AI感知對員工心理和行為的影響及理論解釋

王濤 占小軍 余薇

摘 ?要??AI感知是指員工對AI運用影響其工作態度、行為、福祉和工作環境的感知。第四次工業革命已經到來， AI提升員工績效的同時也帶來了風險和不確定性， 對員工產生巨大影響。當前AI感知研究分散概念模糊， 阻礙了對AI運用如何影響員工心理和行為的理解。為探究AI運用對員工的具體影響及作用解釋機制， 首先澄清了AI感知概念內涵; 其次， 揭示了AI感知影響效果; 第三， 基于資源視角、情緒視角、需求視角和環境視角闡釋了AI感知的理論解釋機制; 最后， 構建了AI感知的未來研究框架， 為將來相關研究提供理論借鑒， 為組織決策提供見解。

關鍵詞??AI感知， 資源保存理論， 工作不安全感， 雙刃劍效應

分類號??B849

1??引言

全球經濟進入到工業4.0時代或稱之為第四次工業革命（Bankins et al.， 2024; Li et al.， 2019）， 預示著工作場所正經歷一波重大變革， 員工工作方式再次被新技術改變（Tang et al.， 2022）。與前三次工業革命相比， 第四次工業革命的關鍵在于智能機器的使用， 組織利用新一代智能機器自動有序地分配和處理任務， 這意味著智能技術背景下的工作流程由智能機器主導而非員工（Tang et al.， 2022）。人工智能（Artificial Intelligence， AI）是第四次工業革命的核心， 與其他數字化技術（如機器人、軟件技術）存在差異。人工智能是指通過識別數據中的統計模式來完成任務的算法， 而不是遵循人類的指令; 軟件是執行人工指定的“if-then”規則的計算機程序; 機器人是物理設備， 每個動作都要通過軟件預先設定好， 按照指令行事（Webb， 2019）。人工智能與軟件和機器人在本質上是不同的， 軟件可以執行常規任務， 但不能執行非常規任務; 機器人接收軟件預先設定指令完成動作， 但是如果想要實現靈活多變， 需借助人工智能重新編程。總體而言， 機器人的任務是機械僵硬的， 軟件進行常規信息處理， 而人工智能執行的任務涉及檢測、判斷和優化， 這種差異也意味著它們將影響不同種類的工作和職業（Webb， 2019）。此外， 人工智能是一種新現象， 許多AI技術還有待開發。總體而言， AI對員工的影響到底是好的還是壞的， 仍是未知和不確定的， 需要更加關注和深入研究（Von Krogh， 2018; Webb， 2019）。

組織越來越多地使用人工智能（Raisch & Krakowski， 2021）， 通過AI優化資源利用， 提高運營效率和生產力， 降低員工成本， 提升員工體驗、工作滿意度和客戶服務（Chowdhury et al.， 2023）。然而組織引入AI的首要目標是為了提高利潤和生產力， 而非員工福祉（Malik et al.， 2022）。AI以不同的方式影響組織內人力資源， 它可能創造新的工作角色， 給那些無法適應它的員工帶來生計不確定性（Basu et al.， 2023）。Frey和Osborne （2017）估計， 在未來20年里， 機器人將取代47%的工作崗位， 尤其是低薪、低技能崗位; 然而這一趨勢將很快擴展到白領工作（Brougham & Haar， 2018; Yam et al.， 2022）， 尤其是高技能職業崗位（Webb， 2019）。行業巨頭如微軟、亞馬遜、IBM等也紛紛追隨AI腳步暫停崗位招聘。國內許多企業如阿里巴巴、香格里拉、格力等利用AI降低生產成本、提升組織運營效率和客戶滿意度（Tan et al.， 2023）， 增加在線平臺用戶感知價值（Gregory et al.， 2021）。

可以預見的是， AI使用標志著工作實踐發生變化， 減少了工作場所對員工的依賴， 給員工帶來了較大風險和不確定性（Tan et al.， 2023）。員工和AI之間的關系變得復雜（Tang， Koopman， Mai et?al.， 2023）， 員工一方面贊賞AI， 因為AI提升了其工作績效; 與此同時， 一些員工對AI感到厭惡， 認為AI很可能取代他們（Tang， Koopman， Yam et?al.， 2023）。同一個人可能在不同的情景下對AI呈現出積極和消極的不同態度， 這取決于其感知到的利益， 也即其對智能化的態度（Del Giudice et?al.， 2023）， 學者將此稱之為AI感知（Brougham & Haar， 2018; Kong et al.， 2024; Li et al.， 2019）， 也有研究將其表述為“對AI的評估” （He et al.， 2024）或“AI沖擊意識” （徐廣路， 王皓天， 2022， 2023）。本文以AI感知代稱， 強調工作場所AI運用給員工帶來的影響， 聚焦于員工個體感知。

AI運用對員工工作態度和行為產生了較大影響（Li et al.， 2019）， 引發學界熱議。回顧現有研究， AI運用對員工的負面影響是學者們最初關注的重點話題。如AI感知與員工工作不安全感（Lingmont & Alexiou， 2020; Yam et al.， 2023; Zhang & Jin， 2023）、工作倦怠（Kong et al.， 2021; Yam et al.， 2023）以及離職傾向（Brougham & Haar， 2018; Kurniawan?et al.， 2022; Li et al.， 2019）顯著正相關， 與組織承諾和職業滿意度顯著負相關（徐廣路， 王皓天， 2023; Brougham & Haar， 2018）。AI感知還將導致員工抑郁和憤世嫉俗（Brougham & Haar， 2018）， 進而引發員工不文明行為（Cao et al.， 2023; Yam et al.， 2023）， 甚至報復擬人化機器人（Yam et?al.， 2022）。Raisch和Krakowski （2021）指出AI有自動化和增強兩種應用， 自動化意味著AI接管人類的工作， 可能導致大量員工失業; 而?AI增強應用可以幫助員工實現選擇性去技能化， 在核心能力上領先機器， 給員工帶來積極影響。隨著研究不斷深入， 學者們發現AI運用除帶來負面影響外， 在一定程度上提升了員工績效， 增加了工作投入和工作滿意度（Dutta et al.， 2023; Malik et al.， 2022）， 對員工也是有積極意義的（Ding， 2021）。

總體看來， AI運用對員工的影響結果是喜憂參半的（Malik et al.， 2022; Tang et al.， 2022; Tang， Koopman， Yam et al.， 2023）， 但無論是樂觀還是悲觀看法， 都不能完全捕捉到AI運用對員工的影響， 員工對AI的看法與其所處社會和技術環境有關（Bankins et al.， 2024）， 需更加深入全面探察。盡管已有較多研究探討了AI感知對員工心理和行為的影響， 然而囿于學者學術背景， 當前研究更多集中在相對分割領域， 研究對象多來自于酒店、餐飲等服務行業的員工（Malik et al.， 2022）。同時， 由于AI感知概念較新， 其稱呼并未統一， 概念的模糊限制了大眾對于AI感知的深入洞察。此外， AI感知對員工心理和行為的作用路徑和邊界條件也尚未厘清， 缺乏對AI感知研究框架的搭建， 阻礙其理論發展。到底AI感知概念內涵是什么; 哪些因素阻礙或促進了人們對AI的接受; AI如何影響員工心理和行為; AI如何激發員工好的一面， AI如何塑造員工對他們工作的看法， 以及他們應該做些什么來應對AI帶來的變化（Tan et al.， 2023）。為解決上述問題并推動AI感知研究， 本文將通過文獻綜述方法， 澄清AI感知的概念內涵、闡釋AI感知對員工心理和行為的影響， 并就該領域未來研究提供了一個整合的理論框架。第四次工業革命已經到來， 期望通過回答上述問題， 為組織決策者提供見解， 增強學界對AI運用如何影響員工的認知和理解（Tang， Koopman， Mai et al.， 2023）， 為推動AI研究發展提供新思路。

2??文獻檢索與篩選

筆者以“AI?awareness/AI感知/AI沖擊意識、Smart technology awareness/智能技術、Robotics awareness/機器人感知、Algorithms Awareness/算法感知”等為搜索主題詞， 在中國知網、Web of Science、EBSCO、Google Scholar等數據庫查詢， 得到最初文獻919篇; 接著刪除重復文獻; 通過閱讀標題、摘要、關鍵詞、結論、正文等進行刷選， 剔除與文章主題無關的文獻; 接下來根據剩余文章的引用和被引文獻進行搜尋， 確保涵蓋與AI感知有關的所有文獻; 同時， 在國內外管理學、心理學頂級期刊官網上手動查詢， 避免遺漏與主題相關的文獻， 最終得到文獻96篇， 含中文文獻5篇（文獻檢索過程詳見表1）。

3 ?AI感知的定義

3.1 ?AI感知

AI對社會產生了深遠影響（張志學?等， 2024）， 引發了AI運用對員工和工作場所存在何種影響的激烈辯論， 觀點兩極分化（Bankins et al.， 2024）。一方面， 新技術改變了員工原有的工作習慣及利益分配格局， 會給員工帶來不安全感， 引發其對工作崗位流失的擔憂（Webb， 2019）， 很可能抵制AI引發厭惡（張志學?等， 2024）。另一面， AI的崛起將為人類創造許多新的就業機會（Basu et al.， 2023; Presbitero & Teng-Calleja， 2023; Yam et al.， 2023）， AI幫助員工提高了工作績效（Tang， Koopman， Mai et al.， 2023）， 再加上AI是客觀的、無意識的， 在一定條件下AI決策可能更公平（裴嘉良?等， 2021）， 員工可能會欣賞AI。當然， 不同個體對AI態度有所區別（張志學?等， 2024）， 取決于員工對AI技術影響其未來職業前景的感知， AI感知就此誕生（Brougham & Haar， 2018）。

后續學者在Brougham和Haar （2018）基礎上進行深入研究， 注意到當前過于關注AI感知的負面影響（Ding， 2021; Parker & Grote， 2022）。然而， 組織引入AI是為了提高效率， 讓員工通過工作轉型、提高技能進而提升績效和競爭力（Chowdhury et al.， 2023; Tan et al.， 2023）。雖然AI會改變勞動力市場， 但不太可能掌管整個工作， 機器是沒有意識的， 不具備人類的感官、情感和社交技能（Raisch & Krakowski， 2021）， 存在許多局限性， 人類是機器永遠無法替代的（張志學?等， 2024）。機器只是承擔了部分傳統認知中屬于人類的工作， 無法替代那些人際互動要求高的崗位（Webb， 2019）。員工為避免被AI替代， 應努力學習新知識和新技能， 不斷提升自我能力， 學習如何與AI共存， 并視AI為“同事”， 發揮自身優勢反哺AI實現智能增強（張志學?等， 2024; Tang， Koopman， Mai et al.， 2023）。人類和機器不應互為對手， 而應相互學習， 實現優勢互補（Paluch et al.， 2022; Raisch & Krakowski， 2021）。因此， 與其猜測AI會不會替代員工， 未來研究重心應該放在員工如何看待AI和他們應該做些什么來適應AI， 以及AI如何激發員工的最佳表現， 如何讓員工在與AI的“共事”中受益（Tan et al.， 2023）， 享受智能時代帶給人類的紅利（彭劍鋒， 2023）。

為了驗證“員工能否從工作場所AI運用中受益”這個命題， Ding （2021）基于二維壓力源框架， 探討了員工對AI的挑戰?阻礙評價如何影響其個人競爭力（individual competitive productivity， ICP）。Ding （2021）認為AI對于員工來講， 是一種工作壓力源， 強調員工在面對企業采用AI時會感知到工作不安全感， 但是基于二維壓力源框架， 員工對工作壓力會有不同評價， 進而AI感知會具有挑戰和阻礙雙重屬性（Ding， 2021， 2022）， 即員工對AI運用的感知既有消耗作用， 也有激勵作用（Liang et al.， 2022）。

Brougham和Haar （2018）強調AI技術對員工未來職業前景的影響或員工對組織采用AI產生的工作不安全感， 聚焦于AI帶來的消極影響， 然而AI在一定程度上對員工也是有積極意義的（Ding， 2021）。鑒于此， 本文基于感知視角， 將AI感知定義為員工對AI運用影響其工作態度、行為、福祉和工作環境的感知。此概念豐富了AI感知內涵， 不只強調AI運用的消極影響或者局限于AI運用對員工未來職業發展的影響。當然， 員工基于AI運用的不同感知， 會相應影響員工的后續心理和行為。

此外， 回顧文獻發現， 與AI感知相近的概念還有AI技術威脅、AI的使用、AI風險感知和AI效能感知等， 為了明確AI感知與其他概念的區別， 突出AI感知的理論意義， 需要進行細致闡釋。AI技術威脅（threats of AI）是指AI技術對個體或社會的負面影響（Kieslich et al.， 2021）。AI的使用（usage of AI）是指個體接受AI的行為或意圖（Li et al.， 2023; Rathi et al.， 2024; Tang et al.， 2022）。AI風險感知（Perceived AI Risk）指對使用AI技術可能產生的負面影響的感知不確定性（Chen et al.， 2023）， 突出對AI技術本身的風險擔憂（Chen et al.， 2023）。AI效能感知（perceived efficiency of AI）是指對AI比人類更快速和有效率的感知（Kang， Chen， & Chen， 2023）， 如通過在線約會平臺成功配對（Paul & Ahmed， 2024）。在本研究中， AI感知是指“員工對AI運用影響其工作態度、行為、福祉和工作環境的感知”， 從定義和內涵來看， 與“AI技術威脅、AI的使用、AI風險感知、AI效能感知”的概念都有所不同。首先， 發生情景不同。AI感知是在工作場所且組織已經使用AI情況下產生的， 而其他概念如“AI的使用”還停留在探討是否采用AI， 較多是在服務場景。其次， 內涵不同。其他AI概念更多強調AI帶來的負面影響， 而AI感知重點在于員工對AI的感知， 其結果是積極的還是消極的， 是基于員工對AI的具體認知。最后， 外延不同。AI感知突出了員工對AI影響其工作的看法， 其他AI概念則比較寬泛， 更多是社會大眾或客戶對AI的看法。

誠然， 機器已經比人類更有效率、更有能力， AI在工作中的崛起已經超出人類想象， 讓工作場所變得極其復雜（Yam et al.， 2023）， 替代了一些低技術、低含金量的工作， 而且很大可能在將來會超越很多知識工作者的表現（Webb， 2019; Yam et?al.， 2023）， 給員工帶來了較大工作不安全感。但是從某種意義上來說， 智能時代對于那些不想丟失工作、對職業發展葆有期待的員工要求更高（張志學?等， 2024）。如前文所述， 世界正經歷著第四次工業革命， 歷史前進的腳步是不會停止的， 員工與其擔憂工作崗位被AI替代， 不如主動去了解、學習和適應（張志學?等， 2024; Raisch & Krakowski， 2021; Tan?et al.， 2023）， 培養與AI合作的偏好， 緩解自身對工作場所廣泛智能化引發的不安情緒， 更好地從AI主導的新工作環境中受益（Malik et al.， 2022）。

3.2 ?AI感知的影響因素

通過梳理相關文獻發現， 員工自身及AI技術本身的特點將影響員工對AI運用的評估， 進而影響員工的心理狀態和行為。

（1）員工自身特點

首先， 員工的技術精通度將影響其AI感知。技術精通度是指個人對嘗試新技術的信心（Jin et?al.， 2019）。具體來說， 精通技術的人熟悉技術并積極尋求學習和獲取新技術知識， 他們對工作場所的AI技術有深入了解（Brougham & Haar， 2018）， 能夠較快適應先進技術， 接受新技術的意愿更強（Shin et al.， 2019）。因此， 精通技術的個體在完成涉及AI技術的任務時更有可能體驗到高效率（Shin et al.， 2019）， 員工會對AI運用進行積極評估， 從AI中升級他們的技術專長， 從而“保護自己免受智能化的影響”， 員工的技術精通度與AI感知負相關（Yu et al.， 2022）。

其次， 員工的社交技能也會影響其AI感知。社交技能是在隱性知識的基礎上發展起來的， 很難實現自動化（Autor， 2015）。機器人通常用于高度標準化的服務操作， 對社交互動需求較低， 它們不能完全替代人類， 很難處理社交中遇到的情感問題（Wirtz et al.， 2018）， 在需要人際溝通的工作中表現不佳（Autor， 2015）。故具有卓越社交技能的員工對完成復雜情感任務的信心較強， 對AI替代其工作的擔憂較小， 員工社交技能與AI感知負相關（Yu et al.， 2022）。

（2） AI技術特點

Parvez等（2022）從技術本身出發， 研究發現員工感知AI的有用性、易用性以及AI高效快速的優點將對AI產生良好認知， 而AI缺點將讓員工AI運用產生負面感知。具體而言， 對員工來說比較困難復雜的任務， AI可以快速準確完成， 減少員工工作量， 員工會比較樂意與AI合作; 反之， 當員工發現其缺點時， 將對AI產生抵觸心理， 產生負面AI感知（Parvez et al.， 2022）。

4 ?AI感知對員工心理和行為的影響

AI技術應用極大提高了企業效率， 同時也顯著影響了員工心理和行為（Xu et al.， 2023）。

4.1對員工心理狀態的影響

目前AI運用對員工心理狀態積極影響的研究成果較少， 主要體現為內在動機。內在動機是一種源于激情和熱愛的內在驅動因素， 與報酬無關（Venkatesh， 1999）。由于AI在企業中應用越來越多， 給員工工作帶來了諸多挑戰， 員工會產生被AI取代的威脅感（Brougham & Haar， 2018）。員工將AI帶來的壓力視為適應數字時代不斷變化的工作環境的機會， 認為AI運用是一種挑戰性的工作需求， 將對其產生激勵作用（Zhang et al.， 2020）， 促進員工的內在動機（Lepine et al， 2005）。AI給員工現有的枯燥工作帶來了挑戰， 為了更好的職業發展， 維持工作穩定、解決對未來工作的擔憂， 可能促使員工積極制定應對策略來解決問題， 在這種情況下， 員工會被激勵投入到與AI競爭（陳文晶?等， 2022）， 與AI競爭能滿足員工的自主性工作需求（Liang et al.， 2022）。同時， 與AI競爭的結果也會滿足員工對自身能力的肯定性需求， 因為與AI競爭是展示自己能力， 而非對金錢獎勵做出反應， 故AI反過來會激發員工的內在動機， AI感知與內在動機正相關（Liang et al.， 2022）。

相較于AI感知的積極評價， 其消極評價的研究較為豐富， 下面主要從為情緒、壓力和認知三個方面展開論述。

4.1.1情緒

（1）情緒耗竭。情緒耗竭是指員工過度使用情緒和心理資源而產生的耗竭狀態（Maslach et al.， 2001）， 與工作相關的情緒耗竭一般由工作場所壓力源引起（Maslach et al.， 2001）。現有文獻證實， AI感知與情緒耗竭正相關（Liang et al.， 2022; Teng et?al.， 2023; Xu et al.， 2023）。AI廣泛應用使得員工產生焦慮、不確定性和工作不安全感（Brougham & Haar， 2018）。在這種情況下， 員工會對AI運用進行負面評價， 引發消極情緒狀態（Liang et al.， 2022）， 員工會感知到被AI取代的風險， 他們會消耗大量的資源和精力來應對這種壓力， 從而導致情緒耗竭（Liang et al.， 2022）。

（2）抑郁。抑郁癥被認為是“低快樂和低喚醒” （Fried， 2017）。Brougham和Haar （2018）認為， 組織在工作場所頻繁使用AI會讓員工感覺自己不受重視， 很難體會到自己是“組織的一部分”， 容易在工作中出現消極狀態， 對AI進行抵觸。此外， AI技術給員工工作帶來了風險和不確定性， 沖擊其工作崗位， 導致員工需要學習新技術驅動下所需的知識和技能， 引發較大壓力， 降低員工的興奮和愉悅程度， 減少其工作幸福感， 引發抑郁（Brougham & Haar， 2018）。Xu等（2023）通過對兩階段收集到的321份問卷進行分析， 也證實了對AI感知與抑郁正相關， AI對個人職業發展的威脅越大， 個體患抑郁癥的風險越高。

4.1.2壓力

倦怠是對工作壓力的一種心理反應（Halbesleben?& Buckley， 2004）。研究表明， 頻繁使用AI和機器人會導致員工產生工作不安全感（Kong et al.， 2021）， 進而引起工作倦怠（Yam et al.， 2023）。Kong等（2021）對432份酒店員工的數據進行分析， 結果驗證了AI感知與工作倦怠之間的正相關關系。對AI有高度認知的員工， 他們職業生涯高度不確定， 擔心AI取代他們的工作（Kong et al.， 2021）， 給其帶來了較大績效壓力（Kang， Hur， & Shin， 2023）; 而且AI相較于人類具有高效率和低成本的巨大優勢， 員工可能會覺得很難超越AI， 感到不安致使工作倦怠（Kong et al.， 2021）。

4.1.3認知

員工對AI運用的認知主要體現為工作不安全感。工作不安全感是個體對目前工作的連續性和穩定性感知到的威脅（Shoss， 2017）。AI崛起導致員工工作方式、工作要求和工作內容等發生極大變化（涂艷?等， 2023; Nam， 2019）， 他們擔憂當前工作是否會在不久的將來被AI取代（Lan et al.， 2022）。AI感知捕捉了員工對AI影響未來就業前景的看法， 反映了員工對組織采用AI引發的工作不安全感（Brougham & Haar， 2018）。工作不安全感是AI感知最初研究的重點（Ding， 2021）， 研究表明AI感知與工作不安全感顯著正相關（He et al.， 2024; Lingmont & Alexiou， 2020; Nam， 2019; Presbitero & Teng-Calleja， 2023; Zhang & Jin， 2023）。有趣的是， 與上述學者觀點不同， Lestari等（2023）發現AI感知與工作不安全感顯著負相關， 而Brougham和Haar （2018）發現AI感知與工作不安全感并沒有顯著相關性。綜上， 當前學界對AI感知與工作不安全感之間的研究結果存在差異， 這表明AI可能確實觸及了員工工作核心， 但是同樣面對AI， 員工后續表現存在差異。部分員工可能面臨失業， 不得不另謀高就（Brougham & Haar， 2018）; 而有些員工對AI產生了積極認知， 主動學習和適應智能時代， 在AI浪潮沖擊中非但沒有失去工作， 反而提升了自我， 并從智能時代中受益（Ding， 2021; Tan et al.， 2023）。

4.2 ?AI感知對員工行為的影響

4.2.1對員工主動性行為的影響

（1）工作重塑

Wang等（2022）認為任務重塑能夠讓員工更好地與人工智能合作， 員工會進行任務重塑， 以克服被AI取代的威脅， AI感知與任務重塑正相關。He等（2024）研究發現， 員工對AI運用的正面感知與工作重塑正相關， 對AI運用的負面感知會消耗員工精力和資源， 與工作重塑負相關。無獨有偶， Cheng等（2023）對成都八家廣泛采用AI的制造企業員工進行調查， 發現員工對組織運用AI的正面感知與趨近性工作重塑正相關， 而負面感知與回避性工作重塑正相關（Cheng?et al.， 2023）。整體來看， 組織采用AI不可避免地引起了員工對他們是否會被取代的擔憂（Li et al.， 2019）， 激發了人們對成為不可替代員工的高期望（Ding， 2021）， 他們會在一定程度上采取積極主動的行為去學習和適應新環境， 與AI更好地合作共存（Einola & Khoreva， 2023; Wang et al.， 2022）。

（2）工作投入

有研究認為AI感知會降低員工工作投入（Kong et al.， 2021）， 然而Ding （2021）針對美國快餐店員工的研究發現， 員工將AI視為獲得個人成長的機會， 會高度投入到工作中。與此同時， Ding （2021）指出盡管AI感知對員工工作投入的積極意義是存在爭論的， 但結合個人?環境契合理論， 在工業4.0時代組織采用AI趨勢不可避免， 一些基于常規的工作任務已經過時， 如果員工不適應變化的工作環境， 很大概率會失業并很難再次就業。雖然采用AI會給員工帶來心理壓力， 但從另一個角度來看， 它也會促使員工通過自我提升、努力投入工作來應對這種壓力。當員工越來越多使用AI后， 會更加信任它， 減少威脅感知（Hu & Wang， 2023）， 進而降低AI運用的負面認知。不論員工對AI感知是積極的還是消極的， AI感知皆與工作投入正相關（Ding， 2021）。

（3）創新行為

現有研究表明AI感知將通過主動學習和任務重塑正向影響員工創造力（Wang et al.， 2022）， 激發員工創新意愿進而實施創新行為（Ding， 2022）; 員工也有可能視AI為工作威脅， 減少對AI驅動的創新行為的支持（Yin et al.， 2024）。Liang等（2022）通過縱向追蹤研究發現， AI感知一面通過員工的情緒耗竭抑制員工的服務創新行為， 另一面又會激發員工的內在動機促進創新行為。

（4）職業探索行為

職業探索行為是指與員工尋找與新職業相關的有目的的行為和認知（Stumpf et al.， 1983）。當員工意識到AI將接管他們工作時， 員工會感到不自信和不安全， 這種工作不安全感會導致員工尋找和探索其他職業， AI感知與職業探索行為顯著正相關（Presbitero & Teng-Calleja， 2023）。

4.2.2對員工消極工作行為的影響

（1）服務破壞

工作場所AI的引入會對一線員工帶來巨大心理壓力， 消耗員工心理資源， 對其心理產生負面影響（Li et al.， 2019）， 導致員工產生沮喪、焦慮和抑郁等負面情緒（Brougham & Haar， 2018）， 使他們更容易情緒耗竭， 招致員工對AI的抵制（Brougham & Haar， 2018）， 表現出服務破壞行為（Ma & Ye， 2022）。

（2）組織越軌行為

Malik等（2022）在其綜述中提到， AI感知與服務員工的組織越軌行為正相關， 但缺乏實證研究檢驗。后來Zhao等（2023）針對中國不同服務行業的359名員工， 以AI感知與組織越軌行為之間的關系為焦點進行縱向追蹤研究， 發現AI感知是工作場所的一個關鍵壓力源， AI運用引發的壓力會消耗個人資源和工作能量， 員工為了避免進一步資源損失， 會做一些違反組織規范的事情， 實施越軌行為。

（3）工作退縮行為

工作退縮行為是指員工在工作場所采取的消極應對行為（Hanisch & Hulin， 1990）。由于AI工作范圍更廣、工作時間更長， 組織中AI的引入會對員工提出新的、更高的工作要求， 給員工帶來較高心理壓力， 員工可能會對未來感到不確定， 引發消極工作狀態和悲觀情緒， 甚至認為組織運用AI違背了與員工之間的心理契約（Braganza et al， 2021; He et al， 2024）， 他們會停止為組織做出貢獻， 從而產生工作退縮行為（Teng et al.， 2023）。

（4）知識隱藏

隱藏AI知識是員工降低在工作場所被AI取代的一種消極應對策略， 屬于知識領域的反生產行為（郝夏靚， 陳毅文， 2023）。當員工認為AI運用對他們的工作構成威脅時， 他們會以各種可能的方式隱藏知識， 如規避隱藏、裝傻隱藏和合理化隱藏， 員工AI感知與知識隱藏正相關（Arias-Pérez & Vélez-Jaramillo， 2022）。

綜上所述， AI運用不僅對員工心理和行為具有負向影響， 一定條件下也會給員工帶來正向影響。AI運用會激發員工內在動機， 激勵員工不斷提升自我， 在工作中實施主動工作行為， 讓自己能夠快速適應并積極擁抱智能化時代， 與AI這位新同事展開合作與競爭， 借助AI浪潮取得更多工作成就。AI是一把雙刃劍， 有利于學界更平衡、辯證地理解AI感知對員工的混合影響， 也提醒組織應最大化AI的積極面， 減少AI帶來的陰暗面。

5 ?AI感知的理論解釋機制

當前AI運用對員工心理和行為影響的實證研究取得一定成果， 那AI將通過哪些路徑發生影響呢？通過梳理文獻發現， 以往研究主要從資源視角（資源保存理論、JD-R模型）、壓力視角（壓力認知評價理論）、心理需求視角（自我決定理論）、環境視角（人與環境匹配理論）探究AI感知的作用機制（見圖1）。

5.1??資源視角

Xu等（2023）基于資源保存理論， 探討了AI感知與員工抑郁之間的關系， 揭示了情緒耗竭的中介作用， 以及感知組織支持的調節作用。當員工發現組織采用AI取代了部分崗位、導致員工失業、提高了其適應新技術工作的技能要求、降低了其組織地位， 意識到AI已經威脅到其職業發展或組織地位， 對自己的未來產生不安和恐懼的消極情緒， 降低了其保存或獲取資源來應對AI威脅的能力， 引發情緒耗竭， 進而導致抑郁（Xu et al.， 2023）。組織支持感是一種心理資源， 如果員工從同事或領導那里感受到支持、理解和肯定， 能緩解情緒耗竭與抑郁之間的關系; 組織支持感知負向調節情緒耗竭在AI感知與抑郁之間的間接作用（Xu et al.， 2023）。Ma和Ye （2022）研究發現， AI感知通過基于組織的自尊正向影響員工服務破壞行為。AI取代了一線服務員工的部分日常工作， 使其感到焦慮， 在這個過程中基于組織的自尊這種心理資源可能會被耗盡（Hobfoll et al.， 2018）。根據資源保存理論， 處于資源損耗狀態的個體更容易出現消極行為， 進而實施服務破壞， 而感知組織支持削弱了AI感知對服務破壞的影響（Ma & Ye， 2022）。國內學者徐廣路和王皓天（2023）研究發現， 員工認為AI是對其職業發展的威脅和沖擊， 給其帶來資源損失， 證實了員工的AI感知通過工作壓力負向影響職業滿意度; 在上述關系中， 學習目標導向起到負向調節作用， 而規避目標導向起到正向調節作用。

Liang等（2022）基于JD-R模型考察了AI感知對員工服務創新行為的影響機制。一方面， AI感知會增加員工情緒耗竭， 從而降低員工服務創新行為; 另一面， AI感知也會通過增加員工內在動機來觸發其服務創新行為; 未來取向將通過情緒耗竭緩解AI感知對員工服務創新行為的負面影響， 通過內在激勵增強AI感知對服務創新行為的積極影響（Liang et al.， 2022）。He等（2024）基于JD-R模型揭示了AI感知分別通過工作重塑和工作不安全感對服務績效產生的雙刃劍效應。員工對AI運用的正面評價通過工作重塑對服務績效產生積極影響， 而對AI運用的負面評價通過工作不安全感對服務績效產生負面影響; AI知識作為一種關鍵的個人資源， 增強了AI感知對工作重塑的正向影響， 同時減弱了AI感知對工作不安全感的負向影響。

5.2??壓力視角

當個體遇到壓力刺激時會參與評價過程， 將對其目標實現有阻礙的壓力源視為具有威脅， 并傾向于采取回避、疏遠和破壞等消極應對策略; 而擁有豐富資源的個體， 其威脅感知及后續負面反應及行為將減少（Lazarus & Folkman， 1987）。Zhao等（2023）以壓力認知評價理論為基礎， 探討了員工的AI感知通過心理契約破裂對組織越軌行為的影響機制。研究發現， 員工感知到AI可能會在未來取代其工作， AI是有害的。這種情形下， AI感知會通過心理契約破裂對組織越軌行為產生正向影響， 良好的勞資關系氛圍能減少員工對AI的恐懼， 進而降低員工心理契約破裂感知。

5.3??心理需求視角

Tan等（2023）基于自我決定理論， 探究了自主、勝任和關系需求在AI感知與個人競爭力之間的中介作用。結果發現， 個體對AI感知在滿足員工基本心理需求方面存在差異， 員工對AI的積極感知正向影響自主、勝任和關系需求; 對AI消極感知通過滿足關系和勝任的心理需求來激發個人競爭力; 三種心理需求在個體對AI消極感知與個人競爭力之間皆沒有起到中介作用（Tan et al.， 2023）。

5.4??環境視角

根據人與環境匹配理論， 個體越契合組織或環境， 其工作滿意度就越高。AI運用改變了組織內部資源的分配， 擾亂了人與組織之間的關系， 改變了人與組織的契合模式， 致使員工職業生涯高度不確定， 容易產生倦怠情緒。Kong等（2021）根據人與環境匹配理論， 探究了組織承諾的中介作用。結果表明AI感知通過組織承諾對工作倦怠產生正向影響， 還通過組織承諾削弱員工的職業勝任力。

6??研究展望

AI感知相關研究還處于起步階段， 許多問題還沒有答案， 靜待更多科學研究來解決（Parvez et al.， 2022）。下文將從探究AI感知的多層次驅動機制、豐富AI感知的作用機制研究、挖掘AI感知的溢出效應、加強AI與員工的交互影響研究、深化AI感知的跨學科研究等五個方面展開闡述， 并構建出AI感知未來研究整合模型圖（見圖2）。

6.1??探究AI感知的多層次驅動機制

在數字化時代， 員工、組織與人工智能是緊密地交織在一起的， 員工對AI的感知決定了其后續心理和行為（Chowdhury et al.， 2023）， 同時員工的態度和認知也會受到組織環境和領導者多方面的影響（李燕萍， 陶娜娜， 2022）。為充分認識AI感知， 不應該只關心員工單一個體， 而應該關注集體的智能態度（Chowdhury et al.， 2023; Raisch & Krakowski， 2021）。AI技術的廣泛應用不但對員工產生重大影響， 還將取代近69%的管理工作量， 徹底改變管理角色， 這也警醒管理者應該重新定義自己（Varma et al.， 2023）。然而， 現實中， 部分管理者對AI持消極態度和抗拒心理， 在AI方案的實施中缺乏支持（Alshahrani et al.， 2022）， 給組織使用AI技術帶來一定阻礙（Pereira et al.， 2023）。管理者AI感知在AI運用過程中起到不可估量的作用。根據社會信息加工理論， 個體通過對環境中各種信息的解讀時影響其態度和行為（Salancik & Pfeffer， 1978）。研究表明， 個體對AI的態度會受到組織環境的影響（李燕萍， 陶娜娜， 2022）， 如組織創新氛圍。組織創新氛圍濃厚能讓管理者感受到組織對新技術的支持態度， 組織愿意提供資源、承擔AI這種新技術運用的風險， 會鼓勵和幫助管理者積極擁抱AI， 提升對AI的認識， 激勵管理者在智能時代實現自我價值（崔淼?等， 2019）， 繼而提升管理者AI感知。管理者與員工接觸比較密切， 依據社會信息加工理論， 當管理者對AI運用持有積極認知， 員工期望與管理者保持一致（李燕萍， 陶娜娜， 2022）， 會效仿管理者的態度和行為， 也會表現出較強AI感知， 故管理者AI感知在很大程度上影響著員工AI感知。管理者AI感知對員工AI感知的影響作用大小可能會受到領導?成員交換關系的影響。未來可以試著基于社會信息加工理論， 探究組織、管理者對員工AI感知的跨層次影響機制。

6.2豐富AI感知的作用機制研究

盡管先前有研究從心理狀態出發探究AI感知的影響， 然而， 員工心理和行為是一個不斷變化的過程， 隨著時代發展和環境變化， 員工價值觀、情感和動機也會相應發生改變， 其AI感知可能也會轉變， 進而影響其后續行為（Xu et al.， 2023）。未來可進一步嘗試從情緒、認知和動機角度出發， 探討AI感知對員工的影響， 如根據基于社會認知的刻板印象內容模型來開展研究。根據刻板印象內容模型， 溫暖反映了與感知意圖相關的特征（如友好、真誠、值得信任）， 而能力反映了與感知能力相關的特征（如智力、創造力、效能） （Fiske et al.， 2007）。AI可以產生與人類非常相似的社會反應（Belanche et al.， 2021）， 員工在與AI的互動中也經常表現出類似于他們與其他人的相處模式（Yanit et al.， 2023）， 比如與機器人點頭示意和眼神交流（Belanche et al.， 2021）， 從AI那里獲得溫暖（Choi et al， 2021）。根據刻板印象內容模型， 溫暖感知是否激發員工的主動性行為（Fiske et al.， 2007）。與此同時， AI完成任務的高效率和成功率， 很容易讓員工感知其是具有高能力的， 是否也能引發員工主動性工作行為。溫暖和能力為理解AI感知對員工的影響提供了一個理想框架（Harris-Watson et al.， 2023）。此外， AI認同程度比較高的員工， 能意識到AI在工業化4.0時代的作用和價值， 更能感受到AI的溫暖和能力; 而AI認同程度比較低的員工往往對AI持負面態度， 認為AI是一種威脅（Cao et al.， 2023; Mirbabaie et al.， 2022）， 自然很難感知到AI的溫暖和能力。正如Malik等（2022）所呼吁的， AI感知的影響效應需進一步研究， 以豐富對AI感知的認識。

6.3挖掘AI感知的溢出效應

第一， 揭開員工AI感知對同事的溢出效應。人工智能變得越來越像一個同伴和隊友， 正以一種“同事”身份與員工互動（Chowdhury et al.， 2023）， 而AI與真人不同， 員工在與AI互動時無法獲得預期反饋， 無法看到同事的表情或者笑容， 引發了其對同事的歸屬需求（Tang， Koopman， Mai et al.， 2023）， 可能會引發員工的助人行為; 與此同時， 員工頻繁接觸AI， 借助AI完成工作任務， 逐漸對工作缺乏關心和依戀， 失去工作成就感， 讓員工感知到與工作分隔， 引起疏離感， 繼而減少與同事的互動和交流， 導致職場排斥（王海波?等， 2019）。此外， 兩條路徑作用的強弱可能受到任務相互依賴性的影響。當員工與同事的任務相互依賴程度高時， 歸屬需求越高， 疏離感越弱; 反之， 當任務依賴程度低時， 歸屬需求越低， 疏離感越強。未來可從社會認同理論出發探究員工AI感知對同事的雙刃劍效應。

第二， 探察AI感知對員工家庭的溢出效應。AI技術對提高員工效率的需求不斷增加， 導致員工士氣低落， 可能會影響員工在非工作環境中的行為（Tang， Koopman， Mai et al.， 2023）， 如破壞工作家庭平衡（Basu et al.， 2023）。研究表明， 員工在工作中與AI頻繁互動后， 會產生一種社會剝奪感， 讓員工感到與社交脫節， 增加焦慮感， 導致員工下班后喝酒和失眠（Tang， Koopman， Mai et al.， 2023）， 引發工作家庭沖突， 工作家庭區隔偏好能否緩沖這種影響。未來可進一步基于資源保存理論， 探究AI感知對員工家庭的溢出效應， 以理解工作和家庭中AI感知的后果。

6.4加強AI與員工的交互影響研究

人類和AI已經緊密地交織在一起， 人類與AI相互學習與合作， 優勢互補， 實現協同和增強（張志學?等， 2024; Raisch & Krakowski， 2021）。然而， 當前學者們更多探索AI對員工的影響， 而在人機互動如此頻繁情景下， 員工AI感知對AI將產生何種影響卻少有涉及。盡管單獨分析AI如何影響員工是直接、簡單、有用的， 但在人機迭代相互影響的最終進程中， 亟需建立一個混合模型， 研究AI感知對員工的具體影響， 繼而探究后續員工對AI的態度和行為， 最大化AI運用帶來的積極面， 降低AI運用的消極面（Raisch & Krakowski， 2021）。根據社會信息加工理論， 個體會對自己所處的社會環境提供的信息進行解讀， 并影響其隨后態度和行為（Salancik & Pfeffer， 1978）。AI技術的出現正在催化人類工作動態的巨大轉變， 員工與AI之間的關系變得紛繁冗雜（Tang， Koopman， Mai et al.， 2023）。AI高效快速地完成任務， 能夠節約員工時間和資源（Parvez et al.， 2022）， 幫助員工從工作疲勞中解脫出來并恢復活力（Kong et al.， 2024）; 同時， AI還能幫助有學習需求的員工利用AI新技術獲得成長和發展， 是否能提促使員工與AI合作， 產生AI支持行為。另一面， AI也給員工工作帶來了諸多挑戰， 員工會產生被AI取代的威脅感（Brougham & Haar， 2018; Yam et al.， 2023）， 進而對AI實施破壞行為， 有待未來研究驗證。

6.5深化AI感知的跨學科研究

組織中運用AI到底是福是禍， 目前還沒有定論。Raisch和Krakowski （2021）指出AI有自動化和增強兩種應用， 自動化意味著AI接管人類的工作， 而增強意味著人類與AI合作共同完成任務。如果組織片面選擇AI自動化應用， 將任務完全交給機器， 盡管能夠提高效率節約成本， 但是可能會導致大量員工失業， 加劇社會不平等; 另一面， 如果組織過度強調AI增強的應用， 可能會導致另一個“數字鴻溝”， 增加個體之間的緊張社會關系; 過于專注于自動化或增強都可能損害組織的長期績效， 故應該平衡AI自動化和增強的關系， 幫助員工實現選擇性去技能化， 卸下能力不如機器的任務， 騰出更多時間去提升自我， 在核心能力上領先于機器， 實現良性循環， 減少AI運用對員工的負面影響（Raisch & Krakowski， 2021）。然而， 當前計算機科學家、機器人專家和工程師等研究AI的主要目標是盡可能地實現自動化; 而管理學者特別關注AI增強應用的研究， 幫助組織盡量減少AI運用給員工帶來的消極效應。未來應加強跨學科合作， 整合相關觀點、理論和方法， 繼續探索員工感知AI應用主題為實踐提供指導方向， 共同為AI在組織中的應用進行更深入的研究。

參考文獻

陳文晶， 康彩璐， 楊玥， 萬巖. （2022）. 人工智能潛在替代風險與員工職業能力發展： 基于員工不安全感視角. 中國人力資源開發， 39（1）， 84?97.

崔淼， 肖咪咪， 王淑娟. （2019）. 組織創新氛圍研究的元分析. 南開管理評論， 22（1）， 98?110.

郝夏靚， 陳毅文. （2023）. 不合規任務與知識隱藏的關系研究——基于雙過程模型和量子型領導視角. 技術經濟與管理研究， 10， 75?80.

李燕萍， 陶娜娜. （2022）. 員工人工智能技術采納多層動態影響模型：一個文獻綜述. 中國人力資源開發， 39（1）， 35?56.

裴嘉良， 劉善仕， 鐘楚燕， 諶一璠. （2021）. AI算法決策能提高員工的程序公平感知嗎？ 外國經濟與管理， 43（11）， 41?55.

彭劍鋒. （2023）. 新一代人工智能對組織與人力資源管理的影響與挑戰. 中國人力資源開發， 40（7）， 8?14.

涂艷， 蒿坡， 龍立榮. （2023）. 工作替代還是工作轉型？技術型工作不安全感的內涵、影響后果及來源. 心理科學進展， 31（8）， 1359?1373.

王海波， 嚴鳴， 吳海波， 黎金榮， 王曉暉. （2019）. 惡意報復還是認同驅動？新員工的角色社會化程度對其職場排斥行為的作用機制. 心理學報， 51（1）， 128?140.

徐廣路， 王皓天. （2022）. 技術沖擊意識對員工變革支持意愿的影響研究——以人工智能發展為背景. 華東經濟管理， 36（6）， 119?128.

徐廣路， 王皓天. （2023）. 人工智能沖擊意識對員工職業滿意度的影響：工作壓力和目標導向的作用. 中國人力資源開發， 40（7）， 15?33.

張志學， 華中生， 謝小云. （2024）. 數智時代人機協同的研究現狀與未來方向. 管理工程學報， 38（1）， 1?13.

Alshahrani， A.， Dennehy， D.， & M?ntym?ki， M. （2022）. An attention-based view of AI assimilation in public sector organizations： The case of Saudi Arabia. Government Information Quarterly， 39（4）， 101617.

Arias-Pérez， J.， & Vélez-Jaramillo， J. （2022）. Understanding knowledge hiding under technological turbulence caused by artificial intelligence and robotics. Journal of Knowledge Management， 26（6）， 1476?1491.

Autor， D. H. （2015）. Why are there still so many jobs？ The history and future of workplace automation. Journal of Economic Perspectives， 29（3）， 3?30.

Bankins， S.， Ocampo， A. C.， Marrone， M.， Restubog， S. L. D.， & Woo， S. E. （2024）. A multilevel review of artificial intelligence in organizations： Implications for organizational?behavior research and practice. Journal of Organizational Behavior， 45（2）， 159?182.

Basu， S.， Majumdar， B.， Mukherjee， K.， Munjal， S.， & Palaksha， C. （2023）. Artificial Intelligence-HRM interactions?and outcomes： A systematic review and causal configurational explanation. Human Resource Management?Review， 33（1）， 100893.

Belanche， D.， Casaló， L. V.， Schepers， J.， & Flavián， C. （2021）. Examining the effects of robots' physical appearance， warmth， and competence in frontline services： The humanness-value-loyalty model. Psychology & Marketing， 38（12）， 2357?2376.

Braganza， A.， Chen， W.， Canhoto， A.， & Sap， S. （2021）. Productive employment and decent work： The impact of AI adoption on psychological contracts， job engagement and employee trust. Journal of Business Research， 131， 485?494.

Brougham， D.， & Haar， J. （2018）. Smart technology， artificial intelligence， robotics， and algorithms （AI）： Employees' perceptions of our future workplace. Journal of Management & Organization， 24（2）， 239?257.

Cao， L.， Chen， C.， Dong， X.， Wang， M.， & Qin， X. （2023）. The dark side of AI identity： Investigating when and why AI identity entitles unethical behavior. Computers in Human Behavior， 143， Article 107669.

Chen， Y.， Hu， Y.， Zhou， S.， & Yang， S. （2023）. Investigating the determinants of performance of artificial intelligence adoption in hospitality industry during COVID-19. International Journal of Contemporary Hospitality Management， 35（8）， 2868?2889.

Cheng， B.， Lin， H.， & Kong， Y. （2023）. Challenge or hindrance？ How and when organizational artificial intelligence?adoption influences employee job crafting. Journal of Business Research， 164， Article 113987.

Choi， S.， Mattila， A. S.， & Bolton， L. E. （2021）. To err is human （-oid）： How do consumers react to robot service failure and recovery？?Journal of Service Research， 24（3）， 354?371.

Chowdhury， S.， Dey， P.， Joel-Edgar， S.， Bhattacharya， S.， Rodriguez-Espindola， O.， Abadie， A.， & Truong， L. （2023）. Unlocking the value of artificial intelligence in human resource management through AI capability framework. Human Resource Management Review， 33（1）， Article 100899.

Del Giudice， M.， Scuotto， V.， Orlando， B.， & Mustilli， M. （2023）. Toward the human-centered approach. A revised model of individual acceptance of AI. Human Resource Management Review， 33（1）， Article 100856.

Ding， L. （2021）. Employees challenge-hindrance appraisals toward AI awareness and competitive productivity： A micro-level case. International Journal of Contemporary Hospitality Management， 33（9）， 2950?2969.

Ding， L. （2022）. Employees AI awareness and innovative work behavioural intentions： Evidence from US casual dining restaurants. In S. Tabari & W. Chen （Eds.）， Global strategic management in the service industry： A perspective of the new era?（pp. 17?56）： Emerald Publishing Limited.

Dutta， D.， Mishra， S. K.， & Tyagi， D. （2023）. Augmented employee voice and employee engagement using artificial intelligence-enabled chatbots： A field study. The International?Journal of Human Resource Management， 34（12）， 2451??2480.

Einola， K.， & Khoreva， V. （2023）. Best friend or broken tool？ Exploring the co-existence of humans and artificial intelligence in the workplace ecosystem. Human Resource Management， 62（1）， 117?135.

Fiske， S. T.， Cuddy， A. J.， & Glick， P. （2007）. Universal dimensions of social cognition： Warmth and competence. Trends in Cognitive Sciences， 11（2）， 77?83.

Frey， C. B.， & Osborne， M. A. （2017）. The future of employment： How susceptible are jobs to computerisation？ Technological Forecasting and Social Change， 114， 254?280.

Fried， E. I. （2017）. The 52 symptoms of major depression： Lack of content overlap among seven common depression scales. Journal of Affective Disorders， 208， 191?197.

Gregory， R. W.， Henfridsson， O.， Kaganer， E.， & Kyriakou， H. （2021）. The role of artificial intelligence and data network effects for creating user value. Academy of Management Review， 46（3）， 534?551.

Halbesleben， J. R. B.， & Buckley， M. R. （2004）. Burnout in Organizational Life. Journal of Management， 30（6）， 859?879.

Hanisch， K. A.， & Hulin， C. L. （1990）. Job attitudes and organizational withdrawal： An examination of retirement and other voluntary withdrawal behaviors. Journal of Vocational Behavior， 37（1）， 60?78.

Harris-Watson， A. M.， Larson， L. E.， Lauharatanahirun， N.， DeChurch， L. A.， & Contractor， N. S. （2023）. Social perception in human-AI teams： Warmth and competence predict receptivity to AI teammates. Computers in Human Behavior， 145， Article 107765.

He， C.， Teng， R.， & Song， J. （2024）. Linking employees challenge-hindrance appraisals toward AI to service performance： the influences of job crafting， job insecurity and AI knowledge. International Journal of Contemporary Hospitality Managemen， 36（3）， 975?994.

Hobfoll， S. E.， Halbesleben， J.， Neveu， J. P.， & Westman， M. （2018）. Conservation of resources in the organizational context： The reality of resources and their consequences.?Annual Review of Organizational Psychology and Organizational Behavior， 5， 103?128.

Hu， J.， & Wang， R. （2023）. Familiarity Breeds Trust？ The relationship between dating app use and trust in dating algorithms via algorithm awareness and critical algorithm perceptions. International Journal of Human-Computer Interaction. Advance online publication. https：//doi.org/?10.1080/10447318.2023.2217014

Jin， Y.， Cai， W.， Chen， L.， Htun， N. N.， & Verbert， K. （2019）. MusicBot： Evaluating critiquing-based music recommenders?with conversational interaction. Proceedings of the 28th ACM International Conference?（pp. 951?960）.?Sydney. Australia： Information and Knowledge Management.

Kang， D. Y.， Hur， W. M.， & Shin， Y. （2023）. Smart technology and service employees' job crafting： Relationship between AI awareness， performance pressure， receiving and giving help， and job crafting. Journal of Retailing and Consumer Services， 73， Article 103282.

Kang， E. Y. N.， Chen， D. R.， & Chen， Y. Y. （2023）. Associations between literacy and attitudes toward artificial intelligence-assisted medical consultations： The mediating role of perceived distrust and efficiency of artificial intelligence. Computers in Human Behavior， 139， Article 107529.

Kieslich， K.， Lünich， M.， & Marcinkowski， F. （2021）. The threats of artificial intelligence scale （TAI） development， measurement and test over three application domains. International Journal of Social Robotics， 13，?1563?1577.

Kong， H.， Jiang， X.， Zhou， X.， Baum， T.， Li， J.， & Yu， J. （2024）. Influence of artificial intelligence （AI） perception on career resilience and informal learning. Tourism Review， 79（1）， 219?233.

Kong， H.， Yuan， Y.， Baruch， Y.， Bu， N.， Jiang， X.， & Wang， K. （2021）. Influences of artificial intelligence （AI） awareness on career competency and job burnout. International Journal of Contemporary Hospitality Management， 33（2）， 717?734.

Kurniawan， D. T.， Prameka， A. S.， & Praktikto， H. （2022）. AI is in Sight： The effect of AI on job outcome through job insecurity perception about future workplace on private companies in East Java， Indonesia.?Paper presented at the 2022 3rd International Conference on Big Data Analytics and Practices （IBDAP）.

Lan， J.， Yuan， B.， & Gong， Y. （2022）. Predicting the change trajectory of employee robot-phobia in the workplace： The role of perceived robot advantageousness and anthropomorphism.?Computers in Human Behavior， 135， Article 107366.

Lazarus， R. S.， & Folkman， S. （1987）. Transactional theory and research on emotions and coping. European Journal of Personality， 1（3）， 141?169.

LePine， J. A.， Podsakoff， N. P.， & LePine， M. A. （2005）. A meta-analytic test of the challenge stressor?hindrance stressor framework： An explanation for inconsistent relationships among stressors and performance.?Academy of Management Journal， 48（5）， 764?775.

Lestari， N. S.， Rosman， D.， & Millenia， E. （2023）. The association between smart technology， artificial intelligence， robotics， and algorithms （AI） awareness， job stress， job insecurity， and job satisfaction among hotel employees during COVID?19 pandemic.?In?E3S Web of Conferences?（Vol. 388， p. 3021）. EDP Sciences.

Li， B.， Chen， Y.， Liu， L.， & Zheng， B. （2023）. Users intention to adopt artificial intelligence-based chatbot： A meta-analysis. The Service Industries Journal， 43（15-16）， 1117?1139.

Li， J.， Bonn， M. A.， & Ye， B. H. （2019）. Hotel employee's artificial intelligence and robotics awareness and its impact on turnover intention： The moderating roles of perceived organizational support and competitive psychological?climate. Tourism Management， 73， 172?181.

Liang， X.， Guo， G.， Shu， L.， Gong， Q.， & Luo， P. （2022）. Investigating the double-edged sword effect of AI awareness on employee's service innovative behavior. Tourism Management， 92， Article 104564.

Lingmont， D. N. J.， & Alexiou， A. （2020）. The contingent effect of job automating technology awareness on perceived job insecurity： Exploring the moderating role of organizational culture. Technological Forecasting and Social Change， 161， Article 120302.

Ma， C.， & Ye， J. （2022）. Linking artificial intelligence to service sabotage. The Service Industries Journal， 42（13-14）， 1054?1074.

Malik， A.， Budhwar， P.， & Kazmi， B. A. （2022）. Artificial intelligence （AI）-assisted HRM： Towards an extended strategic framework. Human Resource Management Review，?33（1）， Article 100940.

Maslach， C.， Schaufeli， W. B.， & Leiter， M. P. （2001）. Job burnout. Annual Review of Psychology， 52（1）， 397?422.

Mirbabaie， M.， Brünker， F.， M?llmann， N. R.， & Stieglitz， S. （2022）. The rise of artificial intelligence-understanding the AI identity threat at the workplace. Electronic Markets， 32（1）， 73?99.

Nam， T. （2019）. Technology usage， expected job sustainability，?and perceived job insecurity. Technological Forecasting and Social Change， 138， 155?165.

Paluch， S.， Tuzovic， S.， Holz， H. F.， Kies， A.， & J?rling， M. （2022）. “My colleague is a robot” --Exploring frontline employees' willingness to work with collaborative service robots. Journal of Service Management， 33（2）， 363?388.

Parker， S. K.， & Grote， G. （2022）. Automation， algorithms， and beyond： Why work design matters more than ever in a digital world. Applied Psychology， 71（4）， 1171?1204.

Parvez， M. O.， Arasli， H.， Ozturen， A.， Lodhi， R. N.， & Ongsakul， V. （2022）. Antecedents of human?robot collaboration： Theoretical extension of the technology acceptance model. Journal of Hospitality and Tourism Technology， 13（2）， 240?263.

Paul， A.， & Ahmed， S. （2024）. Computed compatibility： Examining user perceptions of AI and matchmaking algorithms. Behaviour & Information Technology，?43（5）， 1001?1015.

Pereira， V.， Hadjielias， E.， Christofi， M.， & Vrontis， D. （2023）. A systematic literature review on the impact of artificial intelligence on workplace outcomes： A multi-?process perspective. Human Resource Management Review，?33（1）， Article 100857.

Presbitero， A.， & Teng-Calleja， M. （2023）. Job attitudes and career behaviors relating to employees' perceived incorporation of artificial intelligence in the workplace： A career self-management perspective. Personnel Review， 52（4）， 1169?1187.

Raisch， S.， & Krakowski， S. （2021）. Artificial intelligence and management： The automation?augmentation paradox. Academy of Management Review， 46（1）， 192?210.

Rathi， S.， Majumdar， A.， & Chatterjee， C. （2024）. Did the COVID-19 pandemic propel usage of AI in pharmaceutical?innovation？ New evidence from patenting data. Technological?Forecasting and Social Change， 198， Article 122940.

Salancik， G. R.， & Pfeffer， J. （1978）. A social information processing approach to job attitudes and task design. Administrative Science Quarterly， 23（2）， 224?253.

Shin， H.， Perdue， R. R.， & Kang， J. （2019）. Front desk technology innovation in hotels： A managerial perspective. Tourism Management， 74， 310?318.

Shoss， M. K. （2017）. Job insecurity： An integrative review and agenda for future research. Journal of Management， 43（6）， 1911?1939.

Stumpf， S. A.， Colarelli， S. M.， & Hartman， K. （1983）. Development of the career exploration survey （CES）. Journal of Vocational Behavior， 22（2）， 191?226.

Tan， K. L.， Gim， G. C. W.， Hii， I. S. H.， & Zhu， W. Q. （2023）. AI fight or flight： A two-wave time-lagged study of challenge and hindrance appraisal of AI awareness on basic psychological needs and individual competitiveness productivity among hospitality employees. Current Issues in Tourism. Advance online publication. https：//doi.org/?10.1080/13683500.2023.2224550

Tang， P. M.， Koopman， J.， Mai， K. M.， De Cremer， D.， Zhang， J. H.， Reynders， P.， … Chen， I. H. （2023）. No person is an island： Unpacking the work and after-work consequences of interacting with artificial intelligence. Journal of Applied Psychology， 108（11）， 1766?1789.

Tang， P. M.， Koopman， J.， McClean， S. T.， Zhang， J. H.， Li， C. H.， De Cremer， D.， … Ng， C. T. S. （2022）. When conscientious employees meet intelligent machines： An integrative approach inspired by complementarity theory and role theory. Academy of Management Journal， 65（3）， 1019?1054.

Tang， P. M.， Koopman， J.， Yam， K. C.， De Cremer， D.， Zhang， J. H.， & Reynders， P. （2023）. The self-regulatory consequences of dependence on intelligent machines at work： Evidence from field and experimental studies. Human Resource Management， 62（5）， 721?744.

Teng， R.， Zhou， S.， Zheng， W.， & Ma， C. （2023）. Artificial intelligence （AI） awareness and work withdrawal： Evaluating?chained mediation through negative work-related rumination?and emotional exhaustion. International Journal of Contemporary Hospitality Management. Advance online publication. https：//doi.org/10.1108/IJCHM-02-2023-0240

Varma， A.， Dawkins， C.， & Chaudhuri， K. （2023）. Artificial intelligence and people management： A critical assessment through the ethical lens. Human Resource Management Review， 33（1）， Article 100923.

Venkatesh， V. （1999）. Creation of favorable user perceptions： Exploring the role of intrinsic motivation. MIS Quarterly， 23（2）， 239?260.

Von Krogh， G. （2018）. Artificial intelligence in organizations： New opportunities for phenomenon-based theorizing. Academy of Management Discoveries， 4（4）， 404?409.

Wang， H.， Zhang， H.， Chen， Z.， Zhu， J.， & Zhang， Y. （2022）. Influence of artificial intelligence and robotics awareness on employee creativity in the hotel industry. Frontiers in Psychology， 13， Article 834160. https：//doi.org/10.3389/?fpsyg.2022.834160

Webb， M. （2019）. The impact of artificial intelligence on the labor market. Retrieved Jan. 20， 2024， from http：//dx.doi.org/?10.2139/ssrn.3482150

Wirtz， J.， Patterson， P. G.， Kunz， W. H.， Gruber， T.， Lu， V. N.， Paluch， S.， & Martins， A. （2018）. Brave new world： Service robots in the frontline. Journal of Service Management， 29（5）， 907?931.

Xu， G.， Xue， M.， & Zhao， J. （2023）. The association between artificial intelligence awareness and employee depression： The mediating role of emotional exhaustion and the moderating role of perceived organizational support. International Journal of Environmental Research and Public Health， 20（6）， Article 5147.

Yam， K. C.， Goh， E. Y.， Fehr， R.， Lee， R.， Soh， H.， & Gray， K. （2022）. When your boss is a robot： Workers are more spiteful to robot supervisors that seem more human. Journal?of Experimental Social Psychology， 102， Article 104360.

Yam， K. C.， Tang， P. M.， Jackson， J. C.， Su， R.， & Gray， K. （2023）. The rise of robots increases job insecurity and maladaptive workplace behaviors： Multimethod evidence. Journal of Applied Psychology， 108（5）， 850?870.

Yanit， M.， Yanit， M.， & Wan， F. （2023）. Right agent， wrong level of hedonism： How high （vs low） hedonic values in AI-performed tasks lead to decreased perceptions of humanlikeness， warmth， and less consumer support. Computers in Human Behavior， 147， Article 107870.

Yin， M.， Jiang， S.， & Niu， X. （2024）. Can AI really help？ The double-edged sword effect of AI assistant on employees innovation behavior. Computers in Human Behavior， 150， Article 107987.

Yu， H.， Shum， C.， Alcorn， M.， Sun， J.， & He， Z. （2022）. Robots cant take my job： Antecedents and outcomes of Gen Z employees service robot risk awareness. International?Journal of Contemporary Hospitality Management， 34（8）， 2971?2988.

Zhang， M.， Geng， R.， Hong， Z.， Song， W.， & Wang， W. （2020）. The double-edged sword effect of service recovery awareness of frontline employees： From a job demands-?resources perspective. International Journal of Hospitality Management， 88， Article 102536.

Zhang， X.， & Jin， H. （2023）. How does smart technology， artificial intelligence， automation， robotics， and algorithms （STAARA） awareness affect hotel employees career perceptions？ A disruptive innovation theory perspective. Journal of Hospitality Marketing & Management， 32（2）， 264?283.

Zhao， J.， Hu， E.， Han， M.， Jiang， K.， & Shan， H. （2023）. That honey， my arsenic： The influence of advanced technologies?on service employees organizational deviance. Journal of Retailing and Consumer Services， 75， Article 103490.

The influence of AI awareness on employees psychological and behavioral outcomes and its theoretical explanation

WANG Tao¹， ZHAN Xiaojun²， YU Wei¹

（¹?School of Economic Management and Law， Jiangxi Science and Technology Normal University， Nanchang 330036，?China）（²?School of Business Administration， Jiangxi University of Finance and Economics， Nanchang 330013， China）

Abstract： AI awareness?refers to employees' perception of the impact of AI on their work attitude， behavior， well-being， and work environment. The fourth Industrial Revolution has arrived， and while AI improves employee performance， it also brings risks and uncertainties that have a huge impact on employees. Current AI awareness research is fragmented and fuzzy， hindering understanding of how AI application affects employee psychology and behavior. In order to explore the specific impact of AI application on employees and its function explanation mechanism， the concept connotation of AI awareness was first clarified. Secondly， it reveals the effect of AI awareness. Thirdly， the theoretical explanation mechanism of AI awareness is explained based on resource perspective， emotional perspective， demand perspective and environmental perspective. Finally， the future research framework of AI awareness is constructed to provide theoretical reference for future related research and insights for organizational decision-making.

Keywords：?AI awareness， conservation of resources theory， job insecurity， double-edged sword effect