综述：双元领导与数字化赋能的双元创新行为：员工-AI协作与AI-机器人认知的作用机制

《International Journal of Innovation Studies》：Ambidextrous leadership and digitally enabled ambidextrous innovation behaviors: The role of employee-AI collaboration and AI-robotics awareness

　　

随着企业数字化转型进程加速，探究如何激发员工创新行为的议题愈发关键。研究人员基于双元理论，构建并检验了员工-AI协作、双元领导与AI及机器人认知对员工数字化赋能双元创新行为的整合影响模型。实证研究数据来自越南高新技术企业的316名员工，采用三阶段时滞问卷调查设计收集，并通过偏最小二乘结构方程模型（PLS-SEM）对提出的路径关系进行检验。研究结果表明，员工-AI协作对数字化赋能探索式创新具有正向影响，但对数字化赋能利用式创新的影响不显著。此外，开启式领导正向影响数字化赋能利用式创新，而闭合式领导正向影响数字化赋能探索式创新。进一步分析发现，AI及机器人认知负向调节员工-AI协作与数字化赋能探索式创新之间的关系，其对员工-AI协作与数字化赋能利用式创新关系的调节作用不显著。本研究通过揭示数字化赋能创新行为的差异化前因与边界条件，拓展了员工双元创新的相关研究边界，同时也为寻求通过员工-AI协作与双元领导强化员工创新行为的组织提供了实践启示。

1. 引言

数字经济背景下，人工智能（AI）、机器人技术与员工-AI协作已从边缘工具演变为组织核心职能，从根本上重塑了工作流程并提升了复杂管理问题的解决效率。这一转型要求员工持续适应技术环境、更新技能体系并开展持续性学习，进而强化了员工创新行为尤其是双元创新行为的必要性——员工不仅需完成常规任务，还需在动态数字情境中主动生成、实施并优化新想法与创新方案。双元理论指出，组织与个体需在动态环境中同时追求新机会探索与现有能力利用，以维持短期效率与长期适应性的平衡。双元创新体现为平衡利用式创新与探索式创新的能力，使员工既能优化现有流程、发挥既有能力，又能生成新颖解决方案并开展风险性试验。然而现有创新研究多聚焦组织层面的产品、战略、流程创新及跨组织协同创新，缺乏个体层面关于员工如何在常规工作中生成数字化赋能创新、理解其双元创新行为的探索。AI与机器人的快速发展推动组织采用智能技术提升运营效率、决策质量与创新水平，成为长期组织竞争力与经济发展的核心驱动力。员工-AI协作作为一种增强型工作范式，通过整合员工与AI系统的互补优势提升任务效能，使员工将注意力从常规执行转向更高价值的创新活动，被视为组织借助AI激发员工创新、维持竞争优势的关键机制。但现有研究表明，企业对员工-AI协作的大量投入并未普遍获得预期创新收益，说明人机协作的创新效应无法自动实现，需进一步揭示其转化为员工数字化创新的内在机制与边界条件。现有研究多关注员工-AI协作对职业满意度、创造力等个体结果的影响，对其驱动员工双元创新行为的作用及AI与机器人认知的调节作用关注不足。双元领导作为通过开启与闭合行为的动态切换帮助员工平衡试验与效率需求的管理机制，已被证实对个体创新、团队创新与建言行为具有影响，但现有研究结论存在分歧：部分研究发现双元领导对员工创新行为有正向直接影响，也有研究指出其在项目制建筑企业等特定情境中存在负向效应，且对开启与闭合行为是否与不同创新需求相匹配的边界条件关注不足。基于此，研究人员以双元理论为基础，提出三条研究路径：一是双元领导通过提升员工创新行为进而影响数字化赋能探索式与利用式创新，且员工-AI协作与双元领导的（不）一致性进一步促进两类创新；二是员工-AI协作直接强化员工创新行为；三是AI与机器人认知调节员工-AI协作对员工创新行为的影响。研究旨在回答三个核心问题：双元领导如何影响员工数字化赋能双元创新行为及其两个子维度；员工-AI协作如何影响员工数字化赋能双元创新行为及其两个子维度；AI与机器人认知在多大程度上调节员工-AI协作对员工双元创新行为的影响。本研究的理论贡献体现在三方面：一是推动双元理论的微观基础发展，突破传统人本视角，证明员工数字化赋能双元创新由员工-AI协作、双元领导与AI相关认知评价共同塑造；二是区别于以往将领导或员工能力作为创新独立前因的个体层面双元研究，构建了整合框架解释技术、管理与认知机制通过不同路径驱动数字化赋能探索式与利用式创新的过程，同时揭示了开启与闭合领导行为一致性的创新效应；三是将AI与机器人认知识别为关键边界条件，阐明AI支持型工作场所中探索与利用的平衡不仅依赖员工行为，还取决于技术、管理与认知条件的交互作用，丰富了双元理论的内涵。

2. 文献综述与研究假设

2.1 双元理论：员工双元创新行为

双元理论认为，动态环境中的持续绩效依赖于两类本质不同的活动：利用，即聚焦现有知识精炼、效率提升与既有能力发挥；探索，即聚焦试验、学习与新颖方案生成。该理论最初用于解释组织如何平衡短期稳定与长期适应性，近年研究愈发强调这种平衡需在员工层面实现——创新最终源于日常工作中的行为。个体双元性体现为员工在利用行为（依赖既有惯例、优化熟悉流程、最小化操作误差）与探索行为（尝试新方法、挑战现有假设、生成新知识）之间的切换能力。实现这种双重导向本身具有较高要求，因为员工往往倾向于效率驱动的利用或 novelty 寻求的探索，而非同时维持两者，这种平衡不仅需要个体适应性，还需要支持员工响应工作需求变化的情境支撑，在数字化转型背景下这一挑战更为突出——员工需同时优化现有数字化流程并识别智能技术的新应用场景。因此，将双元理论应用于员工层面，为解释员工如何在常规实践中生成数字化赋能探索式与利用式创新提供了适配框架，且能更清晰区分两类创新路径的前因，为数字化工作环境中的员工创新提供更全面解释。

2.2 双元领导

双元领导指领导者通过适当拓宽或约束员工行为模式，并根据情境需求自适应切换两种行为，同时鼓励员工参与探索与利用活动的能力。该领导模式包含两种互补的领导行为：开启式领导与闭合式领导。开启式领导鼓励员工以新颖方式处理任务，赋予独立思考与行动的自由度，并支持其质疑传统方法；闭合式领导强调纠错、建立明确规则与期望，并密切监督员工的目标达成进度。探索式创新需要高水平的创造力、持续试验与风险承担，开启式领导通过鼓励试验、独立思考、从错误中学习及打破既有惯例来提升下属行为的差异性，为数字化情境中探索式创新的核心驱动力——其帮助员工不仅利用数字技术优化现有流程，还能重新定义问题并生成突破性创新。利用式创新聚焦现有流程的精炼、优化与改进，虽看似风险低于探索，但仍需要灵活性与持续改进，尤其在数字化环境中，赋能员工倾向于利用数字技术提升效率，开启式领导通过赋予自主权与开放环境，使员工更可能主动利用数字数据识别更优工作方式，而非严格遵循刚性流程，因此开启式领导也通过促进数字技术的更有效使用提升利用式创新。基于此，研究人员提出假设H1：开启式领导正向影响（a）数字化赋能探索式创新与（b）数字化赋能利用式创新。闭合式领导通过采取纠错措施、建立明确指南、监控目标达成及确保规则遵从，以减少下属行为的差异性，促进结构化实施、惯例建立与纪律性执行。在数字化情境中，算法测试、数字产品开发等探索活动仍需要清晰流程、技术标准与质量控制，闭合式领导为系统性试验与高效资源利用提供了必要的纪律基础；同时数字技术扩展了试验的可能范围，闭合式领导帮助缩小搜索空间至更有前景的方向，避免效率损耗。此外，探索的价值需转化为产出，闭合式领导通过持续目标监控与偏差纠正，促进创意向结果转化，确保数字举措有效实施；对于利用式创新，持续反馈与目标追踪保证数字改进的一致性与可靠性，满足其对准确性与稳定性的高要求。因此闭合式领导对两类创新均具有关键作用，研究人员提出假设H2：闭合式领导正向影响（a）数字化赋能探索式创新与（b）数字化赋能利用式创新。双元理论进一步指出，有效领导不仅需要同时展现开启与闭合行为，还需以协调互补的方式实施这两种看似矛盾的行为以应对变化的创新需求。开启式领导鼓励试验、自主权与行为差异，闭合式领导提供结构、监控与目标对齐，创新需要创造力与纪律性实施的结合，单一领导行为不足以支撑员工双元创新，只有当两种行为对齐时，创新才能达到最优——员工能接收到关于何时探索新数字机会、何时精炼现有数字流程的一致信号，这种一致性减少了行为模糊性，强化了灵活性与控制的整合，使员工能有效利用数字技术开展试验与实施。基于此，研究人员提出假设H3：开启式领导与闭合式领导的一致性正向影响（a）数字化赋能探索式创新与（b）数字化赋能利用式创新。反之，当两种领导行为错位时，员工会接收到关于应试验新想法还是遵循既有流程的不一致信号，这种不一致性破坏了灵活性与控制的整合，增加了认知模糊性，降低了员工利用数字技术开展试验与流程改进的信心。且错位程度越大，负面影响越强——微小错位可能可控，但较大差异会加剧员工困惑，削弱两类数字化赋能创新。因此研究人员提出假设H4：开启式领导与闭合式领导的错位负向影响（a）数字化赋能探索式创新与（b）数字化赋能利用式创新。

2.3 员工-AI协作

与传统数字技术主要提升任务效率不同，员工-AI协作从根本上重新分配了员工与智能系统之间的认知工作。AI承担常规分析与信息处理任务，使员工能将更多认知资源投入高阶思考、试验与知识整合，从而强化其数字化赋能创新的能力。与AI的持续互动还通过促进目标管理、适应性决策与高效资源分配支持员工自我调节，且AI的非评判性反馈减少了社会抑制，鼓励员工在不确定创新任务中坚持。因此，员工-AI协作同时促进了支撑数字化赋能探索式创新的试验、新颖想法生成与技术发现，以及支撑数字化赋能利用式创新的现有数字流程精炼、实施与优化。基于此，研究人员提出假设H5：员工-AI协作正向影响（a）数字化赋能探索式创新与（b）数字化赋能利用式创新。

2.4 AI与机器人认知

AI与机器人认知指员工对未来AI与机器人可能影响其职业价值、职业前景及组织内角色的未来导向认知评价。与强调技术压力、技术焦虑或AI抵抗等情绪张力或行为反应的概念不同，AI与机器人认知反映员工对AI长期影响的认知评估，是塑造员工响应员工-AI协作的边界条件。当员工主要将AI视为潜在替代者而非协作伙伴时，其越不愿意依赖AI生成的建议、共享知识或深度参与AI支持的工作流程，这种自我保护反应降低了AI对试验与流程改进的协作价值，从而削弱了员工-AI协作对员工数字化赋能创新行为的正向影响。基于此，研究人员提出假设H6：AI与机器人认知负向调节员工-AI协作对（a）数字化赋能探索式创新与（b）数字化赋能利用式创新的影响。

3. 研究方法

3.1 样本

研究采用两阶段时滞问卷调查法，以越南高新技术企业的员工为研究对象。时滞设计用于降低共同方法偏差的潜在影响，并提升预测变量与结果变量之间的时间分离度。越南是合适的实证情境，因为该国企业正加速推进数字化转型，将AI相关技术融入工作流程，尤其是高新技术行业的员工更易接触数字化赋能系统与工具。数据收集得到越南多个主要高新技术园区的企业支持，包括河内和乐高科技园区、胡志明市西贡高科技园区、岘港高科技园区与芹苴高科技园区。研究对象为全职员工，要求其所在组织积极投身数字智能转型，且组织任期至少6个月以确保对组织工作系统与技术实践的充分了解，受访者多为工程师、IT人员、技术专家、团队领导与中层管理者，这些角色与数字系统及转型导向任务密切相关。调查历时约4个月，从2025年10月至2026年1月，第一阶段（2025年10月10日）收集人口统计与组织背景信息，测量开启式领导（OLD）、闭合式领导（CLD）、员工-AI协作（EAC）与AI与机器人认知（ARA）；第二阶段（2026年1月10日）测量因变量：数字化赋能探索式创新（DRI）与数字化赋能利用式创新（DII）。最终匹配两阶段数据并剔除缺失值与随意作答样本后，获得316份有效问卷，时滞留存率约74.2%。样本特征为：男性占61.7%，女性占38.3%；25-35岁占64.2%，25岁以下占18.4%，35岁以上占17.4%；71.5%拥有学士学位，23.1%拥有硕士及以上学位，5.4%为高中学历；39.2%任期6-9年，20.3%任期2-5年，20.3%任期10-15年，15.2%任期15年以上，5.1%任期不足2年；59.2%就职于201-400人规模企业，26.3%就职于400人以上企业，14.6%就职于200人以下企业；62.0%所在企业运营10-20年，20.3%所在企业运营不足10年，17.7%所在企业运营20年以上。

3.2 量表

所有构念均采用已有文献中验证过的量表进行测量，采用5点李克特量表，1代表“非常不同意”，5代表“非常同意”。其中员工-AI协作量表改编自Wang和Zhang（2025），AI与机器人认知量表源自Arias-Pérez和Vélez-Jaramillo（2022b），数字化赋能探索式创新与利用式创新量表改编自Shao等（2025），开启式领导与闭合式领导量表采用Rosing等（2011）开发的题项。

4. 研究结果

研究人员采用偏最小二乘法（PLS）检验测量模型的信度与效度。测量模型结果显示，所有构念的克朗巴哈α系数均超过0.80的推荐阈值，题项外部载荷均高于0.70，rho_A与组合信度（CR）值均高于可接受水平，平均方差萃取量（AVE）均超过0.50，证明收敛效度充足。结构模型的方差膨胀因子（VIF）值均低于推荐阈值，说明预测构念间不存在多重共线性问题；数字化赋能利用式创新（DII）与探索式创新（DRI）的决定系数R²分别为0.260与0.502，处于可接受范围，模型对因变量的解释力充足；所有Q²值均大于0，证明模型具备充分的预测相关性。区分效度检验通过Fornell-Larcker准则与异质-单质比（HTMT）准则，所有构念AVE的平方根均大于其与其他构念的相关系数，HTMT值均低于0.85的推荐阈值，说明区分效度良好。结构方程模型结果显示，双元领导对员工数字化赋能创新行为的影响存在分化：开启式领导对DRI的影响不显著（β=0.126，p=0.112），但对DII有显著正向影响（β=0.328，p<0.001）；闭合式领导对DRI有显著正向影响（β=0.197，p=0.002），对DII的影响不显著（β=0.096，p=0.167）。员工-AI协作对DRI有显著正向影响（β=0.226，p=0.006），对DII的影响不显著（β=-0.043，p=0.625）。员工-AI协作与AI与机器人认知的交互项对DRI有显著负向影响（β=-0.134，p=0.006），对DII的交互影响不显著（β=-0.051，p=0.312），因此H1b、H2a、H5a与H6a得到支持。响应面分析结果显示，开启式领导与闭合式领导的一致性对DRI的影响：一致性线斜率显著为正（?1=0.563，p<0.001），说明两者同时提升时因变量随之上升；一致性线曲率不显著（?2=0.015，p>0.05），说明这种正向关系呈相对线性模式；错位线斜率不显著（?3=0.126，p>0.05），说明两者差异的方向未对因变量产生显著差异；错位线曲率显著为正（?4=0.555，p<0.001），说明两者错位程度越大，对因变量的曲线效应越强，因此H3a得到支持。对于DII，一致性线斜率显著为正（?1=0.321，p<0.001），说明两者同时提升时因变量上升；一致性线曲率也显著为正（?2=0.180，p<0.01），说明对齐程度越高，正向效应越强；错位线斜率显著为正（?3=0.367，p<0.05），说明开启式领导高于闭合式领导时因变量更高；错位线曲率显著为正（?4=0.372，p<0.01），说明两者差异越大，对因变量的非线性效应越明显，因此H3b得到支持。

5. 讨论

研究结果表明，开启式与闭合式领导对数字化赋能员工创新的影响比传统假设更为复杂。与以往认为双元领导普遍促进两类创新的研究不同，本研究发现闭合式领导促进数字化赋能探索式创新，而开启式领导主要提升数字化赋能利用式创新。这说明领导行为的有效性更少取决于其传统创新导向，更多取决于员工的数字任务特征：在数字化赋能探索工作中，结构化指导与清晰的绩效期望降低了陌生技术带来的不确定性，鼓励试验行为；而在利用式创新中，员工更受益于自主权与灵活性，以寻求优化现有数字流程的替代方案。结合越南较高的层级权威认同文化，员工在数字化转型中可能更依赖领导指导，进一步解释了领导行为在本情境中呈现差异化创新效应的原因。响应面分析进一步强化了双元理论的悖论逻辑，证明创新依赖于开启式与闭合式领导的对齐而非独立效应。同时体验高水平两种领导行为的员工，会接收到同时鼓励试验与行为纪律的一致信号，从而促进数字化赋能双元创新；而领导行为错位会产生关于灵活性与控制的冲突期望，增加不确定性并削弱员工参与创新的信心。此外，响应面的非线性结果表明，领导错位的负面后果随两者差异扩大而愈发显著。员工-AI协作主要刺激数字化赋能探索式创新，通过为员工提供智能洞察、替代建议与更广泛的数字知识获取渠道，支持试验与新颖想法生成，这与以往将AI视为认知伙伴而非单纯自动化工具的研究结论一致；但对利用式创新无显著影响，说明渐进式流程改进更依赖组织累积知识与标准化数字惯例，而非AI赋能的协作。AI与机器人认知削弱了员工-AI协作对数字化赋能探索式创新的正向影响，说明员工对智能技术在创新活动中的解读存在显著差异：低AI认知的员工更倾向于将AI视为支持试验与知识探索的协作资源，而高AI认知的员工更可能将AI视为对其职业价值的潜在威胁，从而更谨慎地与智能系统交互。这种负向调节效应仅在探索式创新中显著，因为试验需要更高的心理开放性与技术信任，而利用式创新更依赖常规实施与既有组织知识。越南情境可能进一步强化这一模式，因为AI采用的不均衡与新兴数字能力的发展，增加了员工对AI长期影响的不确定性。

6. 结论

6.1 理论贡献

首先，本研究通过将探索与利用视角从组织层面延伸至员工数字化赋能创新行为，推动了双元理论的发展。尽管双元性传统上被视为组织能力，但鲜有研究关注员工在数字工作环境中如何同时追求探索式与利用式创新。现有关于双元领导对员工创新影响的研究结论存在不一致，凸显了需要更细致理解领导塑造员工数字化赋能创新行为的机制。通过区分两类创新维度，本研究提供了对员工双元性更精准的理解，证明探索式与利用式创新由不同机制驱动，而非单一创新构念。其次，本研究通过揭示开启式与闭合式领导的创新效应，丰富了双元理论。两种领导行为并非产生一致的积极影响，而是通过不同路径影响数字化赋能探索式与利用式创新。更重要的是，研究提供了构型证据，证明领导有效性不仅取决于两种行为的独立效应，还取决于它们的对齐程度。通过将双元领导的悖论逻辑与响应面分析结合，本研究将双元理论从线性关系拓展至非线性关系，表明领导一致性与错位均是灵活性与控制共同塑造员工数字化赋能创新的不同机制。第三，本研究通过将员工-AI协作定位为员工层面数字化双元创新的独特前因，拓展了新兴的员工-AI协作研究。结果表明，员工-AI协作选择性地促进数字化赋能探索式创新，对利用式创新的影响不显著，说明AI协作主要作为支持试验、知识探索与创造性问题解决认知资源发挥作用，细化了人机协作贡献于员工创新的理论认知。此外，研究并未将领导与员工-AI协作视为独立前因，而是探究了AI赋能的脚手架与领导行为如何共同塑造员工的认知框架与身份安全感，进而影响创新结果。最后，本研究将AI与机器人认知识别为塑造员工-AI协作有效性的关键员工层面边界条件。区别于以往将AI认知视为技术进步的普遍感知，本研究表明其选择性地约束AI协作的探索价值，而对利用式创新影响甚微。通过将AI与机器人认知概念化为主动认知机制而非被动感知，本研究深化了对员工AI解读如何将人机协作转化为数字化赋能创新结果的理论理解。

6.2 管理启示

首先，最大化员工数字化赋能创新需要组织不仅管理AI采用，还需管理员工与AI的交互方式及获得的领导支持。管理者应将AI工具嵌入员工日常工作，作为想法生成、知识探索与问题解决的协作伙伴，同时建立清晰的绩效期望、标准化的AI赋能工作流程与持续反馈机制。此外，领导者应营造心理安全环境，鼓励员工无惧失败地试验AI，同时提供充分指导确保创意被系统性地精炼为可落地的创新。因此，组织应开发领导力发展项目，培训管理者在AI支持创新的不同阶段适配开启式与闭合式领导行为，以最大化探索式与利用式创新产出。其次，企业应平衡且情境化地使用开启式与闭合式领导，以更好地激发员工数字化赋能创新的双维度，最大化数字化转型举措的有效性。具体而言，当员工开展新数字想法试验时，领导者应提供充分指导、监控与目标清晰度；当员工聚焦优化现有数字流程时，应赋予更高自主权、灵活性与裁量权。第三，管理者应将AI与机器人认知视为变革管理议题而非单纯的个体心理问题。鉴于高AI与机器人认知会削弱员工-AI协作的创新收益，组织应主动实施干预措施增强员工与AI协作的信心，例如提供强调员工与AI能力互补而非技术替代的AI素养与再技能化项目，透明沟通AI支持而非替代员工的角色，建立允许员工在低风险工作场景中试验AI的持续学习机制，从而降低感知的替代威胁，培养员工将AI作为创新协作伙伴的意愿。

6.3 局限性与未来研究建议

本研究存在若干局限，为未来研究提供了方向。第一，尽管三阶段时滞设计强化了时间分离并降低了共同方法偏差，但数据仅来自越南企业，可能限制结论在不同文化、制度与行业情境中的普适性，未来研究可在其他国家与行业验证模型，检验其情境稳健性。第二，研究主要依赖自我报告测量，仍可能存在感知偏差，未来研究可结合感知评估与客观行为证据，如AI交互日志、数字协作记录、上级评价或创新绩效指标，更全面地评估员工数字化赋能创新行为。第三，本研究聚焦员工-AI协作、双元领导与AI及机器人认知作为数字化赋能双元创新的核心前因，未来研究可拓展框架，纳入员工职业认同、身份安全感或数字学习能力等组织与心理机制，更好地解释领导与AI协作如何共同影响创新。此外，尽管本研究将AI与机器人认知概念化为抑制因素，未来研究可关注其双重属性，探究支持性组织条件如何将AI相关的威胁感知转化为适应性动机与持续学习。