AI赋能的工作需求与员工福祉：跨组织情境下的情绪耗竭与离职意愿

《Acta Psychologica》：AI-enabled job demands and employee well-being: Emotional exhaustion and turnover across organizational contexts

　　

沃尔玛（Walmart）首席执行官Doug McMillon指出，“人工智能将真正改变每一项工作”，这一观察捕捉到了当代工作场所正在发生的变革规模。人工智能（AI）不再是一个遥远的技术承诺，而是一种正在积极重塑各行业工作设计、执行和评估方式的力量。随着AI重塑各行业的工作角色，其对员工的影响日益被描述为一柄双刃剑。一方面，AI整合已被证明能提升生产力、主动工作行为、创新工作行为和工作绩效。从心理学角度看，当这些数字工具被视为支持自主性和能力的资源时，它们可以扩展员工的能力并激发动机。另一方面，员工对AI的阻碍性评价，反映在技术威胁感、工作不安全感或AI意识增强上，与情绪耗竭、离职意愿和工作退缩相关。实证证据进一步表明，AI可能加剧工作压力并导致职业倦怠，尤其是当员工难以适应快速变化的工作需求时。这些对比鲜明的发现凸显了AI采纳不仅是一项技术或管理挑战，更是一种直接调节员工工作态度、情绪和心理健康的重大心理转变。AI的心理后果不仅限于私营部门。公共组织也在越来越多地将AI技术整合到虚拟助手、用于公共安全的人脸识别和智慧城市管理等领域。随着生成式AI的兴起，跨行业员工可以主动利用AI工具提高效率、服务质量和问题解决能力。然而，这些AI赋能的工作环境是否以及如何塑造员工体验，可能因制度背景而有显著差异。理解这些差异至关重要，尤其是在AI成为公共和私营组织工作核心组成部分的背景下。从JD-R（工作需求-资源）模型的角度看，制度背景可能影响工作需求在组织内的体验和管理方式。公共和私营部门在组织结构、绩效压力和资源灵活性方面存在系统性差异。公共组织通常运作在更广泛的形式规则、行政控制和法律约束下，这限制了自主性并增加了程序复杂性。相比之下，私营部门组织通常面临更强的绩效压力和竞争强度，这可能放大与工作需求相关的压力，同时提供更灵活的适应资源。因此，考察这两个部门为理解JD-R健康损害过程是否以及如何在AI赋能工作场所中运作提供了理论上有意义的背景。越南为考察AI驱动工作转型的影响提供了一个及时且相关的背景。《至2030年人工智能研究、开发和应用国家战略》旨在将越南定位为东盟领先的AI中心，推动AI在公共行政、服务和数字基础设施中的广泛部署。补充这一国家议程，东南地区区域总体规划强调在胡志明市、平阳省和同奈省等关键经济省份发展创新生态系统和AI中心。这些战略举措标志着AI在公共和私营组织中的快速扩展，提出了关于这些转型如何影响这一新兴经济体中员工心理状态和工作行为的紧迫问题。除了背景相关性，越南还为考察AI相关工作需求如何影响员工福祉提供了一个理论上信息丰富的环境。如前所述，AI技术日益融入工作可能超出员工能力和组织支持系统的发展。这样的条件可能加剧技术赋能的工作需求并增强员工的情绪压力。先前关于发展中亚洲背景下数字转型的研究表明，技术变革常常伴随着员工工作压力和情绪挑战的增加。因此，越南为考察健康损害过程提供了一个有意义的背景，其中升高的工作需求可能触发情绪耗竭，进而影响离职意愿等行为结果。尽管学术关注日益增长，但关于AI和工作之间关系的研究仍存在几个重要空白。首先，虽然先前研究记录了AI如何改变工作特征（如自主性、复杂性和工作量），但对AI赋能的工作需求如何影响员工心理状态和后续行为的理解仍然有限。AI相关需求（包括复杂性增加、不确定性以及对技术变化的持续意识）可能削弱员工对自身能力的感知并引发情绪压力。这些AI赋能的工作需求可能通过评价和应对的核心心理过程运作，塑造员工是将AI视为激励和赋能还是威胁和消耗。现代评价理论的进展进一步表明，员工在解释新压力源和调节情绪反应方面可能有所不同。然而，明确考察这些AI特定过程的实证研究仍然有限，大多数研究将AI视为情境变量而非心理上解释的工作需求。其次，尽管工业5.0强调需要平衡技术创新与人类福祉，但AI驱动的工作需求如何触发健康损害过程的机制仍未被充分探索。特别是，关于AI相关个人资源在缓冲或加剧这些效应中的作用知之甚少。理解这些资源如何塑造情绪耗竭和退缩意愿对于开发心理可持续的AI采纳形式至关重要。第三，现有关于AI与员工结果的研究主要集中在特定行业（如酒店、银行和医疗保健），或仅单独考察私营部门或公共部门，跨部门的比较分析仍然非常稀缺，留下了AI在公共与私营组织背景下是否对员工产生不同影响的问题。从心理学角度看，部门背景在领导实践、制度信任、工作安全感和文化期望方面存在显著差异——这些因素塑造了员工如何评价不确定性和技术复杂性。迄今为止，很少有实证研究将这些背景影响作为整合心理模型的一部分来考虑。为填补这些空白，本研究在JD-R框架下调查了AI赋能工作环境中的健康损害过程。具体而言，研究人员考察了AI引发的工作需求如何影响员工福祉和行为结果，考虑了AI相关个人资源的调节作用，并比较了越南公共和私营部门之间的这些机制。通过将情绪耗竭作为关键心理机制，本研究旨在推进对员工如何情绪体验、评价和应对AI整合需求的理解。本研究在三个方面对文献做出贡献。首先，通过将AI赋能的工作复杂性和AI意识概念化为具有心理学意义的工作需求，将JD-R模型扩展到AI赋能工作场所。其次，通过考察AI赋能的工作需求如何在不同组织背景下转化为情绪耗竭和离职意愿，推进了JD-R文献，从而揭示了AI驱动工作环境中健康损害过程的边界条件。第三，本研究强调了AI自我效能感作为个人资源在塑造员工对AI相关需求反应中的作用。通过这样做，本研究通过阐明技术变革、组织背景和个人心理资源如何共同影响员工结果，为新兴的人机交互文献做出了贡献。

**论文解读：AI赋能工作需求与员工福祉——跨组织情境下的情绪耗竭与离职意愿**

**一、研究背景与问题**

随着人工智能（AI）技术在各行业的广泛应用，工作场所正经历深刻变革。AI整合一方面提升了生产力、激励创新行为，另一方面也带来了心理压力，如技术威胁感、工作不安全感及AI意识增强，这些与情绪耗竭、离职意愿和工作退缩密切相关。现有研究存在三个主要空白：第一，对AI赋能工作需求（如AI工作复杂性、AI意识）如何通过心理学过程影响员工心理状态和行为结果的理解有限；第二，AI驱动工作需求触发健康损害过程的机制（尤其是个人资源的缓冲作用）尚不清晰；第三，缺乏对公共与私营部门间比较的系统性考察，尤其是制度背景如何影响员工对AI相关需求的体验。为此，本研究基于工作需求-资源（JD-R）模型，聚焦健康损害过程，在越南这一新兴经济体中开展跨部门比较，探索AI赋能工作需求对情绪耗竭和离职意愿的影响，以及AI自我效能感的调节作用。

**二、主要关键技术方法**

本研究采用两波问卷调查（间隔一周），样本来自越南东南地区公共和私营部门的全职员工，共456名有效受访者，其中公共部门210人、私营部门246人。研究使用便利抽样与滚雪球抽样，仅纳入在工作中使用AI技术的员工。关键变量测量方面：AI工作复杂性、AI意识和AI自我效能感采用通过四阶段开发与验证程序自建的量表；情绪耗竭和离职意愿则采用既有成熟量表。数据分析采用偏最小二乘结构方程模型（PLS-SEM）进行假设检验，并通过多组分析（MGA）比较公共与私营部门间的路径差异，同时使用高斯Copula方法评估内生性。

**三、研究结果**

**4.1 测量模型**
通过验证性因子分析，所有潜变量的指标载荷、Cronbach's α、组合信度和平均方差提取值均满足阈值（如AVE > 0.5），且区分效度（异质-单质比率<0.85）良好，表明测量模型具有可靠性和有效性。

**4.2 描述性统计与相关性**
AI工作复杂性（r=0.343, p<0.01）和AI意识（r=0.395, p<0.01）与情绪耗竭呈显著正相关；AI意识与离职意愿（r=0.317, p<0.01）正相关；情绪耗竭与离职意愿强正相关（r=0.484, p<0.01）。所有相关系数低于0.70，不存在多重共线性问题。

**4.3 假设检验**
- H1a和H1b支持：AI工作复杂性（β=0.225, p<0.001）和AI意识（β=0.318, p<0.001）均正向影响情绪耗竭。
- H2a不成立：AI工作复杂性对离职意愿的直接效应不显著（β=0.027, p=0.573）。
- H2b支持：AI意识正向影响离职意愿（β=0.168, p=0.001）。
- H3支持：情绪耗竭完全中介了AI工作复杂性→离职意愿的路径（β=0.096, p<0.001），以及部分中介了AI意识→离职意愿的路径（β=0.136, p<0.001）。
- H4a不成立：AI自我效能感未显著调节AI工作复杂性与离职意愿的关系（β=0.020, p=0.688）。
- H4b支持：AI自我效能感负向调节AI意识与离职意愿的关系（β=-0.110, p=0.049），即高自我效能感缓冲了AI意识的负面效应。

**4.4 公共与私营部门比较分析**
多组分析显示两个显著差异：
- AI意识对情绪耗竭的影响在公共部门（β=0.175）显著弱于私营部门（β=0.390，差异p=0.021），表明公共部门员工对AI意识的情绪反应较弱。
- AI自我效能感的缓冲作用在公共部门更强（Δβ=-0.215, p=0.038）：在公共部门中，高AI自我效能感时AI意识反而降低离职意愿，低自我效能感时则增加离职意愿。

**4.5 稳健性检验**
高斯Copula分析显示所有内生性项不显著（p>0.05），表明结构模型未受显著内生性偏误。随机分半样本分析确认主要路径方向与显著性稳定。

**四、讨论与结论**

讨论部分指出，研究结果支持JD-R健康损害过程在AI赋能工作环境中的适用性。AI工作复杂性和AI意识作为心理层面的工作需求，通过情绪耗竭间接影响离职意愿，其中AI意识还直接预测离职意愿。AI自我效能感作为个人资源，主要在公共部门发挥缓冲作用，这一发现凸显了组织背景（如工作稳定性、低绩效压力）在塑造AI体验中的关键作用。理论贡献包括：将JD-R模型扩展至AI情境，揭示AI意识的驱动机制，强调自我效能感作为意义建构机制而非被动缓冲变量。实践方面，建议组织控制AI工作复杂性、提供透明沟通与培训，并采用以人为本的AI采纳策略。研究局限性包括横截面设计（尽管有时间滞后）、未纳入其他调节变量（如组织支持）等。
研究结论原文翻译：“本研究强调，AI在工作场所的心理后果不仅取决于技术本身的复杂性，还取决于AI赋能的需求如何被评价、情绪体验以及嵌入组织背景。通过证明AI意识和AI相关工作复杂性通过健康损害过程导致情绪耗竭和退缩意图，研究结果阐明了为何AI采纳在某些情境下引发接受、在其他情境下却引发抵制。至关重要的是，结果凸显了AI自我效能感作为关键心理资源的作用，尤其在以稳定和信任为特征的制度环境中支持对AI的适应性参与。从组织动态角度看，公共和私营部门观察到的对比模式表明，文化、工作安全感和组织意图感知塑造了AI是作为工作的支持性增强还是压力源被体验。本研究通过聚焦福祉、情绪过程和个人能动性，推进了对人机交互的心理学理解，同时为寻求以技术有效且心理可持续方式实施AI的领导者和政策制定者提供了可行见解。”