AI 应用场景下人机协同程度对员工工作重塑的影响：心理赋能的中介作用

□ 李姿颖 朱晓妹 郭 娟

一、引言

数字经济时代，人工智能（artificial intelligence，AI）正以极快的速度渗透到经济发展的各个领域之中，成为推动企业数字化转型和生产力跃升的重要助力。区别于传统的计算机系统和自动化设备，AI 有庞大的数据库和强大的算法、算力支持，可以与员工进行更深入的互动和学习，在组织内塑造人机协同办公的新模式。如百度在智能工作平台陆续更新的一系列AI 功能，员工只要在平台输入要完成的事项，AI 就能快速找到企业内该事项对应的负责人，并将可参考借鉴的同类知识聚合，给出问题的解决思路和方案。在这一过程中，AI 负责将繁杂的信息整理后精准推送，员工利用提炼后的信息提高工作效率，合作完成事项后的经验又为AI 的数据库反馈了资料。可见，AI 应用场景下的人机协同工作模式融合了人类智慧、AI 和协同智能，形成了联系紧密的人机交互合作关系。[1]然而，在AI 应用的过程中，也会出现工作内容的冲突，比如AI 能以极快的速度完成一幅符合指令且惊艳的画作，这让一部分原画设计师的工作稳定性受到严重冲击。但也有设计师发现AI 绘画看似精美，实则是已有素材的重构，缺乏独有的创新性和情感表现力。这些画作在一定程度上可以激发创作灵感，设计师可以向AI 提供绘画素材，与AI 合作，从而提高自身的创作水平。因此，在AI 应用场景下，人机协同程度越高，AI 与员工合作的关系就越紧密，这要求员工改变以往的工作习惯，学会与AI 共事的相关能力和技巧，在智能辅助下提高个人工作技能，整合工作资源，以便发挥出人机协同的更大效用。因此，在新技术应用环境下，推动员工对工作的重新塑造行为，既为员工提供有效应对机器换人趋势的助力，也能更好地促进企业智能化发展。

员工工作重塑（job crafting）正是一种员工为主动适应内外部环境变动，针对工作要求和工作资源水平进行调整的行为。[2]已有研究发现，员工个体的敬业度[3]、职业能力[4]和资质过剩感[5]，社会情境方面的工作资源[6]和领导风格[7]，以及工作特征方面的工作自主性[8]等都会对员工工作重塑行为产生显著的促进或抑制作用。但是，技术的更新对员工的影响逐步扩大，员工为了不被取代就需要找到与AI 合作共处的平衡点，提高对自身工作的要求，构建高效的人机合作模式。而在现有的员工行为研究中，技术环境方面的因素涉及较少，特别是对AI 技术背景下的员工工作重塑研究还比较少见。那么，在AI 应用场景下，AI 成为员工的合作伙伴是否会对大部分员工工作重塑行为产生影响，人机协同程度又是如何影响员工工作重塑的，这些问题值得进一步研究。

本文在关注人机协同程度与员工工作重塑之间关系的同时，也意在探讨于两者间发挥作用的中介机制。自我决定理论认为，个人选择做出的行动，是基于对个人需要和环境信息的充分认识上的。[9]并且，在工作环境满足个体的心理需要时，个体会体验到工作活动赋予个体的心理意义，进而产生增强或维持自主性动机以及持久性工作的行为。搭载了AI 技术的工作系统或机器在人机合作关系里已经从“工作工具”转变成了“工作助理”[10]，能够将员工从繁杂且重复的劳动中解放出来，让员工拥有更多的工作自主性。在AI 的帮助和信息反馈中，员工有更多的时间来重新审视自身和工作情况，对自我认知和环境信息进行充分评估，这有利于促进他们对自我影响力、自我效能感、自我决定以及工作意义感的感知，使其有信心且有动力在与AI 的合作中完成工作方式和内容的重新塑造。因此，本文认为人机协同程度的变化会强化员工的心理赋能，进而产生积极的工作重塑行为。

综上所述，本文将在人机协同的视角下，以自我决定理论为基础，分析在应用AI 的工作场景中人机协同程度与员工工作重塑之间的关系。并且，研究引入了心理赋能的4 个子维度作为中介变量，探讨在人机协同中能够有效推动员工工作重塑的心理赋能路径。本文在理论和实践方面的价值主要有两点。第一，构建了新技术背景下人机协同程度对员工工作重塑的影响路径，丰富了员工工作重塑的前因研究；第二，以心理赋能为中介变量，分别揭示出工作意义感和自我效能感在人机协同推动员工工作重塑过程中的积极作用。同时，研究的结果有助于企业推动智能化的可持续发展，为管理者激励员工进行积极的工作重塑行为提供了参考。

二、研究假设

（一）人机协同程度与工作重塑

施密特勒（Schmidtler）等学者提出，人机协同是指人与机器设备在共享的工作空间内，协作配合完成工作任务的人机交互模式。[11]随着智能技术的进步与突破，机器设备在AI 的加持下被赋予了分析、学习能力，能更高效地帮助员工完成工作任务。同时，由于AI 技术的应用愈发广泛，人机之间的协作可以不再局限于固定的机器设备，只需要与同一个AI 进行交互，便能实现持续性的人机协同。因此，本文中的人机协同具体是指在应用AI 的工作场景中，人与同一AI 以完成相同任务为目标而进行协同工作的交互模式。人机协同程度越高，AI 就能更加了解交互对象，员工也能得到更贴合自身需求的帮助。工作重塑是员工为了使工作与自身的能力和偏好保持一致而进行的主动性行为。蒂姆斯（Tims）等学者将员工工作重塑划分成了增加社会性工作资源（如寻求上司的指导与反馈等）、减少妨碍性工作要求（如减少工作内容和时间等）、增加结构性工作资源（如增加工作机会和自主性等）和增加挑战性工作要求（如设立更高水平的技能要求等）4 个维度。[2]

人机协同的工作模式突破了空间和信息资源的限制，让员工可以随时调取工作信息和资源，促进了组织内的协调和合作。[12]如客服人员可以在AI 系统的帮助下实现远程办公，并且在回答客户问题时，智能助手可以随时根据对话内容，将解决步骤从知识库中提取并推送给客服人员，进而高效反馈给客户。当人机协同程度较高时，AI 可以更好地理解员工的工作需求，并将员工的个人情况进行反馈。员工便能根据AI 提供的信息及时发现个人短板，从而有针对性地寻求领导的指导或帮助。同时，AI 在人机协同程度提升的过程中，能够对员工简单且具有重复性的操作进行模仿和改进。在员工的授权或操作下，它们可以自动处理任务，并根据数据分析的结果提供决策建议，这有利于增强员工的工作自主性。根据自我决定理论，为实现对环境变动的灵活适应，满足自主性需求的倾向会引导人们从事感兴趣的、有益于能力发展的活动。[13]因此在人机协同工作模式中，被解放时间和精力的员工将更倾向于追求有挑战性的、利于能力提升的工作内容。由此可见，在人与AI 交互的过程中，人机协同程度越高，人机配合越密切，员工越会乐于将原有的工作模式塑造成有益于自身的新形式。由此，本文提出以下假设：

H1：人机协同程度对员工工作重塑有正向影响。

（二）心理赋能的中介作用

心理赋能（psychological empowerment）是一种个体在工作中希望且认为自己能够掌控工作角色和工作环境的动机状态，[14]这种活跃的动机状态源于个体在工作中对自我效能感、工作意义感、自我决定和影响力的综合认知。[15-16]其中，工作意义感使个体感受到工作之于自身的重要性和价值，自我效能感反映出个体对完成任务的信心，自我决定体现出个体控制工作活动的能力，而影响力则代表个体对组织及他人的影响程度。

依据自我决定理论的观点，员工的内在工作动机来源于工作带来的控制感、胜任感和联结感。随着AI 技术的深入推进，智能化水平逐步提高，人机协同程度提高，员工由于掌握新技能会产生更强的工作胜任感，[17]工作效率提升。同时，人们在深入了解AI 的过程中意识到，现阶段AI 缺乏跳出原有的素材库进行创造和进行情感性工作的能力。员工会认识到“人”在工作任务中的重要性和影响力，工作意义感提升，从而乐于在交互学习中挖掘自身的潜在价值。因此，高程度的人机协同不仅能为员工提供工作上的便利和效率的提升，还有助于员工深化自己的角色定位，赋予员工心理能量。

这些心理上的赋能对员工工作重塑有积极的推动作用。现有研究发现，具有高度自我效能感的员工会倾向于做出积极的主动性行为，他们更愿意通过从事创造性活动来改变所做的任务和与他人的关系，[18]以拥有更好的工作资源。同时，当员工感受到自身对工作行为的强控制感时，他们能显著感知到自己的工作意义和自身对组织发展所产生的影响力，这有利于个体再设计工作形式与任务以迎接新挑战。[19]因此，人机协同程度越高，AI 与员工之间的了解更深、信任更强，员工在认同AI 的同时，增强了完成工作任务的信心，感知到更强的工作意义感、自我效能感、自我决定和在组织内的主体性以及影响力，进一步发挥主观能动性，通过整合工作资源等途径来精心设计和重塑自己的工作。因此，本文提出以下假设：

H2：人机协同程度能通过心理赋能间接影响员工工作重塑，即心理赋能在人机协同程度与员工工作重塑之间起到中介作用；

绩效考核的重要原则之一是：为了使评估真正地客观有效，评估结果必须及时地反馈给被评估者本人。显然，互联网企业的绩效考核人员缺乏这种及时反馈结果的意识。首先，他们不了解及时反馈评估结果的重要性，尤其是对员工的激励教育。其次，绩效考核人员担心员工在第一时间获取绩效考核结果后，会造成其情绪上的不满，降低其工作的积极性。

H2a：工作意义感在人机协同程度对员工工作重塑的正向影响中起到中介作用；

H2b：自我效能感在人机协同程度对员工工作重塑的正向影响中起到中介作用；

H2c：自我决定在人机协同程度对员工工作重塑的正向影响中起到中介作用；

H2d：影响力在人机协同程度对员工工作重塑的正向影响中起到中介作用。

综上所述，本文构建的理论模型如图1所示。

图1 理论模型

三、研究方法

（一）研究样本

本文为获得一手有效数据，在全国各行业已应用AI 的企业中针对员工进行了问卷调查。问卷包括人口统计学变量（性别、年龄、学历）、人机协同程度、心理赋能（工作意义感、自我效能感、自我决定、影响力）以及员工工作重塑量表。调查全程采用不记名形式，对回收到的问卷进行鉴别性题目筛选并剔除明显不达标的数据后，获得有效问卷1 095 份。

在有效样本中，性别情况为：男性占48.3%，女性占51.7%；年龄情况为：21～30岁的占40.1%，31～40 岁的占47.8%，40 岁以上的占12.1%；学历情况为：大专及以下的占31.0%，本科的占60.6%，硕士及以上的占8.4%，样本特征情况见表1。

表1 样本特征（n=1095）

（二）变量测量

为保证本文问卷中量表的质量，将各个英文量表内的题项在翻译后进行了回译和修正。其中，汉化标准遵循了学术规范和国内的阅读习惯，修正过程则结合了研究的实际情况。具体内容如下。

人机协同程度：本研究借鉴了蒂莫西（Timothy）等人编制的自我导向学习技术量表[20]和朱晓妹等人修订的人机共生关系量表[17]，并结合AI 企业访谈资料进行编码分析后形成人机协同程度测量量表。人机协同程度问卷，共包含4 个题项，如“我需要AI 技术提供信息资源来完成工作的程度”“我需要与AI 技术进行实时交互的程度”“我需要AI 技术辅助我完成工作的程度”等。量表采用Likert 5 点计分（1=完全没有，5=极大程度），在本研究中该量表的Cronbach'sα系数为0.93。

员工工作重塑：本研究采用由蒂姆斯（Tims）等人编制[2]，并由彼得鲁（Petrou）等修订的员工工作重塑量表[22]，量表包括结构性工作资源行为、社会性工作资源行为、挑战性工作资源行为以及障碍性工作要求行为4个维度，共14 个题项如“我努力提高自己的工作能力”“我与工作中的同事和主管保持联系以获取完成工作的必要信息”“当完成工作后，我会要求更多的任务”“我会努力减少工作带来的负面情绪”等。采用Likert 5 点计分（1=完全不符合，5=完全符合），该量表在本研究中的Cronbach'sα系数为0.88。

（三）分析技术

本研究使用SPSS 24.0 软件对回收到的有效数据进行了描述性统计分析和相关性检验，随后使用AMOS 23.0 统计软件对数据进行了验证性因素分析以及多重中介的路径分析，最后采用Bootstrap 法对中介效应进行了进一步的检验。

四、假设检验

（一）共同方法偏差检验

采用Harman 单因素检验法来检验量表的共同方法偏差问题。通过探索性因子分析提取出6 个特征值大于1 的因子，第一个成分的累积方差百分比为31.66 %，小于标准的40%临界值，说明本研究数据不存在严重的共同方法偏差。

（二）描述性分析及相关性分析结果

本研究中各变量的描述性统计和相关性分析结果见表2。相关性分析表明，人机协同程度、心理赋能及其自我效能感、工作意义感、自我决定和影响力的4 个子维度与员工工作重塑之间均呈现显著正相关关系。

表2 各变量的描述性统计和相关性分析（N=1095）

（三）假设检验分析

1.人机协同程度对员工工作重塑的直接效应

在相关性分析的基础上，首先验证人机协同程度对员工工作重塑的直接效应。在建立模型时，人机协同程度和员工工作重塑分别是模型的自变量和因变量。人机协同程度作为潜变量，其测量指标分别为资源辅助程度、工作辅助程度、实时交互程度、AI 智能程度。员工工作重塑作为潜变量，以其包括的4 个维度作为测量指标（结构性工作资源行为、社会性工作资源行为、挑战性工作要求行为和妨碍性工作要求行为）。结果表明，模型整体拟合指数较为良好（χ2/df=3.485，GFI=0.985，CFI=0.989，TLI=0.983，RMSEA=0.048），人机协同程度对员工工作重塑具有显著的正向作用（β=0.170，p＜0.001），H1得到验证。

2.心理赋能的中介效应

将心理赋能的4 个维度（工作意义感、自我效能感、自我决定和影响力）作为中介变量加入模型，其各自对应的题项作为测量指标。简化的标准化模型如图2 所示，模型整体拟合指数较为良好（χ2/df=3.212，GFI=0.955，CFI=0.971，TLI=0.965，RMSEA=0.045）。数据分析结果表明，心理赋能在人机协同程度与员工工作重塑之间起完全中介效应，工作意义感和自我效能感在人机协同程度影响员工工作重塑的过程中发挥积极作用，人机协同程度不再直接显著影响员工工作重塑（β=0.070，p＞0.05）。

图2 心理赋能在人机协同程度和员工工作重塑关系间的中介作用标准化模型

采用Bootstrap 方法，通过5 000 次重复抽样对心理赋能的中介效应进行检验。中介效应检验结果表明，人机协同程度经过心理赋能中的工作意义感和自我效能感影响员工工作重塑的间接路径95%的置信区间均不包括0，说明中介效应显著，H2a和H2b得到验证；而人机协同程度经过自我决定和影响力影响工作重塑的间接路径95%的置信区间均包括0，说明中介效应不显著（见表3），因此H2c和H2d未得到验证。数据分析结果表明，人机协同程度是通过心理赋能中的工作意义感和自我效能感来影响员工工作重塑的，H2得到支持。

表3 心理赋能各维度的中介效应及95%置信区间（N=1095）

五、结果与启示

（一）研究结论

本研究的数据结果表明：第一，人机协同程度与员工工作重塑正向相关。人机协同程度越高，表示人与人工智能在工作上的合作关系越强，员工对自身和工作的认知越清晰，越能够促进员工的工作重塑；第二，心理赋能中的工作意义感和自我效能感在人机协同程度与员工工作重塑之间起到了中介作用。表明管理者可以通过强调人机协同中员工个体的工作意义，强化员工在完成工作时的信心，进而有效激励员工进行工作重塑。

（二）理论意义

第一，本文从人机交互的视角出发，扩展了员工工作重塑的前因研究。以往对员工工作重塑影响因素的研究主要集中于个体特征、工作特征和社会情境等方面，[23]较少涉及技术环境因素，特别是AI 技术变革方面。传统人机交互理论将技术视为一种结构属性，强调技术的客观特质是没有意义的，只能被人的行动目的赋予内涵。[24]但是，随着智能技术的不断进步，人类主体和技术主体之间开始相互交融，出现了渐进的融合趋势。算法技术会反向塑造人的动机、意向性、审美和价值取向。本文研究发现，在AI 背景下，人与AI 匹配程度的提升能够促进员工对工作主动的、反向的重新构建，创造出新的工作类型或工作内容。例如，在对电信客服人员的访谈中发现，由于智能客服的应用，原有的人工客服一部分转型为AI 训练师，为智能系统提供数据训练服务，还有一部分人工客服将服务重点从解答客户问题升级成主动为客户提供更多附加价值服务。通过数据检验可知，类似于客服岗位的员工工作重塑同样在其他行业被人机协同程度的提高所激发。因此，本文突破了传统的人机关系视角，从人和技术之间相互影响和塑造的互动角度来探讨AI 等新兴技术与员工行为之间的关系，深化了人与技术互动关系理论的研究。

第二，本文基于自我决定理论揭示心理赋能在人机协同程度与员工工作重塑之间的中介作用，并发现工作意义感和自我效能感的作用显著。自我决定理论提出，当组织和管理层给予员工工作自主性时，员工有了自主意识，就会自行寻找满足心理需求的方法，表现出更强的工作动机。[25]可见，当工作环境能够赋予员工意义感和自我效能感时，将增强个体的内在工作动机，并促使员工将其转化为具体行为。在人机协同过程中，人与AI 互为补充，实现了员工技能的多样化、工作自主性的提高以及对工作反馈的更好理解，提升了员工的胜任感和工作意义感，员工心理被充分赋能，从而驱动员工主动开展工作设计，实现工作重塑，达成个人与AI 以及工作的最佳适配。本文的研究结果扩展了自我决定理论在新兴技术背景下的应用，丰富了心理赋能相关领域的实证研究。

（三）管理启示

目前，AI 在企业中的应用越来越广泛，但在AI 技术应用初期，人与AI 技术双方还处于磨合状态，人机协同水平低，工作技能要求高，工作变化大，员工较难适应，导致其情绪消极，工作效率低下。这种情况不仅会影响员工身心健康，而且会降低技术使用效率，从而给组织带来负面影响。因此，组织在AI 技术应用的过程中，需要帮助员工提高人机协同程度，进而激励员工展现工作重塑等积极行为。

首先，在人工智能应用初期，企业应积极开展相关技术的培训，帮助员工正确认识并接纳新兴技术，缩短人与AI 之间的磨合时间。管理者可以通过宣传AI 优势，表彰并奖励能利用AI 对工作方法进行创新的员工，鼓励员工发掘更多与AI 合作的方式。同时，AI 的高效使用需要员工的正确操作，更精准和具体的表达才能获得AI 更贴合需求的帮助。这提示管理者要重视引导员工与AI 之间的相互学习及配合，向员工说明使用AI 的正确方法，也为AI 应用在贴合企业发展需求的路径上学习成长打好基础。

其次，在人机协同期间，管理者应密切关注员工的心理状态和情绪变化，了解他们的心理需求，并为满足他们的需求创造条件。在与AI 协同工作的过程中，人机的有效合作赋予了员工心理能量。员工对自身工作意义感和自我效能感的感知更强烈，参与并推动新兴技术落地的积极性更高，就更容易出现工作重塑行为。因此，在激励员工进行工作重塑时，可以着重培养员工的工作意义感和自我效能感。在工作意义感方面，企业要向员工说明应用AI 技术对组织管理以及个人发展的重要意义，让一线员工明确人机配合的重要性和未来的人机协同发展方向，在组织内形成一股推进数字化技术融入实际发展的合力；同时，管理者也要在日常管理和沟通中向员工分析并传达“人对于组织来说是不可或缺的”，帮助员工意识到工作任务内容对于自身和组织的意义，让员工拓展更多AI 无法取代的工作技能，实现更高水平的人机协同。在自我效能感的提升方面，企业需要为员工提供职业生涯规划辅导，让员工更进一步了解AI 技术的发展趋势，明确今后技能提升的方向，从而强化员工的工作胜任感；同时，当员工在与AI 技术的协同中遇到困难时，管理者要及时给予指导，并通过定期沟通向员工反馈其近期工作的优点及不足，帮助员工修正错误，提升工作能力。在员工对AI 技术运用熟练且拥有自主工作能力时，管理者可以为员工安排有挑战性的工作任务，并为此提供资源支持，增强员工应用AI 技术高效完成工作的信心，为员工整合工作资源、调整适应工作要求提供助力。

最后，在人机协同办公的后续过程中，企业要持续鼓励员工开展积极的人机互动，获得人机协同的长效作用。一方面，管理者需要认真听取一线参与人员的反馈，针对相关意见和建议对AI 技术的应用进行适时的调整，为形成更好的人机协同模式提供技术和管理支持。另一方面，企业应支持员工利用智能辅助来开拓工作内容，整合工作资源，改进工作要求。管理者可以为员工积极的工作重塑行为提供资源的支持，并对表现出色的代表进行嘉奖，营造出良好的竞争氛围，即鼓励员工找出自身工作模式与高效人机协同模式之间的差距，学习借鉴通过实践得出的宝贵经验，实现人机协同模式的优化与进取，争做组织内的标杆模范，激发员工追求和完成挑战性任务的主动性和积极性，为组织创造更大价值。

（四）研究局限与展望

虽然本文对现有的理论研究进行了一定程度的补充，在实践上具备一定的参考价值，但是在研究方法和内容上还存在局限。首先，本研究采用的是横截面数据，无法探究人机协同模式对工作重塑的持续性影响，今后的研究可以考虑使用纵向数据进行补充研究。其次，人机协同程度的量表可能无法完全代表人与AI 之间的工作协同状态，在未来的研究中可针对该点做出更全面的测定。最后，研究结果表明心理赋能在人机协同程度与员工工作重塑之间起到中介作用，发现了工作意义感和自我效能感在其中的显著性影响，未来可以探究更多人工智能对员工心理和行为上的影响。同时，AI 作为发展迅速的新兴技术，在应用中对各个行业和职业造成的影响可能有所不同，因此在今后的研究中可通过访谈、实验等方法提升研究的普适性和科学性，让研究成 果更多地为实践提供参考。