《Frontiers in Psychology》：When AI works, employees worry: the vigilance cost of AI delegation in hybrid work
编辑推荐：
混合办公与人工智能辅助技术不仅改变了员工的工作地点，也改变了工作在下班时间后如何保持心理活跃状态。本研究提出了AI委托悖论（AI delegation paradox），该悖论认为，尽管AI可以减少执行工作任务所需的努力，但它可能同时增加员工对通过AI辅助系统
混合办公与人工智能辅助技术不仅改变了员工的工作地点，也改变了工作在下班时间后如何保持心理活跃状态。本研究提出了AI委托悖论（AI delegation paradox），该悖论认为，尽管AI可以减少执行工作任务所需的努力，但它可能同时增加员工对通过AI辅助系统持续进行的工作过程进行监控、评估并承担责任的必要。基于这一论点，本研究引入了AI过程警觉（AI process vigilance, AIPV），这是一个二阶构念，通过进度监控（progress monitoring）、产出质量担忧（output quality concern）、错误预期（error anticipation）和失控感（loss of control）来捕捉员工对已委托给AI辅助工作的持续认知依附。研究采用间隔七周的两波调查设计，收集了642名每周至少使用AI工具工作的混合办公员工的数据。结果支持一条序列路径：AI持续可用性与更高的AI委托依赖相关，AI委托依赖预测更高水平的AI过程警觉，AI过程警觉增加了工作反刍（work-related rumination），工作反刍削弱了心理脱离（psychological detachment），而较低的心理脱离与较差的恢复结果相关。假设的边界管理偏好（boundary management preference）调节作用未得到支持。这些发现表明，恢复受损可能不仅源于员工在下班后继续工作，还源于他们对已委托给AI的工作过程保持心理参与。通过证明即使任务执行被转移到智能系统，责任和担忧往往依然存在，本研究识别出一种此前被忽视的AI辅助工作的恢复成本，并拓展了对当代工作环境中恢复、边界管理以及人-AI协作（human-AI collaboration）的理解。
论文解读：AI委托悖论与混合办公中的恢复代价
**研究背景与问题**
混合办公与人工智能辅助技术在当代知识工作中日益交织。现有研究指出，混合办公的灵活性可能重塑工作设计，同时削弱传统上用于分隔工作与非工作生活的时空边界。AI系统使员工能够以前所未有的速度起草文件、分析信息、生成内容、编写代码并优化产出，这些特性被视为减少重复劳动、提升效率的创新。然而，恢复研究不断表明，当工作相关问题在下班后仍保持认知活跃时，员工往往难以实现心理脱离。已有关于混合办公的研究也提示，灵活性常与工作后的认知激活、工作-生活干扰并存。目前对恢复失败的解释主要集中于工作量、未完成任务、沟通需求和数字连接，较少关注一种新兴可能：员工可能已停止直接任务执行，但仍对通过AI辅助系统持续运转的工作流程保持心理依附。本研究正是基于这一缺口，提出AI委托悖论，并引入AI过程警觉（AIPV）作为核心解释机制，以揭示AI辅助工作如何通过“委托后监督”而非“继续工作”损害员工恢复。
**研究内容与结论**
研究人员采用两波纵向调查，间隔七周，最终分析642名每周至少使用AI工具工作的混合办公员工。研究检验了“AI持续可用性→AI委托依赖→AI过程警觉→工作反刍→心理脱离→恢复结果”的序列中介路径。结果显示，AI持续可用性正向关联AI委托依赖，AI委托依赖正向预测AI过程警觉，AI过程警觉增加工作反刍，工作反刍削弱心理脱离，心理脱离正向预测恢复结果。完整序列间接效应显著，表明AI辅助工作可通过上述链条产生恢复成本。此外，边界管理偏好对AI过程警觉与工作反刍关系的调节作用未获支持。研究意义在于：恢复受损不仅源于下班后继续工作，也源于对已委托给AI的工作过程的持续心理参与；即使任务执行被转移给智能系统，责任与担忧依然存在。这一发现拓展了恢复理论、边界管理与人-AI协作的研究。
**关键方法**
研究采用两波调查设计，间隔七周，从知识密集型职业（涵盖商业服务、信息技术、教育、咨询、金融和行政工作）中招募混合办公或远程办公为主、每周至少使用AI工具一次的员工。最终匹配样本642人，保留率86.5%。所有构念使用五点Likert量表测量；AI过程警觉作为二阶构念，包含进度监控、产出质量担忧、错误预期和失控感四维度。数据分析基于Python环境，使用验证性因子分析、普通最小二乘回归、偏差校正bootstrap（5000次重采样）中介检验，并进行了替代模型比较和稳健性分析（以睡眠质量、情绪耗竭为替代结果变量）。
**研究结果**
**序列路径的验证**
路径分析支持了假设的序列路径。AI持续可用性正向预测AI委托依赖（β=0.486, p<0.001）；AI委托依赖正向预测AI过程警觉（β=0.426, p<0.001）；AI过程警觉正向预测工作反刍（β=0.411, p<0.001）；工作反刍负向预测心理脱离（β=?0.392, p<0.001）；心理脱离正向预测恢复结果（β=0.402, p<0.001）。bootstrap间接效应检验表明，从AI持续可用性到恢复结果的完整序列间接效应显著（β=?0.013, 95%CI[?0.019, ?0.009]），H1、H2、H3、H5、H6均获支持。
**边界管理偏好调节效应的检验**
边界管理偏好负向预测工作反刍（β=?0.144, p<0.001），表明偏好工作-非工作分离的员工反刍水平较低。然而，AI过程警觉与边界管理偏好的交互项不显著（β=?0.038, p=0.242），调节效应未获支持，H4不成立。不同边界偏好水平下，AI过程警觉对工作反刍的正向效应均显著，但调节路径指数不显著。
**稳健性与替代模型检验**
以睡眠质量为结果时，心理脱离正向预测睡眠质量（β=0.278, p<0.001），工作反刍负向预测睡眠质量（β=?0.200, p<0.001），AI过程警觉的直接效应不显著（β=?0.027, p=0.492）。以情绪耗竭为结果时，心理脱离负向预测情绪耗竭（β=?0.212, p<0.001），工作反刍正向预测情绪耗竭（β=0.322, p<0.001），AI过程警觉也正向预测情绪耗竭（β=0.180, p<0.001）。排除控制变量后结果基本不变。模型比较显示，假设的委托-警觉-反刍模型拟合最佳（CFI=0.989, RMSEA=0.042），优于直接AI可用性模型、无反刍模型和反向恢复模型。
**讨论与结论**
讨论部分指出，研究结果支持AI委托悖论：AI减少了执行努力，却增加了监督需求。AI过程警觉是一种独特的委托后认知状态，区别于技术压力、远程压力、可用性压力和一般性工作反刍，其核心在于对委托给AI的工作结果保持责任关注。边界管理偏好的调节作用不显著，提示稳定的分割偏好可能无法显著削弱警觉引发的反刍，因为这种警觉源于责任和不确定性，而非单纯的边界渗透。研究局限包括观察数据不能强因果推断，样本集中于混合办公知识工作者，未来需采用纵向、日志及实验设计，并结合AI使用日志、数字痕迹等进一步验证AIPV。
研究结论可总结为：尽管存在局限，本研究通过证明即使任务执行被转移给智能系统，责任和担忧往往依然存在，提供了关于员工恢复的新视角。随着AI日益融入知识工作，理解员工如何对委托过程保持认知依附，将成为未来研究的重要方向。
