从压力到适应性：AI转型半导体工作场所中感知压力的中介作用研究

《Sustainable Futures》：From stress to adaptability: Understanding the mediating role of perceived stress in AI-transformed semiconductor workplaces

　　

随着人工智能（Artificial Intelligence, AI）在半导体行业运营、设计与制造流程中的深度整合，员工的工作要求（Job Demands, JD）、工作资源（Job Resources, JR）与个人资源（Personal Resources, PR）发生了显著变化，并进而影响其感知压力（Perceived Stress, PS）与工作适应性（Workforce Adaptability, WA）。本研究以马来西亚和新加坡半导体行业员工为样本（N=170），基于工作要求-资源（Job Demands-Resources, JD-R）模型，考察感知压力在AI转型工作环境中的中介作用，以及领导自我效能（Leadership Self-Efficacy, LS）对感知压力与工作适应性关系的调节作用。研究结果显示：较高的工作要求会显著增加员工感知压力，进而削弱其工作适应性；AI赋能的工作资源同样与感知压力正相关，并可通过压力路径间接影响适应性；个人资源对感知压力的影响不显著；感知压力对工作适应性具有显著负向影响；领导自我效能能够缓冲感知压力对适应性的不利效应。研究表明，在AI驱动的半导体工作场所中，组织应同步优化工作要求、资源供给与领导力发展，以维持员工适应性与可持续竞争力。

近年来，半导体行业成为数字化转型的先行者，人工智能（AI）已深度嵌入运营、设计与制造流程，在提升效率的同时深刻改变员工角色、决策方式和技能需求。马来西亚作为全球第七大半导体出口国，约占全球市场7%的份额和13%的封测产能；新加坡则拥有全球前15大半导体公司中的9家，雇用超过35,000名员工。两国均将AI教育与劳动力技能升级列入国家战略。然而，现有研究多聚焦AI导入后的企业层面效率指标，如良率提升与周期缩短，对员工个体层面的适应过程和压力反应关注不足。AI可能引发工作不安全感、技术压力、知识隐藏与抵触行为，且不同职业群体（操作员、技术人员、工程师、管理者）的适应差异尚未被充分揭示。因此，有必要从员工视角探讨AI转型如何通过感知压力影响工作适应性，并考察领导自我效能的调节作用。

研究人员基于工作要求-资源（JD-R）模型，纳入工作要求、工作资源、个人资源为前因，感知压力为中介，领导自我效能为调节，工作适应性为结果，构建了包含8条假设的概念模型。通过对马来西亚和新加坡半导体行业170名员工的问卷数据和结构方程分析，主要发现：AI驱动的工作要求正向影响感知压力；AI赋能的工作资源也正向影响感知压力，说明资源使用过程中可能产生新的技能压力；个人资源与感知压力的关系不显著；感知压力部分中介工作要求和工作资源对工作适应性的影响，但不中介个人