管理学报杂志已发表格式范文参考
1.人工智能视角下人力资源管理强度对员工创新行为的影响机制研究
作者：许勤;黄好;赵曙明
作者单位：东南大学
关键词：人工智能技术使用意愿;创新行为;人力资源管理强度;工作自主性
摘要:基于社会信息加工理论,对两家企业的311名员工进行两阶段问卷调查,探究员工 的人工智能技术使用意愿在人力资源管理强度、工作自主性与创新行为之间的中介作用。研 究结果表明:员工人工智能技术使用意愿正向影响创新行为;人力资源管理强度和工作自主性 均正向影响员工的人工智能技术使用意愿;员工人工智能技术使用意愿在人力资源管理强度 和工作自主性与创新行为之间起着中介作用;工作自主性既正向调节人力资源管理强度与员 工人工智能技术使用意愿的关系,也正向调节员工的人工智能技术使用意愿在人力资源管理 强度与创新行为之间的中介作用。
1 研究背景
当今时代,人工智能技术快速发展,突飞猛 进。人工智能技术的应用对组织的生存和持续 发展起着越来越重要的作用[1,2]。随着数据量 的爆炸式增长和竞争的日益激烈,组织面临着 诸多挑战(如提升运营效率、优化决策过程、增 强客户体验等)。已有研究发现:人工智能技术 除能通过强大的数据分析和学习能力,自动化 处理大量复杂任务,挖掘数据中的潜在价值,为 组织提供精准的决策支持外,还能实现个性化 的客户交互,满足客户多样化需求,提升客户的满意度和忠诚度;同时,它还有助于组织在人力 资源等方面进行智能优化,降低运营成本,提高 整体竞争力,是组织在当代商业环境中保持创 新和领先的关键驱动力。尽管如此,组织内每 个员工对待新兴技术的态度不尽相同[3,4],这最 终会影响到组织能否利用好人工智能技术。鉴 于此,有必要关注员工对待人工智能技术的态 度,即员工使用人工智能技术的意愿。这是因 为只有愿意采纳新兴技术的员工才真正有可能 掌握好这项技术,并有效地用来实现自己和组 织的目标。
员工作为组织运转的核心力量,其创新思 维和 创 造 力 能 够 为 组 织 带 来 源 源 不 断 的 活 力[5]。鉴于此,员工的创新行为一直是学界和 企业界关注的焦点。通过创新,员工可以提出 新颖的方法、创新的技术,优化组织的业务流 程,提升产品和服务的质量与附加值,从而帮助 组织在激烈的市场竞争中脱颖而出,实现可持 续发展。虽然以往研究发现,创新自我效能感、 创新动机和情感承诺[6,7]等员工的工作态度能 够促进创新行为,但却对员工在完成任务时使 用技术的态度作用有所忽视。由此,本研究将 探究员工的人工智能技术使用意愿对其创新行 为的影响。
鉴于人工智能技术使用意愿的潜在积极影 响,了解哪些因素能够激发员工这一意愿对于 组织而言有着重要指导意义。现有研究表明, 组织、技术和社会等方面的因素可以塑造员工 对技术的态度[3,8,9],其中,组织因素主要表现为 同事和主管等方面的支持。依据社会信息加工 理论,社会环境会提供影响员工态度和行为方 面的信息,而员工对这些信息的解读和加工过 程则会影响其后续的行为。当前,无论是在社 会层面,还是在组织内部,人工智能技术的发展 态势及其对各工作领域的影响,均是备受热议 的话题。在这种背景下,组织情境因素(如人力 资源管理强度等)和工作特征因素(如工作自主 性等)会分别对员工利用新兴技术完成任务的 态度产生影响,进而影响到他们的行为[10]。当 组织能够有效地传递人力资源管理制度的相关 信息,或者赋予员工在完成任务过程中的自由 决定权时,员工便会对人工智能等新兴技术展 开充分且有效的解读和加工,从而对其持有积 极的态度,进而认真考虑通过学习和使用此类 技术来完成工作任务。此外,由于组织情境因 素和工作特征因素之间存在交互作用[11],人力 资源管理强度与工作自主性会共同让员工认识 到有必要借助人工智能技术来完成自身工作。 基于此,本研究将深入探究人力资源管理强度 和工作自主性如何通过影响员工对人工智能技 术的使用意愿,进而对其创新行为产生影响。
综上所述,本研究运用社会信息加工理论 探讨人力资源管理强度和工作自主性对员工创 新行为的复杂影响,以及员工使用人工智能技 术的意愿在其中的中介作用,以期填补以往研 究在这一领域的空白,为组织统筹政策渗透和 工作设计来实现技术赋能提供理论指导。本研 究的理论模型见图1。
2 理论基础与研究假设
2.1 员工的人工智能技术使用意愿
人工智能技术指的是使机器能模拟人类的 思维过程和智能行为,独立执行生产任务的技 术[12],包括机器人、智能搜索、人脸识别、生成式 人工智能等[13]。从20世纪50年代开始,人工 智能在工作场所中得到初步探索和应用,被描 述为智能制造技术,主要被用于计算机制造等 领域。20世纪末,随着互联网的兴起和大数据 技术的应用,人工智能技术进入了一个新的阶 段,开始在许多行业进行商业化落地,企业的内 部运作方式和生产经营过程也随之改变。
在人工智能技术应用的初期,人们普遍对 这种新技术持一种消极的态度,认为人工智能 技术会替代人类[14],对人工智能技术的应用感 到焦虑[4]。这是因为一些重复性高、标准化程 度强的工作被自动化系统替代后,会使员工面 临失业的风险,对于那些无法快速学习和适应 新技术的员工而言,由于需要更新技能,适应新 的工作 环 境,会 感 到 压 力 增 大,职 业 发 展 受 限[15,16]。另外,当员工在工作中使用人工智能 技术时,其自身也会面临工作激情消退,孤独感 上升,甚至失眠等问题[17],因而会对人工智能技 术采取退缩行为[18]。
学者们认为,人工智能技术能够完成自动 化和优化重复性高的任务,从而释放员工时间, 让其专注于更具创造性和战略性的工作,还可 以通过提供个性化的培训和发展计划,帮助员 工提升技能,提高工作效率。此外,人工智能技术还能基于数据分析辅助决策过程,减少人为 错误,增强工作的精确性和有效性[2]。已有研 究发现,人工智能技术的使用会降低员工的疲 劳感[19],激发工作中的创新行为[20],提高个体 的工作绩效。目前,学者们大都认为人工智能 技术在得到合理使用时能够为群体和个人创造 福祉,而且有必要区分人工智能技术的使用行 为和使用意愿,因为针对使用意愿的研究可以 更深入地了解使用者面对这一技术时的心理状 态,更好地对相关员工行为进行分析 和 解 读。 但需要指出的是,现有研究尚未深入探究什么 因素会影响员工使用人工智能技术的认知、判 断和决策及其会产生什么结果[3]。鉴于此,本 研究将进一步探索员工使用人工智能技术的意 愿及其前因和结果。
回顾以往相关研究,在组织因素方面,组织 支持员工使用新技术的程度,以及同事和主管 的态度将会影响员工使用人工智能技术的意 愿[3]。在技术因素方面,用户感知的有用性和 易用性[21],机器的拟人化[8]也会影响员工使用 有关技术的意愿。在社会因素方面,员工使用 智能 技 术 的 意 愿 会 受 到 社 会 排 斥 的 负 向 影 响[9]。为了更好地理解员工应用人工智能技术 的态度,帮助他们胜任自己的工作,本研究在以 往文献的基础上,提出人工智能技术使用意愿 这一概念,并将其定义为员工在工作中对使用 智能技术、生成式人工智能、机器人和算法等新 兴技术所持有的态度。另外,为了弥补这一方 面研究的空白,本研究将基于社会信息加工理 论的视角,从组织层面的因素出发,探索组织人 力资源管理系统的强度和工作自主性对员工使 用人工智能技术意愿及其创新行为的影响。
2.2 员工人工智能技术使用意愿与创新行为
员工创新行为是指员工提出对工作有价值 的新想法并加以落实的过程[22],无论是对于组 织发展还是员工的个人成长而言都有着非常重 要的价值。有研究表明,个体层面的因素(如大 五人格特质、创新意愿等)和组织层面的因素 (如工作自主性、人力资源管理强度等)都会影 响到员工创新行为的实施[23,24]。另外,有研究 表明,当一项技术应用到工作中时,员工往往先 需要具有使用技术的意愿才会付诸行动[21]。当 员工在使用某项技术后,可以在工作中减少重 复的劳动,及时获得信息,他们就更有可能表现 出创新行为[1]。基于此,本研究认为员工使用 人工智能技术的意愿会对其创新行为产生影 响。
当员工对以机器人和算法为代表的新兴技 术持有积极态度时,就会对该项技术持比较正 面的评价,进而会愿意使用这些技术。另外,人 工智能技术的使用被认为会有利于员工开展创 新活动。例如,人工智能技术可以基于历史数据 分析协助员工在制定市场推广策略时预测不同 方案的 潜 在 效 果,帮 助 他 们 做 出 更 科 学 的 决 策[25],从而使得他们的自信心增加,最终展现出 更多的创新行为。员工还可以借助人工智能技 术搜集和分析用户信息,识别出用户需求的发展 趋势,进而有助于提出更为贴近市场需求的新创 意。此外,当员工具有较高的人工智能技术使用 意愿时,往往会更加关注新领域的进展,拓宽自 己的视野,保持较高的认知灵活性,从而在工作 中进行更多的创新[26]。由此,提出以下假设: 假设1 人工智能技术使用意愿对创新行 为产生正向影响。
2.3 人力资源管理强度与人工智能技术使用 意愿
人力资源管理强度作为组织政策的一种体 现,是指组织在多大程度上让员工明确知道人 力资源管理信息[6],不仅传递人力资源管理政 策、制度、措施等的内容,还强调政策的实施过 程。高强度的人力资源管理措施能够让员工对 组织的人力资源管理信息形成清晰的认识和高 度的认同。在之前的研究中,学者们发现当员 工感知到人力资源管理强度的高一致性时,会 显著提高他们的组织认同感[27]、个人创新意愿、 心理所有权和工作投入[24]。在人工智能时代, 员工会审视席卷而来的新兴技术对工作的影 响,形成一定的认知和判断再决定是否加以采 用。已有研究发现,企业的数字化转型会影响 员工对智能技术的认知[28]。由此,高强度人力 资源管理系统清楚地传递组织的期望,会对员 工使用人工智能技术的意愿产生影响。
当员工感知到所在组织的人力资源管理强 度较高时,其个人目标会同组织目标高度一致, 进而会更清楚地了解组织对他们的期望,明确 自身的行动与组织奖惩之间的关系。此时,员 工会思考如何采取行动符合组织的期望,如何 更好地完成个人的目标以最终实现组织的目 标。当前社会快速地传递着人工智能技术的发 展态势信息,让职场人士了解到完成任务将可 能有一些新的方法和途径。在人工智能技术的 辅助下,员工将能够高效地分析工作中存在的 问题,寻找并制定解决方案。另外,员工还可以 通过人工智能技术优化工作流程,减轻工作负荷,拥有更多的认知资源[2]。鉴于此,当员工感 知到组织的人力资源管理强度较高时,他们会 认为人工智能技术可以优化自己的工作方式, 提升工作效率和质量,会对人工智能技术产生 正面判断,在思考如何达到组织期望的过程中 对人工智能技术持有开放而积极的态度,还会 愿意主动去克服学习的障碍,接触和了解新技 术带来的便利,并主动在工作中加以运用。由 此,提出以下假设:
假设2a 人力资源管理强度对员工的人 工智能技术使用意愿产生正向影响。
2.4 工作自主性与员工人工智能技术使用意愿
工作自主性在20世纪60~70年代就得到 了学界关注,它作为一种工作特征,指的是组织 在多大程度上允许员工在完成任务时,能够按 照自己的意愿安排工作中的具体活动[29]。具体 而言,工作自主性包括方法自主、标准自主和流 程自主。拥有高度工作自主性的员工对自身工 作有着很强的把控能力,可以根据自己的偏好 决定何时、何地以及以何种方式完成工作。有 研究发现,工作自主性作为一种重要的资源,可 以降低员工的离职倾向,提升工作满意度等[30]。 依此逻辑,本研究认为工作自主性也可能影响 员工对使用人工智能技术的态度。
工作自主性给予员工在计划、决策、实施等 方面的自由,员工可以充分结合自身的优势和 特长,完成工作任务。随着人工智能技术的优 势凸显,当工作赋予员工较高的自主性时,员工 能够合理安排工作节奏,腾出充分的时间和精 力去了解和学习这类技术,更可能对技术产生 积极的态度[31]。此外,他们可以决定自己工作 的完成方式,这使得他们可以尝试快速地将新 技术应用到实际工作中,而不用担心组织或者 领导是否批准,是否会因为失败而给他们差评。 在面对复杂的问题或需要深入研究的领域时, 他们可以自行决定利用智能搜索工具等快速找 到所需的资料和信息,因为这样做不仅加快他 们问题解决的进度,还能提高决策的质量,实现 工作效率的提升。工作自主性赋予员工自由探 索的空间,释放了员工的资源,从而增强了他们 在工作中使用人工智能技术的意愿。由此,提 出以下假设:
假设2b 工作自主性对员工的人工智能 技术使用意愿产生正向影响。
2.5 人工智能技术使用意愿的中介效应
综合假设1、假设2a和假设2b,人工智能 技术使用意愿可能在人力资源管理强度和工作 自主性与创新行为间起着中介作用。社会信息 加工理论认为,员工会对来自社会环境方面的 信息进行加工和解读,使得自身的注意力发生 改变,继而产生相应的态度和行为[10]。组织内 外部环境通过信息传递渠道反复传递着一些信 息,调控着员工的注意力,进而影响着他们所持 有的态度和采取的行为。当今社会,人工智能 技术不断推陈出新,颠覆着各行各业的工作方 式和生存模式。此时,员工会基于在组织内部 环境中所获取的信息,对自身对待新技术的态 度以及工作行为做出调整。
本研究认为,人力资源管理系统强度和工 作自主性会让员工感知到组织的期望和组织所 设计的工作方式,可能会影响员工对环境中人 工智能技术等信息的解读,并影响他们对这一 技术的态度,进而最终影响到他们实施的行为。 鉴于此,当组织推行高强度的人力资源管理制 度时,便会向员工传达组织的期望和奖励员工 的方式,使员工清晰地知晓这一信息并设法达 到这些标准。人工智能技术作为高效的新型办 公工具之一,员工会注意到这一技术带来的便 利之处,愿意从积极的一面来解读这一技术给 职场带来的变化,从而更加愿意借助这类技术 来实现组织的期望。一方面,通过使用这些技 术处理简单却耗时的任务,员工可以从繁琐的 工作中解脱出来,专注于有挑战性的难题,创新 性地完成任务;另一方面,通过借助这些技术为 想法的落地和实施提供指导,员工可以验证和 改进想法,确保其在实际应用中的效果和稳定 性,从而有助于员工更好地实现创新行为。鉴 于此,人工智能技术使用意愿是人力资源管理 强度与员工创新行为之间的一个重要中介。由 此,提出以下假设:
假设3a 人工智能技术使用意愿在人力 资源管理强度与创新行为之间发挥中介作用。
当工作赋予员工一定的自主权,允许他们 自行决定如何完成工作任务时,由社会信息加 工理论可知,员工会更有动力去主动思考和探 索提升工作效率的方法,更愿意去寻找和尝试 新的工作方式[31]。随着人工智能技术相关工具 的不断发展和普及,拥有高工作自主性的员工 在了解到利用这些技术可以帮助完成任务,在 一定程度上提高工作质量和准确性时,便会对 使用这类技术持有更加积极的态度,更愿意尝 试将其应用于工作中。在充分了解和考虑了人 工智能技术的优势和自己的工作内容后,员工 能够自主决定将哪些任务交给人工智能技术去完成,哪些任务由自己完成,从而释放自己更多 的时间,集中精力完成需要人类智慧和经验的 工作任务。于是,这些员工便会有更多的资源 进行创新,思考新想法并尝试予以落实。此外, 当员工尝试将人工智能技术融入自己的工作 时,便会有较多的空间和机会去优化既有工作 流程和方法,进而表现出更多的创新行为。由 此,提出以下假设:
假设3b 人工智能技术使用意愿在工作 自主性与创新行为之间发挥中介作用。
2.6 工作自主性的调节效应
已有研究表明,人力资源管理强度对员工 态度的影响会依据工作情境的不同而发生变 化。例如,当组织的象征性雇主品牌强时,人力 资源管理强度对员工组织承诺的正向影响会被 削弱[32]。由此,本研究认为,组织向员工传递出 的清晰期望在员工能够决定如何完成工作的情 况下,可以更好地强化员工使用人工智能技术 的意愿,即工作自主性在人力资源管理强度与 人工智能技术使用意愿间起着正向调节作用。 工作自主性较高的员工,更有可能根据工作要 求的变化灵活调整自己的工作方式、应用工具 等[30]。当组织明 确 地 传 达 人 力 资 源 管 理 信 息 时,拥有较高自主性的员工会有时间关注人工 智能技术,有机会在工作中加以尝试,从而更愿 意在工作中使用这些技术来完成工作目标。
反之,工作自主性比较低的员工,较少能够 自主决定工作的内容、方法和过程,通常需要遵 循既定的流程和步骤来完成分配给他们的任 务[33]。当组织传递清晰的人力资源管理信息时, 低自主性的员工不一定有时间关注和了解新兴 技术对自己工作的影响,也不能灵活地调整自己 使用的工具或者软件,因而在实现目标时就不会 考虑使用这类技术。由此,提出以下假设:
假设4 工作自主性正向调节人力资源管 理强度与人工智能技术使用意愿的关系。工作 自主性越高,人力资源管理强度对人工智能技 术使用意愿的正向影响越强。
进一步地,工作自主性较高的员工能够自 由地决定自己的工作方式,在这种情境下,高强 度人力资源管理的实施更可能促使员工愿意使 用人工智能技术,进而实施创新行为。较高的 工作自主性使得员工可以自行制定计划、决定 完成工作的方式和过程,因此,当员工清楚理解 组织相关信息时,会更加积极地探索实现目标 的方式,更容易意识到新兴技术对提升工作效 率的帮助,从而对使用这些技术持有更开放的 态度。这种意愿促使他们深入探究人工智能的 应用潜力,快速学习新知识,不断拓展认知边 界,最终挖掘出新的解决方案,展现出更多的创 新行为。
相反,工作自主性水平较低的员工,工作流 程相对固定,任务比较明确。这时,即使组织传 递了明确的人力资源管理信息,这些员工仍较 少有机会使用人工智能技术,不能自由改变或 者灵活变通,于是他们在完成任务时使用人工 智能技术的意愿较弱。而依赖传统方法和经验 而不是通过学习新知识和掌握新技术来完成任 务,将使得他们难以突破自身的局限,找到新的 想法和创意,最终抑制了创新行为的产生[34]。 由此,提出以下假设:
假设5 工作自主性正向调节人力资源管 理强度通过人工智能技术使用意愿对创新行为 的间接影响。工作自主性越高,该间接影响越 强。
3 研究方法
3.1 研究样本与数据收集
借鉴 以 往 人 工 智 能 相 关 研 究 的 调 研 经 验[35],本研究通过研究团队成员的社会关系,调 研了中国东南地区某城市的一家环保公司和一 家大型贸易公司的员工及其团队主管。在大规 模问卷调研前,研究团队对一些员工进行了访 谈,了解到他们对人工智能技术发展和应用的 关注情况。数据收集共分为两个时段,两次测 量的间隔为1个月。为确保员工和直接主管的 匹配,本研究团队根据事先获取的名单进行编 号并在问卷上标注,由被调研企业的人力资源 经理协助本研究团队进行问卷发放。问卷填写 完成后由被试将其装入事先准备好的密封袋后 现场交于研究团队成员。具体步骤如下:①第 一阶段(T1),由员工填写人力资源管理强度、工 作自主性和自己的人口统计学信息。在剔除应 答不完整的无效问卷之后,共回收354份员工 数据。②第二阶段(T2),由员工评价自身的人 工智能技术使用意愿,直接主管评价员工的创 新行为。经过整理,最终回收311份有效员工数 据和88名有效领导数据。其中,环保公司员工 67名,主管20名;贸易公司员工244名,主管68 名。员工 有 效 样 本 中,年 龄 方 面,平 均 年 龄 为 34.04岁;性 别 方 面,男 性 占37.30%、女 性 占 62.70%;教育程度方面,高中及以下占2.90%、 大专占9.30%、本科占66.60%、硕士及以上占 21.20%;工作年限方面,平均工作年限为7.38年。
3.2 变量测量
测量工具均采纳国外成熟量表,并严格遵 循“翻译—回译”程序进行量表的本土化完善, 所有变量的测量均使用 Likert7点计分法。除 了人工智能技术使用意愿的测量量表中,1~7 表示从“非常不可能”到“非常可能”外,其余测 量量表中,1~7均表示从“非常不同意”到“非 常同意”。
(1)人力资源管理强度 该变量的测量采用 HAUFF等[36]开发的量表,包括6个题项,如“公 司在全面实施人力资源管理政策方面投入很 大”。本 研 究 中,该 量 表 Cronbach’sα 值 为 0.930。
(2)人工智能技术使用意愿 该变量的测 量借鉴SHI等[30]的量表,对 TANG 等[1]编制的 量表进行了改编,共3个题项,如“我将使用智 能技术、人工智能、机器人技术和算法来完成我 的工作”。本研究中,该量表的Cronbach’sα值 为0.906。
(3)创新行为 该变量的测量采用SCOTT 等[22]开发的量表,共4个题项,如“这位下属会 为新创意的实施制定适当的计划和时间表”。 本研究中,该量表的 Cronbach’sα值为0.918。
(4)工作自主性 该变量的测量采用 FRESE等[37]开发的量表,共4个题项,如“我可以 按照自己的意愿计划和安排我的工作”等。本 研究中,该量表的 Cronbach’sα值为0.826。
(5)控制变量 根据以往相关文献[24],本研 究选取员 工 年 龄 (1 代 表 “21~25”岁,8 代 表 “56~60”岁)、性别(1 表示“男性”,2 表示“女 性”)、学历 (1 代 表 “高 中 及 以 下”,2 代 表 “大 专”,3代表“本科”,4代表“研究生”)和工作年 限(年数)作为控制变量。此外,为了排除公司 差异对结果的潜在影响[38],本研究还将员工所 在公司的 行 业 也 进 行 了 控 制 (1 表 示 “环 保 公 司”,2表示“贸易公司”)。
4 数据分析与结果
4.1 研究效度检验
为检验模型的区分效度,本研究进行了验 证性因子分析(见表1)。由表1可知,研究假 设的四因子模型主要拟合指标为χ 2=320.152, df=113,χ 2/df=2.833,RMSEA =0.077, CFI=0.947,TLI=0.936,说明拟合效果良好。 另外,本研究还根据变量特征设置了4个竞争 模型,对比分析发现原始模型的拟合效果最佳, 由此可见人力资源管理强度、工作自主性、人工 智能技术使用意愿和创新行为这4个变量具有 较好的区分效度。此外,本研究还进行了 Harman单因素检验,以观测是否存在显著的共同 方法偏差问题。主成分分析结果显示,最大成 分因子的解释量为29.557%,低于50%的临界 值,说明共同方法偏差问题不严重。
4.2 描述性统计分析
本研究中,各变量的均值、标准差以及相关 系数的描述性统计分析结果见表2。由表2可 知:人工智能技术使用意愿与创新行为显著正 相关(r=0.114,p.05);人力资源管理强度 (r=0.196,p.01)和工作自主性(r=0.169, p均与人工智能技术使用意愿显著正相 关。由此,假设1、假设2a和假设2b得到初步支持。
4.3 假设结果检验
虽然本研究的各个变量(人力资源管理强 度、工作自主性、人工智能技术使用意愿、创新 行为)均为个体层面的变量,但由于员工与领导 并非一一对应关系,为使研究结果更为严谨,本 研究采用多层线性模型(HLM)进行回归分析, 有关结果见表3。表3中,由模型3可知,人工 智能技术使用意愿对创新行为产生正向影响 (γ=0.058,p因此假设1得到支持;由 模型1可知,人力资源管理强度(γ=0.213,p< 0.01)和工作自主性(γ=0.150,p均显 著正向影响人工智能技术使用意愿,因此假设 2a和假设2b得到支持。为了检验人工智能技 术使用意愿在人力资源管理强度和工作自主性 与 创 新 行 为 之 间 的 中 介 效 应,依 据 WANG 等[38]的建议,采用 MonteCarlo法进行分析,设 定重 复 抽 样 次 数 为20000,置 信 区 间 水 平 为 95%。结果表明,人力资源管理强度和工作自 主性通过人工智能技术使用意愿对创新行为产 生间接影响的效应量分别为0.016和0.008,置 信区间分 别 为 [0.0005,0.0370]和 [0.0001, 0.0201]均不包含0,因此假设3a和假设3b均 得到支持。
此外,表3中,由模型2可知,人力资源管 理强度与工作自主性的交乘项显著正向影响人 工智能技术使用意愿(γ=0.163,p这 说明工作自主性在人力资源管理强度与人工智 能技术使用意愿之间起着调节作用,即假设4 得到支持。为了更加直观地反映工作自主性在 高低水平的调节效应,本研究绘制了相应的简 单斜率图(见图2)。由图2可知:当工作自主 性高时,人力资源管理强度对人工智能技术使 用意愿 的 促 进 作 用 得 到 增 强 (γ=0.387,p< 0.001),当工作自主性低时,人力资源管理强度 对人工智能技术使用意愿的正向影响变得不显 著(γ=0.061,ns)。进一步地,本研究对在高低 两种情形下工作自主性的调节间接效应进行了 检验。有关结果显示:在高工作自主性的情形 下,人力资源管理强度对创新行为的间接效应 显著(γ=0.025,置信区间为[0.0010,0.0530] 不包含0);在低工作自主性的情形下,人力资 源管理强度对创新行为呈现不显著的间接促进 作 用 (γ=0.005,置 信 区 间 为 [-0.0047, 0.0202]包含0),且高低情况下的差异显著(差 异值为0.020,置信区间为[0.0003,0.0469]不 包含0)。由此,假设5得到支持。
5 结论与讨论
本研究主要得出以下结论:①员工人工智 能技术使用意愿正向影响创新行为。②人力资 源管理强度和工作自主性均正向影响员工的人 工智能技术使用意愿。③员工人工智能技术使 用意愿在人力资源管理强度和工作自主性与创 新行为之间起着中介作用。④工作自主性正向 调节人力资源管理强度对员工人工智能技术使 用意愿的正向影响。此外,工作自主性正向调 节员工的人工智能技术使用意愿在人力资源管 理强度与创新行为之间的中介作用。
本研究的理论贡献主要在于:①提出了人 工智能技术使用意愿这一概念并实证检验了其 前因和结果变量。鉴于人工智能技术能够通过 自动化流程提升运营效率[2],助力创新产品和 服务的开发[20],从而在整体上优化组织的竞争 力与适应性,员工借助人工智能技术完成任务 的益处愈发显著。然而,面对人工智能技术,员 工是否决定使用会受到他们的个体认知加工的 影响[4]。现有研究大都认为,员工会因人工智 能技术对工作的替代性而感到焦虑不安,从而 产生偏差行为,不愿意支持变革[14]。然而,随着 人工智能技术的普及,鼓励员工使用人工智能技术将有助于员工和组织在人工智能时代实现 共同成长。有学者已经指出,有必要关注员工 的人工智能技术使用意愿[3],探索其诺莫网络。 基于此,本研究强调人工智能技术使用意愿这 一概念,并发现当组织的人力资源管理制度深 入人心,以及工作设计灵活机动时,员工会更愿 意使用人工智能技术,并因此表现出更多的创 新行为,从而丰富了人工智能技术使用意愿的 前因变量研究,加深了学界对人工智能技术影 响的认知。②整合了人力资源管理强度和工作 自主性对员工创新行为的影响。虽然组织情境 因素(如人力资源管理强度)和工作特征因素 (如工作自主性)各自对员工创新行为的影响已 经得到实证检验[23],但是知道组织对自己的期 望却无法调整自己工作方式的员工将很难在瞬 息万变的环境中开展创新[11],因此有必要探索 两者的共同作用对员工创新行为的影响。结果 表明,人力资源管理强度和工作自主性不仅会 对员工的创新行为产生单独的影响,工作自主 性还能够调节人力资源管理强度与员工创新的 关系,从而揭示了组织情境和工作特征对员工 创新行为影响的复杂性。③从员工态度的视角 丰富了员工创新行为的形成机制。关于员工创 新行为的形成机制,以往的研究发现了创新意 愿、工作投入[24]和心理所有权[7]等因素的中介 作用,这也再次说明员工的态度在其中起着重 要链接作用。此外,社会信息加工理论被广泛 用于解释“组织信息→员工态度→员工行为”的 关系[10],然而以往研究较多关注员工工作方面 的态度(如感知的授权氛围)的作用[39],但却忽 视了员工在工作中对使用新技术的态度的影 响。为此,本研究采用社会信息加工理论的视 角,首创性地引入了人工智能技术使用意愿这 一中介变量,发现人力资源管理强度和工作自 主性均能通过增强员工使用人工智能技术的意 愿促进其创新行为,不仅丰富了员工创新行为 的影响因素和形成机制研究,而且还拓展了社 会信息加工理论的应用范围。④从工作特征角 度拓宽了影响人力资源管理强度效用发挥的边 界条件。学者们普遍认为,人力资源管理强度 的实施效果并不是一成不变的,而是会受到诸 如象征性雇主品牌[32]等组织因素以及员工心理 资本[27]等个体因素的权变影响。然而,现有研 究忽视了工作特征的作用。根据社会信息加工 理论,员工会基于环境信息综合判断组织政策 为自己学习新技术提供的可能性。为此,本研 究引入了工作自主性这一工作特征变量,并证 实了其在人力资源管理强度通过员工使用人工 智能技术的意愿影响创新行为的关系中的调节 作用,从而使得影响人力资源管理强度有效性 的边界条件更为全面,也为组织大力推广人力 资源管理制度、政策和措施激励员工时需要留 意工作自主性带来的影响提供了理论依据。
本研究的管理启示主要在于:①组织可以 从多个方面着手激发员工使用人工智能技术的 意愿。首先,可为员工提供人工智能技术相关 的基础知识培训。这种培训可以包括人工智能 的基本概念、原理和应用案例等内容,帮助员工 建立起对人工智能技术的初步认识。对于那些 工作内容直接与人工智能技术存在交互的员 工,组织应该提供更深入的,涵盖更复杂的技术 细节(如算法原理、模型训练和优化等)的技术 培训。其次,组织应该适时地展示对人工智能 技术的支持,不仅可以在口头上表达对人工智 能技术的重视,还可以对确实有效的人工智能 技术进行推广,让员工放心地使用新兴技术,并 积极考虑将其融入到自己的工作中。最后,组 织可以让员工更加便捷地使用人工智能工具和 平台,包括提供一些必要的硬件和软件资源(如 高性能计算机、专业的人工智能开发环境等)。 当员工拥有了必要的工具和资源时,就会更充 分地利用人工智能技术来提高工作效率,并积 极实现创新。②组织可以加大宣传人力资源管 理政策的力度,以确保员工对政策有充分的了 解和正确的解读。例如,定期举办工作坊或培 训会议,专门针对人力资源政策进行深入讲解 和讨论,以帮助员工更好地理解政策的内容和 实施细节。此外,组织的高管人员还应以身作 则,亲自参与人力资源政策的宣讲活动,通过演 讲、座谈会等方式,向员工展示政策的重要性, 从而更好地激发员工对组织政策的信任和尊 重。③组织可以通过优化工作设计来赋予员工 更多的自主权。比如,组织在授权与分权管理 方面,可为每个员工设定明确的工作职责和目 标,并给予他们足够的权限来决策如何达成这 些目标,以使员工更加主动地参与工作,有利于 提高工作效率和质量;另外,在工作安排方面, 组织还可以允许员工在一定范围内自行选择工 作时间和地点,以帮助员工更好地平衡个人生 活需求和工作习惯,从而提高其工作满意度和 工作效果。
6 研究局限不足与未来展望
本研究也存在如下不足之处:①虽然采用了多时点多来源的研究设计,但是仍然不能很 好地推断变量之间的因果关系。未来研究中, 可以借助纵向研究或实验法等方式对变量间的 因果性加以检验。②虽然本研究发现人力资源 管理强度和工作自主性这两种组织因素能够增 强员工使用人工智能技术的意愿,但是人工智 能便捷性等技术因素[3]也可能影响员工使用这 类技术的意愿。未来研究中,可以进一步丰富 员工人工智能技术使用意愿的前因,以便为组 织推广人工智能技术的使用提供更多有益的思 路。③没有探讨员工使用人工智能技术的意愿 与其创新行为间的边界条件,结合JIA 等[2]的 研究结论,即当员工拥有更高技能时,人机合作 对员工创造力的促进作用将得到增强,本研究 推测员工技能可能会调节其使用人工智能技术 的意愿与创新行为间的关系。未来研究中,可 以尝试验证这一猜想以揭示影响员工使用人工 智能技术意愿有效性的权变因素。④没有关注 员工使用人工智能技术在其使用人工智能技术 的意愿与创新行为间的潜在中介作用,虽然已 经有学者证明员工使用人工智能技术会对其创 新产生影响,但是员工对使用人工智能技术持 有的态度能否转化为其实际使用人工智能技术 并最终影响创新行为还有待在未来研究中进一 步深入探究。
