人工智能认知对职业倦怠的影响

王训媛　高伟明　杨慧娟

【摘  要】人工智能的前景十分广阔，在提高生产效率的同时也给组织内员工带来一些困扰，导致员工产生AI焦虑，增加职业倦怠感。基于此，论文采用定性与定量相结合的方法，对与人工智能联系密切的员工进行问卷调查，运用结构方程模型的方法进行数据分析，结果表明：员工的人工智能认知对职业韧性具有显著正向影响；员工的人工智能认知对职业倦怠具有显著的负向影响；员工的职业韧性对职业倦怠具有显著的负向影响；职业韧性在人工智能认知与职业倦怠中起到部分中介作用。研究结果可以促进管理者重视人工智能的发展对员工的影响，培养并提高职业韧性，及时采取积极手段减轻员工的职业倦怠感。

【关键词】人工智能认知；职业韧性；职业倦怠

【中图分类号】F272.92；TP18                                             【文献标志码】A                                                 【文章编号】1673-1069（2023）06-0046-04

1 引言

人工智能作为新一轮产业变革的核心驱动力前景十分广阔，2023年，研究机构OpenAI发布的ChatGPT聊天机器人掀起了人工智能的新一轮浪潮。它所展现出的强大的语言理解和文本生成能力，是通过自我训练和深度学习，从而实现了智能水平的超越性升级。ChatGPT所拥有的机器语言逻辑具备集成系统性知识和创新性劳动的可能基础。由此，一个崭新的劳动替代问题再次引发人们的讨论。

基于目前我国整体就业形势不容乐观，结构性失业规模大且问题严重，部分职业逐渐体现出被“替代”的风险，员工面临不确定性资源损失，产生更多的工作不安全感，从而表现出消极、抵触的心理情绪，甚至可能导致产生AI焦虑（Artificial Intelligence Anxiety， AI焦虑），引发了人们对“机器换人”的担忧和技术性失业的恐惧。而不少研究表明，技术或组织变革会加重原有的工作负荷、提出新的工作技能要求，这会对员工的情绪产生负面影响，压抑其主观幸福感，增加职业倦怠感。从当前来看，企业更多关注员工的绩效，往往会忽视智能化带给员工的主观感受的变化。而心理学发现的韧性能对个体产生积极作用，成为改善职业倦怠、加强人工智能认知的一道曙光，一旦人工智能认知对员工的职業韧性与职业倦怠的影响关系得以证实，这将是对人力资源管理实践的进一步完善。

基于以上背景与角度，研究引入职业韧性作为中介变量，来探讨人工智能认知对员工职业倦怠的影响机制，为以后的研究提供了新的思路，也为扩展和扩充人工智能认知、职业韧性与职业倦怠理论进行了有益的尝试，再者为企业日后的管理提供了一定借鉴。

2 文献综述与研究假设

2.1 人工智能认知与职业倦怠

国内外学者主要研究的方向大致为人工智能发展对就业带来创造效应还是破坏效应，综合文献来看，更多的学者更偏向于破坏效应，例如，美国学者Frey和Osborne通过O*NET数据库所提供的信息，估计出大约有702个具体职业被计算机替代的可能性。学者Acemoglu和Restrepo认为一个新的机器人减少了3.3个工人的就业。有学者以新闻工作者为例，提出了“机器换人”给员工工作带来便利的同时也给他们带来很大的失业危机和自我认同危机，所以这部分员工担心随着技术的进步与人工智能的不断发展，自己的工作被替代风险更大，工作机会减少，从而带来紧张感与焦虑。当工作本身对个人的能力精力及资源过度要求时，导致员工精疲力竭时，职业倦怠就产生了，职业倦怠的具体表现是对工作产生的一种情绪衰竭、人格解体和低个人成就感的综合特征。学者Lee和Ashforth通过元分析法来研究影响人际服务工作者职业倦怠的因素，可以概括为：工作压力源、工作支持、工作强化机会，行为和态度的结果，故对人工智能的认知会明显增加员工对本职业的倦怠。于是，综合上述研究，可以提出以下假设：

H1：员工的人工智能认知与职业倦怠呈正相关。

H1a：员工的人工智能认知与情感衰竭呈正相关。

H1b：员工的人工智能认知与去人格化呈正相关。

H1c：员工的人工智能认知与低个人成就感呈正相关。

2.2 人工智能认知与职业韧性

“职业韧性”（Career Resilience）最早是London在职业动机理论中提出的，它是一种能够适应不断变化的环境的能力，即使是很糟糕的环境，并提出了它的构成要素有对自己的信念、对成就的需要和冒险的意愿等。有研究表明个人特征会对职业韧性产生影响，Grzeda和Prince认为职业韧性与个人的自律、自我效能、创造力、自主性、毅力呈显著正相关。学者Caverley发现以乐观积极的态度应对工作是职业韧性高的表现。由此可见，韧性的相关因素涵盖了应激与健康心理学领域中几乎所有的积极品质。职业韧性的水平会对自我效能感产生影响，职业韧性高的员工在面临工作困境时，能够主动解决问题，具有更高的情感承诺，能更好更快调整自我状态适应变化的环境。而因为认同职业韧性是一种可以不断适应外界环境变化的能力这一观点，所以当员工认识到人工智能带来的替代效应后，就会主动采取有效的措施，在认知、情感与行为方面综合提高自己的职业韧性来应对这不利的变化的环境，使自己在工作岗位中发挥不可替代的作用。虽然这二者的关系国内外学者研究很少，但是综合上述研究，可以提出以下假设：

H2：员工的人工智能认知与职业韧性呈正相关。

H2a：员工的人工智能认知与认知韧性呈正相关。

H2b：员工的人工智能认知与情感韧性呈正相关。

H2c：员工的人工智能认知与行为韧性呈正相关。

2.3 职业韧性与职业倦怠

London和Noe研究发现职业韧性水平越高，个人对被他人认可的渴望越强烈，会更加看重职业成就、更关注自己的工作；职业韧性还与工作绩效、满意度成正相关，职业韧性高的员工表现出较高的绩效水平，更容易获得成功。相反，员工的职业倦怠如果长期得不到缓解就会很大程度上影响到个人与组织，对个人来说职业倦怠产生消极情绪，对工作的积极态度呈现负向影响，损害员工身心健康，甚至增加抑郁傾向；降低员工的敬业度，员工的离职倾向也随之增加。从Richardson的韧性过程模型可以发现，个体在遇到危险因子时就会调动保护因子如适应性、灵活性等来维护平衡。据此结论可得，员工的韧性水平越高，调动保护因子来对抗危险因子的能力越强，而员工在工作中产生的所谓职业倦怠，也就是典型的危险因子。在工作中如果不能体现自身的价值，就极易导致消极错误的自我认知和自我评价，丧失对工作的热情，这就需要加强培养职业韧性能力来抵御这种风险。而目前已有学者如Stewart证实了职业韧性与职业倦怠呈负相关，职业韧性越高，其职业倦怠水平越低。所以，经过以上推断，可以假设：

H3：员工的职业韧性与职业倦怠呈负相关。

2.4 职业韧性的中介作用

随着人工智能时代的到来与发展，员工对人工智能的认知不断加深，逐步意识到人工智能的发展对其工作产生的替代性，面对工作环境的大改变，于是自觉地发挥职业韧性的作用，通过自我调节等方式，以应对环境变化对个人产生的影响，形成积极的职业决策和职业行为，从而减轻职业倦怠感，增加对工作的热情与自信。职业韧性作为一个较新的概念，许多学者已经发现了它在某些变量中存在中介作用。目前已有研究表明：个人的职业韧性将在环境因素和职业成功之间起到某种中介和调节作用，在对人工智能的发展属于外界环境因素，而学者唐帧等认为职业倦怠低的员工更容易获得职业成功，于是经过推断，可以假设：

H4：员工的职业韧性在人工智能认知和职业倦怠中起到中介作用。

2.5 理论模型

经过对人工智能认知、职业韧性、职业倦怠3个变量的阐述与研究，提出了以上4个假设，并总结出研究的理论模型，如图1所示。

3 研究设计

3.1 样本与数据

研究对象为全国范围内与人工智能联系密切的员工，以保证研究的科学性、可信性。本次调查问卷借助问卷星进行发放，最初发放问卷340份，剔除无效问卷后，最终回收问卷320份，问卷回收率94.1%，其中有效问卷307份，有效问卷率95.9%。本次调研中男性占49.19%，女性占50.81%；年龄方面41～50岁是主体，占41.37%；文化水平方面，本科占43%；工作时间方面，6～10年占43.65%；工作单位性质方面，民营企业占38.44%；工作时长方面，8小时以内占80.46%；月收入10 000～15 000元占33.88%。

3.2 变量测量

本研究所采用的测量工具均使用成熟的量表，所有量表采用李克特五点评分法评价。

人工智能认知测量量表主要参考：Brougham和Haar对人工智能认知的研究作为测量量表。

职业韧性测量量表主要参考：宋国学对于职业韧性的测量，根据国内员工开发的职业韧性量表，此量表经过学者的不断研究创新，已成为中国本土化的职业韧性量表，在其实证研究中被证实具有良好的信度和效度。本量表包含认知、情感和行为3个维度。

职业倦怠测量量表主要参考：对于职业倦怠量表采用Schaufeli等人根据Maslach的工作倦怠理论为基础开发出的MBI-GS量表，后经国内学者李超平和时勘翻译并修订，并经MBI-GS量表的主要开发者之一的Michael Leiter调整确定的中文量表，修订后的MBI-GS量表具有很好的信度和效度，该量表包含3个维度：情感衰竭、去人格化、低成就感。

4 数据分析结果

4.1 信效度检验

利用SPSS 27.0的可靠性分析功能，对各量表的内部一致性信度进行检验，具体采用Cronbach's α值来判定问卷的信度，若得出的Alpha系数大于0.7，则证明有较好的信度；效度分析采用KMO和Bartlett球形检验来进行探索性因子分析，一般来说，KMO值若大于0.6，Bartlett对应p值小于0.05，则说明适合进行因子分析。结果各维度Alpha值均大于0.8，KMO值均大于0.7，p值均小于0.001，所以本问卷信度、效度处于较高水平，数据有一定的分析价值。

4.2 描述性统计与相关分析

利用SPSS 27.0软件分析得到变量均值、标准差，对于相关系数的计算将采用Pearson相关分析法对人工智能认知、职业韧性、职业倦怠3个变量及其各维度进行相关性检验，检验结果如下：人工智能认知和职业韧性呈显著正相关（r=0.688，p<0.01）；且人工智能认知与认知韧性（r=0.685，p<0.01）、情感韧性（r=0.573，p<0.01）、行为韧性（r=0.673，p<0.01）呈显著正相关；人工智能认知和职业倦怠呈显著负相关（r=-0.624，p<0.01）；且人工智能认知与情感衰竭（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）呈显著负相关，这与假设相反；职业韧性和职业倦怠呈显著的负相关（r=0.789，p<0.01），除人工智能认知与职业倦怠及其各维度的关系外，其余变量相关性基本符合预期，研究假设得到初步支持。

4.3 假设检验

在假设检验之前先利用SPSS 27.0统计软件对数据进行标准化处理，再利用多元回归方法检验假设，数据分析的结果如表1所示。人工智能认知对职业韧性及其认知韧性、情感韧性、行为韧性维度均具有显著正向影响，标准化系数分别为0.688（p<0.001）、0.685（p<0.001）、0.573（p<0.001）、0.673（p<0.001），假设H2、H2a、H2b、H2c成立；人工智能认知对职业倦怠及其情感衰竭、去人格化、低成就感维度均具有显著负向影响，标准化系数分别为-0.624（p<0.001）、-0.627（p<0.001）、-0.521（p<0.001）、-0.541（p<0.001），假设H1、H1a、H1b、H1c不成立；职业韧性对职业倦怠具有显著负向影响，标准化系数为-0.789（p<0.001），假设H3成立。

利用分步回归法对职业韧性的中介效应进行检验，具体结果如表2所示。根据以上的分布回归法中介效应检验结果可以看出，在第一步（模型一）的检验中，自变量人工智能认知对于因变量职业倦怠存在显著的影响关系（β=-0.624，p<0.001），说明总效应成立。在模型二的检验中，自变量人工智能认知对于中介变量职业韧性存在显著的影响关系（β=0.688，p<0.001），同时在第三步检验中，自变量人工智能认知对于因变量职业倦怠的影响效果存在显著的影响关系（β=-0.154，p<0.01），职业韧性对于职业倦怠存在显著的影响效果（β=-0.683，p<0.001），可以看出自变量人工智能认知对因变量职业倦怠的影响系数显著下降，因此说明职业韧性在模型中的中介作用成立，并且为部分中介，即假设H4成立。结合以上论述得出中介效应检验路径关系如图2所示。

5 研究结论与讨论

5.1 研究結论

通过回归分析的数据，可以验证研究的假设。其中假设H2、H2a、H2b、H2c、H3、H4成立，假设H1、H1a、H1b、H1c不成立，人工智能认知对职业倦怠及其各维度均呈负相关。据上述研究假设验证结果可知，假设H1、H1a、 H1b、 H1c不成立。员工的人工智能认知与职业倦怠以及职业倦怠各维度应呈现负相关关系，与理论分析部分不同，理论分析部分认为员工在意识到人工智能的发展可能替代工作时，会增加职业焦虑感，面临职业危机，直接导致其产生职业倦怠。但从实际来看，一方面，人工智能技术可以代替员工从事一些较为简单、重复性的工作，大大缩短了其劳动时间，减轻了他们的工作压力。另一方面，员工在正确认识到人工智能的替代效应后反而会更加重视自己的工作，对工作更上心、更努力，力图证明自己与人工智能相比在此岗位上的不可替代性、有用性，减少其被替代的可能性。

5.2 管理启示

5.2.1 重视人工智能的发展对员工的影响

人工智能日益发展，员工会认为人工智能的发展将对其工作产生替代效应，使其面临着被取代的风险。所以企业不光要考虑人工智能的发展对企业本身的影响，更重要的是要重视对员工的影响。首先，企业管理者应当经常对员工进行心理疏导，及时与其沟通，关注其心理变化并进行正确的引导，使其能热爱自己的工作；其次，注意员工个人素质与能力的提升与培养，减少其被智能替代的风险，员工在应对人工智能发展时才会真正充满信心。

5.2.2 培养并提高职业韧性

研究已证实员工的职业韧性对员工的职业倦怠起到负向影响，职业韧性越高的员工，职业倦怠感越低，对工作能更热情、更投入；相反，职业韧性越低的员工更容易被困难所吓住，不利于其工作的进展与个人能力的发展，而且还会影响组织的绩效。尤其是新员工，由于年纪小、经验不足，在工作时容易紧张、繁忙，缺乏职业韧性。已有理论认为，职业韧性是一种能力，可以通过后天的培养提升这种能力。培养和提高职业韧性可以从企业和员工的角度出发，企业管理者首先要重视职业韧性，营造积极的工作氛围，多给予他们鼓励与帮助；其次着重教育员工合理安排时间，协调工作与生活带来的冲突；再次将职业韧性的培养与提高纳入企业培训当中，培训员工在面对困难与压力时如何求助他人和自我释放不良情绪；最后员工个人也应当建立良好的同事关系和家庭氛围，保持积极乐观的心态，面对压力和挫折时学会自我调节，达到培养和提高自身职业韧性的目的。

5.2.3 重视员工的感受，及时采取方法减轻员工职业倦怠感

根据研究的调查也发现，与人工智能有关的员工职业倦怠较高，这对员工的行为与能力都产生极大影响，进而直接降低工作绩效，对企业和员工个人的发展很不利。因此，企业应当重视员工的感受，给予他们更多支持，培养他们健康向上的职场竞争心态，积极释放压力与焦虑的负面情绪。具体来看，第一，管理者应当营造一个公平的环境，奖惩分明，对于职务晋升、评优评先等坚持公平公正的原则，增强员工对组织的信任，对工作的信心；第二，企业管理者应当多与员工沟通，对其工作表示肯定与支持，这将减轻他们面对人工智能发展带来的压力，增加他们对工作的自信与希望；第三，适当减少工作强度，合理减负，应当摒弃传统企业内部治理模式，明确具体的工作职责，减轻冗余事务对其的干扰，使其能够更专注于自己的职责。

5.3 研究局限与未来展望

本研究以人工智能密切关系的员工作为研究对象，探讨了人工智能认知、职业韧性、职业倦怠三者的关系，具有一定的研究意义与价值。但本研究依然存在一些不足之处：一是本研究的调查对象为与人工智能联系密切的企业员工，但在具体调查中，对于“密切”的概念并未明确规定，导致对研究对象的主观性较强；且样本的数量以及代表性有限，不足以推广到整体与人工智能有密切联系的员工。二是研究方法较为单一，仅采用问卷的形式，且因疫情的影响全部在线上收集问卷，对研究结果可能带来一定差异。三是本次研究虽提出了许多可行性的建议和意见，但由于缺少纵向追踪数据，建议的实用性不够明确。四是虽然对研究的实际结论与假设进行了探讨，但是对于差异出现的原因的认识还不够深刻，挖掘程度不够深入。为此，对未来开展研究进行如下展望，一是明确研究对象，扩大研究范围，进一步研究人工智能对不同类型员工的影响，选取更多地区，以充实样本数量。二是采用多种研究形式，例如，增加访谈、面对面的交流、问卷收集等线上线下相结合的方式，那么收集的数据准确性将会大大增加。三是在今后的研究中将加入追踪、干预等手段加以验证建议的实用性。四是深入探讨分析差异出现的具体原因，并据此为丰富研究成果提出现实层面的意见和建议。

【参考文献】

【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，刘燕华，李刚，等.南昌市三级甲等医院临床药师职业倦怠、职业认同与职业生涯成功的相关性研究[J].职业与健康，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】宋国学.职业生涯韧性的结构维度：本土化研究[J].经济管理，2011，33（11）：184-193.

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

【基金项目】河南省哲学社会科学规划项目（2022BJJ042）；河南省高校人文社会科学研究一般项目（2022-ZZJH-257）；河南省高校大学生创新创业训练计划项目（202210463056）。

【作者简介】王训媛（2001-），女，山东日照人，本科在读，研究方向：人工智能与人力资源管理。