AI感知对员工心理和行为的影响及理论解释

王涛 占小军 余薇

摘  要  AI感知是指员工对AI运用影响其工作态度、行为、福祉和工作环境的感知。第四次工业革命已经到来， AI提升员工绩效的同时也带来了风险和不确定性， 对员工产生巨大影响。当前AI感知研究分散概念模糊， 阻碍了对AI运用如何影响员工心理和行为的理解。为探究AI运用对员工的具体影响及作用解释机制， 首先澄清了AI感知概念内涵; 其次， 揭示了AI感知影响效果; 第三， 基于资源视角、情绪视角、需求视角和环境视角阐释了AI感知的理论解释机制; 最后， 构建了AI感知的未来研究框架， 为将来相关研究提供理论借鉴， 为组织决策提供见解。

关键词  AI感知， 资源保存理论， 工作不安全感， 双刃剑效应

分类号  B849

1  引言

全球经济进入到工业4.0时代或称之为第四次工业革命（Bankins et al.， 2024; Li et al.， 2019）， 预示着工作场所正经历一波重大变革， 员工工作方式再次被新技术改变（Tang et al.， 2022）。与前三次工业革命相比， 第四次工业革命的关键在于智能机器的使用， 组织利用新一代智能机器自动有序地分配和处理任务， 这意味着智能技术背景下的工作流程由智能机器主导而非员工（Tang et al.， 2022）。人工智能（Artificial Intelligence， AI）是第四次工业革命的核心， 与其他数字化技术（如机器人、软件技术）存在差异。人工智能是指通过识别数据中的统计模式来完成任务的算法， 而不是遵循人类的指令; 软件是执行人工指定的“if-then”规则的计算机程序; 机器人是物理设备， 每个动作都要通过软件预先设定好， 按照指令行事（Webb， 2019）。人工智能与软件和机器人在本质上是不同的， 软件可以执行常规任务， 但不能执行非常规任务; 机器人接收软件预先设定指令完成动作， 但是如果想要实现灵活多变， 需借助人工智能重新编程。总体而言， 机器人的任务是机械僵硬的， 软件进行常规信息处理， 而人工智能执行的任务涉及检测、判断和优化， 这种差异也意味着它们将影响不同种类的工作和职业（Webb， 2019）。此外， 人工智能是一种新现象， 许多AI技术还有待开发。总体而言， AI对员工的影响到底是好的还是坏的， 仍是未知和不确定的， 需要更加关注和深入研究（Von Krogh， 2018; Webb， 2019）。

组织越来越多地使用人工智能（Raisch & Krakowski， 2021）， 通过AI优化资源利用， 提高运营效率和生产力， 降低员工成本， 提升员工体验、工作满意度和客户服务（Chowdhury et al.， 2023）。然而组织引入AI的首要目标是为了提高利润和生产力， 而非员工福祉（Malik et al.， 2022）。AI以不同的方式影响组织内人力资源， 它可能创造新的工作角色， 给那些无法适应它的员工带来生计不确定性（Basu et al.， 2023）。Frey和Osborne （2017）估计， 在未来20年里， 机器人将取代47%的工作岗位， 尤其是低薪、低技能岗位; 然而这一趋势将很快扩展到白领工作（Brougham & Haar， 2018; Yam et al.， 2022）， 尤其是高技能职业岗位（Webb， 2019）。行业巨头如微软、亚马逊、IBM等也纷纷追随AI脚步暂停岗位招聘。国内许多企业如阿里巴巴、香格里拉、格力等利用AI降低生产成本、提升组织运营效率和客户满意度（Tan et al.， 2023）， 增加在线平台用户感知价值（Gregory et al.， 2021）。

可以预见的是， AI使用标志着工作实践发生变化， 减少了工作场所对员工的依赖， 给员工带来了较大风险和不确定性（Tan et al.， 2023）。员工和AI之间的关系变得复杂（Tang， Koopman， Mai et al.， 2023）， 员工一方面赞赏AI， 因为AI提升了其工作绩效; 与此同时， 一些员工对AI感到厌恶， 认为AI很可能取代他们（Tang， Koopman， Yam et al.， 2023）。同一个人可能在不同的情景下对AI呈现出积极和消极的不同态度， 这取决于其感知到的利益， 也即其对智能化的态度（Del Giudice et al.， 2023）， 学者将此称之为AI感知（Brougham & Haar， 2018; Kong et al.， 2024; Li et al.， 2019）， 也有研究将其表述为“对AI的评估” （He et al.， 2024）或“AI冲击意识” （徐广路， 王皓天， 2022， 2023）。本文以AI感知代称， 强调工作场所AI运用给员工带来的影响， 聚焦于员工个体感知。

AI运用对员工工作态度和行为产生了较大影响（Li et al.， 2019）， 引发学界热议。回顾现有研究， AI运用对员工的负面影响是学者们最初关注的重点话题。如AI感知与员工工作不安全感（Lingmont & Alexiou， 2020; Yam et al.， 2023; Zhang & Jin， 2023）、工作倦怠（Kong et al.， 2021; Yam et al.， 2023）以及离职倾向（Brougham & Haar， 2018; Kurniawan et al.， 2022; Li et al.， 2019）显著正相关， 与组织承诺和职业满意度显著负相关（徐广路， 王皓天， 2023; Brougham & Haar， 2018）。AI感知还将导致员工抑郁和愤世嫉俗（Brougham & Haar， 2018）， 进而引发员工不文明行为（Cao et al.， 2023; Yam et al.， 2023）， 甚至报复拟人化机器人（Yam et al.， 2022）。Raisch和Krakowski （2021）指出AI有自动化和增强两种应用， 自动化意味着AI接管人类的工作， 可能导致大量员工失业; 而 AI增强应用可以帮助员工实现选择性去技能化， 在核心能力上领先机器， 给员工带来积极影响。随着研究不断深入， 学者们发现AI运用除带来负面影响外， 在一定程度上提升了员工绩效， 增加了工作投入和工作满意度（Dutta et al.， 2023; Malik et al.， 2022）， 对员工也是有积极意义的（Ding， 2021）。

总体看来， AI运用对员工的影响结果是喜忧参半的（Malik et al.， 2022; Tang et al.， 2022; Tang， Koopman， Yam et al.， 2023）， 但无论是乐观还是悲观看法， 都不能完全捕捉到AI运用对员工的影响， 员工对AI的看法与其所处社会和技术环境有关（Bankins et al.， 2024）， 需更加深入全面探察。尽管已有较多研究探讨了AI感知对员工心理和行为的影响， 然而囿于学者学术背景， 当前研究更多集中在相对分割领域， 研究对象多来自于酒店、餐饮等服务行业的员工（Malik et al.， 2022）。同时， 由于AI感知概念较新， 其称呼并未统一， 概念的模糊限制了大众对于AI感知的深入洞察。此外， AI感知对员工心理和行为的作用路径和边界条件也尚未厘清， 缺乏对AI感知研究框架的搭建， 阻碍其理论发展。到底AI感知概念内涵是什么; 哪些因素阻碍或促进了人们对AI的接受; AI如何影响员工心理和行为; AI如何激发员工好的一面， AI如何塑造员工对他们工作的看法， 以及他们应该做些什么来应对AI带来的变化（Tan et al.， 2023）。为解决上述问题并推动AI感知研究， 本文将通过文献综述方法， 澄清AI感知的概念内涵、阐释AI感知对员工心理和行为的影响， 并就该领域未来研究提供了一个整合的理论框架。第四次工业革命已经到来， 期望通过回答上述问题， 为组织决策者提供见解， 增强学界对AI运用如何影响员工的认知和理解（Tang， Koopman， Mai et al.， 2023）， 为推动AI研究发展提供新思路。

2  文献检索与筛选

笔者以“AI awareness/AI感知/AI冲击意识、Smart technology awareness/智能技术、Robotics awareness/机器人感知、Algorithms Awareness/算法感知”等为搜索主题词， 在中国知网、Web of Science、EBSCO、Google Scholar等数据库查询， 得到最初文献919篇; 接着删除重复文献; 通过阅读标题、摘要、关键词、结论、正文等进行刷选， 剔除与文章主题无关的文献; 接下来根据剩余文章的引用和被引文献进行搜寻， 确保涵盖与AI感知有关的所有文献; 同时， 在国内外管理学、心理学顶级期刊官网上手动查询， 避免遗漏与主题相关的文献， 最终得到文献96篇， 含中文文献5篇（文献检索过程详见表1）。

3  AI感知的定义

3.1  AI感知

AI对社会产生了深远影响（张志学 等， 2024）， 引发了AI运用对员工和工作场所存在何种影响的激烈辩论， 观点两极分化（Bankins et al.， 2024）。一方面， 新技术改变了员工原有的工作习惯及利益分配格局， 会给员工带来不安全感， 引发其对工作岗位流失的担忧（Webb， 2019）， 很可能抵制AI引发厌恶（张志学 等， 2024）。另一面， AI的崛起将为人类创造许多新的就业机会（Basu et al.， 2023; Presbitero & Teng-Calleja， 2023; Yam et al.， 2023）， AI帮助员工提高了工作绩效（Tang， Koopman， Mai et al.， 2023）， 再加上AI是客观的、无意识的， 在一定条件下AI决策可能更公平（裴嘉良 等， 2021）， 员工可能会欣赏AI。当然， 不同个体对AI态度有所区别（张志学 等， 2024）， 取决于员工对AI技术影响其未来职业前景的感知， AI感知就此诞生（Brougham & Haar， 2018）。

后续学者在Brougham和Haar （2018）基础上进行深入研究， 注意到当前过于关注AI感知的负面影响（Ding， 2021; Parker & Grote， 2022）。然而， 组织引入AI是为了提高效率， 让员工通过工作转型、提高技能进而提升绩效和竞争力（Chowdhury et al.， 2023; Tan et al.， 2023）。虽然AI会改变劳动力市场， 但不太可能掌管整个工作， 机器是没有意识的， 不具备人类的感官、情感和社交技能（Raisch & Krakowski， 2021）， 存在许多局限性， 人类是机器永远无法替代的（张志学 等， 2024）。机器只是承担了部分传统认知中属于人类的工作， 无法替代那些人际互动要求高的岗位（Webb， 2019）。员工为避免被AI替代， 应努力学习新知识和新技能， 不断提升自我能力， 学习如何与AI共存， 并视AI为“同事”， 发挥自身优势反哺AI实现智能增强（张志学 等， 2024; Tang， Koopman， Mai et al.， 2023）。人类和机器不应互为对手， 而应相互学习， 实现优势互补（Paluch et al.， 2022; Raisch & Krakowski， 2021）。因此， 与其猜测AI会不会替代员工， 未来研究重心应该放在员工如何看待AI和他们应该做些什么来适应AI， 以及AI如何激发员工的最佳表现， 如何让员工在与AI的“共事”中受益（Tan et al.， 2023）， 享受智能时代带给人类的红利（彭剑锋， 2023）。

为了验证“员工能否从工作场所AI运用中受益”这个命题， Ding （2021）基于二维压力源框架， 探讨了员工对AI的挑战?阻碍评价如何影响其个人竞争力（individual competitive productivity， ICP）。Ding （2021）认为AI对于员工来讲， 是一种工作压力源， 强调员工在面对企业采用AI时会感知到工作不安全感， 但是基于二维压力源框架， 员工对工作压力会有不同评价， 进而AI感知会具有挑战和阻碍双重属性（Ding， 2021， 2022）， 即员工对AI运用的感知既有消耗作用， 也有激励作用（Liang et al.， 2022）。

Brougham和Haar （2018）强调AI技术对员工未来职业前景的影响或员工对组织采用AI产生的工作不安全感， 聚焦于AI带来的消极影响， 然而AI在一定程度上对员工也是有积极意义的（Ding， 2021）。鉴于此， 本文基于感知视角， 将AI感知定义为员工对AI运用影响其工作态度、行为、福祉和工作环境的感知。此概念丰富了AI感知内涵， 不只强调AI运用的消极影响或者局限于AI运用对员工未来职业发展的影响。当然， 员工基于AI运用的不同感知， 会相应影响员工的后续心理和行为。

此外， 回顾文献发现， 与AI感知相近的概念还有AI技术威胁、AI的使用、AI风险感知和AI效能感知等， 为了明确AI感知与其他概念的区别， 突出AI感知的理论意义， 需要进行细致阐释。AI技术威胁（threats of AI）是指AI技术对个体或社会的负面影响（Kieslich et al.， 2021）。AI的使用（usage of AI）是指个体接受AI的行为或意图（Li et al.， 2023; Rathi et al.， 2024; Tang et al.， 2022）。AI风险感知（Perceived AI Risk）指对使用AI技术可能产生的负面影响的感知不确定性（Chen et al.， 2023）， 突出对AI技术本身的风险担忧（Chen et al.， 2023）。AI效能感知（perceived efficiency of AI）是指对AI比人类更快速和有效率的感知（Kang， Chen， & Chen， 2023）， 如通过在线约会平台成功配对（Paul & Ahmed， 2024）。在本研究中， AI感知是指“员工对AI运用影响其工作态度、行为、福祉和工作环境的感知”， 从定义和内涵来看， 与“AI技术威胁、AI的使用、AI风险感知、AI效能感知”的概念都有所不同。首先， 发生情景不同。AI感知是在工作场所且组织已经使用AI情况下产生的， 而其他概念如“AI的使用”还停留在探讨是否采用AI， 较多是在服务场景。其次， 内涵不同。其他AI概念更多强调AI带来的负面影响， 而AI感知重点在于员工对AI的感知， 其结果是积极的还是消极的， 是基于员工对AI的具体认知。最后， 外延不同。AI感知突出了员工对AI影响其工作的看法， 其他AI概念则比较宽泛， 更多是社会大众或客户对AI的看法。

诚然， 机器已经比人类更有效率、更有能力， AI在工作中的崛起已经超出人类想象， 让工作场所变得极其复杂（Yam et al.， 2023）， 替代了一些低技术、低含金量的工作， 而且很大可能在将来会超越很多知识工作者的表现（Webb， 2019; Yam et al.， 2023）， 给员工带来了较大工作不安全感。但是从某种意义上来说， 智能时代对于那些不想丢失工作、对职业发展葆有期待的员工要求更高（张志学 等， 2024）。如前文所述， 世界正经历着第四次工业革命， 历史前进的脚步是不会停止的， 员工与其担忧工作岗位被AI替代， 不如主动去了解、学习和适应（张志学 等， 2024; Raisch & Krakowski， 2021; Tan et al.， 2023）， 培养与AI合作的偏好， 缓解自身对工作场所广泛智能化引发的不安情绪， 更好地从AI主导的新工作环境中受益（Malik et al.， 2022）。

3.2  AI感知的影响因素

通过梳理相关文献发现， 员工自身及AI技术本身的特点将影响员工对AI运用的评估， 进而影响员工的心理状态和行为。

（1）员工自身特点

首先， 员工的技术精通度将影响其AI感知。技术精通度是指个人对尝试新技术的信心（Jin et al.， 2019）。具体来说， 精通技术的人熟悉技术并积极寻求学习和获取新技术知识， 他们对工作场所的AI技术有深入了解（Brougham & Haar， 2018）， 能够较快适应先进技术， 接受新技术的意愿更强（Shin et al.， 2019）。因此， 精通技术的个体在完成涉及AI技术的任务时更有可能体验到高效率（Shin et al.， 2019）， 员工会对AI运用进行积极评估， 从AI中升级他们的技术专长， 从而“保护自己免受智能化的影响”， 员工的技术精通度与AI感知负相关（Yu et al.， 2022）。

其次， 员工的社交技能也会影响其AI感知。社交技能是在隐性知识的基础上发展起来的， 很难实现自动化（Autor， 2015）。机器人通常用于高度标准化的服务操作， 对社交互动需求较低， 它们不能完全替代人类， 很难处理社交中遇到的情感问题（Wirtz et al.， 2018）， 在需要人际沟通的工作中表现不佳（Autor， 2015）。故具有卓越社交技能的员工对完成复杂情感任务的信心较强， 对AI替代其工作的担忧较小， 员工社交技能与AI感知负相关（Yu et al.， 2022）。

（2） AI技术特点

Parvez等（2022）从技术本身出发， 研究发现员工感知AI的有用性、易用性以及AI高效快速的优点将对AI产生良好认知， 而AI缺点将让员工AI运用产生负面感知。具体而言， 对员工来说比较困难复杂的任务， AI可以快速准确完成， 减少员工工作量， 员工会比较乐意与AI合作; 反之， 当员工发现其缺点时， 将对AI产生抵触心理， 产生负面AI感知（Parvez et al.， 2022）。

4  AI感知对员工心理和行为的影响

AI技术应用极大提高了企业效率， 同时也显著影响了员工心理和行为（Xu et al.， 2023）。

4.1对员工心理状态的影响

目前AI运用对员工心理状态积极影响的研究成果较少， 主要体现为内在动机。内在动机是一种源于激情和热爱的内在驱动因素， 与报酬无关（Venkatesh， 1999）。由于AI在企业中应用越来越多， 给员工工作带来了诸多挑战， 员工会产生被AI取代的威胁感（Brougham & Haar， 2018）。员工将AI带来的压力视为适应数字时代不断变化的工作环境的机会， 认为AI运用是一种挑战性的工作需求， 将对其产生激励作用（Zhang et al.， 2020）， 促进员工的内在动机（Lepine et al， 2005）。AI给员工现有的枯燥工作带来了挑战， 为了更好的职业发展， 维持工作稳定、解决对未来工作的担忧， 可能促使员工积极制定应对策略来解决问题， 在这种情况下， 员工会被激励投入到与AI竞争（陈文晶 等， 2022）， 与AI竞争能满足员工的自主性工作需求（Liang et al.， 2022）。同时， 与AI竞争的结果也会满足员工对自身能力的肯定性需求， 因为与AI竞争是展示自己能力， 而非对金钱奖励做出反应， 故AI反过来会激发员工的内在动机， AI感知与内在动机正相关（Liang et al.， 2022）。

相较于AI感知的积极评价， 其消极评价的研究较为丰富， 下面主要从为情绪、压力和认知三个方面展开论述。

4.1.1情绪

（1）情绪耗竭。情绪耗竭是指员工过度使用情绪和心理资源而产生的耗竭状态（Maslach et al.， 2001）， 与工作相关的情绪耗竭一般由工作场所压力源引起（Maslach et al.， 2001）。现有文献证实， AI感知与情绪耗竭正相关（Liang et al.， 2022; Teng et al.， 2023; Xu et al.， 2023）。AI广泛应用使得员工产生焦虑、不确定性和工作不安全感（Brougham & Haar， 2018）。在这种情况下， 员工会对AI运用进行负面评价， 引发消极情绪状态（Liang et al.， 2022）， 员工会感知到被AI取代的风险， 他们会消耗大量的资源和精力来应对这种压力， 从而导致情绪耗竭（Liang et al.， 2022）。

（2）抑郁。抑郁症被认为是“低快乐和低唤醒” （Fried， 2017）。Brougham和Haar （2018）认为， 组织在工作场所频繁使用AI会让员工感觉自己不受重视， 很难体会到自己是“组织的一部分”， 容易在工作中出现消极状态， 对AI进行抵触。此外， AI技术给员工工作带来了风险和不确定性， 冲击其工作岗位， 导致员工需要学习新技术驱动下所需的知识和技能， 引发较大压力， 降低员工的兴奋和愉悦程度， 减少其工作幸福感， 引发抑郁（Brougham & Haar， 2018）。Xu等（2023）通过对两阶段收集到的321份问卷进行分析， 也证实了对AI感知与抑郁正相关， AI对个人职业发展的威胁越大， 个体患抑郁症的风险越高。

4.1.2压力

倦怠是对工作压力的一种心理反应（Halbesleben & Buckley， 2004）。研究表明， 频繁使用AI和机器人会导致员工产生工作不安全感（Kong et al.， 2021）， 进而引起工作倦怠（Yam et al.， 2023）。Kong等（2021）对432份酒店员工的数据进行分析， 结果验证了AI感知与工作倦怠之间的正相关关系。对AI有高度认知的员工， 他们职业生涯高度不确定， 担心AI取代他们的工作（Kong et al.， 2021）， 给其带来了较大绩效压力（Kang， Hur， & Shin， 2023）; 而且AI相较于人类具有高效率和低成本的巨大优势， 员工可能会觉得很难超越AI， 感到不安致使工作倦怠（Kong et al.， 2021）。

4.1.3认知

员工对AI运用的认知主要体现为工作不安全感。工作不安全感是个体对目前工作的连续性和稳定性感知到的威胁（Shoss， 2017）。AI崛起导致员工工作方式、工作要求和工作内容等发生极大变化（涂艳 等， 2023; Nam， 2019）， 他们担忧当前工作是否会在不久的将来被AI取代（Lan et al.， 2022）。AI感知捕捉了员工对AI影响未来就业前景的看法， 反映了员工对组织采用AI引发的工作不安全感（Brougham & Haar， 2018）。工作不安全感是AI感知最初研究的重点（Ding， 2021）， 研究表明AI感知与工作不安全感显著正相关（He et al.， 2024; Lingmont & Alexiou， 2020; Nam， 2019; Presbitero & Teng-Calleja， 2023; Zhang & Jin， 2023）。有趣的是， 与上述学者观点不同， Lestari等（2023）发现AI感知与工作不安全感显著负相关， 而Brougham和Haar （2018）发现AI感知与工作不安全感并没有显著相关性。综上， 当前学界对AI感知与工作不安全感之间的研究结果存在差异， 这表明AI可能确实触及了员工工作核心， 但是同样面对AI， 员工后续表现存在差异。部分员工可能面临失业， 不得不另谋高就（Brougham & Haar， 2018）; 而有些员工对AI产生了积极认知， 主动学习和适应智能时代， 在AI浪潮冲击中非但没有失去工作， 反而提升了自我， 并从智能时代中受益（Ding， 2021; Tan et al.， 2023）。

4.2  AI感知对员工行为的影响

4.2.1对员工主动性行为的影响

（1）工作重塑

Wang等（2022）认为任务重塑能够让员工更好地与人工智能合作， 员工会进行任务重塑， 以克服被AI取代的威胁， AI感知与任务重塑正相关。He等（2024）研究发现， 员工对AI运用的正面感知与工作重塑正相关， 对AI运用的负面感知会消耗员工精力和资源， 与工作重塑负相关。无独有偶， Cheng等（2023）对成都八家广泛采用AI的制造企业员工进行调查， 发现员工对组织运用AI的正面感知与趋近性工作重塑正相关， 而负面感知与回避性工作重塑正相关（Cheng et al.， 2023）。整体来看， 组织采用AI不可避免地引起了员工对他们是否会被取代的担忧（Li et al.， 2019）， 激发了人们对成为不可替代员工的高期望（Ding， 2021）， 他们会在一定程度上采取积极主动的行为去学习和适应新环境， 与AI更好地合作共存（Einola & Khoreva， 2023; Wang et al.， 2022）。

（2）工作投入

有研究认为AI感知会降低员工工作投入（Kong et al.， 2021）， 然而Ding （2021）针对美国快餐店员工的研究发现， 员工将AI视为获得个人成长的机会， 会高度投入到工作中。与此同时， Ding （2021）指出尽管AI感知对员工工作投入的积极意义是存在争论的， 但结合个人?环境契合理论， 在工业4.0时代组织采用AI趋势不可避免， 一些基于常规的工作任务已经过时， 如果员工不适应变化的工作环境， 很大概率会失业并很难再次就业。虽然采用AI会给员工带来心理压力， 但从另一个角度来看， 它也会促使员工通过自我提升、努力投入工作来应对这种压力。当员工越来越多使用AI后， 会更加信任它， 减少威胁感知（Hu & Wang， 2023）， 进而降低AI运用的负面认知。不论员工对AI感知是积极的还是消极的， AI感知皆与工作投入正相关（Ding， 2021）。

（3）创新行为

现有研究表明AI感知将通过主动学习和任务重塑正向影响员工创造力（Wang et al.， 2022）， 激发员工创新意愿进而实施创新行为（Ding， 2022）; 员工也有可能视AI为工作威胁， 减少对AI驱动的创新行为的支持（Yin et al.， 2024）。Liang等（2022）通过纵向追踪研究发现， AI感知一面通过员工的情绪耗竭抑制员工的服务创新行为， 另一面又会激发员工的内在动机促进创新行为。

（4）职业探索行为

职业探索行为是指与员工寻找与新职业相关的有目的的行为和认知（Stumpf et al.， 1983）。当员工意识到AI将接管他们工作时， 员工会感到不自信和不安全， 这种工作不安全感会导致员工寻找和探索其他职业， AI感知与职业探索行为显著正相关（Presbitero & Teng-Calleja， 2023）。

4.2.2对员工消极工作行为的影响

（1）服务破坏

工作场所AI的引入会对一线员工带来巨大心理压力， 消耗员工心理资源， 对其心理产生负面影响（Li et al.， 2019）， 导致员工产生沮丧、焦虑和抑郁等负面情绪（Brougham & Haar， 2018）， 使他们更容易情绪耗竭， 招致员工对AI的抵制（Brougham & Haar， 2018）， 表现出服务破坏行为（Ma & Ye， 2022）。

（2）组织越轨行为

Malik等（2022）在其综述中提到， AI感知与服务员工的组织越轨行为正相关， 但缺乏实证研究检验。后来Zhao等（2023）针对中国不同服务行业的359名员工， 以AI感知与组织越轨行为之间的关系为焦点进行纵向追踪研究， 发现AI感知是工作场所的一个关键压力源， AI运用引发的压力会消耗个人资源和工作能量， 员工为了避免进一步资源损失， 会做一些违反组织规范的事情， 实施越轨行为。

（3）工作退缩行为

工作退缩行为是指员工在工作场所采取的消极应对行为（Hanisch & Hulin， 1990）。由于AI工作范围更广、工作时间更长， 组织中AI的引入会对员工提出新的、更高的工作要求， 给员工带来较高心理压力， 员工可能会对未来感到不确定， 引发消极工作状态和悲观情绪， 甚至认为组织运用AI违背了与员工之间的心理契约（Braganza et al， 2021; He et al， 2024）， 他们会停止为组织做出贡献， 从而产生工作退缩行为（Teng et al.， 2023）。

（4）知识隐藏

隐藏AI知识是员工降低在工作场所被AI取代的一种消极应对策略， 属于知识领域的反生产行为（郝夏靓， 陈毅文， 2023）。当员工认为AI运用对他们的工作构成威胁时， 他们会以各种可能的方式隐藏知识， 如规避隐藏、装傻隐藏和合理化隐藏， 员工AI感知与知识隐藏正相关（Arias-Pérez & Vélez-Jaramillo， 2022）。

综上所述， AI运用不仅对员工心理和行为具有负向影响， 一定条件下也会给员工带来正向影响。AI运用会激发员工内在动机， 激励员工不断提升自我， 在工作中实施主动工作行为， 让自己能够快速适应并积极拥抱智能化时代， 与AI这位新同事展开合作与竞争， 借助AI浪潮取得更多工作成就。AI是一把双刃剑， 有利于学界更平衡、辩证地理解AI感知对员工的混合影响， 也提醒组织应最大化AI的积极面， 减少AI带来的阴暗面。

5  AI感知的理论解释机制

当前AI运用对员工心理和行为影响的实证研究取得一定成果， 那AI将通过哪些路径发生影响呢？通过梳理文献发现， 以往研究主要从资源视角（资源保存理论、JD-R模型）、压力视角（压力认知评价理论）、心理需求视角（自我决定理论）、环境视角（人与环境匹配理论）探究AI感知的作用机制（见图1）。

5.1  资源视角

Xu等（2023）基于资源保存理论， 探讨了AI感知与员工抑郁之间的关系， 揭示了情绪耗竭的中介作用， 以及感知组织支持的调节作用。当员工发现组织采用AI取代了部分岗位、导致员工失业、提高了其适应新技术工作的技能要求、降低了其组织地位， 意识到AI已经威胁到其职业发展或组织地位， 对自己的未来产生不安和恐惧的消极情绪， 降低了其保存或获取资源来应对AI威胁的能力， 引发情绪耗竭， 进而导致抑郁（Xu et al.， 2023）。组织支持感是一种心理资源， 如果员工从同事或领导那里感受到支持、理解和肯定， 能缓解情绪耗竭与抑郁之间的关系; 组织支持感知负向调节情绪耗竭在AI感知与抑郁之间的间接作用（Xu et al.， 2023）。Ma和Ye （2022）研究发现， AI感知通过基于组织的自尊正向影响员工服务破坏行为。AI取代了一线服务员工的部分日常工作， 使其感到焦虑， 在这个过程中基于组织的自尊这种心理资源可能会被耗尽（Hobfoll et al.， 2018）。根据资源保存理论， 处于资源损耗状态的个体更容易出现消极行为， 进而实施服务破坏， 而感知组织支持削弱了AI感知对服务破坏的影响（Ma & Ye， 2022）。国内学者徐广路和王皓天（2023）研究发现， 员工认为AI是对其职业发展的威胁和冲击， 给其带来资源损失， 证实了员工的AI感知通过工作压力负向影响职业满意度; 在上述关系中， 学习目标导向起到负向调节作用， 而规避目标导向起到正向调节作用。

Liang等（2022）基于JD-R模型考察了AI感知对员工服务创新行为的影响机制。一方面， AI感知会增加员工情绪耗竭， 从而降低员工服务创新行为; 另一面， AI感知也会通过增加员工内在动机来触发其服务创新行为; 未来取向将通过情绪耗竭缓解AI感知对员工服务创新行为的负面影响， 通过内在激励增强AI感知对服务创新行为的积极影响（Liang et al.， 2022）。He等（2024）基于JD-R模型揭示了AI感知分别通过工作重塑和工作不安全感对服务绩效产生的双刃剑效应。员工对AI运用的正面评价通过工作重塑对服务绩效产生积极影响， 而对AI运用的负面评价通过工作不安全感对服务绩效产生负面影响; AI知识作为一种关键的个人资源， 增强了AI感知对工作重塑的正向影响， 同时减弱了AI感知对工作不安全感的负向影响。

5.2  压力视角

当个体遇到压力刺激时会参与评价过程， 将对其目标实现有阻碍的压力源视为具有威胁， 并倾向于采取回避、疏远和破坏等消极应对策略; 而拥有丰富资源的个体， 其威胁感知及后续负面反应及行为将减少（Lazarus & Folkman， 1987）。Zhao等（2023）以压力认知评价理论为基础， 探讨了员工的AI感知通过心理契约破裂对组织越轨行为的影响机制。研究发现， 员工感知到AI可能会在未来取代其工作， AI是有害的。这种情形下， AI感知会通过心理契约破裂对组织越轨行为产生正向影响， 良好的劳资关系氛围能减少员工对AI的恐惧， 进而降低员工心理契约破裂感知。

5.3  心理需求视角

Tan等（2023）基于自我决定理论， 探究了自主、胜任和关系需求在AI感知与个人竞争力之间的中介作用。结果发现， 个体对AI感知在满足员工基本心理需求方面存在差异， 员工对AI的积极感知正向影响自主、胜任和关系需求; 对AI消极感知通过满足关系和胜任的心理需求来激发个人竞争力; 三种心理需求在个体对AI消极感知与个人竞争力之间皆没有起到中介作用（Tan et al.， 2023）。

5.4  环境视角

根据人与环境匹配理论， 个体越契合组织或环境， 其工作满意度就越高。AI运用改变了组织内部资源的分配， 扰乱了人与组织之间的关系， 改变了人与组织的契合模式， 致使员工职业生涯高度不确定， 容易产生倦怠情绪。Kong等（2021）根据人与环境匹配理论， 探究了组织承诺的中介作用。结果表明AI感知通过组织承诺对工作倦怠产生正向影响， 还通过组织承诺削弱员工的职业胜任力。

6  研究展望

AI感知相关研究还处于起步阶段， 许多问题还没有答案， 静待更多科学研究来解决（Parvez et al.， 2022）。下文将从探究AI感知的多层次驱动机制、丰富AI感知的作用机制研究、挖掘AI感知的溢出效应、加强AI与员工的交互影响研究、深化AI感知的跨学科研究等五个方面展开阐述， 并构建出AI感知未来研究整合模型图（见图2）。

6.1  探究AI感知的多层次驱动机制

在数字化时代， 员工、组织与人工智能是紧密地交织在一起的， 员工对AI的感知决定了其后续心理和行为（Chowdhury et al.， 2023）， 同时员工的态度和认知也会受到组织环境和领导者多方面的影响（李燕萍， 陶娜娜， 2022）。为充分认识AI感知， 不应该只关心员工单一个体， 而应该关注集体的智能态度（Chowdhury et al.， 2023; Raisch & Krakowski， 2021）。AI技术的广泛应用不但对员工产生重大影响， 还将取代近69%的管理工作量， 彻底改变管理角色， 这也警醒管理者应该重新定义自己（Varma et al.， 2023）。然而， 现实中， 部分管理者对AI持消极态度和抗拒心理， 在AI方案的实施中缺乏支持（Alshahrani et al.， 2022）， 给组织使用AI技术带来一定阻碍（Pereira et al.， 2023）。管理者AI感知在AI运用过程中起到不可估量的作用。根据社会信息加工理论， 个体通过对环境中各种信息的解读时影响其态度和行为（Salancik & Pfeffer， 1978）。研究表明， 个体对AI的态度会受到组织环境的影响（李燕萍， 陶娜娜， 2022）， 如组织创新氛围。组织创新氛围浓厚能让管理者感受到组织对新技术的支持态度， 组织愿意提供资源、承担AI这种新技术运用的风险， 会鼓励和帮助管理者积极拥抱AI， 提升对AI的认识， 激励管理者在智能时代实现自我价值（崔淼 等， 2019）， 继而提升管理者AI感知。管理者与员工接触比较密切， 依据社会信息加工理论， 当管理者对AI运用持有积极认知， 员工期望与管理者保持一致（李燕萍， 陶娜娜， 2022）， 会效仿管理者的态度和行为， 也会表现出较强AI感知， 故管理者AI感知在很大程度上影响着员工AI感知。管理者AI感知对员工AI感知的影响作用大小可能会受到领导?成员交换关系的影响。未来可以试着基于社会信息加工理论， 探究组织、管理者对员工AI感知的跨层次影响机制。

6.2丰富AI感知的作用机制研究

尽管先前有研究从心理状态出发探究AI感知的影响， 然而， 员工心理和行为是一个不断变化的过程， 随着时代发展和环境变化， 员工价值观、情感和动机也会相应发生改变， 其AI感知可能也会转变， 进而影响其后续行为（Xu et al.， 2023）。未来可进一步尝试从情绪、认知和动机角度出发， 探讨AI感知对员工的影响， 如根据基于社会认知的刻板印象内容模型来开展研究。根据刻板印象内容模型， 温暖反映了与感知意图相关的特征（如友好、真诚、值得信任）， 而能力反映了与感知能力相关的特征（如智力、创造力、效能） （Fiske et al.， 2007）。AI可以产生与人类非常相似的社会反应（Belanche et al.， 2021）， 员工在与AI的互动中也经常表现出类似于他们与其他人的相处模式（Yanit et al.， 2023）， 比如与机器人点头示意和眼神交流（Belanche et al.， 2021）， 从AI那里获得温暖（Choi et al， 2021）。根据刻板印象内容模型， 温暖感知是否激发员工的主动性行为（Fiske et al.， 2007）。与此同时， AI完成任务的高效率和成功率， 很容易让员工感知其是具有高能力的， 是否也能引发员工主动性工作行为。温暖和能力为理解AI感知对员工的影响提供了一个理想框架（Harris-Watson et al.， 2023）。此外， AI认同程度比较高的员工， 能意识到AI在工业化4.0时代的作用和价值， 更能感受到AI的温暖和能力; 而AI认同程度比较低的员工往往对AI持负面态度， 认为AI是一种威胁（Cao et al.， 2023; Mirbabaie et al.， 2022）， 自然很难感知到AI的温暖和能力。正如Malik等（2022）所呼吁的， AI感知的影响效应需进一步研究， 以丰富对AI感知的认识。

6.3挖掘AI感知的溢出效应

第一， 揭开员工AI感知对同事的溢出效应。人工智能变得越来越像一个同伴和队友， 正以一种“同事”身份与员工互动（Chowdhury et al.， 2023）， 而AI与真人不同， 员工在与AI互动时无法获得预期反馈， 无法看到同事的表情或者笑容， 引发了其对同事的归属需求（Tang， Koopman， Mai et al.， 2023）， 可能会引发员工的助人行为; 与此同时， 员工频繁接触AI， 借助AI完成工作任务， 逐渐对工作缺乏关心和依恋， 失去工作成就感， 让员工感知到与工作分隔， 引起疏离感， 继而减少与同事的互动和交流， 导致职场排斥（王海波 等， 2019）。此外， 两条路径作用的强弱可能受到任务相互依赖性的影响。当员工与同事的任务相互依赖程度高时， 归属需求越高， 疏离感越弱; 反之， 当任务依赖程度低时， 归属需求越低， 疏离感越强。未来可从社会认同理论出发探究员工AI感知对同事的双刃剑效应。

第二， 探察AI感知对员工家庭的溢出效应。AI技术对提高员工效率的需求不断增加， 导致员工士气低落， 可能会影响员工在非工作环境中的行为（Tang， Koopman， Mai et al.， 2023）， 如破坏工作家庭平衡（Basu et al.， 2023）。研究表明， 员工在工作中与AI频繁互动后， 会产生一种社会剥夺感， 让员工感到与社交脱节， 增加焦虑感， 导致员工下班后喝酒和失眠（Tang， Koopman， Mai et al.， 2023）， 引发工作家庭冲突， 工作家庭区隔偏好能否缓冲这种影响。未来可进一步基于资源保存理论， 探究AI感知对员工家庭的溢出效应， 以理解工作和家庭中AI感知的后果。

6.4加强AI与员工的交互影响研究

人类和AI已经紧密地交织在一起， 人类与AI相互学习与合作， 优势互补， 实现协同和增强（张志学 等， 2024; Raisch & Krakowski， 2021）。然而， 当前学者们更多探索AI对员工的影响， 而在人机互动如此频繁情景下， 员工AI感知对AI将产生何种影响却少有涉及。尽管单独分析AI如何影响员工是直接、简单、有用的， 但在人机迭代相互影响的最终进程中， 亟需建立一个混合模型， 研究AI感知对员工的具体影响， 继而探究后续员工对AI的态度和行为， 最大化AI运用带来的积极面， 降低AI运用的消极面（Raisch & Krakowski， 2021）。根据社会信息加工理论， 个体会对自己所处的社会环境提供的信息进行解读， 并影响其随后态度和行为（Salancik & Pfeffer， 1978）。AI技术的出现正在催化人类工作动态的巨大转变， 员工与AI之间的关系变得纷繁冗杂（Tang， Koopman， Mai et al.， 2023）。AI高效快速地完成任务， 能够节约员工时间和资源（Parvez et al.， 2022）， 帮助员工从工作疲劳中解脱出来并恢复活力（Kong et al.， 2024）; 同时， AI还能帮助有学习需求的员工利用AI新技术获得成长和发展， 是否能提促使员工与AI合作， 产生AI支持行为。另一面， AI也给员工工作带来了诸多挑战， 员工会产生被AI取代的威胁感（Brougham & Haar， 2018; Yam et al.， 2023）， 进而对AI实施破坏行为， 有待未来研究验证。

6.5深化AI感知的跨学科研究

组织中运用AI到底是福是祸， 目前还没有定论。Raisch和Krakowski （2021）指出AI有自动化和增强两种应用， 自动化意味着AI接管人类的工作， 而增强意味着人类与AI合作共同完成任务。如果组织片面选择AI自动化应用， 将任务完全交给机器， 尽管能够提高效率节约成本， 但是可能会导致大量员工失业， 加剧社会不平等; 另一面， 如果组织过度强调AI增强的应用， 可能会导致另一个“数字鸿沟”， 增加个体之间的紧张社会关系; 过于专注于自动化或增强都可能损害组织的长期绩效， 故应该平衡AI自动化和增强的关系， 帮助员工实现选择性去技能化， 卸下能力不如机器的任务， 腾出更多时间去提升自我， 在核心能力上领先于机器， 实现良性循环， 减少AI运用对员工的负面影响（Raisch & Krakowski， 2021）。然而， 当前计算机科学家、机器人专家和工程师等研究AI的主要目标是尽可能地实现自动化; 而管理学者特别关注AI增强应用的研究， 帮助组织尽量减少AI运用给员工带来的消极效应。未来应加强跨学科合作， 整合相关观点、理论和方法， 继续探索员工感知AI应用主题为实践提供指导方向， 共同为AI在组织中的应用进行更深入的研究。

参考文献

陈文晶， 康彩璐， 杨玥， 万岩. （2022）. 人工智能潜在替代风险与员工职业能力发展： 基于员工不安全感视角. 中国人力资源开发， 39（1）， 84?97.

崔淼， 肖咪咪， 王淑娟. （2019）. 组织创新氛围研究的元分析. 南开管理评论， 22（1）， 98?110.

郝夏靓， 陈毅文. （2023）. 不合规任务与知识隐藏的关系研究——基于双过程模型和量子型领导视角. 技术经济与管理研究， 10， 75?80.

李燕萍， 陶娜娜. （2022）. 员工人工智能技术采纳多层动态影响模型：一个文献综述. 中国人力资源开发， 39（1）， 35?56.

裴嘉良， 刘善仕， 钟楚燕， 谌一璠. （2021）. AI算法决策能提高员工的程序公平感知吗？ 外国经济与管理， 43（11）， 41?55.

彭剑锋. （2023）. 新一代人工智能对组织与人力资源管理的影响与挑战. 中国人力资源开发， 40（7）， 8?14.

涂艳， 蒿坡， 龙立荣. （2023）. 工作替代还是工作转型？技术型工作不安全感的内涵、影响后果及来源. 心理科学进展， 31（8）， 1359?1373.

王海波， 严鸣， 吴海波， 黎金荣， 王晓晖. （2019）. 恶意报复还是认同驱动？新员工的角色社会化程度对其职场排斥行为的作用机制. 心理学报， 51（1）， 128?140.

徐广路， 王皓天. （2022）. 技术冲击意识对员工变革支持意愿的影响研究——以人工智能发展为背景. 华东经济管理， 36（6）， 119?128.

徐广路， 王皓天. （2023）. 人工智能冲击意识对员工职业满意度的影响：工作压力和目标导向的作用. 中国人力资源开发， 40（7）， 15?33.

张志学， 华中生， 谢小云. （2024）. 数智时代人机协同的研究现状与未来方向. 管理工程学报， 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