人工智能焦慮對員工偏差行為的影響
——一個有調(diào)節(jié)的中介模型

徐廣路

（南京信息工程大學 商學院，江蘇 南京 210044）

一、引言

在經(jīng)濟轉型升級的時代需求下，人工智能技術正在加速與實體經(jīng)濟融合，掀起了新一輪科技創(chuàng)新浪潮，成為新時代中國經(jīng)濟數(shù)字化轉型的關鍵驅動力量［1］。人工智能快速發(fā)展給經(jīng)濟和社會帶來了巨大影響。在宏觀層面，人工智能應用通過人力資本提升效應、服務業(yè)需求效應和崗位創(chuàng)造效應促進城市產(chǎn)業(yè)結構升級［2］；在微觀層面，人工智能應用能夠提高收入水平、減少工作時間，并且促進職業(yè)發(fā)展和工作滿意度提升［3］。但不可忽視的是，人工智能技術應用致使企業(yè)降低了對勞動力的需求［4］，導致大量工作崗位將被人工智能所替代。有研究預測，未來20 年，受人工智能影響，我國76.76%的崗位將受到?jīng)_擊［5］。人工智能對就業(yè)的“替代效應”引發(fā)大量企業(yè)員工對失業(yè)的恐慌，表現(xiàn)出人工智能焦慮，這一情緒極大地影響了人們的學習、工作和生活［6］。

Johnson 和Verdicchio［7］認為，人工智能焦慮是指個體對人工智能失去控制而產(chǎn)生的不安和恐懼。針對人工智能焦慮這一問題，目前研究主要包括三個方面：第一，人工智能焦慮的維度。比如，人工智能焦慮主要包括工作替代焦慮、學習焦慮、隱私侵犯焦慮等［6］。第二，人工智能焦慮的成因。比如，成因主要包括人工智能技術對就業(yè)的顛覆性、工作價值倫理受到挑戰(zhàn)、人類需求難以滿足［1］。第三，人工智能焦慮的后果。比如，人工智能焦慮促進動機學習行為［8］。通過梳理可以看出，雖然已有研究對人工智能焦慮的內(nèi)涵和維度有了比較全面的研究，但對人工智能焦慮的前因和后果研究較少。焦慮有促進作用和阻礙作用，促進作用會提升任務表現(xiàn)，而阻礙作用會降低任務表現(xiàn)［9］。Wang 和Wang［8］認為，人工智能焦慮可能促進人們發(fā)展自己的技能，繼而提升動機學習行為。然而，人工智能焦慮的阻礙作用如何影響員工的負面行為，較少有研究涉及。

在人類發(fā)展史上，技術發(fā)展導致工人對工作場所的破壞行為層出不窮。例如，隨著工業(yè)革命完成，歐洲各地開始進入大規(guī)模工業(yè)化時代。冰冷的機器占據(jù)很多原本屬于工人的崗位，為了奪回屬于自己的工作，工人們爭相摧毀機器［5］。人工智能技術相較于以往數(shù)次技術進步對勞動者就業(yè)影響更大，這也預示著，人工智能焦慮的阻礙作用對員工負面行為的影響可能會更大。工作場所偏差行為是一種重要的工作場所負面行為，主要是指員工自主實施的違反組織規(guī)范，并威脅組織或其成員福利的行為［10］。工作場所偏差行為對組織產(chǎn)生了巨大的破壞作用，一方面，使得組織每年因偏差行為遭受巨大的經(jīng)濟損失；另一方面，當員工遭遇同事實施的偏差行為后，會導致忠誠度下降、損害自尊、離職等問題［11］。因此，有必要探討人工智能焦慮是否會影響員工偏差行為以及背后的機制，以便組織制定政策，干預人工智能變革過程中員工因焦慮所實施的偏差行為。

自我控制資源模型認為，個體在執(zhí)行自我控制時，需要消耗有限的自我控制資源，導致自我控制資源減少［12］。當個體缺乏自我控制資源導致自我損耗時，便無法控制自己的行為，進而出現(xiàn)一些反社會行為，比如工作場所偏差行為［13-14］。在工作場所中，焦慮作為一種消極情緒會消耗個體自我控制資源［15-16］，導致出現(xiàn)自我損耗［17］。因此，人工智能焦慮可能會通過自我損耗的中介作用影響員工實施偏差行為。同時，自我控制資源模型認為，監(jiān)督作為個人通過將自我（或自我的相關方面）與標準進行比較來測試和調(diào)整行為的機制，可以有效替代自我控制資源對個體行為的控制過程［18］。公我意識強調(diào)個體會根據(jù)社會標準來調(diào)節(jié)自己的行為，使其更符合社會規(guī)范的要求［19］。工作場所中的偏差行為往往被許多人視為不符合社會規(guī)范的行為［20］，因此，公我意識可以發(fā)揮監(jiān)督功能，并有效替代自我控制資源的功能。即使個體出現(xiàn)自我損耗，公我意識較強的個體也不會輕易出現(xiàn)偏差行為。換言之，公我意識在自我損耗對偏差行為的影響過程中，可能發(fā)揮調(diào)節(jié)作用。綜合上述分析，本文基于自我控制資源模型，構建一個有調(diào)節(jié)的中介模型，探討人工智能焦慮對員工偏差行為的影響機制，著重分析自我損耗在人工智能焦慮與員工偏差行為之間的中介作用、公我意識在自我損耗與員工偏差行為之間的調(diào)節(jié)作用以及公我意識在人工智能焦慮通過自我損耗對員工偏差行為間接影響過程中所發(fā)揮的調(diào)節(jié)作用。本研究的理論貢獻在于：第一，擴展了對人工智能焦慮影響后果的研究、對工作場所偏差行為情緒觸發(fā)因素的理解，豐富了人們對組織實施人工智能變革過程中員工心理和行為規(guī)律的認識；第二，從自我損耗角度探討人工智能焦慮對個體偏差行為的影響，擴展了員工自我損耗情境因素，增加了自我控制資源模型應用范圍；第三，研究發(fā)現(xiàn)公我意識會弱化人工智能焦慮對員工偏差行為的影響，明確了人工智能焦慮引發(fā)員工偏差行為的邊界條件。

二、研究假設

（一）人工智能焦慮與員工偏差行為

自我控制資源模型認為，個體在執(zhí)行自我控制時需要消耗有限的自我控制資源，同時，個體每執(zhí)行一次控制任務，其自我控制資源將會減少［12］。當個體的自我控制資源減少時，會降低對未來行動的自我控制能力，從而導致自我控制失?。?1］。焦慮被定義為一種在潛在威脅情景下產(chǎn)生的厭惡情緒體驗［22］，包含特質焦慮和狀態(tài)焦慮［8］。人工智能焦慮是對人工智能失去控制的恐懼和擔憂，是一種狀態(tài)焦慮［8］。工作場所的人工智能焦慮主要包括工作替代焦慮和學習焦慮，工作替代焦慮指員工擔心被人工智能替代而引發(fā)的有關人工智能取代自己職業(yè)的焦慮；學習焦慮指通過觀察或者親身經(jīng)歷而認識到學習人工智能技術困難產(chǎn)生的焦慮［6］?，F(xiàn)有研究表明，在工作場所中，焦慮作為一種消極情緒會消耗個體自我控制資源，導致個體自我控制資源減少［15-16］。而偏差行為是一種意志行動，實施偏差行為的動機主要來自報復的想法、獲取個人利益或者想表達具體情緒［11］。自我控制資源減少會降低個體對這些動機引發(fā)的行為的控制能力，使得這些本應被抑制的行動將會更可能發(fā)生［11］。具體來說，自我控制資源減少，會使得個體不太能抑制人際的攻擊性或潛在的破壞性沖動［23］，提升實施報復行為的動機；自我控制資源減少也會使得個體無法克服短期利益的誘惑，從而實施不道德行為［24］。同時，由于表達情緒比壓制情緒消耗個體的自我控制資源更少，當個體的自我控制資源不足時，實施取笑同事這種表達情緒的行為的可能性更高［16］，也會提升表達具體情緒的動機。上述研究均表明，自我控制資源減少會提升個體實施偏差行為的可能性。因此，人工智能焦慮程度提升會促進員工實施偏差行為。已有研究也證實，焦慮情緒會導致偏差行為［25］，人工智能焦慮作為一種對具體情形的焦慮自然也不例外?；谝陨涎芯?，本文提出假設1。

H1：人工智能焦慮正向影響員工偏差行為。

（二）自我損耗的中介作用

自我損耗指由先前的意志行動引起的個體繼續(xù)從事意志行動（包括控制環(huán)境、控制自我、做出選擇和發(fā)起行動）的能力或意愿暫時降低［14］。在自我控制資源模型看來，自我損耗的核心要義在于個體實施一系列意志行動，均需要耗費個體有限的自我控制資源［14］，最終會導致出現(xiàn)自我控制資源的損耗狀態(tài)，即自我損耗［17］。人工智能焦慮會導致個體自我損耗，主要原因在于以下三點：第一，焦慮的個體會產(chǎn)生一種對威脅刺激的注意力偏見，從而使得注意力無法從這些威脅刺激脫離［26］，進而，焦慮個體的注意力自動地被威脅刺激所占用，從而影響任務績效［27-28］。那么，在這種情況下，為了抑制與任務無關的自動化反應，個體需要投入額外的自我控制努力［27］。有研究表明，當個體經(jīng)歷負性情緒時，往往伴隨著自動化的規(guī)制過程，以消除這種不良情緒，進而會消耗個體有限的自我控制資源［15］。因此，焦慮損害自我控制資源，進而導致自我損耗［29］。第二，焦慮會導致個體產(chǎn)生擺脫威脅刺激的行動傾向，而這種逃離行為并不能真正解決問題，因此個體又不得不進行自我控制來克服因焦慮引發(fā)的逃離傾向［29］。焦慮引發(fā)個體付出額外的自我控制努力，會消耗個體的自我控制資源，進而出現(xiàn)自我損耗［29］。第三，人工智能焦慮會使得個體在組織內(nèi)與智能機器的競爭中處于不利地位，繼而產(chǎn)生一種不被雇主重視的感受［30］，從而降低對組織的歸屬感。已有研究表明，高歸屬感會提升個體自我控制能力［31］，而低歸屬感會降低個體自我控制能力，進而導致自我控制資源損耗?；谏鲜鋈N影響機制，本文提出研究假設2。

H2：人工智能焦慮正向影響自我損耗。

自我控制資源模型認為，面對特定的刺激，個體均會有沖動反應，而促使自己朝著目標前進的能力來自個體擁有控制沖動和欲望的一般性資源［32］。當個體沒有足夠的自我控制資源來履行自己的角色要求，控制資源自我損耗會提升個體參與偏差行為的可能性［13］。已有研究也表明，控制資源自我損耗正向影響個體實施偏差行為［16］。因此，本文提出研究假設3。

H3：自我損耗正向影響偏差行為。

結合H2、H3，人工智能焦慮正向影響員工自我損耗，自我損耗正向影響員工偏差行為。由此可以推測，人工智能焦慮通過自我損耗的中介作用對員工的偏差行為有正向影響。因此，本文提出研究假設4。

H4：自我損耗在人工智能焦慮與員工偏差行為的關系中發(fā)揮中介作用。

（三）公我意識的調(diào)節(jié)作用

自我控制資源模型認為，拒絕實施偏差行為需要個體注入自我控制資源，如果缺少相應的資源，個體實施偏差行為的可能性便會提高［11，13］。同時，自我控制過程除了需要自我控制資源之外，還需要監(jiān)督。這種監(jiān)督過程表現(xiàn)為個人通過將自我（或自我的相關方面）與標準進行比較來測試和調(diào)整自己的行為。并且在一定程度上，自我控制資源與監(jiān)督可以相互替代，即使自我控制資源不足，監(jiān)督也可以有效替代自我控制資源對個體行為的控制過程［18］。

自我意識是指個人將注意力引導到自己內(nèi)部或外部的傾向或意愿［33］，自我意識包括私我意識和公我意識。私我意識指個體傾向于將注意力集中在自己的內(nèi)在方面，如思想、內(nèi)在感覺和身體感覺；公我意識指個體傾向于將注意力集中在作為社會客體的自我。自我意識通過干預比較過程來對個體行為產(chǎn)生影響。比如，當個體的公我意識占據(jù)主導地位時，個體行為標準將會由公我意識決定，此時，個體就會將標準集中在作為社會客體的自我，很在意別人對他們的看法以及他們在別人心目中的形象，進而會根據(jù)這些標準來調(diào)節(jié)自己的行為，并使得自己行為更符合社會規(guī)范要求［19］。工作場所中的偏差行為往往被許多人視為不恰當?shù)幕虺稣５目山邮軕T例［20］。公我意識可以促使個體將自己的行為與社會規(guī)范進行比較，確保個體按照社會規(guī)范要求調(diào)整自己的行為，從而限制個體實施偏差行為。由自我控制資源模型可以看出，公我意識實際上在個體偏差行為控制過程中發(fā)揮著監(jiān)督功能，可以替代自我控制資源作用。對于高公我意識的個體，即使面臨控制資源自我損耗的情況，他們也會時刻根據(jù)社會規(guī)范控制自己的行為，以期符合組織期許。也就是說，員工公我意識程度越高，個體自我損耗對其偏差行為的影響越小?；诖耍疚奶岢鲅芯考僭O5。

H5：公我意識負向調(diào)節(jié)自我損耗對員工偏差行為的影響。

結合H4、H5 可以推測，高人工智能焦慮的員工會導致更多控制資源自我損耗，進而實施組織偏差行為的可能性更大。而對于公我意識強的個體，他們實施偏差行為時更關注社會規(guī)范對自己的要求，即使因為人工智能焦慮導致個體自我損耗，也會盡量調(diào)配資源使其符合社會規(guī)范。因此，對于公我意識強的員工，人工智能焦慮通過自我損耗對員工偏差行為的間接影響更低?；诖耍疚奶岢鲅芯考僭O6。

H6：公我意識負向調(diào)節(jié)人工智能焦慮通過自我損耗對員工偏差行為的間接影響。

綜上，本文理論模型如圖1所示。

圖1 理論模型

三、實證分析

（一）研究樣本

本文選用專業(yè)化調(diào)研平臺見數(shù)（Credamo）進行網(wǎng)絡調(diào)研，調(diào)研群體限制為企業(yè)員工。Credamo 是一家付費調(diào)研公司，擁有包含3 000 家企業(yè)和超過200 萬員工的樣本庫。平臺可以設置一系列質量控制措施來促使樣本認真作答，確保調(diào)研的真實性。本次調(diào)研地區(qū)覆蓋全國28 個省份，合計發(fā)放447 份問卷，收回有效問卷共274份。從樣本分布來看，男性占46%，女性占54%；年齡分布在20～58 歲之間，其中，25～40 歲員工分布較為集中，占比達89%；本科學歷占80.7%，本科以下占8%，本科以上占11.3%；農(nóng)村戶籍占23.4%，城鎮(zhèn)戶籍占76.6%。樣本廣泛分布于財務/審計、管理、技術/研發(fā)、人力資源、市場/公關、后勤等崗位。

（二）測量工具

本研究量表主要來自國內(nèi)外權威期刊論文中使用的成熟量表，所有量表均采用李克特7 點計分，其中1表示非常不同意，7表示非常同意。

（1）人工智能焦慮。本研究使用量表來自Li和Huang［6］的研究，根據(jù)研究背景，選擇與工作場所人工智能焦慮相關的兩個維度。其中，工作替代焦慮包含3 個條目，學習焦慮包含3 個條目。工作替代焦慮典型題項如“我擔心人工智能將來會取代我的工作”；學習焦慮典型題項如“人工智能技術更新過快，學習難度大”。該量表的Cronbach'sα系數(shù)為0.905。

（2）自我損耗。本研究使用Lin 和Johnson 所采用的5 條目自我損耗量表［34］，代表性題項如“我感覺筋疲力盡”和“我要付出大量努力才能集中于某些事情”。該量表的Cronbach'sα系數(shù)為0.856。

（3）偏差行為。本研究使用量表來自Bennett和Robinson［10］的研究，并進行了精簡。該量表共有8 個條目，典型題項如“我常花時間做白日夢而不是好好工作”和“我常不經(jīng)組織同意而遲到”。該量表的Cronbach'sα系數(shù)為0.863。

（4）公我意識。本研究使用Mal?r 等所編制的量表［35］，該量表共有4個題項，典型題項如“我很在意如何向別人呈現(xiàn)自己”和“我通常擔心是否給人留下好印象”。該量表的Cronbach'sα系數(shù)為0.795。

（5）控制變量。已有研究表明，年齡、性別和教育程度會影響員工偏差行為［36］，戶籍會影響員工人工智能焦慮情況［37］。為了排除這些變量干擾本文核心變量之間的關系，本文將年齡、性別、教育程度和戶籍設置為控制變量。

四、數(shù)據(jù)分析與結果

（一）區(qū)分效度與共同方法偏差檢驗

為了確保人工智能焦慮、自我損耗、公我意識和偏差行為4 個核心變量之間具有良好的區(qū)分效度，本研究使用驗證性因子分析方法，對這些變量進行區(qū)分效度檢驗。首先，研究依據(jù)隨機打包的方法，將人工智能焦慮打包成3個包。由于研究的主要目標是確保核心構念間的區(qū)別，而不是構念中題項之間的相互關系，因此，對題項進行打包是合理的處理方式［38］。然后，構建6個模型驗證變量之間的區(qū)別效度。這6 個模型分別是：M1 包含人工智能焦慮、自我損耗、公我意識和偏差行為4個因子；M2 包含人工智能焦慮與自我損耗的合并因子、公我意識和偏差行為；M3 包含人工智能焦慮與偏差行為的合并因子、自我損耗和公我意識；M4包含自我損耗與偏差行為的合并因子、人工智能焦慮和公我意識；M5包含人工智能焦慮、自我損耗與偏差行為的合并因子和公我意識；M6 包含所有變量的合并因子。根據(jù)表1所列，四因子模型（M1）的擬合效果最好（χ2=400.288，df=164，CFI=0.916，TLI=0.902，RMSEA=0.073，SRMR=0.059），其擬合優(yōu)度顯著優(yōu)于其他模型，且通過了顯著性水平為0.01的卡方檢驗。這表明本研究的四個關鍵變量具有良好的區(qū)分效度。

表1 驗證性因子分析

由于所有變量均來自員工評價，本文參考苗正淼等［39］的研究，使用Harman 單因素檢驗法檢驗共同方法偏差問題。結果顯示，未旋轉因子特征值大于1共提取出4個因子，其中，最大因子載荷量為32.369%，低于40%的臨界值。因此，本研究不存在嚴重的共同方法偏差問題，可以進行下一步研究。

（二）描述性統(tǒng)計與相關分析結果

各變量的均值、標準差、相關系數(shù)見表2所列。由表2可以看出，人工智能焦慮與偏差行為正相關（r=0.263，p＜0.01），人工智能焦慮與自我損耗正相關（r=0.456，p＜0.01），自我損耗與偏差行為正相關（r=0.684，p＜0.01），公我意識與偏差行為負相關（r=-0.201，p＜0.01）。相關分析結果與理論預期基本一致，初步驗證了研究假設。

表2 描述性統(tǒng)計與相關系數(shù)

（三）假設檢驗分析

（1）檢驗主效應。由表3 可知，當性別、年齡、教育程度和戶籍得到控制后，可以發(fā)現(xiàn)人工智能焦慮對偏差行為具有顯著正向影響（M1，β=0.259，p＜0.01）。由此，H1得到驗證。

表3 實證分析結果

（2）檢驗中介效應。本文采用因果步驟法進行檢驗，該方法操作簡單，且檢驗結果一目了然，易于理解［40］。首先，檢驗自變量（人工智能焦慮）對因變量（偏差行為）的影響，H1 已經(jīng)得到驗證；其次，檢驗自變量（人工智能焦慮）對中介變量（自我損耗）的影響，結果顯示，人工智能焦慮顯著正向影響自我損耗（M2，β=0.448，p＜0.01），H2 得到驗證；最后，控制自變量（人工智能焦慮）檢驗中介變量（自我損耗）對因變量（偏差行為）的影響，結果顯示，自我損耗顯著正向影響員工偏差行為（M3，β=0.705，p＜0.01），H3 得到驗證。與此同時，人工智能焦慮對員工偏差行為的影響不再顯著（M3，β=-0.057，p＞0.05）。上述結果符合中介效應顯著存在的檢驗標準，說明自我損耗在人工智能焦慮與員工偏差行為之間發(fā)揮中介作用，且是完全中介作用，H4得到驗證。但是，有學者也提出因果步驟法存在很多缺陷，比如，統(tǒng)計功效較低，容易低估第I類的錯誤率，且無法提供中介效應的置信區(qū)間［40］。為了確保結果的穩(wěn)健性，參考汪偉等［41］的研究，使用PROCESS V3.4 插件中的model 4 對自我損耗的中介效應進行基于Bootstrap分析的檢驗，重復抽樣次數(shù)設置為5 000。結果表明，人工智能焦慮通過自我損耗對偏差行為影響的總效應為0.136，95%CI=［0.076，0.197］；直接效應為-0.030，95%CI=［-0.082，0.022］；間接效應為0.166，95%CI=［0.076，0.280］。間接效應置信區(qū)間不包括0，直接效應置信區(qū)間包括0。這一結果說明，自我損耗在人工智能焦慮與員工偏差行為之間發(fā)揮中介作用，且是完全中介作用，H4再次得到驗證。

（3）檢驗公我意識的調(diào)節(jié)效應。按照調(diào)節(jié)效應的常規(guī)檢驗方法，將自我損耗、公我意識和偏差行為進行標準化，再將自我損耗和公我意識加入回歸方程。結果顯示，自我損耗顯著正向影響員工偏差行為（M4，β=0.666，p＜0.01），公我意識顯著負向影響員工偏差行為（M4，β=-0.138，p＜0.01）。在M4的基礎上加上自我損耗與公我意識的交互項，對偏差行為回歸，結果顯示，自我損耗與公我意識的交互項顯著負向影響偏差行為（M5，β=-0.322，p＜0.01），說明公我意識調(diào)節(jié)自我損耗與偏差行為兩者之間的關系，H5 得到驗證。為了更進一步明確調(diào)節(jié)效應的作用方向和大小問題，參考汪林等［42］的研究，以均值加減一個標準差為基準劃分公我意識的高低水平，分別就自我損耗對偏差行為進行回歸分析。結果表明，對于較低公我意識的員工來說，自我損耗正向影響員工偏差行為，且影響程度較高（β=0.777，95%CI=［0.693，0.861］）；對于較高公我意識的員工來說，自我損耗正向影響員工偏差行為，且影響程度較低（β=0.358，95%CI=［0.247，0.470］）。這一結果說明，公我意識程度越高，自我損耗對員工偏差行為的影響越小，公我意識負向調(diào)節(jié)自我損耗對員工偏差行為的影響，H5 再次得到驗證。公我意識的調(diào)節(jié)作用如圖2所示。

圖2 公我意識的調(diào)節(jié)作用

（4）檢驗有調(diào)節(jié)的中介效應。參考汪偉等［41］的研究，使用PROCESS V3.4 插件中的model 15 對有調(diào)節(jié)的中介效應進行基于Bootstrap分析的檢驗，重復抽樣次數(shù)設置為5 000，檢驗結果見表4 所列。具體來說，對于低公我意識（M-1SD），人工智能焦慮通過自我損耗對偏差行為的間接影響顯著存在，且影響程度較高（β=0.217，95%CI=［0.112，0.329］）；對于高公我意識（M+1SD），人工智能焦慮通過自我損耗對偏差行為的間接影響顯著存在，且影響程度較低（β=0.076，95%CI=［0.025，0.154］）；公我意識高低取值不同時，人工智能焦慮通過自我損耗對偏差行為的間接效應的差值為-0.141，95% CI=［-0.226，-0.040］，置信區(qū)間均不包含0，有調(diào)節(jié)的中介效應顯著存在。檢驗結果表明，公我意識越高，人工智能焦慮通過自我損耗對偏差行為的間接效應越小，公我意識負向調(diào)節(jié)人工智能焦慮通過自我損耗對偏差行為的間接影響，H6得到驗證。

五、結論和討論

（一）研究結論

本文基于自我控制資源模型，通過對274份樣本進行實證分析，探討了人工智能焦慮對員工偏差行為的影響機制及邊界條件。主要結論如下：①人工智能焦慮正向影響員工偏差行為。該結論既證實了焦慮與偏差行為之間的關系［43］，也證實了技術的破壞性會給員工帶來消極情緒，進而引發(fā)員工對工作場所的破壞［5］。②自我損耗在人工智能焦慮與員工偏差行為的關系中發(fā)揮中介作用。已有研究也表明，焦慮損害自我控制資源，進而導致控制資源自我損耗［29］，而控制資源自我損耗會導致個體出現(xiàn)各種偏差行為［23，25］。本文研究證實了焦慮通過自我損耗對偏差行為的影響機制在人工智能背景下的適用性。③公我意識負向調(diào)節(jié)自我損耗對員工偏差行為的影響，公我意識負向調(diào)節(jié)自我損耗在人工智能焦慮與員工偏差行為之間的中介作用。已有研究表明，公我意識可以引導個體行為，使得個體行為更加符合社會規(guī)范［19，33］。本研究驗證了在人工智能應用背景下，公我意識對員工偏差行為影響的緩解作用。

（二）管理啟示

本研究發(fā)現(xiàn)，組織實施人工智能變革可能會誘發(fā)員工實施偏差行為，嚴重干擾組織正常運轉和組織變革順利推進。如何改善這一局面，有以下幾點管理啟示：

第一，降低員工人工智能焦慮。人工智能焦慮會提升員工實施偏差行為的可能性，因此，降低員工的人工智能焦慮是干預員工實施偏差行為的重要途徑。員工的人工智能焦慮主要來自人工智能替代焦慮和學習焦慮。有效降低員工這兩種焦慮可以從以下兩方面入手：一方面，加強對員工職業(yè)生涯規(guī)劃和職業(yè)生涯管理，為員工設計明確的職業(yè)生涯發(fā)展路徑，緩解人工智能對員工職業(yè)發(fā)展的負面影響，提高員工職業(yè)安全感，降低員工的人工智能替代焦慮；另一方面，在組織內(nèi)部建立互幫互助的學習文化，開展人工智能技術培訓活動，多手段降低員工學習人工智能技術的成本，提高員工學習人工智能技術的效果，進而降低員工對人工智能技術的學習焦慮。

第二，緩解員工自我損耗。人工智能焦慮導致員工實施偏差行為，主要是由這一過程中員工控制資源的自我損耗所致。因此，對于人工智能焦慮程度較高的個體，增強控制資源是干預偏差行為的重要措施。當員工經(jīng)歷自我損耗時，感知到的主管支持可以幫助補充控制資源，從而干預員工實施偏差行為［44］。因此，組織需要加強對員工的關心和支持，緩解員工因人工智能焦慮出現(xiàn)的自我損耗。

第三，提高員工公我意識。公我意識是人工智能焦慮通過自我損耗影響員工實施偏差行為的重要邊界條件。公我意識強的個體更愿意遵守社會規(guī)范，從而降低人工智能焦慮對員工實施偏差行為的影響。因此，應加強企業(yè)文化建設，營造團結互助、努力工作的組織文化氛圍，用組織規(guī)范約束員工行為，尤其是公我意識較強員工的行為；通過各種培訓互動提升員工的公我意識，強化員工遵守組織規(guī)范的意識；在員工招聘過程中注重員工選拔，著重錄用公我意識較強的求職者。

（三）理論意義

第一，先前很多研究探討了人工智能焦慮的含義［6］、維度［7-8］以及人工智能焦慮對員工學習動機、行為的影響［8］，較少有研究探討人工智能焦慮對員工負性行為的影響。本文探討了人工智能焦慮對員工偏差行為的影響，擴展了對人工智能焦慮影響后果的研究，豐富了對人工智能變革過程中員工心理和行為規(guī)律的認識。

第二，已有研究強調(diào)了工作場所中負面情緒與偏差行為之間的相關性［15］，比如，經(jīng)歷工作焦慮的員工更有可能做出偏差行為［43］。本研究分析人工智能背景下員工焦慮與偏差行為之間的關系后，得出人工智能焦慮是導致工作場所偏差行為重要因素的結論，這一結論擴展了對工作場所偏差行為情緒觸發(fā)因素的理解。

第三，在工作場所偏差行為的形成機制研究中，很多學者從自我損耗角度探討了睡眠剝奪［11］、網(wǎng)絡欺凌［44］等因素的影響，卻很少有學者從自我損耗角度探討人工智能焦慮對個體偏差行為的影響。本研究擴展了員工自我損耗的情境因素，增加了自我控制資源模型的應用范圍。

第四，本研究發(fā)現(xiàn)人工智能焦慮通過引發(fā)控制資源自我損耗導致員工實施偏差行為，但是，這一影響過程受個體公我意識影響。公我意識較強的人很在意別人對他們的看法，并根據(jù)別人的看法來調(diào)控自己的行為［19］。因此，即使自我損耗導致自我控制資源降低，為了使自己的行為符合公眾期待，也會調(diào)控自己的行為。這一研究結論明確了人工智能焦慮引發(fā)員工實施偏差行為的邊界條件。

（四）研究不足與展望

第一，本研究的核心變量均是在同一時點收集，這使得研究數(shù)據(jù)可能存在共同方法偏差問題。參考Cooper 等的方法［45］，未來可以考慮采用對自變量、中介變量和因變量分別在三個時點進行調(diào)研，并結合多主體評價方法收集數(shù)據(jù)，進而控制共同方法偏差。

第二，在樣本信息采集方面，采集樣本職業(yè)信息的同時，卻忽略了樣本所在行業(yè)的信息。未來在人工智能焦慮相關研究中，可以考慮采集樣本所處行業(yè)的信息?，F(xiàn)有研究在探討人工智能對員工心理和行為的影響時，往往也將研究對象鎖定在特定行業(yè)，比如服務業(yè)［46］。未來研究在探討人工智能焦慮的影響因素和后果時，也可以針對某些特殊行業(yè)進行。

第三，本文雖然探討了自我損耗在人工智能焦慮與偏差行為之間的中介作用，但人工智能焦慮與員工偏差行為之間可能存在更復雜的作用機制，參考社會交換理論［47］相關研究，未來可以考慮探討消極互惠等因素的中介作用。

第四，人工智能焦慮、自我損耗對偏差行為的影響除了受公我意識調(diào)節(jié)作用外，還可能存在其他因素的調(diào)節(jié)。根據(jù)資源保存理論，當個體處于資源損失的情景下，很多其他資源可以起到補充作用，從而緩解資源損失對個體的影響，比如，感知主管支持［44］等，未來可以對這些變量的調(diào)節(jié)作用作進一步探討。