《Journal of Innovation & Knowledge》：Does social interaction foster or hinder innovation? the role of AI-based knowledge management systems
编辑推荐：
知识资产是组织创新的源泉，使得知识管理成为一项具有战略重要性的活动。与知识管理系统（KMS）并行的是，员工之间高质量的社交互动能够丰富隐性知识的共享并增强创新。组织目前正转向人工智能（AI）赋能的知识管理系统。本研究探讨了基于AI的知识管理系统如何影响社交互动
知识资产是组织创新的源泉，使得知识管理成为一项具有战略重要性的活动。与知识管理系统（KMS）并行的是，员工之间高质量的社交互动能够丰富隐性知识的共享并增强创新。组织目前正转向人工智能（AI）赋能的知识管理系统。本研究探讨了基于AI的知识管理系统如何影响社交互动对员工感知自主性和创新行为的作用。通过采用2×2基于情境的实验设计，操纵KMS类型（传统型vs.基于AI型）和社交互动水平（低vs.高）（N=282），研究结果表明KMS类型与社交互动共同塑造员工结果。结果显示，在传统KMS条件下，高水平的社交互动会降低感知自主性，而在实施基于AI的KMS时，这一负面效应初步呈现减弱趋势，证据为边际显著的交互效应（p=.051）以及显著的有调节的中介指数。进一步分析揭示，感知自主性在社交互动与创新行为之间起中介作用，在传统KMS条件下间接效应显著，而在基于AI的KMS条件下则不显著。本研究借鉴并拓展了事件系统理论（EST），将基于AI的KMS的实施概念化为一个关键的概率性变革社会技术事件，该事件影响员工的感知和行为。研究通过实证表明，基于AI的KMS能在高社交互动环境中增强员工自主性，为组织提供了实践启示。此外，本研究还提出了未来研究的方向。
**社交互动与创新的关系研究：基于人工智能的知识管理系统的调节作用——一项实验研究解读**
**一、研究背景与问题提出**
在知识经济时代，组织知识被视为具有战略重要性的资产，是解释组织竞争优势的核心要素。基于知识的视角认为，知识资产能够产生长期可持续的竞争优势，而知识管理正是通过识别集体知识、发展知识密集型文化以及构建知识基础设施来实现这一目标。为管理知识创造、存储与检索、转移和应用等组织流程，知识管理系统（Knowledge Management Systems, KMS）应运而生。随着人工智能（Artificial Intelligence, AI）技术领域的持续扩展，其与KMS的整合日益深入，旨在提升系统能力、增强组织整体效能并营造支持创新与决策的环境。
然而，现有研究在社交互动对创新的影响方面存在矛盾结论。一方面，员工网络和支持性知识共享文化被视为知识转移和创新的必要条件，高质量的社交互动能够丰富隐性知识共享。另一方面，高水平的社交互动可能对员工感知自主性产生负面影响，从而抑制创新潜力。具体而言，高社交互动环境增加了协调需求和从众压力，降低了员工个体的自主决策空间，这可能不利于创新行为的产生。与此同时，远程工作和全球团队的兴起使得组织难以维持高质量的社交网络，这对员工的创新潜力产生了不利影响。
传统KMS在很大程度上依赖于员工的人际网络和协作来进行知识共享和问题解决，这使得员工在获取隐性知识、寻求澄清和情境化见解时高度依赖同事，进一步加剧了高社交互动对自主性的负面效应。在此背景下，基于AI的KMS的出现为解决这一困境提供了新的可能。AI能够通过为员工提供直接、情境化和个性化的信息来满足其自主性需求，从而减少对同事的依赖。然而，关于AI-based KMS如何具体影响社交互动与员工感知自主性和创新行为之间的关系，现有研究尚未给出明确的实证答案。部分研究表明AI整合能够通过增强自主性、决策能力和创造力来改善员工结果，而另一些研究则担忧AI可能削弱用户控制，尤其是在社交互动有限的背景下。这种矛盾凸显了在AI-based KMS存在的情境下重新审视员工社交动态对创新影响的必要性。
基于上述理论与实践背景，本研究旨在回答以下研究问题：基于AI的KMS如何影响社交互动对员工感知自主性和创新行为的作用？该研究借鉴并拓展了事件系统理论（Event System Theory, EST），将AI-based KMS的实施概念化为一种新颖、颠覆性和关键的组织层面事件，探讨其如何通过改变员工的信息依赖模式和社交互动模式，进而重塑感知自主性和创新行为。
**二、研究设计与方法**
本研究采用2×2基于情境（vignette-based）的实验设计，操纵KMS类型（传统型vs.基于AI型）和社交互动水平（低vs.高）。研究样本通过Prolific平台招募，最终有效样本为282名参与者，其中58.16%为女性，平均年龄39.12岁（SD=11.16），参与者来自英国（166人）和美国（116人）。研究者选择英美两国的英语语境参与者，以确保对英文验证的测量量表和实验情境的理解，且这些经济体对数字和AI赋能的职场技术具有较高的熟悉度。参与者均受雇于创意岗位，如文案撰写、市场营销和传播等，以确保其熟悉创新导向型任务，提高研究的生态效度。
社交互动水平通过物理距离进行操作化：办公室工作代表高社交互动条件，因为面对面交流的频率和强度、协调需求以及非正式知识共享会增加；远程工作代表低社交互动条件，因为这些人际动态会减少。KMS类型则通过系统功能描述进行操纵。因变量“创新行为可能性”采用改编自Janssen（2000）的九条目量表测量（Cronbach's Alpha=.91），中介变量“感知自主性”采用改编自Olckers（2013）的五条目量表测量（Cronbach's Alpha=.93），均采用十点Likert量表。研究控制了参与者的年龄和工作中的技术使用频率。数据分析使用SPSS（v27）软件，采用ANOVA和PROCESS宏模型进行假设检验。
**三、研究结果**
**H1检验：KMS类型调节社交互动对感知自主性的影响**
ANOVA结果显示，社交互动的主效应显著（F(1,276)=20.83, p<.001, pη2=.07），高社交互动导致的感知自主性显著低于低社交互动条件。KMS类型的主效应不显著（F(1,276)=.001, p=.97, pη2=.00）。社交互动与KMS类型之间的交互效应呈边际显著（F(1,276)=3.84, p<.10, pη2=.01），为H1提供了初步支持。简单效应检验表明，在传统KMS条件下，低社交互动导致更高的感知自主性（M=8.05, SE=.19, CI=[7.68, 8.42]），而在基于AI的KMS条件下为M=7.68（SE=.19, CI=[7.29, 8.07]）；在高社交互动条件下，基于AI的KMS带来的感知自主性（M=7.17, SE=.19, CI=[6.79, 7.55]）高于传统KMS（M=6.79, SE=.19, CI=[6.40, 7.17]）。这一模式表明，相较于传统KMS，基于AI的KMS能够减弱高社交互动对感知自主性的负面效应。
**H2检验：感知自主性的中介作用**
使用PROCESS宏模型4进行中介分析，在控制年龄和工作技术使用后，社交互动通过感知自主性对创新行为的间接效应显著（b=-.43, BootSE=.11, BootCI=[-.61, -.26]）。具体而言，与低社交互动相比，高社交互动降低了感知自主性，进而减少了员工参与创新行为的可能性。这一结果支持H2。
**H3检验：KMS类型的有调节的中介效应**
使用PROCESS宏模型7进行有调节的中介分析，所有方差膨胀因子均低于3.0，表明不存在多重共线性问题。社交互动对感知自主性的条件直接效应显著为负（b=-1.26, p<.001, CI=[-1.71, -.82]）。社交互动与KMS类型的交互项对感知自主性具有边际显著效应（b=.76, p=.051, 90% CI=[.12, 1.40]），与ANOVA结果一致。有调节的中介指数显著（index=.36, 90% CI=[.06, .71]），为理论化的条件过程提供了更稳健的证据。聚焦分析（Spotlight analysis）显示，在传统KMS条件下，社交互动对感知自主性存在显著的负面条件效应（b=-1.26, p<.001），而在基于AI的KMS条件下，这一负面效应显著减弱（b=-.50, p=.07）。条件间接效应分析表明，在传统KMS条件下，社交互动通过感知自主性对创新行为的条件间接效应显著（b=-.61, SE=.14, 90% BS CI=[-.86, -.39]），而在基于AI的KMS条件下，该间接效应不显著（b=-.24, SE=.15, BS CI=[-.48, .01]）。上述结果支持H3。
**四、讨论与结论**
本研究的发现调和了文献中长期存在的关于社交互动对创新影响的矛盾。传统观点认为高质量的社交互动促进知识共享和创意发展，但本研究表明，在传统KMS条件下，高社交互动会通过增加协调需求和从众压力来降低感知自主性，进而抑制创新行为。相比之下，基于AI的KMS通过提供直接、及时的知识获取和决策支持，减少了员工对同事的信息依赖，将知识获取与社会依赖脱钩，使员工即使在社交密集环境中也能维持决策自由度。因此，AI-based KMS充当了一个边界条件，解释了社交互动在何种条件下从创新的抑制因素转变为促进因素。
在理论贡献方面，本研究通过将AI-based KMS的实施概念化为一种概率性变革社会技术事件，拓展了EST。传统EST将事件定义为离散且时间受限的，而本研究证明AI-based KMS如何重新配置组织流程、改变员工的信息依赖和社交互动模式，从而重塑感知自主性和创新行为。此外，研究还表明感知自主性是一个动态且情境依赖的构念，而非静态的工作特征，为知识管理文献贡献了个体层面的实证证据。在实践层面，研究建议组织应实施AI-based KMS以增强员工自主性，尤其是在高互动的工作环境中，从而提升创新潜力。然而，AI-based KMS的自主性增强效应可能受到组织文化、员工对AI的信任等权变因素的影响，未来研究可进一步考察这些边界条件。本研究的局限性包括基于情境的实验设计缺乏外部效度、仅测量行为意图而非实际创新产出、样本局限于英美两国个体主义文化背景等，未来研究可采用纵向现场设计、跨文化样本和团队层面分析来增强研究结论的普适性。
综上所述，本研究通过严格的实验设计，实证检验了KMS类型与社交互动水平对员工感知自主性和创新行为的交互效应。结果表明，基于AI的KMS能够在高社交互动环境中减弱社交互动对自主性的负面效应，从而为创新行为创造更有利的条件。该研究不仅为AI-based KMS的个体层面效应提供了因果证据，也为组织在日益复杂和数字化的知识管理环境中优化创新管理实践提供了理论依据和决策参考。
