性别差异下人工智能技术冲击与工作认同

程雅馨，程延园，何 勤，邱 玥

（1.中国人民大学 劳动人事学院，北京 100872；2.首都经济贸易大学 劳动经济学院，北京 100070）

一、引言及文献综述

党的二十大报告提出，推动战略性新兴产业融合集群发展，构建新一代信息技术、人工智能、生物技术、新能源、新材料、高端装备、绿色环保等一批新的增长引擎。人工智能（AI）和机器人技术的迅猛发展在推动生产力进步与各行业深度融合的同时，也加速了机器对劳动力的替代，给人类工作带来前所未有的冲击与挑战［1］，具体表现如下：一方面，智能技术的应用增加原有的工作负荷［2］、提出新的工作技能要求［3］，使员工面临着技能要求提高、转换工作［4］等方面的压力；另一方面，因技术进步引发的失业恐惧［5］等消极情绪，人机合作的工作环境将会弱化人际关系，致使情感需求难以得到满足、个人的社会存在感和价值意义被弱化［6］等方面的心理压力增加。工作要求变化与认知调整的双重压力引发了企业员工对人机协同工作的抵触情绪，进而致使员工工作认同感降低，这不仅影响员工工作绩效提升，还会阻碍人工智能技术在企业中的创新与扩散。因此，企业面临着追求创新技术的价值创造与员工的认知、行为适应技术发展两者间平衡的难题。如何让企业员工在智能化技术压力环境中增强工作认同、减少不确定性资源损失、增加工作中的积极行为，已经成为企业人力资源管理中不可忽视的问题，为此，企业需要及时地进行工作再设计，创造性地应对日益动态、复杂的工作任务［7］。

工作认同是个体面临工作变化时做出的行为选择，是影响个人和组织发展的重要因素［8］。当个体具有高工作认同度时，将会表现出积极的情绪和行为，会更主动地探索外部信息，更清楚地认识潜在的工作困难［8］，避免产生低效能感［9］和更多职业决策困难［10］等情况。工作认同不仅是帮助个人实现职业成功的路径，还是企业对员工进行内在激励的重要手段，能够让个体在工作中保持持续的投入［11］，有利于工作进步与组织发展。当工作认同度低时，员工将会更容易感受到工作压力，产生职业倦怠［12］与情绪耗竭［13］。Autor 等（2003）提出的“基于任务的模型”认为，劳动者被人工智能替代的程度取决于日常任务类型与技能的匹配度［14］。面对人工智能技术的应用与扩散，工作内容与技能要求必然随之改变，工作的变化与调整会使个体不断调整认知［15-16］。因此，一方面，企业对创新技术应用的接纳会增加工作挑战性，有助于提升员工参与创新活动［7，17-18］，激发员工表现出积极的心理［17］和行为［19］；另一方面，人工智能技术在企业中的应用，替代了重复劳动［20］，减少了工作风险，改善了工作环境，技术优势的显现抵消了技术应用引发的焦虑与恐慌，增强了个人对人工智能技术的积极认知。既有研究大多基于传统的工作场所关注某一职业或特定角色的工作认同对组织和个人发展的影响［21-23］，鲜有关注智能化工作场所中员工工作认同的产生机制。事实上，人工智能技术以对就业的影响周期长、对复杂脑力劳动的替代性强、对传统人机关系颠覆明显［24］等特点区别于以往的技术进步。为了使企业员工在工作中面对人工智能技术冲击有积极的表现，探索人工智能技术冲击与工作认同间的作用机制及其边界条件是十分必要的。因此，本文在探索人工智能冲击对员工工作认同的影响时，试图揭示两者关系的中间机制。

人工智能技术发展对劳动力的影响无论是替代效应、生产力效应还是就业创造效应［25］，都会改变现有的工作内容及工作形式，提出新的技能要求。杨伟国和邱子童（2020）研究发现，人工智能技术的应用使岗位技能要求向跨界技能多样化、技能水平高阶化、人机协作与人际合作技能复杂化方向转变明显［26］。自我决定理论认为，人是积极的自我整合、自我完善和有不断学习倾向的有机体，当组织环境满足人的基本心理需求（自主需求、胜任需求和关系需求）后，人们将不断体验个人的成长和幸福感［27］。个体的内在动机与行为受心理需求满足度和外部环境变化的双重影响［28］，人工智能技术的发展影响工作要求的变化和个体对工作条件的感知，智能机器改善了工作环境，分担了员工简单的、重复性工作，让员工可以去从事更有创造性的工作，从而满足了员工的基本心理需求，促使其增强工作认同。由此可见，“基于任务的模型”和自我决定理论为解释人工智能技术冲击和员工工作认同之间的关系提供了理论基础。

在面对相同的工作环境压力时，男性和女性在生理、心理、社会认知和行为等方面存在诸多差异，因此，性别是不可忽视的调节变量［29］。男性通常表现出独立、理性、沉稳等特征，女性则通常表现出敏感、文静、感性等特征。因此，当面对相同的情境时，女性比男性易受情境压力的影响［30］而产生压力评估差异，进一步产生不同于男性的工作行为和认知［31］。在分工中，男性技能具有肌肉密集特征,在运动技能方面占有优势；女性技能则具有大脑密集型特征,在认知能力和非认知技能方面更占优势［32］。技术进步推进了生产操作的简化，降低了对劳动者在体力和运动能力方面的硬性要求,对认知技能的需求日益凸显，女性的一些特质在智能化工作场景下逐步转化为相对优势。面对人工智能技术带来的工作变化，因女性与男性在对变化的感知和自我发展方面并不同步，则会引发工作认同的差异［33］。因此，性别因素在技术进步影响工作认同关系中的作用不容忽视。

以往研究大多以整个劳动力市场作为研究对象，较少从微观视角探索技术进步对细分劳动者群体的影响，尤其是男性与女性间的差别。同时，人工智能技术对工作和认知的影响较为复杂，已往研究得出的结论存在较大差异。此外，前人对工作认同的研究大多基于传统工作场所中某一特定职业或者社会角色的个性因果关系探索，缺乏在智能化工作场所中对影响工作认同的共性探讨。因此，本文着重关注以下几个方面问题：人工智能技术冲击对员工的工作认同有何影响？两者间的作用机制是怎样的？性别差异如何？为此，本文建立有调节的中介模型，探讨人工智能技术冲击对工作认同的作用机制及边界条件，以期丰富和深化智能化时代工作认同的理论和实践研究，激励员工面对技术变革时依然保持积极的工作认同和持续稳定的工作投入，为实现人机协同发展与构建和谐人机关系提供理论支持。

二、理论分析与研究假设

（一）人工智能技术冲击与工作认同

人工智能技术作为一项破坏性创新技术［34］，虽然其应用所产生的产品属性与传统技术的应用差异较小，但在生产组织方式［34］、工作技能［2］和工作负荷［3］等方面却产生颠覆性影响。对于企业员工而言，需要面对工作技能要求提升、工作内容转换等方面的变化，这必然会引发员工工作认知和心理需求的改变，影响其职业发展。工作认同是指个体对所从事工作的接纳和喜爱程度，是与工作环境的变化息息相关的。现阶段智能技术的发展以替代重复性和常规化工作为主，为员工从事创造性工作提供支持［35］。依据自我决定理论，人的胜任需求、自主需求和关系需求的满足是人类自我发展和自我完善的重要支持［27，36］。人是积极的有机体，会通过来自外部各种社会因素的支持和给养积极地进行自我整合、自我学习和完善，将自我价值和行为与组织发展目标相联系，实现认同调节［30］。员工要应对因创新技术应用带来的工作挑战，就会专注于专业技能的学习和提高［37］，并以积极的心态面对技术进步带来的工作效率提升、工作环境优化［38］、收入提升等方面的改善，逐渐接纳人与智能机器协作的工作方式，进而获得领导和同事对其工作的认可与支持。员工基本心理需求的满足会促使其对工作有更加积极的评价和价值判断，增强其对工作的认同。因此，本文提出假设1。

H1：人工智能技术冲击对工作认同有显著正向影响，即当人工智能技术对企业的冲击程度越强时，企业应用人工智能技术给员工带来的工作认同越强。

（二）工作要求和工作条件感知的中介作用

从事程序性日常任务的中等技能劳动者最易被人工智能替代，进而转向从事更加复杂和个性化的工作。高技能的劳动者因具备较强的判断、分析、解决问题等认知技能不易被人工智能替代，低技能劳动者因替代成本问题也不易被替代，中等技能劳动者与高技能、低技能劳动者形成互补关系［39］，为解释自动化技术对劳动力市场的影响提供了分析框架。不同于其他的数字化技术，智能技术具有连接性和认知能力等特征，AI 通过内外部数据资源的连接与共享，增强AI组件的连接性；AI通过在错误中学习与自我纠正，增强认知能力［40］。因此，人工智能技术的冲击不仅会改变工作的客观要求，更会对人的认知产生影响。

工作要求是指个体在工作中包括物质、社会和组织中与特定的生理和心理付出有关的方面［41］，是组织对任职者的行为表现进行绩效考核的标准［42］。因此，工作要求的变化会对员工心理产生影响［43］。企业为了最大限度地发挥人工智能技术应用降低生产成本、提高生产效率的效用，会推动人工智能技术在企业中的创新扩散，势必会改变原有的生产管理方式，重组工作岗位的任务内容，改变工作要求［44］。人工智能对程序化、事务化工作的快速处理，使员工可以从繁琐、重复性的工作中解脱出来,转为专注核心的工作任务［45］。当从事有挑战性的工作和承受适度的工作压力时，会激发个体的积极表现［19］，个体的胜任需求与关系需求被激活。一方面，个体希望通过积极提高自身知识与技能产生胜任工作要求的行为；另一方面，可以释放个体积累的与技术相关的创新能力，获得领导和同事的肯定、支持与关心，形成持续的工作动机或获得比较优势。人工智能技术带来的工作变化为企业员工提供了心理需求调整、重塑和巩固工作环境以及实现自我价值的机会，通过重新调整和构建工作内容，能够让工作匹配个体的需要、能力和偏好，激发员工积极的情绪和认知，增强员工的工作认同。

因此，本文提出假设2。

H2：工作要求在人工智能技术冲击程度与工作认同之间起中介作用。

工作条件是工作中的设施条件、工作环境、劳动强度和工作时间的总和，工作条件感知是个体对工作条件的评价和认知。人工智能技术的应用会减少企业员工的体力劳动，对重复性高、标准化强的劳动产生替代作用［14］，减轻劳动强度［46］。同时，人工智能技术也改善了工作环境［47］，原本需要在恶劣的环境中完成的工作，可以由机器代劳。智能技术会通过内外部数据资源的连接与共享在错误中不断进行学习和自我纠正，迅速更新迭代，不断为员工决策提供新的资源和数据支撑，更加匹配员工工作需要。创新技术的应用对工作形式的改变和工作环境的改善将会极大提升员工的工作舒适度，创造性和自主性的工作为个体提供更大的能力发挥空间，为个体胜任需求、自主需求和关系需求的满足提供重要的基础，有助于个体朝着积极的方向发展，强化工作动机［48］。因此，工作条件感知是解释人工智能技术冲击影响员工工作认同的重要中介机制。员工感受到周围环境对其工作的支持，并且有效识别工作条件变化中存在的机遇，产生积极的工作态度［49］，胜任工作中的挑战，进而增强继续从事现有工作的信心和认同。因此，本文提出假设3。

H3：工作条件感知在人工智能技术冲击程度与工作认同之间起中介作用。

（三）性别的调节作用

男女两性有着各自不同的角色期待和行为规范，并通过鼓励趋同、排斥异类的机制来维持和强化性别身份认同［50］，性别可以通过影响社会对个体的角色期望（性别角色期望）和个体自身的信念或技能（性别角色表现）导致社会认知和行为的差异［51］。从生理层面看，男性与女性分属肌肉密集型和大脑密集型，因此，男性更具运动优势，而女性在认知能力与非认知技能方面优势明显［32］。从工作分工方面看，女性注重合作,关注友谊并努力维持和谐关系,而男性强调主导地位和竞争力,愿意通过努力来克服不同的约束条件和困难实现目标［52］。女性面对现实采取“感性回应”，偏向主观、直觉、情感，男性常常采取“技术回应”，更加客观、理性和稳定［53］。从认知层面看，男性会更经常性地从事体力劳动，技术也以男性特征为编码方式［54］，而女性所属的工作范畴往往是信息传达、情感表述、认知表达的相关工作［55］。智能化工作场景中，女性更适合非常规的交互型的工作任务，也更容易接受与智能机器协同的工作形式。女性的优势使其在工作中更容易接受和认同智能技术，促进积极认知的产生。因此，面对人工智能技术冲击，性别的不同会使员工产生工作认同的差别，在工作要求和工作条件感知对工作认同的影响中，女性强于男性。由此，本文提出假设4a和4b。

H4a：性别在工作要求与工作认同之间起到调节作用，即女性面对工作要求变化时对工作认同的促进作用强于男性；

H4b：性别在工作条件感知与工作认同之间起到调节作用，即女性感知到工作条件变化时对工作认同的促进作用强于男性。

综上，本研究的概念模型如图1所示。

图1 概念模型

三、研究对象与方法

（一）数据来源与样本特征

本文以2019年北京市工业和信息化局提供的1 084 家各区（县）人工智能企业作为分层依据，在各层中随机抽取100家企业样本，委托咨询公司进行问卷调查，在剔除有大量缺失值、前后问题回答矛盾、同一问卷中多数选项为相同答案的问卷后，共获得有效问卷500份。有效样本涉及医疗、交通、教育和智能制造等行业，涵盖销售类、财务类、产品生产或服务提供类、客户服务类、人力或行政管理类、运营类等不同性质的工作岗位。就有效样本的构成而言，男性受访者占57.20%；年龄在40岁以下人员占比94.8%；大专及以上学历人员占比为85.20%；行政类岗位占比为38.50%，普通员工占比为79.80%；工作年限在5年以下占比84.6%。

（二）变量测量

数据收集采用问卷调查的方法，研究量表为在以往成熟量表的基础上根据研究内容自行编写，所借鉴的量表在不同的研究情境中都具有良好的信度和效度。为确保问卷内容的准确性和可靠性，本文严格遵循标准的翻译、回译、修正程序，将英文汉化。问卷设计采用了李克特五点计分法，选项分为5个程度，依次从非常低（1分）到非常高（5分）。

1.人工智能技术冲击程度

该变量的开发过程如下：第一步，采用文献演绎法和深度访谈法，确定初始测量题项。通过对3 家人工智能技术应用企业中20 名员工进行深度访谈和编码分析，发现人工智能的冲击主要涉及职业发展、子女教育和未来生活规划三个方面。第二步，验证问卷有效性，修正测量题项。将搜集到的100 份有效问卷利用SPSS 20.0 进行探索性因子分析，因子载荷大于0.5，KMO 检验大于0.7，Cronbach′sα大于0.8，问卷题项信效度达到标准。第三步，验证量表。最终的量表题项包括“人工智能技术发展对于我职业发展决策制定上的影响程度”“人工智能技术发展对于我在子女教育决策制定上的影响程度”“人工智能技术发展对于我在未来生活规划制定上的影响程度”。

2.工作要求

采用Karasek 的量表［56］，该量表共有7个题项，其中2个题项内容接近，为避免产生歧义，经专家小组讨论后，删掉1个题项，修订后量表共有6个题项。量表的Cronbach′sα系数为0.833，KMO值为0.843。

3.工作条件感知

该量表共包含员工对工作环境、工作强度和安全性三个方面的评价和感受，共3个题项。量表的Cronbach′sα系数为0.710，KMO值为0.771。

4.工作认同

借鉴罗明忠和卢颖霞的研究成果［57］，从工作价值、工作情感和工作行为三个维度测量员工的工作认同，并结合对人工智能企业访谈分析结果形成量表，共有7 个题项构成。量表的Cronbach′sα系数为0.731，KMO值为0.744。

5.控制变量

参考一般性变量特征，本文将统计学特征变量作为控制变量，包括员工的性别、年龄、岗位、职位、学历和工作年限。

（三）共同方法偏差

尽管本文采取了隐匿研究目的、引入反向题等措施，但共同方法偏差仍在所难免。考虑本研究中数据来源相同可能会带来同源误差，因此，采用Harman 单因子测试，将所有题项放在一起进行探索性因子分析提取多个因子，得到第一个公共因子方差解释率为27.677%，小于40%的临界值［58］，说明本量表不存在严重的共同方法偏差。

四、数据分析

（一）变量描述性统计结果

本文采用SPSS 25.0 和AMOS 24.0软件进行数据处理、分析以及中介模型检验，具体描述性统计和相关性结果见表1所列。表1显示，人工智能冲击程度与工作要求、工作条件感知、工作认同之间都呈显著正相关关系，工作要求、工作条件感知与工作认同之间也呈显著正相关关系。

表1 各变量描述性统计和相关性结果

（二）直接效应检验

本文所构建的理论模型具体包括人工智能冲击程度对工作认同的直接影响、人工智能冲击程度对工作要求和工作条件感知的直接影响、工作要求和工作条件感知对工作认同的直接影响，具体回归分析结果见表2所列。

表2显示：根据模型2，人工智能冲击程度对工作认同存在显著的正向影响（β=0.240，p<0.01）；根据模型1，人工智能冲击程度对工作要求存在显著的正向影响（β=0.240，p<0.01）；根据模型5，人工智能冲击程度对工作条件感知存在显著的正向影响（β=0.358，p<0.01）；根据模型3，工作要求对工作认同存在显著的正向影响（β=0.196，p<0.01）；根据模型6，工作条件感知对工作认同存在显著的正向影响（β=0.238，p<0.01）。因此，H1得到验证。

（三）中介效应检验

本文采用分层回归的方法检验模型中的中介效应，检验步骤如下：首先，在纳入控制变量的条件下检验人工智能冲击程度与工作认同的关系；其次，分别检验工作要求、工作条件感知与工作认同的关系；最后，检验人工智能冲击程度、工作要求、工作条件感知与工作认同的关系。具体结果见表2 所列，从中可以看出，在主效应检验通过的前提下，模型4 在模型2 的基础上加入工作要求这一中介变量，人工智能冲击程度（β=0.221，p<0.01）与工作要求（β=0.079，p<0.05）的效应值均显著；模型7 在模型2 的基础上加入工作条件感知这一中介变量，人工智能冲击程度（β=0.211，p<0.01）与工作条件感知（β=0.080，p<0.05）的效应值显著。因此，工作要求和工作条件感知在人工智能冲击程度与工作认同之间均起部分中介作用，H2 和H3 得到验证。

表2 直接效应和中介效应回归结果

（四）调节效应检验

本文采用分层回归的方法检验模型中的调节效应，具体结果见表3 所列。根据模型3 可知，工作要求和性别的交互项与工作认同之间不存在显著的相关关系（β=0.025，p>0.1），说明性别在工作要求与工作认同之间不存在调节效应；由模型6 可知，工作条件感知和性别的交互项与工作认同之间存在显著的正相关关系（β=0.118，p<0.1），说明性别正向调节工作条件感知对工作认同的影响。

表3 调节效应回归结果

续表3

为进一步分析性别在工作条件感知与工作认同之间的调节作用，先将男性和女性作为独立样本进行线性回归，见表4 所列。结果发现，工作条件感知影响工作认同的标准化回归系数在男性和女性组分别是0.258（t=4.493，p<0.01）和0.410（t=6.539，p<0.01）。

表4 男性和女性线性回归结果

然后，将工作条件感知划分为高工作条件感知组和低工作条件感知组，将两组平均数分别带入前述的回归方程，得到在工作条件感知高低分组条件下的工作认同得分值，如图2所示。

图2 性别对工作条件感知与工作认同关系的调节效应

结果表明，无论是在低工作条件感知还是高工作条件感知情况下，职场中女性对工作的认同均高于男性，且随着工作条件感知的增强，女性的工作认同提升更快。因此，H4b成立，即性别在工作条件感知和工作认同间起到调节作用；H4a不成立，即性别在工作要求与工作认同间的调节作用不成立。

H4a未得到验证，即性别在工作要求与工作认同之间不存在调节作用。本文认为原因主要归于两个方面：首先，虽然人工智能技术会对就业产生创造、替代或重塑效应，但这些效应的凸显是伴随着人工智能技术的发展成熟日渐显现的。在弱人工智能时代，企业应用人工智能技术的范围和程度有限，智能机器还需要在人工辅助的条件下才能完成工作，对于员工而言，其工作内容变化较小，因而对工作要求的变化也不敏感。其次，虽然男性与女性在性格特征和行为方式方面存在差异，但是在技术变革的初期，企业员工还是会采取谨慎观望的态度，因此性别差异不明显。

H4b 成立，即女性面对人工智能技术冲击带来的工作条件感知变化时，比男性具有更高的工作认同度。原因可能在于：一方面，人工智能技术的应用替代人完成繁重的体力劳动，改善了工作环境，这弥补了女性的体力弱势，为女性特质的优势发挥提供了机遇；另一方面，女性受教育水平的提高加之其感性特质，会帮助其拓宽信息获得渠道，提高信息吸收的效率，更容易对人工智能协作下的工作变化与发展做出理性判断；此外，与男性相比，女性思考问题更加全面，面对因技术进步带来的工作变化更加包容和理性，愿意付出更多精力去适应工作变化。因此，面对人工智能技术冲击而产生的工作条件变化，女性较男性的工作认同感更强。

五、结论与讨论

（一）研究结论

本文通过对100 家企业的问卷调查数据进行实证研究，旨在探究性别差异下人工智能技术冲击对企业员工工作认同的影响及其作用机制，主要结论如下：

第一，人工智能技术冲击会激发个体对工作的认同。首先，人工智能技术在工作场所的应用，会使工作效率提升、工作风险降低等方面的优势凸显。人机互动的过程让员工逐渐把人工智能视为伙伴，人工智能技术应用带来的工作优化激发了员工对工作的接纳和认同。其次，人工智能技术与企业的融合并非个例，创新技术的应用会帮助企业产生先发优势，员工会因企业在同行业中采纳先进技术而产生心理优势或自豪感，以此激发工作认同感。

第二，工作要求和工作条件感知在人工智能技术冲击与工作认同间发挥强化链接效应。由于智能技术在企业中的创新扩散，势必会改变现有的工作要求，员工会结合环境变化和自身需求做出行为选择，个体需求的满足会促使员工积极适应工作要求的变化。人工智能给企业带来的技术变革，改善了工作条件，让其有更多的机会从事具有自主性、创造性和挑战性的工作，而心理需求的满足也促进员工增强工作信心和工作认同度。

第三，面对人工智能技术冲击，女性比男性的工作认同感更强。一方面，信息处理时女性比男性更习惯将多方面信息联系起来进行全面思考，因此，女性对待与人工智能技术协作的工作更加理性和包容；另一方面，人工智能技术替代人从事繁重、复杂的体力劳动，为女性在工作中优势的发挥提供了可能；此外，教育促使女性劳动力向高层次产业转移，改变了女性对技术变化的接受度。

（二）理论意义

第一，研究丰富和深化了“基于任务的模型”和自我决定理论在人工智能技术应用情境下的应用。本文通过自我决定理论解释了员工面对技术冲击主动提高自身的知识和技能，以匹配工作环境改变，满足基本心理需求，进而增强工作认同度的过程机制。同时，本文将“基于任务的模型”和自我决定理论用于解释智能化工作场所中的员工认知，揭示了技术变革对个体认知的差异化影响。

第二，研究丰富了工作认同的研究结果。与现有研究大多基于传统工作场所中某一群体或职业中员工的工作认同研究不同，本文关注了智能化工作场所中员工工作认同产生的理论机制，并运用数据进行实证研究，更加清晰地呈现出技术冲击对员工工作认同的直接和间接影响过程。研究将工作要求和工作条件感知作为中介变量，契合了人工智能技术的特点，关注了技术应用带来的工作主客观变化，发现了人工智能技术对员工工作的影响是深刻而全面的，补充了工作认同的相关研究内容，为后续研究提供必要参考与证据。

第三，研究将性别差异纳入人工智能影响工作认同的机制中进行探讨。本文将性别作为调节变量，探讨人工智能背景下，工作变化对工作认同的差异化影响。不同于以往研究［32］，本文的数据结果支持了技术变革影响下的工作条件感知相同时，女性比男性更容易产生工作认同的结论。在一定程度上能够解释人工智能技术进步导致的员工工作认同的差异化结果，该结论扩展了性别对人工智能技术影响员工工作认同的边界条件。

（三）管理启示

第一，员工应不断提升获取元知识的能力，动态调整对技术的认知。在智能化时代，员工要积极提高自身的知识技能，适应工作变化和要求，通过扩宽外部知识、加强人机互动中的沟通渠道等不断提升元知识的获取能力，不断提升个人对智能新文化和智能新行为的感受能力、理解能力和批判能力，进而树立对智能技术的正确认知，积极融入智能文化环境，促进工作场所中和谐人机关系构建。

第二，企业应动态把握技术迭代与员工发展的过程，建立员工智能化发展监测系统。面对技术变革，企业要实现技术价值创造与员工行为、认知适应技术发展两者间的平衡，就要充分发挥人机协同的正效应，规避技术进步对员工发展的潜在风险。企业应借助智能化技术建立相关岗位员工发展监测系统，动态把握技术发展对员工的知识技能需求、工作行为、心理需求等方面的演变，这不仅有利于企业的价值创造，更会增强员工对工作和组织的认同感，从而强化其信心和动力，使其愿意为组织作出更大的贡献。

第三，建立企业内差异化激励方案。由于人工智能技术在不同岗位中的优势存在差异，由此可知，智能技术对不同群体的冲击存在差异，企业需要针对不同群体的特点和动态发展需求，建立对应的人才可持续发展方案，营造企业内部人才培养氛围，加强与高校、研发机构合作，为员工多样化知识获取、技能提升和发展转型提供更多机遇，减少人员流动成本，促进企业可持续发展。

（四）研究局限与展望

本文存在一定局限性，有待后续研究进一步完善。首先，样本地区单一，后期需要从不同地区获取数据以进一步支撑结论。本文的样本企业均来自北京市，缺乏对其他不同地区企业的关注。仅从一个城市获取数据导致结论存在一定的特殊性，未来应扩大样本企业的地域来源，以提高研究结论的适用范围，丰富研究成果。其次，研究数据收集阶段较短，后期需要构建时间维度以发现研究结果的动态性变化。本文的数据为横截面数据，缺乏对于时间因素的考量，未来应该将时间维度纳入理论框架，分阶段收集数据，探讨人工智能技术发展对研究变量的动态影响。最后，研究关注不同人群的差异化范围有限。本文对研究对象仅以性别进行了区分，未考虑不同岗位人群受智能技术冲击的差异化影响，未来研究可区分不同行业（金融服务、医疗等）、不同人群（高、中、低技能），关注人工智能技术发展对其行为和心理的影响。