人工智能技術應用對員工建言和沉默的影響：工作反芻和工作自主性的作用

DOI：10.6049/kjjbydc.D22024120437中圖分類號：F272.92 文獻標識碼：A開放科學（資源服務）標識碼（OSID）：文章編號：1001-7348（2025）14-0021-13

0 引言

近年來，智能機器人、語音識別、無人駕駛等人工智能技術蓬勃發展，已成為驅動中國傳統經濟轉型的關鍵力量。人工智能技術是指能夠執行自主學習、交流互動和問題解決的擴展人類智能的技術[1]。為降低勞動力投入和提高工作效率，越來越多的組織把人工智能技術引入到工作中。隨著人工智能技術在工作場所中的應用，一方面，員工認識到人工智能技術可幫助他們完成冗雜工作和處理復雜數據，也體會到人工智能技術應用所帶來的技術時尚感和積極情緒。如有學者指出，人工智能技術可提高員工工作旺盛感和組織公民行為，促進員工工作重塑[2。另一方面，人工智能技術應用也給員工提出新工作要求，技術復雜性會誘發員工的消極心理情緒，加劇員工工作壓力和工作不安全感，進而導致員工情緒耗竭。如人工智能技術會加劇員工職業倦怠感、知識隱藏行為和離職意向[3]。

Chang等4將人工智能技術應用視為一種技術壓力，其會導致員工焦慮和不安，進而影響員工績效；Huangamp;Gursoy[5從壓力交互理論視角分析人工智能技術應用對員工主動性創新行為的影響。相似地，Cheng等也證實人工智能技術應用被視為一種挑戰性壓力源和阻礙性壓力源，進而對員工工作重塑具有差異化影響。因此，隨著人工智能技術的快速發展及其在工作中的普及應用，人工智能技術應用作為一種壓力源會對員工工作態度和行為產生積極或消極影響[4]。此外，組織要在復雜、多變的經濟環境中脫穎而出，需要依靠員工智慧（即員工建言），從而幫助組織持續創新和快速發展[。人工智能給員工帶來的技術壓力會對員工建言行為產生影響，從而影響組織變革和創新[8]。因此，探索人工智能技術應用對員工建言和沉默的影響已成為學術界和企業管理者關注的焦點[5]

從理論層面看，以往對員工建言和沉默前因的探索主要聚焦于情緒因素、認知因素、領導因素和組織因素等[9-1]，忽視了人工智能技術應用這一壓力源因素。同時，鮮有研究從壓力認知激活理論視角關注人工智能技術應用對員工建言和沉默影響的“雙刃劍”效應。因此，本研究重點探索人工智能技術應用對員工建言和沉默的影響；從實踐層面看，隨著大數據時代的到來和人工智能技術在工作中的普及，企業要不斷提高生存能力和維持創新性需要依賴員工智慧，即員工建言。同時，員工對人工智能技術應用這一壓力源的積極或消極認知評價又會對員工建言和沉默行為產生差異化影響[5]。可見，深入探索人工智能技術應用對員工建言和沉默的積極影響對于維持組織創新源動力具有重要意義。

人工智能技術應用作為一種壓力源通過何種機制作用于員工建言和沉默？在哪些情況下員工會對人工智能技術這一壓力源產生更為積極的評價？為解決這些問題，本研究引入壓力認知激活理論，從壓力認知角度探索人工智能技術應用對員工建言和沉默的影響。壓力認知激活理論指出，員工會對壓力源所帶來的結果預期進行積極或消極評價，這種認知評價會延續到非工作時間，從而激活員工適應性或非適應性心理反應，進而影響員工行為[12]。市場多變的競爭環境使員工工作強度和壓力不斷加大，員工在下班后會常常持續思考與工作有關的問題[8。因此，根據壓力認知激活理論，員工對人工智能技術應用這一壓力源積極或消極的認知評價會觸發員工在非工作時間以問題解決為導向的適應性心理反應（問題解決沉思）或以情緒為中心的非適應性心理反應（情感反芻）。

中國文化強調“吾日三省吾身”和“自省以修身”，自省反映在員工身上就是工作反芻[8]。工作反芻包含問題解決沉思和情感反芻兩部分內容。其中，問題解決沉思是指員工在非工作時間圍繞工作問題和目標進行持續思考，這會激發員工工作動機[13]；情感反芻聚焦于工作帶來的消極情感，使個體在下班后有意識地回想這些消極情緒，從而不斷陷人自我內耗，進而減少工作投入[14]。因此，人工智能技術應用可能會激活員工的問題解決沉思和情感反芻，從而影響員工建言和沉默行為[15]

進一步地，工作自主性可能是人工智能技術應用通過問題解決沉思和情感反芻影響員工建言和沉默的重要邊界條件。根據壓力認知激活理論，員工擁有的資源會影響其對壓力源帶來結果預期的評價，從而影響員工心理反應，進而影響員工后續創新行為[12]。工作自主性作為一種重要的工作態度，可滿足個體對工作靈活性和自主性的需要，激發員工工作動機，減輕員工身心消耗[16]。當人工智能技術應用這一壓力源出現時，員工對其結果預期的認知評價受工作自主性的影響。換言之，當員工在組織中擁有較高的工作自主性時，他對人工智能技術應用結果預期的評價會更加積極，從而驅動非工作時間的問題解決沉思及后續建言行為；反之，當員工在組織中擁有較低的工作自主性時，他對人工智能技術應用結果預期的消極評價會增加，從而提高員工下班后的工作反芻及后續沉默行為[16]。因此，本研究認為，人工智能技術應用通過問題解決沉思和情感反芻對員工建言和沉默的影響在很大程度上取決于員工擁有工作自主性的高低。綜上，本研究基于壓力認知激活理論，構建人工智能技術應用對員工建言和沉默行為的影響模型，揭示問題解決沉思和情感反芻的中介效應以及工作自主性的調節作用，通過采用情景實驗和三階段問卷調研法對整體模型進行驗證，以期為組織更好地發揮人工智能技術應用的積極效應提供啟發。

理論分析與研究假設

1. 1 壓力認知激活理論

Meursamp;Perrewe[12]綜合資源保存理論、壓力交互理論、持續性認知理論等觀點提出壓力認知激活理論，強調壓力源會持續引發生理和心理激活，使個體對壓力源積極或消極的認知評價延續到非工作時間。壓力認知激活理論將壓力源影響個體行為分為3個過程：首先，當壓力源出現時，個體會對它的結果預期進行認知評價，預期壓力源會給自身帶來積極還是消極的結果。其次，認知評價會激活個體心理反應，如果評價是積極的，個體會采取以問題解決為導向的適應性心理反應；相反，如果評價是消極的，個體則會采取以情緒為中心的非適應性心理反應。最后，心理反應會導致個體一系列積極或消極的行為結果[2]。此外，壓力認知激活會延長員工對壓力源積極或消極的評價，使員工表現出工作反芻行為（問題解決沉思和情感反芻）[17]。

人工智能（AD技術應用是指員工在工作中使用AI技術（一種包含自主學習、快速計算、精確決策的新興技術），如機器學習、語音識別、無人駕駛等[5]。人工智能技術按照類別主要劃分為機器學習、深度學習、自然語言處理和計算機視覺等[1，15，18]，按照功能劃分為學習與推理、圖像和語音識別、自然語言處理、規劃與決策等[2，4，18]。人工智能技術可代替員工完成冗雜和重復工作，幫助員工作出決策和激發員工創新行為[4]。人工智能技術應用能幫助員工處理大量數據，解決復雜問題并作出精準決策，減少員工工作任務，提高員工工作效率，增加閑置資源[6。根據壓力認知激活理論，這些積極結果會觸發員工的積極認知評價[12]。相反，人工智能技術應用也給員工提出更高的崗位要求，會增加員工工作不安全感和失業焦慮，使員工面臨資源損耗[18]，這些消極結果會觸發員工的消極評價認知[12]

1.2 問題解決沉思的中介作用

調查顯示， 70% 的員工會在非工作時間思考工作，這種在下班后仍持續思考工作的狀態稱為工作反芻[19]。工作反芻是指個體在非工作時間有意識、持續地對工作事件或工作感受反復思考的狀態[18]。工作反芻會加深員工對工作的積極和消極認知，從而影響員工工作行為[14]。問題解決沉思是指員工在非工作時間圍繞工作目標、工作壓力和工作問題進行持續思考，包括員工堅信通過思考會找到問題解決方案，最終產生積極評價，產生積極情緒[20-21] 。

根據壓力認知激活理論，人工智能技術應用作為壓力源會持續性激活員工生理、心理和行為反應[12]人工智能技術應用可為員工提供有價值的信息，減輕員工工作負荷，提高員工工作效率，使員工獲得積極的工作經歷和體驗[22]。人工智能技術還能幫助員工獲得閑置資源，促使員工利用這些資源探索新知識和新技能，進而幫助員工實現更高的績效和工作目標[2]。員工會預期人工智能技術應用給自身帶來積極結果，即給出積極的結果預期評價，這會激活員工心理反應，使員工采取以問題解決為導向的應對方式，即表現出問題解決沉思[12]。因此，本研究認為人工智能應用會觸發員工的問題解決沉思。

員工建言是指員工結合自己對工作的認識與理解，提出與工作目標和組織發展相關建議的主動性行為[]。與員工建言相反，員工沉默是指員工由于種種原因有意識地保留對組織發展建議的行為[23]。問題解決沉思作為一種資源恢復方式，沉思過程會使員工發現工作的意義，促使員工對工作加以重視并持續努力[13]。如回顧人工智能技術應用給自己帶來的積極工作體驗，這種體驗會給員工帶來積極情緒，從而激發員工主動性創新行為[21]。總之，員工建言和沉默行為易受員工情緒的影響，積極情緒會促進員工建言，抑制員工沉默[24]。據此，本文提出以下假設：

H_la ：人工智能技術應用通過增加問題解決沉思，正向影響員工建言；

H_1b ：人工智能技術應用通過增加問題解決沉思，負向影響員工沉默。

1.3 情感反芻的中介作用

人工智能技術應用提高了工作智能化程度，要求員工擁有更高的知識技能來適應這一變化[25]。人工智能技術應用對崗位提出新工作要求，會提高員工失業風險。崗位工作要求越高，員工就越容易產生消極情緒，從而引發員工的情緒耗竭和職業倦怠[。人工智能技術替代部分工作崗位，可獨立思考并作出精準決策，使員工感受到技術進步帶來的緊張感和威脅感，增加員工工作不安全感和消極情緒[6]。因此，根據壓力認知激活理論，員工會預期人工智能技術應用給自身帶來的消極結果，即給出消極的結果預期評價，這會激活員工采取以情緒為中心的心理反應[12]。這種消極結果預期還會溢出到非工作時間，使員工在下班后不斷回想這些消極的情緒體驗，從而觸發情感反芻[26]。因此，人工智能技術應用所帶來的負面情感體驗會引發員工情感反芻。

情感反芻無法使員工在空閑時間得到身心放松，資源無法得到恢復[13]。根據壓力認知激活理論，情感反芻會導致員工一系列消極行為結果，導致員工使用消極的工作策略（保持沉默）來減少有限資源的進一步枯竭[19]。擁有情感反芻傾向的員工會在下班后持續沉浸在消極情感內耗中，無法補充應對工作要求所消耗的資源，從而減少主動性行為（員工建言），進而增強員工沉默[20]。據此，本文提出以下假設：

H_2a ：人工智能技術應用通過增加情感反芻，負向影響員工建言；

H_2b ：人工智能技術應用通過增加情感反芻，正向影響員工沉默。

1.4 工作自主性的調節作用

工作自主性是指員工在工作中按照自身意愿對工作內容和進程進行自主決策的程度，工作自主性高低反映員工在工作中獲得資源的多少[16]。工作自主性是一種占據主導性的寶貴資源，是員工主動性行為的重要驅動因素，不僅可以觸發員工自主性動機，還能緩解壓力源所導致的心理資源損耗[17]。另外，它還能激發員工內在工作動機，減輕工作壓力帶來的負面影響和身心資源消耗，增加員工主動性行為[27]。因此，工作自主性是影響員工對人工智能技術應用結果預期評價的重要權變因素[12]

高工作自主性員工對工作擁有更多選擇權和控制權，擁有靈活的工作時間等條件性資源，可補充員工的資源消耗，激發員工主動性動機和積極工作態度[16]。此外，當員工被賦予較高水平的工作自主性時，他們會感知到自己被領導信任，對組織的歸屬感也會增強，從而會觸發員工的主動性工作行為[28]。相反，低工作自主性員工對工作內容和進程有較少自主選擇權，他們只能按照領導指示行事，在工作中獲得的資源也比較有限，無法補充他們消耗的生理和心理資源，容易產生消極情緒，進而減少主動性工作行為[28]

高工作自主性員工擁有較多資源，這些資源能提高員工知識技能，以適應人工智能技術應用所帶來的技術變革[29]。高工作自主性員工能選擇用自己的方式來工作，增加員工對自身工作的認同，提高工作成就感，員工會更愿意思考如何更加有效地工作和創造性地解決工作中遇到的問題，即增強人工智能技術應用對問題解決沉思的正向影響[1。相反，低工作自主性員工所擁有的資源相對有限，工作靈活性和工作滿意度也相對較低，知識和技能可能無法適應技術變革要求，他們只愿意維持現狀，不愿意花費更多時間和精力思考，會削弱人工智能技術應用對問題解決沉思的正向效應[29]。據此，本文提出以下假設：

H₃ ：工作自主性調節人工智能技術應用與問題解決沉思之間的關系，即工作自主性水平越高，人工智能技術應用對問題解決沉思的正向影響越強。

進一步地，參考Muller等[30]的研究思路，本文將H_la 與 ΔH₃ 、 H_1b 與 H₃ 相結合，提出如下假設：

H_4a ：工作自主性調節人工智能技術應用通過問題解決沉思影響員工建言的間接效應，即工作自主性水平越高，該間接效應越強；

H_4b ：工作自主性調節人工智能技術應用通過問題解決沉思影響員工沉默的間接效應，即工作自主性水平越高，該間接效應越強。

高工作自主性員工擁有積極情緒，可自主調整工作內容和方式，以自己期望的方式完成工作目標，進而減少人工智能技術應用帶來的焦慮感和工作不安全感[28]。高工作自主性會緩解人工智能技術應用帶來的消極評價和資源損耗，降低人工智能技術應用對員工情緒的負面影響，減少情感反芻，弱化人工智能技術應用對工作反芻的正向影響[18]。相反，低工作自主性員工擁有的資源較少，往往無法自主靈活安排工作時間和自由調整工作方式，會加重對壓力源的消極結果預期，難以抵消人工智能技術應用所帶來的資源損耗，導致員工消極情緒和情緒耗竭，加劇員工情感反芻，從而強化人工智能技術應用對工作反芻的正向效應[18]。據此，本文提出以下假設：

H₅ ：工作自主性調節人工智能技術應用與情感反芻之間的關系，即工作自主性水平越高，人工智能技術應用對情感反芻的正向影響越弱。

進一步地，參考Muller等[3]的研究思路，本文將H_2a 與 H₅ 、 H_2b 與 ΔH₅ 相結合，提出如下假設：

H_6a ：工作自主性調節人工智能技術應用通過情感反芻影響員工建言的間接效應，即工作自主性水平越高，該間接效應越弱；

H_6b ：工作自主性調節人工智能技術應用通過情感反芻影響員工沉默的間接效應，即工作自主性水平越高，該間接效應越弱。

綜上，本文構建理論模型，如圖1所示。

為驗證研究假設，本文設計情景實驗和三階段問卷調查兩項研究。情景實驗法具有較高的內部效度，但其外部效度有限，模擬情景與復雜的企業環境相差較大，實驗結果缺乏可推廣性。問卷調研法具有較高的外部效度，但其內部效度較低，可能不能準確反映變量間的因果關系。本研究參考Tang等[31的做法，采用實驗與問卷相結合的研究范式，更加全面地檢驗研究假設，旨在獲得比單一方法更全面、更深刻的理解，增強研究的內外部效度和研究結果的普適性。

2 研究一：情景實驗

2.1 被試與程序

通過見數平臺（Credamo）招募240名在職且在日常工作中會用到人工智能技術的員工作為被試者參與實驗研究。按照Tang等[31]的做法，向參加實驗的被試者展示人工智能技術的定義，旨在讓被試者能夠區分人工智能技術應用和傳統技術應用。為確保數據有效性，本研究設置圍繞實驗材料的注意力檢測問題，確保被試者對實驗內容充分了解，在數據人工審核過程中，剔除作答不完整和極端值（如所有題項均選擇為“5\"數據。剔除未通過注意力檢測和極端值樣本后，獲得有效樣本212份。此外，為提高實驗回應率，對成功完成實驗的被試者給予一定報酬。其中，男性占比 50.9% ，總體平均年齡為32.9歲（ SD=0. 948） ，有 76.4% 受過本科及以上教育，平均工齡為4.5年 （SD=1.208） 。

本研究設計（人工智能技術應用：高VS低） x （工作自主性：高VS低）雙因素組間情境實驗。首先，由被試者填寫人口統計學信息；其次，將被試者隨機分配到4種情境中，其閱讀相應情景材料，并把自己想象成為情景材料中的“主人公”；最后，被試者根據情境實驗材料完成實驗操縱并報告其它變量信息。人工智能技術應用參考張恒等[29]的實驗材料并根據本研究情境進行改編，工作自主性根據Liu等[32]的定義以及Fengamp;Savani[28]的操縱材料改編而成。

2.2 測量工具

本文借鑒國內外普遍使用的成熟量表，采用李克特5點評分法計分，從 1= “完全不符合”到 5= “完全符合”。

（1）操縱工具檢驗。 ① 人工智能技術應用：采用Tang等[31編制的量表，共包括3個題項，如“我大部分時間和人工智能一起工作”等，Cronbach's α 系數為0.864; ② 工作自主性：采用Liu等[32]編制的量表，共包括3個題項，如“我自己決定如何工作\"等，Cronbach'sα系數為0.807。

（2）問題解決沉思：采用Cropley等[33]編制的量表，共包括5個題項，如“在休閑時間，我尋找與工作相關的問題解決方案\"等，Cronbach'sα系數為0.872。

（3）情感反芻：采用Cropley等[33]編制的量表，共包括5個題項，如“在休閑時間，我因思考工作相關的事情而感到困擾\"等，Cronbach'sα系數為O.886。

（4）員工建言：采用Liang等[34]編制的量表，共包括10個題項，如“我會提出改善單位運作的建設性意見\"等，Cronbach's α 系數為0.933。

（5）員工沉默：采用Madrid等[35]編制的量表，共包括4個題項，如“我對日常工作中出現的問題保持沉默\"等，Cronbach's α 系數為0.849。

（6）控制變量：本研究選取性別、年齡、工作年限和學歷作為控制變量。已有研究顯示，這些變量與人工智能技術應用和員工行為具有顯著相關關系[4]。

2.3 實驗結果

2.3.1實驗操縱有效性檢驗

對本研究實驗操縱的有效性進行檢驗，通過對比人工智能技術應用操縱兩組結果可知，實驗組員工（M=3.737，SD=0.936） 人工智能技術應用得分顯著高于控制組 0.001，Cohen's d=0.486; 。通過對比工作自主性操縱兩組結果發現，實驗組員工 （M=3.368，SD=0.928） 工作自主性顯著高于控制組 （M=2.917，SD=0.945，t （210）=-3.501 ， plt;0. 001 ，Cohen's d=0. 478） 。因此，本研究成功操縱了人工智能技術應用和工作自主性這兩個變量。

2.3.2 驗證性因子與描述性統計分析

為考察人工智能技術應用、工作自主性、問題解決沉思、情感反芻、員工建言和員工沉默的區分效度，本研究進行驗證性因子分析，結果如表1所示。六因子模型擬合程度較好（ x²=587 .717，RMSEA =0 .049， CFI= 0.946，TLI=0.940，SRMR=0.044） ，顯著優于其它模型，說明本研究變量之間具有較好的區分效度。

表1驗證性因子分析結果（研究一）

描述性統計與相關性分析結果如表2所示。人工智能技術應用與問題解決沉思正相關（ Φ_r=0.427 ！ plt; 0.01）。問題解決沉思與員工建言正相關（ .r=0.390 ，plt;0.01? ，人工智能技術應用與情感反芻正相關（ Φ_?r=0. 443 ， plt; 0.01）。情感反芻與員工建言負相關 （r=-0.267 ， plt; 0.01），與員工沉默正相關（ r=0.325 ， plt;0. 01 。上述檢驗結果為接下來的假設檢驗奠定了基礎。

注：M為平均值；SD為標準差； ? 表示 表示 plt;0. 01 ，下同

2.3.3 假設檢驗

本研究對研究假設進行驗證，檢驗結果如表3所示。人工智能技術應用對問題解決沉思具有顯著正向影響（ β?0.452，plt;0.001 ；問題解決沉思正向影響員工建言 Δ（ββ=0.316，plt;0.001） ，且問題解決沉思在人工智能技術應用與員工建言之間的間接效應顯著（ b= 0.139，95%CI=[0.070，0.221] ，假設 H_la 得到驗證；問題解決沉思負向影響員工沉默 （β=- 0. 407，plt; 0.001），且問題解決沉思在人工智能技術應用與員工沉默之間的間接效應顯著 （b=-0.193，95%CI= [-0，279，-0.123]; ，假設 H_1b 得到驗證。

人工智能技術應用對情感反芻具有顯著正向影響0 （ββ=0.428，plt;0.001） ；情感反芻負向影響員工建言（ β =-0.299，plt;0.001? ，且情感反芻在人工智能技術應用與員工建言之間的間接效應顯著 （b=-0.124，95% CI=[-0.196，-0.066] ，假設 H_2a 得到驗證；情感反芻正向影響員工沉默（ ?β=0.338，plt;0.001） ，且情感反當在人工智能技術應用與員工沉默之間的間接效應顯著 （b=0.152，95%CI=[0.086，0.233]） ，假設 H_2b 得到驗證。

由表3可知，人工智能技術應用與工作自主性交互項對問題解決沉思的影響顯著（ β=0.191，plt;0.01） 。而且，簡單斜率分析顯示（見圖2），當工作自主性程度較高時，人工智能技術應用與問題解決沉思的關系顯著 （b=0.618，95%CI=[0.458，0.777] ）；當工作自主性水平較低時，人工智能技術應用與問題解決沉思的關系顯著 （b=0.253，95%CI=[0.100，0.406]） 。可見，工作自主性水平越高，這種正向影響作用越強，假設 H₃ 得到驗證。

由表3可知，人工智能技術應用與工作自主性交互項對情感反芻的影響顯著 ?β=-0.189，plt;0.01） 。而且，簡單斜率分析顯示（見圖3），當工作自主性水平較低時，人工智能技術應用與情感反芻的關系顯著（b=0.668，SE=0. 089，95%CI=[0. 494， 0. 843]） ；當工作自主性水平較高時，人工智能技術應用與情感反芻的關系顯著

0.443」）。可見，工作自主性水平越高，這種正向影響 作用越弱，假設 H₅ 得到驗證。

注： ? 表示 plt;0.05 . 表示 plt;0.01 . ××× 表示 plt;0. 001 ；表中數據為非標準化系數

進一步地，本研究進行被調節的間接效應檢驗，結果如表4所示。當工作自主性水平較高時，人工智能技術應用通過問題解決沉思對員工建言的影響顯著（b=0.197，SE=0. 051，95%CI=[0.100， 0.303]）；當工作自主性水平較低時，人工智能技術應用通過問題解決沉思對員工建言的影響顯著 （b=0. 080，SE=0. 038 ，95%CI=[0.021 ，0.173]），且高與低工作自主性的間接效應差異值為 0.117，95%CI=[0.046，0.227] ，不包含0，假設 H_4a 得到驗證。同理，當工作自主性水平較高時，人工智能技術應用通過問題解決沉思對員工沉默的影響顯著 ?b=-0.274，SE=0.055，95%CI= [-0.391 ，一0.173]）；當工作自主性水平較低時，人工智能技術應用通過問題解決沉思對員工沉默的影響顯著（ b=- 0. 112 . SE=0 .045， 95%CI=[-0.221 -0.034] ），且高與低工作自主性的間接效應差異值為-0.162，95%CI=[-0.308，-0.061] ，不包含0，假設H_4b 得到驗證。

如表5所示，當工作自主性水平較低時，人工智能技術應用通過情感反芻對員工建言的影響顯著（ b= -0.178，SE=0. 045，95%CI=[-0. 276，-0.099]） 當工作自主性水平較高時，人工智能技術應用通過情感反芻對員工建言的影響顯著 （b=-0，070 SE= 0.033，95%CI=[-0.150，- 0.018]），且高與低工作自主性的間接效應差異值為 0.108，95%CI=[0.035 0.216]，不包含0，假設 H_6a 得到驗證。同理，當工作自主性水平較低時，人工智能技術應用通過情感反芻對員工沉默的影響顯著 （b=0.218，SE=0.054，95%CI= [0.120，0.334]）；當工作自主性水平較高時，人工智能技術應用通過情感反芻對員工沉默的影響顯著（ b= 0.085，SE=0.039，95%CI=[0.025，0.182_-^- ），且高與低工作自主性的間接效應差異值為 -0.133，95%CI= [-0.262，-0.041] ，不包含0，假設 H_6b 得到驗證。

3 研究二：全模型問卷研究

3.1研究樣本與數據收集

在問卷星線上數據收集平臺（www.wjx.cn）招募應用AI的企業員工為被試者。以往研究表明，通過問卷星收集數據可提高數據可靠性[36]。被試者被明確告知問卷為匿名填寫，且收集的數據僅供科研使用。為減少共同方法偏差的影響，采用三階段分時序方式收集數據。此外，為提高問卷回應率，對成功完成三階段調研的被試者給予一定報酬。在時間點1，收集被試者的人口統計學信息、人工智能技術應用、工作自主性數據，發放問卷550份，回收有效問卷498份（有效問卷回收率為90.5% ）。在時間點2，向參加第一階段問卷調研的員工發放第二次問卷，收集被試者的問題解決沉思和情感反當數據。在498名被試者中有487人參加第二階段調研，回收問卷459份（問卷回收率為 94.3%） 。在時間點3，向參加前兩階段調研的員工發放第三次問卷，收集被試者的員工建言和員工沉默數據。在459名被試者中有455人參加第三階段調研，最終回收問卷424份（問卷回收率為 93.2% ）。在有效樣本中，性別方面，男性219人，占比 51.7% ；女性205人，占比 48.3% ；年齡方面，25歲及以下39人，占比 9.2% ： 26～30 歲171人，占比 40.3% ： 31～35 歲148人，占比 34.9% ： 36～ 40歲46人，占比 10.8% ；41歲及以上20人，占比4.8% 。工作年限方面，1年及以下76人，占比 17.9% ：2～3 年127人，占比 30.0% ： 4～5 年112人，占比26.4% 6～10 年62人，占比 14.6% ；11年及以上47人，占比11. 1% 。學歷方面，高中及以下21人，占比5.0% ；大專65人，占比 15.3% ；本科217人，占比51.2% ;碩士及以上121人，占比 28.5% 。被試者來自不同行業不同崗位企業員工，增加了調研結果的外部效度。其中，企業類型涉及信息技術 （23.8%） 、金融與保險 （20.8% ）、汽車制造 （13.2%） 、互聯網新媒體（ 17.5% ）、家電行業 （8.7%） 、電子商務 （10.6%） 和其它（ 5.4% ；工作崗位包括技術研發、金融分析、生產與運作、銷售、客戶服務和管理崗位等。

3.2 變量測量

人工智能技術應用、工作自主性、問題解決沉思、情感反芻、員工建言和員工沉默均采用與研究一相同的量表，量表的Cronbach's α 系數依次為0.839、0.81、0.878、0.881、0.935和0.84。此外，控制變量選取也與研究一相同。

3.3 結果分析

3.3.1區分效度檢驗與共同方法偏差

為考察人工智能技術應用、工作自主性、問題解決沉思、情感反芻、員工建言和員工沉默的區分效度，本研究進行驗證性因子分析，結果如表6所示。六因子模型擬合程度較好 CFI=0.958，TLI=0.953，SRMR=0.030） ，顯著優于其它模型，說明本研究變量之間具有較好區分效度。采用Podsakoff等[37]的共同方法潛方法因子進行檢測，在加入共同方法潛因子后，模型擬合指標沒有發生顯著變化： ΔCFI=0 .001， ΔTLI=0 .001， ΔSRMR= 0.001，說明本研究不存在嚴重的共同方法偏差問題。

3.3.2 描述性統計與相關性分析

描述性統計與相關性分析結果如表7所示。人工智能技術應用與問題解決沉思正相關（ .r=0.405 ， plt; 0.01）。問題解決沉思與員工建言正相關（ （r=0.457 ，plt;0.01 ，與員工沉默負相關 ：r=-0.455 ， plt;0.01 。人工智能技術應用與情感反芻正相關（ r=0.346 ， plt; 0.01）。情感反芻與員工建言負相關 （r=-0.280 ！ plt; 0.01），與員工沉默正相關（ Δ_r=0.360 ， plt;0.01 ）。這些結果為接下來的假設檢驗奠定了基礎。

表6驗證性因子分析結果（研究二）

3.3.3假設檢驗結果

本研究對研究假設進行驗證，結果如表8所示。人工智能技術應用對問題解決沉思具有顯著正向影響1 ?β=0.408，plt;0.001） ；問題解決沉思正向影響員工建言 （β=0.345，plt;0.001） ，且問題解決沉思在人工智能技術應用與員工建言之間的間接效應顯著（ b=0.147 ，95%0CI=[0.098，0.201] ，假設 ΔH_1a 得到驗證。問題解決沉思負向影響員工沉默 （β=-0.430，plt;0.001） ，且問題解決沉思在人工智能技術應用與員工沉默之間的間接效應顯著（ b=-?0 .197， 95%CI=[-0.256

人工智能技術應用對情感反芻具有顯著正向影響（β=0.337，plt;0.001） ;情感反芻負向影響員工建言（ =-0.237，plt;0.001 ，且情感反芻在人工智能技術應用與員工建言之間的間接效應顯著 （b=-0.083，95% CI=[-0.124，-0.051]; ，假設 H_2a 得到驗證。情感反芻正向影響員工沉默 （β=0.385，plt;0.001） ，且情感反芻在人工智能技術應用與員工沉默之間的間接效應顯著 （b=0.146，95%CI=[0.102，0.198]） ，假設 H_2b 得到驗證。

由表8可知，人工智能技術應用與工作自主性交互項對問題解決沉思的影響顯著（ β=0，324 ， plt; 0.001）。并且，簡單斜率分析顯示（見圖4），當工作自主性水平較高時，人工智能技術應用與問題解決沉思的關系顯著 0.884]）；當工作自主性水平較低時，人工智能技術應用與問題解決沉思的關系不顯著（ b=0. 089 ， SE= 0.051，95%CI=[-0.011 ，0.190]），假設 ΔH₃ 得到驗證。

由表8可知，人工智能技術應用與工作自主性交互項對情感反芻的影響顯著（ ββ_β=-0.258，plt;0.001） 。并且，簡單斜率分析顯示（見圖5），當工作自主性水平較低時，人工智能技術應用與情感反芻的關系顯著（b=0.674，SE=0. 063，95%CI=[0. 551 ，0.797]）；當工作自主性水平較高時，人工智能技術應用與情感反芻的關系不顯著 （b=0.090 ， SE=0 .075， 95% CI=[-0.056，0.237] ，假設 H₅ 得到驗證。

進一步地，本研究進行被調節的間接效應檢驗，檢驗結果如表9所示。當工作自主性水平較高時，人工智能技術應用通過問題解決沉思對員工建言的影響顯著 （b=0，263，SE=0，047，95%CI=[0，177， 0.359]）;當工作自主性水平較低時，人工智能技術應用通過問題解決沉思對員工建言的影響不顯著 （b=0.031，SE= 0.020，95%0[=[-0.006， 0.073]） 。而且，高與低工作自主性的間接效應差異值為 0. 232， 95%CI= [0.149，0.334]，不包含0，假設 H_4a 得到驗證。同理，當工作自主性水平較高時，人工智能技術應用通過問題解決沉思對員工沉默的影響顯著 （b=-0.352，SE= 0.049，95%CI=[-0.452，-0.261]） ；當工作自主性水平較低時，人工智能技術應用通過問題解決沉思對員工沉默的影響不顯著 Φ^′b=-0.041 ， SE=0.026，95% CI=[-0.097， 0. 009]） 。而且，高與低工作自主性的間接效應差異值為一0.311， 95%CI=[-0.422 .一0.219」，不包含0，假設 H_4b 得到驗證。

如表10所示，當工作自主性水平較低時，人工智能技術應用通過情感反芻對員工建言的影響顯著（ b= -0.147 ，SE=0.030，95%CI=[-0.212，-0.092]） 當工作自主性水平較高時，人工智能技術應用通過情感反芻對員工建言的影響不顯著 ρ（b=-0.020 . SE= 0.019，95%CI=[-0.061，0.013]） ，高與低工作自主性的間接效應差異值為 0.127，95%CI=[0.071 .0.203]，不包含0，假設 H_6a 得到驗證。同理，當工作自主性水平較低時，人工智能技術應用通過情感反芻對員工沉默的影響顯著（ b=0. 257 ， SE=0.036，95% CI=Γ0.189 ，0.333]）；當工作自主性水平較高時，人工智能技術應用通過情感反芻對員工沉默的影響不顯著 （b=0. 034，SE=0. 032，L95%CI=[-0. 026] 40.100]），高與低工作自主性的間接效應差異值為-0.223，95%CI=[-0.329，-0.137] ，不包含0，假設 H_6b 得到驗證。

4結論與討論

4.1 研究結論

本研究基于壓力認知激活理論，探討人工智能技術應用對員工建言和員工沉默的影響，并考察問題解決沉思和情感反當的中介效應以及工作自主性的調節效應。研究一的情景實驗從因果關系上支持本文理論框架，研究二采用問卷調查再次對模型進行驗證，兩種方法的結合既保證了研究內部效度，又提高了研究外部效度，使研究結果更具推廣性。通過研究一的情景實驗和研究二的問卷調研發現： ① 人工智能技術應用通過增加問題解決沉思正向影響員工建言，負向影響員工沉默； ② 人工智能技術應用通過增加情感反芻，負向影響員工建言，正向影響員工沉默。人工智能技術應用作為一種壓力源，一方面，員工會對這一壓力源的結果預期進行積極認知評估，引發適應性心理反應（問題解決沉思），進而促進員工建言；另一方面，員工也會對人工智能技術應用的結果預期進行消極認知評價，引發非適應性心理反應（情感反芻），進而增加員工沉默； ③ 工作自主性提升會強化人工智能技術應用經由問題解決沉思對員工建言的正向效應，弱化人工智能技術應用經由情感反芻對員工沉默的正向影響。

4.2 理論貢獻

（1）本研究從壓力認知激活理論視角關注人工智能技術應用對員工建言和員工沉默影響的雙刃劍效應。人工智能技術應用不但會激活員工的適應性心理反應，促進員工建言，而且也會激活員工的非適應性心理反應，增加員工沉默。這與張恒等[29]認為人工智能技術應用具有“雙刃劍\"效應的觀點相吻合。本文不僅突破了以往研究僅強調人工智能技術應用的積極效應或消極效應，而且回應了Zhou 等[2]對人工智能技術應用影響員工行為的呼呼。此外，以往研究對員工建言和員工沉默前因的探索主要聚焦于情緒因素、認知因素、領導因素和組織因素等[9-11]，鮮有研究考察壓力源（人工智能技術應用）對員工建言和員工沉默的影響[7]。本研究證實人工智能技術應用從問題解決沉思和情感反芻兩方面影響員工建言和員工沉默，不僅拓寬了人工智能技術應用研究視野，也豐富了壓力認知激活理論視角下員工建言和員工沉默前因研究。

（2）本研究引入工作反芻（問題解決沉思和情感反芻）作為中介變量，揭示人工智能技術應用通過問題解決沉思和情感反芻雙重路徑影響員工建言和員工沉默，證實人工智能技術應用對員工的影響會溢出到非工作時間，從而導致工作反芻，進而影響員工建言和員工沉默。當前，多數研究主要局限于工作范圍探討[2]，忽視了人工智能技術應用作為壓力源對員工非工作時間認知和心理的影響[18]。本研究將工作反芻納人研究框架，拓寬了人工智能技術應用對員工心理和行為的影響范圍，也為人工智能技術應用對員工建言和員工沉默影響研究提供了新的解釋框架。同時，進一步拓展了壓力認知激活理論應用情景，呼應了張晶等[2]對拓寬壓力認知激活理論研究廣度和深度的建議。

（3）本研究認為工作自主性可激發員工內在動機，促進員工主動探索工作問題解決方法，緩解壓力源所帶來的資源損耗，減少消極情緒和員工內耗。本研究將工作自主性納人人工智能技術應用對員工建言和員工沉默的影響模型，從工作資源角度進一步豐富了人工智能技術應用的作用邊界。此外，以往研究關于人工智能技術應用對員工行為影響的探索主要集中于人格特質（如主動性人格）、領導風格（如服務型領導）和組織環境（如組織支持）等方面[38]，鮮有研究探討工作自主性對人工智能技術應用效果的調節機制。本文不僅響應了Teng等[18]對人工智能技術應用效果研究的呼吁，也豐富了人工智能技術應用的作用邊界。

4.3 管理啟示

（1）人工智能技術應用作為一種壓力源對員工工作行為具有積極或消極影響。因此，組織在推廣和應用人工智能技術過程中，一方面要對員工進行正確引導，使員工意識到人工智能技術應用會提高員工工作效率，減少員工工作任務，增加閑置資源，鼓勵員工積極應用人工智能技術，減少對員工心理和情緒的負向影響。另一方面，組織要定期對員工開展人工智能技術應用培訓，使員工在面對更高的工作挑戰時，有能力、有信心、有把握滿足工作要求，減少人工智能技術應用所帶來的負面情緒和工作不安全感對員工主動性行為的負向影響[4]。

（2）管理者要全方位關注員工情緒變化，通過積極心理干預（如正念訓練）提高員工應對工作變化和消極情緒的能力，逐漸形成以問題解決沉思代替情感反芻的思維，從而降低消極工作反芻，提高員工內在工作動機，增強員工主動性行為[13]。同時，管理者要關注個體差異，對情緒變化較大的員工給予及時的心理疏導和鼓勵，避免員工長時間持續陷入情感反芻和自我內耗，減少情感反芻帶來的負面影響。此外，對經常陷入情感反當的員工，管理者應適當調整其工作內容和績效目標，緩解其因工作要求或壓力帶來的負面情緒和情感耗竭。管理者還應該鼓勵員工之間交流和互動，增進職場友誼，降低壓力源帶來的負面影響。

（3）組織要充分發揮員工自主性，給予員工更多自主權。組織應降低工作流程的復雜性，鼓勵員工參與工作設計，增加員工工作授權，允許員工自主安排工作時間和方式，充分調動員工工作積極性，提升員工自主權和參與感，增強員工歸屬感，激發其“主人翁”意識，促進員工積極向組織建言獻策，觸發其更多主動性行為[28]。

4.4 不足與展望

本文存在一些不足：首先，雖然采用多時點問卷調研法和實驗法，但難以捕捉變量間的動態影響關系。未來可用日記法獲取人工智能技術應用對員工建言和員工沉默影響的變化軌跡，以期更加真實地評估變量間的關系。鑒于問題解決沉思和情感反芻可能在長時間線上發生相互轉化[14]，未來可采用縱貫式追蹤調研法，進一步檢驗人工智能技術應用通過工作反芻對員工建言和員工沉默的影響。此外，本研究測量數據全部來源于員工自評，無法完全避免同源問題，未來應采用多時點、多來源方式收集數據。其次，未對人工智能技術類別與功能進行劃分，未來可探究不同人工智能技術類別（如機器學習等）對員工建言和沉默行為的影響，深入探討不同行業和崗位、不同文化情境下人工智能技術應用對員工建言和沉默的差異化影響，獲得更有延展性的研究結論。最后，基于壓力認知激活理論視角考察人工智能技術應用對員工建言和沉默的影響，未來可從工作要求一資源模型視角進行探析。本研究發現工作反芻（問題解決沉思和情感反芻）是人工智能技術應用影響員工建言和沉默的主要路徑，未來可探索其它路徑，如工作重塑等，從員工學習態度視角進一步探討人工智能技術應用影響員工建言和沉默的邊界條件，以提供更有效的管理策略。

參考文獻：

[1] SYAMN，SHARMA A. Waiting fora sales renaissance in thefourth industrial revolution：machine learningand artificial intelligence in salesresearch and practice[J].Industrial Marketing Management，2018，69（2）：135-146.

[2] ZHOU S，YIN，RASIAHR，et al. An empirical study on thedarksideofserviceemployeesAIawareness：behavioralresponses，emotional mechanisms，and mitigating factors [J].Journal of Retailing and Consumer Services，2o24，79： 103869.

[3] LIJJ，BONNMA，YEBH.Hotel employee'sartificial intelligence and robotics awareness and its impact on turntional support and competitive psychological climate[J]. Tourism Management，2019，73：172-181.

[4]CHANG P C， ZHANG W，CAI Q，et al. Does AI-driven techno-stress promote or hinder employees'artificial intelligence adoption intention a moderated mediation model of affective reactions and technical self-efficacy[J].Psychology Research and BehaviorManagement，2024，17：4l3-427.

[5]HUANG Y，GURSOY D. How does AI technology integration affect employees' proactive service behaviorsa transactional theory of stress perspective[J]. Journal of Retailing and Consumer Services，2024，77：103700.

[6]CHENG B，LIN H，KONG Y. Challenge or hindrance how and when organizational artificial intelligence adoption influences employee job crafting[J]. Journal of Business Research，2023，164：113987.

[7]蔡文著，余莉，不得已者而后言：基于自我調節理論的員工 建言新內涵及其影響機制研究——心理契約破裂的視角 [J]．管理評論，2024，36（4）：179-191.

[8]牛莉霞，喬亞凡，夏文德，績效壓力對工作繁榮的“雙刃 劍\"效應：工作反芻和組織支持感的作用[J]．中國人力資源 開發，2024，41（3）：21-34.

[9]JAHANZEB S，FATIMA T. How workplace ostracism influences interpersonal deviance：the mediating role of defensive silence and emotional exhaustion[J]. Journal of Business and Psychology，2018，33（6）： 779-791.

[10] JOSEPH S，SHETTY N. An empirical study on the impact of employee voice and silence on destructive leadership and organizational culture[J]. Asian Journal of Business Ethics，2022，11（1）：85-109.

[11]陳麗金，唐寧玉．員工沉默的前因與后果：回顧與展望 [J].中國人力資源開發，2019，36（12）：84-104.

[12]MEURS JA，PERREWE P L. Cognitive activation theory of stress： an integrative theoretical approach to work stress[J].Journal of Management，2011，37（4）：1043- 1068.

[13]MCCARRICK D，PRESTWICH A，O'CONNOR D B. The role of perseverative cognition in the job strain-health outcome relationship[J].Psychology amp; Health，2023，39 （10）：1388-1410.

[14]KINNUNEN U，FELDT T，SIANOJA M，et al. Identifying long-term patterns of work-related rumination： associations with job demands and well-being outcomes[J].European Journal of Work and Organizational Psychology， 2017，26（4）：514-526.

[15]LIANG X，GUO G，SHU L，et al.Investigating the double edged sword effect of AI awareness on employee's service innovative behavior[J]. Tourism Management，2022，92： 104564.

[16]BIZZI L，SODA G. The paradox of authentic selves and chameleons：self-monitoring，perceived job autonomy and contextual performance[J]. British Journal of Management，2011，22（2）：324-339.

[17]馮星宇，韓平，認知評價視角下工作壓力對員工幸福感的 影響機制研究——工作反芻和特質正念的作用[J].管理 評論，2024，36（1）：175-187.

[18]TENG R，ZHOU S，ZHENG W，et al. Artificial intelligence （AI） awareness and work withdrawal： evaluating chained mediation through negative work-related rumination and emotional exhaustion[J]. International Journal of Contemporary Hospitality Management，2024， 36（7）： 2311-2326.

[19] CROPLEY M，ZIJLSTRA FR，QUERSTRET D，et al. Is work-related rumination associated with deficits in executive functioning[J].Frontiers in Psychology，2O16，7： 1524.

[20] ZHENG S，TAN S，TAN X，et al. Positive well-being， work-related rumination and work engagement among chinese university logistics staf[J]. Behavioral Sciences， 2024，14（1）：65.

[21]張晶，李偉賀，史燕偉，等．工作反芻及其“雙刃劍\"效應 [J]．心理科學進展，2020，28（2）：358-367.

[22]MOGHAYEDI A，MICHELL K，AWUZIE B，et al. A comprehensive analysis of the implications of artificial intelligence adoption on employee social well-being in South African facility management organizations[J]. Journal of Corporate Real Estate，2024，26（3）：237-261.

[23]姜鯤，崔祥民，楊靜．中國情境下高績效工作系統影響員 工沉默行為的作用機理研究— 一個跨層有調節的中介 模型[J]．管理現代化，2022，42（5）：68-79.

[24]CHOU S Y，CHANG T. Employee silence and silence antecedents： a theoretical clasification[J]. International Journal of Business Communication，2020，57（3）：401-426.

[25]朱曉妹，王森，何勤．人工智能嵌入視域下崗位技能要求 對員工工作旺盛感的影響研究[J].外國經濟與管理， 2021，43（11）：15-25.

[26]FLAXMAN P E， STRIDE C B，SDERBERG M，et al. Relationships between two dimensions of employee perfectionism， postwork cognitive processing，and work day functioning[J]. European Journal of Work and Organizational Psychology，2018，27（1）：56-69.

[27]張靜，趙祎丹，楊鵬．零工工作者工作自主性對持續價值 共創行為的影響[J]．經濟與管理，2024，38（3）：27-35.

[28]FENG Z， SAVANI K. Covid-19 created a gender gap in perceived work productivity and job satisfaction： implications for dual-career parents working from home[J]. Gender in Management：An International Iournal，2O2o.35（7/ 8）：719-736.

[29]張恒，高中華，李慧玲．增益還是損耗：人工智能技術應 用對員工創新行為的“雙刃劍”效應[J].科技進步與對 策，2023，40（18）：1-11.

[30]MULLER D，JUDD C M，YZERBYT VY. When moderation is mediated and mediation is moderated[J].Journal of Personality and Social Psychology，2005，89（6）：852-863.

[31] TANG P M，KOOPMAN J，MCCLEAN S T，et al. When conscientious employees meet intelligent machines：an integrative approach inspired by complementarity theory and role theory[J].Academy of Management Journal， 2022，65（3）：1019-1054.

[32]LIU C， SPECTOR P E，SHI L. Cross-national job stress： a quantitative and qualitative study[J]. Journal of Organizational Behavior：The International Journal of Industrial， Occupational and Organizational Psychology and Behavior， 2007，28（2）：209-239.

[33]CROPLEY M，MICHALIANOUG，PRAVETTONI G， etal.The relation of post-work ruminative thinking with eating behaviour[J].Stress and Health，2012，28（1）：23- 30.

[34]LIANG J，FARH C I，FARHJL. Psychological antecedents of promotive and prohibitive voice： a two-wave examination[J].Academy of Management Journal，2012，55（1） ： 71-92.

[35]MADRID H P，PATTERSON M G，LEIVA P I. Negative core affect and employee silence：how differences in activation，cognitive rumination，and problem-solving demands matter[J]. Journal of Applied Psychology，2015， 100（6）： 1887-1898.

[36]BAER M D，FRANK E L，MATTA F K，et al. Undertrusted，overtrusted，or just right the fairness of（in） congruence between trust wanted and trust received[J].Academy of Management Journal，2021，64（1）：180-206.

[37]PODSAKOFF P M，MACKENZIE S B， LEE J Y，et al. Common method biases in behavioral research：a critical review of the literature and recommended remedies[J]. Journal of Applied Psychology，2003，88（5）：879-903.

[38]QIU H，LI M，BAI B，et al. The impact of AI-enabled service attributes on service hospitableness：the role of employee physical and psychological workload[J]. International Journal of Contemporary Hospitality Management， 2022，34（4）： 1374-1398. （青任纻輯.王勘斂）

The Impact of Artificial Intelligence Usage on Employee Voice and Silence Behavior： The Mediating Role of Work Rumination and Work Autonomy

Zhao Chenhui，Tang Hao （School of Business Administration，Zhongnan University of Economics and Law，Wuhan ，China）

Abstract：Inrecentyears，therapiddevelopmentofartificial inteligence technologies，suchas intelligent robotsand voice recognition，has becomeakeyforcedriving thetransformationofChina'seconomy.Artificialintellgence technologiescan enhance human inteligenceby enabling autonomous learning，communication，interaction，and problem-solving.In order to reduce laborinputs andincrease work eficiency，more and more organizations areintroducing AItechnologies into their work.With the applicationof AI technology in the workplace，on the one hand，employees recognize thatAI usage can helpthem perform redundant tasks and processcomplex data，which leads to experience positive emotions.A numberof studies have also shown that AI usage can promote employees'sense of work enthusiasm，job engagement and organizational citizenship behaviors.On the other hand，itcan impose new work requirements on employees.The complexity of the technologycan induce negative psychological emotions and increase employees'work stressand job insecurity，which could lead to emotional exhaustion，employees' burnout，knowledge hiding，and intentions to leave.

Scholars have viewed AI usage as a form of technological stress that leads toanxietyand insecurity，which in turn affects employee performance，proactivebehavior，and job crafting. AI usage as a stressorcan significantly afect employ es‘atitudes and behaviors at work.Inaddition，organizations that wantto standoutinacomplex and changing economic environment need torelyonthe wisdomof theiremploys，for example，employee voice.Employe voicein theorganization willbe afected by work pressure.Therefore，AI usage as astressor has an impact on employee voice and silence. However，fewstudies have focusedon the double-edged sword efectof its impact on employee voiceand silencefrom the perspective of thecognitive activationtheoryofstress.This theory posits that employees cognitively appraisetheoutcomes of stressors as positiveor negative，which canspillover into non-work time and trigger adaptive or non-adaptive psychological responses. Regarding AI，such appraisals can lead to problem-solving adaptive responses or emotionally centered non-adaptive ones.In Chinese culture，the concept of \"Zi Xing\" is reflected inemployes'work as rumination，which is split into problem-solving pondering and afective rumination.AIusagecan activate problem-solving pondering andaffective rumination among employees，which ultimately influences employees' voice and silent behaviors.

In Study1，a scenario experiment was conducted with 240 employes who use AI technology in their daily work，recruited viatheCredamo platformin China.A between-subjects experimental design with two factors （AItechnology application：high vs.low;job autonomy： high vs.low）was employed.In Study 2（questionnaire survey），employees from organizations using AI were recruited viathe WJXonline data colection platform.A thre-stage time-laggeddatacollection approach wasadopted to mitigate the impactof common method bias.Research hypotheses were tested and the empirical results show that through the mechanism of problem-solving pondering，artificial inteligence usage hasa positive influenceonemployee voiceanda negative impactonemployeesilence；viathe mechanismof affctiverumination，theartificial intellgence negativelyafects employeevoice and positively influences employee silence；work autonomystregthens the positive effectofartificial intelligence usage on problem-solving pondering and weakens the positiveimpactof artificial intelligence usage on affective rumination.

This study makes the folowing theoretical contributions.First，this study confirms that AI usagecan affect employees'voice and silent behaviors in terms of problem-solving pondering and afective rumination，respectively.This not only broadens the research horizons of the impactof AI usage，but also enriches the antecedent research of employees' voice and silentbehaviorsfromthe perspectiveof stresscognitive activationtheoryofstress.Second，thisstudybrings injobrumination intheresearch framework，whichbroadened thescopeof the impactof AIusageonemployees'atitudes andbehaviors，and also providedanovel explanatory framework for theresearchonthe mechanismof theimpactof AIusage on employes'voiceandsilence.Finally，this study incorporates jobautonomy intothe impactofAI usageonemployees voice and silence，further enriching the boundary conditions for the study from the perspectiveof job resources.

KeyWords：Artificial Intelligence Usage；Problem-solvingPondering；AffectiveRumination;Employee Voice；Employee Silence