式分析，数据整理，概念构建。

未引用参考文献
阿里等人，2025年。

伦理审批与知情同意
本研究遵循《赫尔辛基宣言》的要求进行，并已获得所在机构伦理委员会的批准。所有参与研究的员工均签署了知情同意书。

数据与材料的获取
本研究生成和使用的数据，可在合理请求下从通讯作者处获取。

利益冲突声明
作者声明不存在任何利益冲突。