人工智能認知對職業倦怠的影響

王訓媛　高偉明　楊慧娟

【摘? 要】人工智能的前景十分廣闊，在提高生產效率的同時也給組織內員工帶來一些困擾，導致員工產生AI焦慮，增加職業倦怠感。基于此，論文采用定性與定量相結合的方法，對與人工智能聯系密切的員工進行問卷調查，運用結構方程模型的方法進行數據分析，結果表明：員工的人工智能認知對職業韌性具有顯著正向影響；員工的人工智能認知對職業倦怠具有顯著的負向影響；員工的職業韌性對職業倦怠具有顯著的負向影響；職業韌性在人工智能認知與職業倦怠中起到部分中介作用。研究結果可以促進管理者重視人工智能的發展對員工的影響，培養并提高職業韌性，及時采取積極手段減輕員工的職業倦怠感。

【關鍵詞】人工智能認知；職業韌性；職業倦怠

【中圖分類號】F272.92；TP18? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?【文獻標志碼】A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?【文章編號】1673-1069（2023）06-0046-04

1 引言

人工智能作為新一輪產業變革的核心驅動力前景十分廣闊，2023年，研究機構OpenAI發布的ChatGPT聊天機器人掀起了人工智能的新一輪浪潮。它所展現出的強大的語言理解和文本生成能力，是通過自我訓練和深度學習，從而實現了智能水平的超越性升級。ChatGPT所擁有的機器語言邏輯具備集成系統性知識和創新性勞動的可能基礎。由此，一個嶄新的勞動替代問題再次引發人們的討論。

基于目前我國整體就業形勢不容樂觀，結構性失業規模大且問題嚴重，部分職業逐漸體現出被“替代”的風險，員工面臨不確定性資源損失，產生更多的工作不安全感，從而表現出消極、抵觸的心理情緒，甚至可能導致產生AI焦慮（Artificial Intelligence Anxiety， AI焦慮），引發了人們對“機器換人”的擔憂和技術性失業的恐懼。而不少研究表明，技術或組織變革會加重原有的工作負荷、提出新的工作技能要求，這會對員工的情緒產生負面影響，壓抑其主觀幸福感，增加職業倦怠感。從當前來看，企業更多關注員工的績效，往往會忽視智能化帶給員工的主觀感受的變化。而心理學發現的韌性能對個體產生積極作用，成為改善職業倦怠、加強人工智能認知的一道曙光，一旦人工智能認知對員工的職業韌性與職業倦怠的影響關系得以證實，這將是對人力資源管理實踐的進一步完善。

基于以上背景與角度，研究引入職業韌性作為中介變量，來探討人工智能認知對員工職業倦怠的影響機制，為以后的研究提供了新的思路，也為擴展和擴充人工智能認知、職業韌性與職業倦怠理論進行了有益的嘗試，再者為企業日后的管理提供了一定借鑒。

2 文獻綜述與研究假設

2.1 人工智能認知與職業倦怠

國內外學者主要研究的方向大致為人工智能發展對就業帶來創造效應還是破壞效應，綜合文獻來看，更多的學者更偏向于破壞效應，例如，美國學者Frey和Osborne通過O*NET數據庫所提供的信息，估計出大約有702個具體職業被計算機替代的可能性。學者Acemoglu和Restrepo認為一個新的機器人減少了3.3個工人的就業。有學者以新聞工作者為例，提出了“機器換人”給員工工作帶來便利的同時也給他們帶來很大的失業危機和自我認同危機，所以這部分員工擔心隨著技術的進步與人工智能的不斷發展，自己的工作被替代風險更大，工作機會減少，從而帶來緊張感與焦慮。當工作本身對個人的能力精力及資源過度要求時，導致員工精疲力竭時，職業倦怠就產生了，職業倦怠的具體表現是對工作產生的一種情緒衰竭、人格解體和低個人成就感的綜合特征。學者Lee和Ashforth通過元分析法來研究影響人際服務工作者職業倦怠的因素，可以概括為：工作壓力源、工作支持、工作強化機會，行為和態度的結果，故對人工智能的認知會明顯增加員工對本職業的倦怠。于是，綜合上述研究，可以提出以下假設：

H1：員工的人工智能認知與職業倦怠呈正相關。

H1a：員工的人工智能認知與情感衰竭呈正相關。

H1b：員工的人工智能認知與去人格化呈正相關。

H1c：員工的人工智能認知與低個人成就感呈正相關。

2.2 人工智能認知與職業韌性

“職業韌性”（Career Resilience）最早是London在職業動機理論中提出的，它是一種能夠適應不斷變化的環境的能力，即使是很糟糕的環境，并提出了它的構成要素有對自己的信念、對成就的需要和冒險的意愿等。有研究表明個人特征會對職業韌性產生影響，Grzeda和Prince認為職業韌性與個人的自律、自我效能、創造力、自主性、毅力呈顯著正相關。學者Caverley發現以樂觀積極的態度應對工作是職業韌性高的表現。由此可見，韌性的相關因素涵蓋了應激與健康心理學領域中幾乎所有的積極品質。職業韌性的水平會對自我效能感產生影響，職業韌性高的員工在面臨工作困境時，能夠主動解決問題，具有更高的情感承諾，能更好更快調整自我狀態適應變化的環境。而因為認同職業韌性是一種可以不斷適應外界環境變化的能力這一觀點，所以當員工認識到人工智能帶來的替代效應后，就會主動采取有效的措施，在認知、情感與行為方面綜合提高自己的職業韌性來應對這不利的變化的環境，使自己在工作崗位中發揮不可替代的作用。雖然這二者的關系國內外學者研究很少，但是綜合上述研究，可以提出以下假設：

H2：員工的人工智能認知與職業韌性呈正相關。

H2a：員工的人工智能認知與認知韌性呈正相關。

H2b：員工的人工智能認知與情感韌性呈正相關。

H2c：員工的人工智能認知與行為韌性呈正相關。

2.3 職業韌性與職業倦怠

London和Noe研究發現職業韌性水平越高，個人對被他人認可的渴望越強烈，會更加看重職業成就、更關注自己的工作；職業韌性還與工作績效、滿意度成正相關，職業韌性高的員工表現出較高的績效水平，更容易獲得成功。相反，員工的職業倦怠如果長期得不到緩解就會很大程度上影響到個人與組織，對個人來說職業倦怠產生消極情緒，對工作的積極態度呈現負向影響，損害員工身心健康，甚至增加抑郁傾向；降低員工的敬業度，員工的離職傾向也隨之增加。從Richardson的韌性過程模型可以發現，個體在遇到危險因子時就會調動保護因子如適應性、靈活性等來維護平衡。據此結論可得，員工的韌性水平越高，調動保護因子來對抗危險因子的能力越強，而員工在工作中產生的所謂職業倦怠，也就是典型的危險因子。在工作中如果不能體現自身的價值，就極易導致消極錯誤的自我認知和自我評價，喪失對工作的熱情，這就需要加強培養職業韌性能力來抵御這種風險。而目前已有學者如Stewart證實了職業韌性與職業倦怠呈負相關，職業韌性越高，其職業倦怠水平越低。所以，經過以上推斷，可以假設：

H3：員工的職業韌性與職業倦怠呈負相關。

2.4 職業韌性的中介作用

隨著人工智能時代的到來與發展，員工對人工智能的認知不斷加深，逐步意識到人工智能的發展對其工作產生的替代性，面對工作環境的大改變，于是自覺地發揮職業韌性的作用，通過自我調節等方式，以應對環境變化對個人產生的影響，形成積極的職業決策和職業行為，從而減輕職業倦怠感，增加對工作的熱情與自信。職業韌性作為一個較新的概念，許多學者已經發現了它在某些變量中存在中介作用。目前已有研究表明：個人的職業韌性將在環境因素和職業成功之間起到某種中介和調節作用，在對人工智能的發展屬于外界環境因素，而學者唐幀等認為職業倦怠低的員工更容易獲得職業成功，于是經過推斷，可以假設：

H4：員工的職業韌性在人工智能認知和職業倦怠中起到中介作用。

2.5 理論模型

經過對人工智能認知、職業韌性、職業倦怠3個變量的闡述與研究，提出了以上4個假設，并總結出研究的理論模型，如圖1所示。

3 研究設計

3.1 樣本與數據

研究對象為全國范圍內與人工智能聯系密切的員工，以保證研究的科學性、可信性。本次調查問卷借助問卷星進行發放，最初發放問卷340份，剔除無效問卷后，最終回收問卷320份，問卷回收率94.1%，其中有效問卷307份，有效問卷率95.9%。本次調研中男性占49.19%，女性占50.81%；年齡方面41～50歲是主體，占41.37%；文化水平方面，本科占43%；工作時間方面，6～10年占43.65%；工作單位性質方面，民營企業占38.44%；工作時長方面，8小時以內占80.46%；月收入10 000～15 000元占33.88%。

3.2 變量測量

本研究所采用的測量工具均使用成熟的量表，所有量表采用李克特五點評分法評價。

人工智能認知測量量表主要參考：Brougham和Haar對人工智能認知的研究作為測量量表。

職業韌性測量量表主要參考：宋國學對于職業韌性的測量，根據國內員工開發的職業韌性量表，此量表經過學者的不斷研究創新，已成為中國本土化的職業韌性量表，在其實證研究中被證實具有良好的信度和效度。本量表包含認知、情感和行為3個維度。

職業倦怠測量量表主要參考：對于職業倦怠量表采用Schaufeli等人根據Maslach的工作倦怠理論為基礎開發出的MBI-GS量表，后經國內學者李超平和時勘翻譯并修訂，并經MBI-GS量表的主要開發者之一的Michael Leiter調整確定的中文量表，修訂后的MBI-GS量表具有很好的信度和效度，該量表包含3個維度：情感衰竭、去人格化、低成就感。

4 數據分析結果

4.1 信效度檢驗

利用SPSS 27.0的可靠性分析功能，對各量表的內部一致性信度進行檢驗，具體采用Cronbach's α值來判定問卷的信度，若得出的Alpha系數大于0.7，則證明有較好的信度；效度分析采用KMO和Bartlett球形檢驗來進行探索性因子分析，一般來說，KMO值若大于0.6，Bartlett對應p值小于0.05，則說明適合進行因子分析。結果各維度Alpha值均大于0.8，KMO值均大于0.7，p值均小于0.001，所以本問卷信度、效度處于較高水平，數據有一定的分析價值。

4.2 描述性統計與相關分析

利用SPSS 27.0軟件分析得到變量均值、標準差，對于相關系數的計算將采用Pearson相關分析法對人工智能認知、職業韌性、職業倦怠3個變量及其各維度進行相關性檢驗，檢驗結果如下：人工智能認知和職業韌性呈顯著正相關（r=0.688，p<0.01）；且人工智能認知與認知韌性（r=0.685，p<0.01）、情感韌性（r=0.573，p<0.01）、行為韌性（r=0.673，p<0.01）呈顯著正相關；人工智能認知和職業倦怠呈顯著負相關（r=-0.624，p<0.01）；且人工智能認知與情感衰竭（r=-0.627，p<0.01）、去人格化（r=-0.521，p<0.01）、低成就感（r=-0.541，p<0.01）呈顯著負相關，這與假設相反；職業韌性和職業倦怠呈顯著的負相關（r=0.789，p<0.01），除人工智能認知與職業倦怠及其各維度的關系外，其余變量相關性基本符合預期，研究假設得到初步支持。

4.3 假設檢驗

在假設檢驗之前先利用SPSS 27.0統計軟件對數據進行標準化處理，再利用多元回歸方法檢驗假設，數據分析的結果如表1所示。人工智能認知對職業韌性及其認知韌性、情感韌性、行為韌性維度均具有顯著正向影響，標準化系數分別為0.688（p<0.001）、0.685（p<0.001）、0.573（p<0.001）、0.673（p<0.001），假設H2、H2a、H2b、H2c成立；人工智能認知對職業倦怠及其情感衰竭、去人格化、低成就感維度均具有顯著負向影響，標準化系數分別為-0.624（p<0.001）、-0.627（p<0.001）、-0.521（p<0.001）、-0.541（p<0.001），假設H1、H1a、H1b、H1c不成立；職業韌性對職業倦怠具有顯著負向影響，標準化系數為-0.789（p<0.001），假設H3成立。

利用分步回歸法對職業韌性的中介效應進行檢驗，具體結果如表2所示。根據以上的分布回歸法中介效應檢驗結果可以看出，在第一步（模型一）的檢驗中，自變量人工智能認知對于因變量職業倦怠存在顯著的影響關系（β=-0.624，p<0.001），說明總效應成立。在模型二的檢驗中，自變量人工智能認知對于中介變量職業韌性存在顯著的影響關系（β=0.688，p<0.001），同時在第三步檢驗中，自變量人工智能認知對于因變量職業倦怠的影響效果存在顯著的影響關系（β=-0.154，p<0.01），職業韌性對于職業倦怠存在顯著的影響效果（β=-0.683，p<0.001），可以看出自變量人工智能認知對因變量職業倦怠的影響系數顯著下降，因此說明職業韌性在模型中的中介作用成立，并且為部分中介，即假設H4成立。結合以上論述得出中介效應檢驗路徑關系如圖2所示。

5 研究結論與討論

5.1 研究結論

通過回歸分析的數據，可以驗證研究的假設。其中假設H2、H2a、H2b、H2c、H3、H4成立，假設H1、H1a、H1b、H1c不成立，人工智能認知對職業倦怠及其各維度均呈負相關。據上述研究假設驗證結果可知，假設H1、H1a、 H1b、 H1c不成立。員工的人工智能認知與職業倦怠以及職業倦怠各維度應呈現負相關關系，與理論分析部分不同，理論分析部分認為員工在意識到人工智能的發展可能替代工作時，會增加職業焦慮感，面臨職業危機，直接導致其產生職業倦怠。但從實際來看，一方面，人工智能技術可以代替員工從事一些較為簡單、重復性的工作，大大縮短了其勞動時間，減輕了他們的工作壓力。另一方面，員工在正確認識到人工智能的替代效應后反而會更加重視自己的工作，對工作更上心、更努力，力圖證明自己與人工智能相比在此崗位上的不可替代性、有用性，減少其被替代的可能性。

5.2 管理啟示

5.2.1 重視人工智能的發展對員工的影響

人工智能日益發展，員工會認為人工智能的發展將對其工作產生替代效應，使其面臨著被取代的風險。所以企業不光要考慮人工智能的發展對企業本身的影響，更重要的是要重視對員工的影響。首先，企業管理者應當經常對員工進行心理疏導，及時與其溝通，關注其心理變化并進行正確的引導，使其能熱愛自己的工作；其次，注意員工個人素質與能力的提升與培養，減少其被智能替代的風險，員工在應對人工智能發展時才會真正充滿信心。

5.2.2 培養并提高職業韌性

研究已證實員工的職業韌性對員工的職業倦怠起到負向影響，職業韌性越高的員工，職業倦怠感越低，對工作能更熱情、更投入；相反，職業韌性越低的員工更容易被困難所嚇住，不利于其工作的進展與個人能力的發展，而且還會影響組織的績效。尤其是新員工，由于年紀小、經驗不足，在工作時容易緊張、繁忙，缺乏職業韌性。已有理論認為，職業韌性是一種能力，可以通過后天的培養提升這種能力。培養和提高職業韌性可以從企業和員工的角度出發，企業管理者首先要重視職業韌性，營造積極的工作氛圍，多給予他們鼓勵與幫助；其次著重教育員工合理安排時間，協調工作與生活帶來的沖突；再次將職業韌性的培養與提高納入企業培訓當中，培訓員工在面對困難與壓力時如何求助他人和自我釋放不良情緒；最后員工個人也應當建立良好的同事關系和家庭氛圍，保持積極樂觀的心態，面對壓力和挫折時學會自我調節，達到培養和提高自身職業韌性的目的。

5.2.3 重視員工的感受，及時采取方法減輕員工職業倦怠感

根據研究的調查也發現，與人工智能有關的員工職業倦怠較高，這對員工的行為與能力都產生極大影響，進而直接降低工作績效，對企業和員工個人的發展很不利。因此，企業應當重視員工的感受，給予他們更多支持，培養他們健康向上的職場競爭心態，積極釋放壓力與焦慮的負面情緒。具體來看，第一，管理者應當營造一個公平的環境，獎懲分明，對于職務晉升、評優評先等堅持公平公正的原則，增強員工對組織的信任，對工作的信心；第二，企業管理者應當多與員工溝通，對其工作表示肯定與支持，這將減輕他們面對人工智能發展帶來的壓力，增加他們對工作的自信與希望；第三，適當減少工作強度，合理減負，應當摒棄傳統企業內部治理模式，明確具體的工作職責，減輕冗余事務對其的干擾，使其能夠更專注于自己的職責。

5.3 研究局限與未來展望

本研究以人工智能密切關系的員工作為研究對象，探討了人工智能認知、職業韌性、職業倦怠三者的關系，具有一定的研究意義與價值。但本研究依然存在一些不足之處：一是本研究的調查對象為與人工智能聯系密切的企業員工，但在具體調查中，對于“密切”的概念并未明確規定，導致對研究對象的主觀性較強；且樣本的數量以及代表性有限，不足以推廣到整體與人工智能有密切聯系的員工。二是研究方法較為單一，僅采用問卷的形式，且因疫情的影響全部在線上收集問卷，對研究結果可能帶來一定差異。三是本次研究雖提出了許多可行性的建議和意見，但由于缺少縱向追蹤數據，建議的實用性不夠明確。四是雖然對研究的實際結論與假設進行了探討，但是對于差異出現的原因的認識還不夠深刻，挖掘程度不夠深入。為此，對未來開展研究進行如下展望，一是明確研究對象，擴大研究范圍，進一步研究人工智能對不同類型員工的影響，選取更多地區，以充實樣本數量。二是采用多種研究形式，例如，增加訪談、面對面的交流、問卷收集等線上線下相結合的方式，那么收集的數據準確性將會大大增加。三是在今后的研究中將加入追蹤、干預等手段加以驗證建議的實用性。四是深入探討分析差異出現的具體原因，并據此為豐富研究成果提出現實層面的意見和建議。

【參考文獻】

【1】Daron Acemoglu，Pascual Restrepo.Robots and Jobs： Evidence from US Labor Markets[J].Journal of Political Economy，2019，128（6）.

【2】Lee Raymond T，Ashforth Blake E.A meta-analytic examination of the correlates of the three dimensions of job burnout[J].The Journal of applied psychology，1996，81（2）：123-133.

【3】Manuel London，Raymond A. Noe.London's Career Motivation Theory： An Update on Measurement and Research[J].Journal of Career Assessment，1997，5（1）：61-80.

【4】Maurice M. Grzeda，J. Bruce Prince.Career motivation measures： A test of convergent and discriminant validity[J].The International Journal of Human Resource Management，1997，8（2）：172-196.

【5】Natasha Caverley.Mapping out occupational resiliency and coping in a public service work setting[D].Victoria：University of Victoria，2005.

【6】Donna E Stewart，Tracy Yuen.A Systematic Review of Resilience in the Physically Ill[J].Psychosomatics，2011，52（3）：199-209.

【7】唐禎，劉燕華，李剛，等.南昌市三級甲等醫院臨床藥師職業倦怠、職業認同與職業生涯成功的相關性研究[J].職業與健康，2023，39（1）：1-4.

【8】David Brougham，Jarrod Haar.Smart Technology， Artificial Intelligence， Robotics， and Algorithms （STARA）： Employees' perceptions of our future workplace[J].Journal of Management & Organization，2017，24（2）：1-19.

【9】宋國學.職業生涯韌性的結構維度：本土化研究[J].經濟管理，2011，33（11）：184-193.

【10】Christina Maslach，Wilmar B Schaufeli，Michael Leiter.Job Burnout[J].Annual Review of Psychology，2001（52）：397-422.

【基金項目】河南省哲學社會科學規劃項目（2022BJJ042）；河南省高校人文社會科學研究一般項目（2022-ZZJH-257）；河南省高校大學生創新創業訓練計劃項目（202210463056）。

【作者簡介】王訓媛（2001-），女，山東日照人，本科在讀，研究方向：人工智能與人力資源管理。