人工智能技術(shù)應(yīng)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(xiàn)標(biāo)識碼：A開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：文章編號：1001-7348（2025）14-0021-13

0 引言

近年來，智能機(jī)器人、語音識別、無人駕駛等人工智能技術(shù)蓬勃發(fā)展，已成為驅(qū)動中國傳統(tǒng)經(jīng)濟(jì)轉(zhuǎn)型的關(guān)鍵力量。人工智能技術(shù)是指能夠執(zhí)行自主學(xué)習(xí)、交流互動和問題解決的擴(kuò)展人類智能的技術(shù)[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(shù)引入到工作中。隨著人工智能技術(shù)在工作場所中的應(yīng)用，一方面，員工認(rèn)識到人工智能技術(shù)可幫助他們完成冗雜工作和處理復(fù)雜數(shù)據(jù)，也體會到人工智能技術(shù)應(yīng)用所帶來的技術(shù)時尚感和積極情緒。如有學(xué)者指出，人工智能技術(shù)可提高員工工作旺盛感和組織公民行為，促進(jìn)員工工作重塑[2。另一方面，人工智能技術(shù)應(yīng)用也給員工提出新工作要求，技術(shù)復(fù)雜性會誘發(fā)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(jìn)而導(dǎo)致員工情緒耗竭。如人工智能技術(shù)會加劇員工職業(yè)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(shù)應(yīng)用視為一種技術(shù)壓力，其會導(dǎo)致員工焦慮和不安，進(jìn)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(shù)應(yīng)用對員工主動性創(chuàng)新行為的影響。相似地，Cheng等也證實人工智能技術(shù)應(yīng)用被視為一種挑戰(zhàn)性壓力源和阻礙性壓力源，進(jìn)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(shù)的快速發(fā)展及其在工作中的普及應(yīng)用，人工智能技術(shù)應(yīng)用作為一種壓力源會對員工工作態(tài)度和行為產(chǎn)生積極或消極影響[4]。此外，組織要在復(fù)雜、多變的經(jīng)濟(jì)環(huán)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(xù)創(chuàng)新和快速發(fā)展[。人工智能給員工帶來的技術(shù)壓力會對員工建言行為產(chǎn)生影響，從而影響組織變革和創(chuàng)新[8]。因此，探索人工智能技術(shù)應(yīng)用對員工建言和沉默的影響已成為學(xué)術(shù)界和企業(yè)管理者關(guān)注的焦點(diǎn)[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(rèn)知因素、領(lǐng)導(dǎo)因素和組織因素等[9-1]，忽視了人工智能技術(shù)應(yīng)用這一壓力源因素。同時，鮮有研究從壓力認(rèn)知激活理論視角關(guān)注人工智能技術(shù)應(yīng)用對員工建言和沉默影響的“雙刃劍”效應(yīng)。因此，本研究重點(diǎn)探索人工智能技術(shù)應(yīng)用對員工建言和沉默的影響；從實踐層面看，隨著大數(shù)據(jù)時代的到來和人工智能技術(shù)在工作中的普及，企業(yè)要不斷提高生存能力和維持創(chuàng)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(shù)應(yīng)用這一壓力源的積極或消極認(rèn)知評價又會對員工建言和沉默行為產(chǎn)生差異化影響[5]?？梢?，深入探索人工智能技術(shù)應(yīng)用對員工建言和沉默的積極影響對于維持組織創(chuàng)新源動力具有重要意義。

人工智能技術(shù)應(yīng)用作為一種壓力源通過何種機(jī)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(shù)這一壓力源產(chǎn)生更為積極的評價？為解決這些問題，本研究引入壓力認(rèn)知激活理論，從壓力認(rèn)知角度探索人工智能技術(shù)應(yīng)用對員工建言和沉默的影響。壓力認(rèn)知激活理論指出，員工會對壓力源所帶來的結(jié)果預(yù)期進(jìn)行積極或消極評價，這種認(rèn)知評價會延續(xù)到非工作時間，從而激活員工適應(yīng)性或非適應(yīng)性心理反應(yīng)，進(jìn)而影響員工行為[12]。市場多變的競爭環(huán)境使員工工作強(qiáng)度和壓力不斷加大，員工在下班后會常常持續(xù)思考與工作有關(guān)的問題[8。因此，根據(jù)壓力認(rèn)知激活理論，員工對人工智能技術(shù)應(yīng)用這一壓力源積極或消極的認(rèn)知評價會觸發(fā)員工在非工作時間以問題解決為導(dǎo)向的適應(yīng)性心理反應(yīng)（問題解決沉思）或以情緒為中心的非適應(yīng)性心理反應(yīng)（情感反芻）。

中國文化強(qiáng)調(diào)“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(nèi)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(biāo)進(jìn)行持續(xù)思考，這會激發(fā)員工工作動機(jī)[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(nèi)耗，進(jìn)而減少工作投入[14]。因此，人工智能技術(shù)應(yīng)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(jìn)一步地，工作自主性可能是人工智能技術(shù)應(yīng)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(jù)壓力認(rèn)知激活理論，員工擁有的資源會影響其對壓力源帶來結(jié)果預(yù)期的評價，從而影響員工心理反應(yīng)，進(jìn)而影響員工后續(xù)創(chuàng)新行為[12]。工作自主性作為一種重要的工作態(tài)度，可滿足個體對工作靈活性和自主性的需要，激發(fā)員工工作動機(jī)，減輕員工身心消耗[16]。當(dāng)人工智能技術(shù)應(yīng)用這一壓力源出現(xiàn)時，員工對其結(jié)果預(yù)期的認(rèn)知評價受工作自主性的影響。換言之，當(dāng)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(shù)應(yīng)用結(jié)果預(yù)期的評價會更加積極，從而驅(qū)動非工作時間的問題解決沉思及后續(xù)建言行為；反之，當(dāng)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(shù)應(yīng)用結(jié)果預(yù)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(xù)沉默行為[16]。因此，本研究認(rèn)為，人工智能技術(shù)應(yīng)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(rèn)知激活理論，構(gòu)建人工智能技術(shù)應(yīng)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(yīng)以及工作自主性的調(diào)節(jié)作用，通過采用情景實驗和三階段問卷調(diào)研法對整體模型進(jìn)行驗證，以期為組織更好地發(fā)揮人工智能技術(shù)應(yīng)用的積極效應(yīng)提供啟發(fā)。

理論分析與研究假設(shè)

1. 1 壓力認(rèn)知激活理論

Meursamp;Perrewe[12]綜合資源保存理論、壓力交互理論、持續(xù)性認(rèn)知理論等觀點(diǎn)提出壓力認(rèn)知激活理論，強(qiáng)調(diào)壓力源會持續(xù)引發(fā)生理和心理激活，使個體對壓力源積極或消極的認(rèn)知評價延續(xù)到非工作時間。壓力認(rèn)知激活理論將壓力源影響個體行為分為3個過程：首先，當(dāng)壓力源出現(xiàn)時，個體會對它的結(jié)果預(yù)期進(jìn)行認(rèn)知評價，預(yù)期壓力源會給自身帶來積極還是消極的結(jié)果。其次，認(rèn)知評價會激活個體心理反應(yīng)，如果評價是積極的，個體會采取以問題解決為導(dǎo)向的適應(yīng)性心理反應(yīng)；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(yīng)性心理反應(yīng)。最后，心理反應(yīng)會導(dǎo)致個體一系列積極或消極的行為結(jié)果[2]。此外，壓力認(rèn)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(xiàn)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(shù)應(yīng)用是指員工在工作中使用AI技術(shù)（一種包含自主學(xué)習(xí)、快速計算、精確決策的新興技術(shù)），如機(jī)器學(xué)習(xí)、語音識別、無人駕駛等[5]。人工智能技術(shù)按照類別主要劃分為機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、自然語言處理和計算機(jī)視覺等[1，15，18]，按照功能劃分為學(xué)習(xí)與推理、圖像和語音識別、自然語言處理、規(guī)劃與決策等[2，4，18]。人工智能技術(shù)可代替員工完成冗雜和重復(fù)工作，幫助員工作出決策和激發(fā)員工創(chuàng)新行為[4]。人工智能技術(shù)應(yīng)用能幫助員工處理大量數(shù)據(jù)，解決復(fù)雜問題并作出精準(zhǔn)決策，減少員工工作任務(wù)，提高員工工作效率，增加閑置資源[6。根據(jù)壓力認(rèn)知激活理論，這些積極結(jié)果會觸發(fā)員工的積極認(rèn)知評價[12]。相反，人工智能技術(shù)應(yīng)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(yè)焦慮，使員工面臨資源損耗[18]，這些消極結(jié)果會觸發(fā)員工的消極評價認(rèn)知[12]

1.2 問題解決沉思的中介作用

調(diào)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(xù)思考工作的狀態(tài)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(xù)地對工作事件或工作感受反復(fù)思考的狀態(tài)[18]。工作反芻會加深員工對工作的積極和消極認(rèn)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(biāo)、工作壓力和工作問題進(jìn)行持續(xù)思考，包括員工堅信通過思考會找到問題解決方案，最終產(chǎn)生積極評價，產(chǎn)生積極情緒[20-21] 。

根據(jù)壓力認(rèn)知激活理論，人工智能技術(shù)應(yīng)用作為壓力源會持續(xù)性激活員工生理、心理和行為反應(yīng)[12]人工智能技術(shù)應(yīng)用可為員工提供有價值的信息，減輕員工工作負(fù)荷，提高員工工作效率，使員工獲得積極的工作經(jīng)歷和體驗[22]。人工智能技術(shù)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(jìn)而幫助員工實現(xiàn)更高的績效和工作目標(biāo)[2]。員工會預(yù)期人工智能技術(shù)應(yīng)用給自身帶來積極結(jié)果，即給出積極的結(jié)果預(yù)期評價，這會激活員工心理反應(yīng)，使員工采取以問題解決為導(dǎo)向的應(yīng)對方式，即表現(xiàn)出問題解決沉思[12]。因此，本研究認(rèn)為人工智能應(yīng)用會觸發(fā)員工的問題解決沉思。

員工建言是指員工結(jié)合自己對工作的認(rèn)識與理解，提出與工作目標(biāo)和組織發(fā)展相關(guān)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(fā)展建議的行為[23]。問題解決沉思作為一種資源恢復(fù)方式，沉思過程會使員工發(fā)現(xiàn)工作的意義，促使員工對工作加以重視并持續(xù)努力[13]。如回顧人工智能技術(shù)應(yīng)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(fā)員工主動性創(chuàng)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(jìn)員工建言，抑制員工沉默[24]。據(jù)此，本文提出以下假設(shè)：

H_la ：人工智能技術(shù)應(yīng)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(shù)應(yīng)用通過增加問題解決沉思，負(fù)向影響員工沉默。

1.3 情感反芻的中介作用

人工智能技術(shù)應(yīng)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(yīng)這一變化[25]。人工智能技術(shù)應(yīng)用對崗位提出新工作要求，會提高員工失業(yè)風(fēng)險。崗位工作要求越高，員工就越容易產(chǎn)生消極情緒，從而引發(fā)員工的情緒耗竭和職業(yè)倦怠[。人工智能技術(shù)替代部分工作崗位，可獨(dú)立思考并作出精準(zhǔn)決策，使員工感受到技術(shù)進(jìn)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(jù)壓力認(rèn)知激活理論，員工會預(yù)期人工智能技術(shù)應(yīng)用給自身帶來的消極結(jié)果，即給出消極的結(jié)果預(yù)期評價，這會激活員工采取以情緒為中心的心理反應(yīng)[12]。這種消極結(jié)果預(yù)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(fā)情感反芻[26]。因此，人工智能技術(shù)應(yīng)用所帶來的負(fù)面情感體驗會引發(fā)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(fù)[13]。根據(jù)壓力認(rèn)知激活理論，情感反芻會導(dǎo)致員工一系列消極行為結(jié)果，導(dǎo)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(jìn)一步枯竭[19]。擁有情感反芻傾向的員工會在下班后持續(xù)沉浸在消極情感內(nèi)耗中，無法補(bǔ)充應(yīng)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(jìn)而增強(qiáng)員工沉默[20]。據(jù)此，本文提出以下假設(shè)：

H_2a ：人工智能技術(shù)應(yīng)用通過增加情感反芻，負(fù)向影響員工建言；

H_2b ：人工智能技術(shù)應(yīng)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(diào)節(jié)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(nèi)容和進(jìn)程進(jìn)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(jù)主導(dǎo)性的寶貴資源，是員工主動性行為的重要驅(qū)動因素，不僅可以觸發(fā)員工自主性動機(jī)，還能緩解壓力源所導(dǎo)致的心理資源損耗[17]。另外，它還能激發(fā)員工內(nèi)在工作動機(jī)，減輕工作壓力帶來的負(fù)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(shù)應(yīng)用結(jié)果預(yù)期評價的重要權(quán)變因素[12]

高工作自主性員工對工作擁有更多選擇權(quán)和控制權(quán)，擁有靈活的工作時間等條件性資源，可補(bǔ)充員工的資源消耗，激發(fā)員工主動性動機(jī)和積極工作態(tài)度[16]。此外，當(dāng)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(lǐng)導(dǎo)信任，對組織的歸屬感也會增強(qiáng)，從而會觸發(fā)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(nèi)容和進(jìn)程有較少自主選擇權(quán)，他們只能按照領(lǐng)導(dǎo)指示行事，在工作中獲得的資源也比較有限，無法補(bǔ)充他們消耗的生理和心理資源，容易產(chǎn)生消極情緒，進(jìn)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(yīng)人工智能技術(shù)應(yīng)用所帶來的技術(shù)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(rèn)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(chuàng)造性地解決工作中遇到的問題，即增強(qiáng)人工智能技術(shù)應(yīng)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(yīng)技術(shù)變革要求，他們只愿意維持現(xiàn)狀，不愿意花費(fèi)更多時間和精力思考，會削弱人工智能技術(shù)應(yīng)用對問題解決沉思的正向效應(yīng)[29]。據(jù)此，本文提出以下假設(shè)：

H₃ ：工作自主性調(diào)節(jié)人工智能技術(shù)應(yīng)用與問題解決沉思之間的關(guān)系，即工作自主性水平越高，人工智能技術(shù)應(yīng)用對問題解決沉思的正向影響越強(qiáng)。

進(jìn)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(jié)合，提出如下假設(shè)：

H_4a ：工作自主性調(diào)節(jié)人工智能技術(shù)應(yīng)用通過問題解決沉思影響員工建言的間接效應(yīng)，即工作自主性水平越高，該間接效應(yīng)越強(qiáng)；

H_4b ：工作自主性調(diào)節(jié)人工智能技術(shù)應(yīng)用通過問題解決沉思影響員工沉默的間接效應(yīng)，即工作自主性水平越高，該間接效應(yīng)越強(qiáng)。

高工作自主性員工擁有積極情緒，可自主調(diào)整工作內(nèi)容和方式，以自己期望的方式完成工作目標(biāo)，進(jìn)而減少人工智能技術(shù)應(yīng)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(shù)應(yīng)用帶來的消極評價和資源損耗，降低人工智能技術(shù)應(yīng)用對員工情緒的負(fù)面影響，減少情感反芻，弱化人工智能技術(shù)應(yīng)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(diào)整工作方式，會加重對壓力源的消極結(jié)果預(yù)期，難以抵消人工智能技術(shù)應(yīng)用所帶來的資源損耗，導(dǎo)致員工消極情緒和情緒耗竭，加劇員工情感反芻，從而強(qiáng)化人工智能技術(shù)應(yīng)用對工作反芻的正向效應(yīng)[18]。據(jù)此，本文提出以下假設(shè)：

H₅ ：工作自主性調(diào)節(jié)人工智能技術(shù)應(yīng)用與情感反芻之間的關(guān)系，即工作自主性水平越高，人工智能技術(shù)應(yīng)用對情感反芻的正向影響越弱。

進(jìn)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(jié)合，提出如下假設(shè)：

H_6a ：工作自主性調(diào)節(jié)人工智能技術(shù)應(yīng)用通過情感反芻影響員工建言的間接效應(yīng)，即工作自主性水平越高，該間接效應(yīng)越弱；

H_6b ：工作自主性調(diào)節(jié)人工智能技術(shù)應(yīng)用通過情感反芻影響員工沉默的間接效應(yīng)，即工作自主性水平越高，該間接效應(yīng)越弱。

綜上，本文構(gòu)建理論模型，如圖1所示。

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

2 研究一：情景實驗

2.1 被試與程序

通過見數(shù)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(shù)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(shù)的定義，旨在讓被試者能夠區(qū)分人工智能技術(shù)應(yīng)用和傳統(tǒng)技術(shù)應(yīng)用。為確保數(shù)據(jù)有效性，本研究設(shè)置圍繞實驗材料的注意力檢測問題，確保被試者對實驗內(nèi)容充分了解，在數(shù)據(jù)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(shù)據(jù)。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(yīng)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(shè)計（人工智能技術(shù)應(yīng)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(tǒng)計學(xué)信息；其次，將被試者隨機(jī)分配到4種情境中，其閱讀相應(yīng)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(jù)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(shù)應(yīng)用參考張恒等[29]的實驗材料并根據(jù)本研究情境進(jìn)行改編，工作自主性根據(jù)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(nèi)外普遍使用的成熟量表，采用李克特5點(diǎn)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(shù)應(yīng)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(shù)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(shù)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(guān)的問題解決方案\"等，Cronbach'sα系數(shù)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(guān)的事情而感到困擾\"等，Cronbach'sα系數(shù)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(yùn)作的建設(shè)性意見\"等，Cronbach's α 系數(shù)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(xiàn)的問題保持沉默\"等，Cronbach's α 系數(shù)為0.849。

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

2.3 實驗結(jié)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(jìn)行檢驗，通過對比人工智能技術(shù)應(yīng)用操縱兩組結(jié)果可知，實驗組員工（M=3.737，SD=0.936） 人工智能技術(shù)應(yīng)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(jié)果發(fā)現(xiàn)，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(shù)應(yīng)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(tǒng)計分析

為考察人工智能技術(shù)應(yīng)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(qū)分效度，本研究進(jìn)行驗證性因子分析，結(jié)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(yōu)于其它模型，說明本研究變量之間具有較好的區(qū)分效度。

表1驗證性因子分析結(jié)果（研究一）

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

注：M為平均值；SD為標(biāo)準(zhǔn)差； ? 表示 表示 plt;0. 01 ，下同

2.3.3 假設(shè)檢驗

本研究對研究假設(shè)進(jìn)行驗證，檢驗結(jié)果如表3所示。人工智能技術(shù)應(yīng)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(shù)應(yīng)用與員工建言之間的間接效應(yīng)顯著（ b= 0.139，95%CI=[0.070，0.221] ，假設(shè) H_la 得到驗證；問題解決沉思負(fù)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(shù)應(yīng)用與員工沉默之間的間接效應(yīng)顯著 （b=-0.193，95%CI= [-0，279，-0.123]; ，假設(shè) H_1b 得到驗證。

人工智能技術(shù)應(yīng)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(fù)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(shù)應(yīng)用與員工建言之間的間接效應(yīng)顯著 （b=-0.124，95% CI=[-0.196，-0.066] ，假設(shè) 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(dāng)在人工智能技術(shù)應(yīng)用與員工沉默之間的間接效應(yīng)顯著 （b=0.152，95%CI=[0.086，0.233]） ，假設(shè) H_2b 得到驗證。

由表3可知，人工智能技術(shù)應(yīng)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(dāng)工作自主性程度較高時，人工智能技術(shù)應(yīng)用與問題解決沉思的關(guān)系顯著 （b=0.618，95%CI=[0.458，0.777] ）；當(dāng)工作自主性水平較低時，人工智能技術(shù)應(yīng)用與問題解決沉思的關(guān)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(qiáng)，假設(shè) H₃ 得到驗證。

由表3可知，人工智能技術(shù)應(yīng)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(dāng)工作自主性水平較低時，人工智能技術(shù)應(yīng)用與情感反芻的關(guān)系顯著（b=0.668，SE=0. 089，95%CI=[0. 494， 0. 843]） ；當(dāng)工作自主性水平較高時，人工智能技術(shù)應(yīng)用與情感反芻的關(guān)系顯著

0.443」）?？梢姡ぷ髯灾餍运皆礁?，這種正向影響 作用越弱，假設(shè) H₅ 得到驗證。

注： ? 表示 plt;0.05 . 表示 plt;0.01 . ××× 表示 plt;0. 001 ；表中數(shù)據(jù)為非標(biāo)準(zhǔn)化系數(shù)

進(jìn)一步地，本研究進(jìn)行被調(diào)節(jié)的間接效應(yīng)檢驗，結(jié)果如表4所示。當(dāng)工作自主性水平較高時，人工智能技術(shù)應(yīng)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(dāng)工作自主性水平較低時，人工智能技術(shù)應(yīng)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(yīng)差異值為 0.117，95%CI=[0.046，0.227] ，不包含0，假設(shè) H_4a 得到驗證。同理，當(dāng)工作自主性水平較高時，人工智能技術(shù)應(yīng)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(dāng)工作自主性水平較低時，人工智能技術(shù)應(yīng)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(yīng)差異值為-0.162，95%CI=[-0.308，-0.061] ，不包含0，假設(shè)H_4b 得到驗證。

如表5所示，當(dāng)工作自主性水平較低時，人工智能技術(shù)應(yīng)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(dāng)工作自主性水平較高時，人工智能技術(shù)應(yīng)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(yīng)差異值為 0.108，95%CI=[0.035 0.216]，不包含0，假設(shè) H_6a 得到驗證。同理，當(dāng)工作自主性水平較低時，人工智能技術(shù)應(yīng)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(dāng)工作自主性水平較高時，人工智能技術(shù)應(yīng)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(yīng)差異值為 -0.133，95%CI= [-0.262，-0.041] ，不包含0，假設(shè) 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(shù)據(jù)收集

在問卷星線上數(shù)據(jù)收集平臺（www.wjx.cn）招募應(yīng)用AI的企業(yè)員工為被試者。以往研究表明，通過問卷星收集數(shù)據(jù)可提高數(shù)據(jù)可靠性[36]。被試者被明確告知問卷為匿名填寫，且收集的數(shù)據(jù)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(shù)據(jù)。此外，為提高問卷回應(yīng)率，對成功完成三階段調(diào)研的被試者給予一定報酬。在時間點(diǎn)1，收集被試者的人口統(tǒng)計學(xué)信息、人工智能技術(shù)應(yīng)用、工作自主性數(shù)據(jù)，發(fā)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(diǎn)2，向參加第一階段問卷調(diào)研的員工發(fā)放第二次問卷，收集被試者的問題解決沉思和情感反當(dāng)數(shù)據(jù)。在498名被試者中有487人參加第二階段調(diào)研，回收問卷459份（問卷回收率為 94.3%） 。在時間點(diǎn)3，向參加前兩階段調(diào)研的員工發(fā)放第三次問卷，收集被試者的員工建言和員工沉默數(shù)據(jù)。在459名被試者中有455人參加第三階段調(diào)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(xué)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(yè)不同崗位企業(yè)員工，增加了調(diào)研結(jié)果的外部效度。其中，企業(yè)類型涉及信息技術(shù) （23.8%） 、金融與保險 （20.8% ）、汽車制造 （13.2%） 、互聯(lián)網(wǎng)新媒體（ 17.5% ）、家電行業(yè) （8.7%） 、電子商務(wù) （10.6%） 和其它（ 5.4% ；工作崗位包括技術(shù)研發(fā)、金融分析、生產(chǎn)與運(yùn)作、銷售、客戶服務(wù)和管理崗位等。

3.2 變量測量

人工智能技術(shù)應(yīng)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(shù)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(jié)果分析

3.3.1區(qū)分效度檢驗與共同方法偏差

為考察人工智能技術(shù)應(yīng)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(qū)分效度，本研究進(jìn)行驗證性因子分析，結(jié)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(yōu)于其它模型，說明本研究變量之間具有較好區(qū)分效度。采用Podsakoff等[37]的共同方法潛方法因子進(jìn)行檢測，在加入共同方法潛因子后，模型擬合指標(biāo)沒有發(fā)生顯著變化： ΔCFI=0 .001， ΔTLI=0 .001， ΔSRMR= 0.001，說明本研究不存在嚴(yán)重的共同方法偏差問題。

3.3.2 描述性統(tǒng)計與相關(guān)性分析

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

表6驗證性因子分析結(jié)果（研究二）

3.3.3假設(shè)檢驗結(jié)果

本研究對研究假設(shè)進(jìn)行驗證，結(jié)果如表8所示。人工智能技術(shù)應(yīng)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(shù)應(yīng)用與員工建言之間的間接效應(yīng)顯著（ b=0.147 ，95%0CI=[0.098，0.201] ，假設(shè) ΔH_1a 得到驗證。問題解決沉思負(fù)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(shù)應(yīng)用與員工沉默之間的間接效應(yīng)顯著（ b=-?0 .197， 95%CI=[-0.256

人工智能技術(shù)應(yīng)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(fù)向影響員工建言（ =-0.237，plt;0.001 ，且情感反芻在人工智能技術(shù)應(yīng)用與員工建言之間的間接效應(yīng)顯著 （b=-0.083，95% CI=[-0.124，-0.051]; ，假設(shè) 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(shù)應(yīng)用與員工沉默之間的間接效應(yīng)顯著 （b=0.146，95%CI=[0.102，0.198]） ，假設(shè) H_2b 得到驗證。

由表8可知，人工智能技術(shù)應(yīng)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(dāng)工作自主性水平較高時，人工智能技術(shù)應(yīng)用與問題解決沉思的關(guān)系顯著 0.884]）；當(dāng)工作自主性水平較低時，人工智能技術(shù)應(yīng)用與問題解決沉思的關(guān)系不顯著（ b=0. 089 ， SE= 0.051，95%CI=[-0.011 ，0.190]），假設(shè) ΔH₃ 得到驗證。

由表8可知，人工智能技術(shù)應(yīng)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(dāng)工作自主性水平較低時，人工智能技術(shù)應(yīng)用與情感反芻的關(guān)系顯著（b=0.674，SE=0. 063，95%CI=[0. 551 ，0.797]）；當(dāng)工作自主性水平較高時，人工智能技術(shù)應(yīng)用與情感反芻的關(guān)系不顯著 （b=0.090 ， SE=0 .075， 95% CI=[-0.056，0.237] ，假設(shè) H₅ 得到驗證。

進(jìn)一步地，本研究進(jìn)行被調(diào)節(jié)的間接效應(yīng)檢驗，檢驗結(jié)果如表9所示。當(dāng)工作自主性水平較高時，人工智能技術(shù)應(yīng)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(dāng)工作自主性水平較低時，人工智能技術(shù)應(yīng)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(yīng)差異值為 0. 232， 95%CI= [0.149，0.334]，不包含0，假設(shè) H_4a 得到驗證。同理，當(dāng)工作自主性水平較高時，人工智能技術(shù)應(yīng)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(dāng)工作自主性水平較低時，人工智能技術(shù)應(yīng)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(yīng)差異值為一0.311， 95%CI=[-0.422 .一0.219」，不包含0，假設(shè) H_4b 得到驗證。

如表10所示，當(dāng)工作自主性水平較低時，人工智能技術(shù)應(yīng)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(dāng)工作自主性水平較高時，人工智能技術(shù)應(yīng)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(yīng)差異值為 0.127，95%CI=[0.071 .0.203]，不包含0，假設(shè) H_6a 得到驗證。同理，當(dāng)工作自主性水平較低時，人工智能技術(shù)應(yīng)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(dāng)工作自主性水平較高時，人工智能技術(shù)應(yīng)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(yīng)差異值為-0.223，95%CI=[-0.329，-0.137] ，不包含0，假設(shè) H_6b 得到驗證。

4結(jié)論與討論

4.1 研究結(jié)論

本研究基于壓力認(rèn)知激活理論，探討人工智能技術(shù)應(yīng)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(dāng)?shù)闹薪樾?yīng)以及工作自主性的調(diào)節(jié)效應(yīng)。研究一的情景實驗從因果關(guān)系上支持本文理論框架，研究二采用問卷調(diào)查再次對模型進(jìn)行驗證，兩種方法的結(jié)合既保證了研究內(nèi)部效度，又提高了研究外部效度，使研究結(jié)果更具推廣性。通過研究一的情景實驗和研究二的問卷調(diào)研發(fā)現(xiàn)： ① 人工智能技術(shù)應(yīng)用通過增加問題解決沉思正向影響員工建言，負(fù)向影響員工沉默； ② 人工智能技術(shù)應(yīng)用通過增加情感反芻，負(fù)向影響員工建言，正向影響員工沉默。人工智能技術(shù)應(yīng)用作為一種壓力源，一方面，員工會對這一壓力源的結(jié)果預(yù)期進(jìn)行積極認(rèn)知評估，引發(fā)適應(yīng)性心理反應(yīng)（問題解決沉思），進(jìn)而促進(jìn)員工建言；另一方面，員工也會對人工智能技術(shù)應(yīng)用的結(jié)果預(yù)期進(jìn)行消極認(rèn)知評價，引發(fā)非適應(yīng)性心理反應(yīng)（情感反芻），進(jìn)而增加員工沉默； ③ 工作自主性提升會強(qiáng)化人工智能技術(shù)應(yīng)用經(jīng)由問題解決沉思對員工建言的正向效應(yīng)，弱化人工智能技術(shù)應(yīng)用經(jīng)由情感反芻對員工沉默的正向影響。

4.2 理論貢獻(xiàn)

（1）本研究從壓力認(rèn)知激活理論視角關(guān)注人工智能技術(shù)應(yīng)用對員工建言和員工沉默影響的雙刃劍效應(yīng)。人工智能技術(shù)應(yīng)用不但會激活員工的適應(yīng)性心理反應(yīng)，促進(jìn)員工建言，而且也會激活員工的非適應(yīng)性心理反應(yīng)，增加員工沉默。這與張恒等[29]認(rèn)為人工智能技術(shù)應(yīng)用具有“雙刃劍\"效應(yīng)的觀點(diǎn)相吻合。本文不僅突破了以往研究僅強(qiáng)調(diào)人工智能技術(shù)應(yīng)用的積極效應(yīng)或消極效應(yīng)，而且回應(yīng)了Zhou 等[2]對人工智能技術(shù)應(yīng)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(rèn)知因素、領(lǐng)導(dǎo)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(shù)應(yīng)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(shù)應(yīng)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(shù)應(yīng)用研究視野，也豐富了壓力認(rèn)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(shù)應(yīng)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(shù)應(yīng)用對員工的影響會溢出到非工作時間，從而導(dǎo)致工作反芻，進(jìn)而影響員工建言和員工沉默。當(dāng)前，多數(shù)研究主要局限于工作范圍探討[2]，忽視了人工智能技術(shù)應(yīng)用作為壓力源對員工非工作時間認(rèn)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(shù)應(yīng)用對員工心理和行為的影響范圍，也為人工智能技術(shù)應(yīng)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(jìn)一步拓展了壓力認(rèn)知激活理論應(yīng)用情景，呼應(yīng)了張晶等[2]對拓寬壓力認(rèn)知激活理論研究廣度和深度的建議。

（3）本研究認(rèn)為工作自主性可激發(fā)員工內(nèi)在動機(jī)，促進(jìn)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(nèi)耗。本研究將工作自主性納人人工智能技術(shù)應(yīng)用對員工建言和員工沉默的影響模型，從工作資源角度進(jìn)一步豐富了人工智能技術(shù)應(yīng)用的作用邊界。此外，以往研究關(guān)于人工智能技術(shù)應(yīng)用對員工行為影響的探索主要集中于人格特質(zhì)（如主動性人格）、領(lǐng)導(dǎo)風(fēng)格（如服務(wù)型領(lǐng)導(dǎo)）和組織環(huán)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(shù)應(yīng)用效果的調(diào)節(jié)機(jī)制。本文不僅響應(yīng)了Teng等[18]對人工智能技術(shù)應(yīng)用效果研究的呼吁，也豐富了人工智能技術(shù)應(yīng)用的作用邊界。

4.3 管理啟示

（1）人工智能技術(shù)應(yīng)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(yīng)用人工智能技術(shù)過程中，一方面要對員工進(jìn)行正確引導(dǎo)，使員工意識到人工智能技術(shù)應(yīng)用會提高員工工作效率，減少員工工作任務(wù)，增加閑置資源，鼓勵員工積極應(yīng)用人工智能技術(shù)，減少對員工心理和情緒的負(fù)向影響。另一方面，組織要定期對員工開展人工智能技術(shù)應(yīng)用培訓(xùn)，使員工在面對更高的工作挑戰(zhàn)時，有能力、有信心、有把握滿足工作要求，減少人工智能技術(shù)應(yīng)用所帶來的負(fù)面情緒和工作不安全感對員工主動性行為的負(fù)向影響[4]。

（2）管理者要全方位關(guān)注員工情緒變化，通過積極心理干預(yù)（如正念訓(xùn)練）提高員工應(yīng)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(nèi)在工作動機(jī)，增強(qiáng)員工主動性行為[13]。同時，管理者要關(guān)注個體差異，對情緒變化較大的員工給予及時的心理疏導(dǎo)和鼓勵，避免員工長時間持續(xù)陷入情感反芻和自我內(nèi)耗，減少情感反芻帶來的負(fù)面影響。此外，對經(jīng)常陷入情感反當(dāng)?shù)膯T工，管理者應(yīng)適當(dāng)調(diào)整其工作內(nèi)容和績效目標(biāo)，緩解其因工作要求或壓力帶來的負(fù)面情緒和情感耗竭。管理者還應(yīng)該鼓勵員工之間交流和互動，增進(jìn)職場友誼，降低壓力源帶來的負(fù)面影響。

（3）組織要充分發(fā)揮員工自主性，給予員工更多自主權(quán)。組織應(yīng)降低工作流程的復(fù)雜性，鼓勵員工參與工作設(shè)計，增加員工工作授權(quán)，允許員工自主安排工作時間和方式，充分調(diào)動員工工作積極性，提升員工自主權(quán)和參與感，增強(qiáng)員工歸屬感，激發(fā)其“主人翁”意識，促進(jìn)員工積極向組織建言獻(xiàn)策，觸發(fā)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(diǎn)問卷調(diào)研法和實驗法，但難以捕捉變量間的動態(tài)影響關(guān)系。未來可用日記法獲取人工智能技術(shù)應(yīng)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(guān)系。鑒于問題解決沉思和情感反芻可能在長時間線上發(fā)生相互轉(zhuǎn)化[14]，未來可采用縱貫式追蹤調(diào)研法，進(jìn)一步檢驗人工智能技術(shù)應(yīng)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(shù)據(jù)全部來源于員工自評，無法完全避免同源問題，未來應(yīng)采用多時點(diǎn)、多來源方式收集數(shù)據(jù)。其次，未對人工智能技術(shù)類別與功能進(jìn)行劃分，未來可探究不同人工智能技術(shù)類別（如機(jī)器學(xué)習(xí)等）對員工建言和沉默行為的影響，深入探討不同行業(yè)和崗位、不同文化情境下人工智能技術(shù)應(yīng)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(jié)論。最后，基于壓力認(rèn)知激活理論視角考察人工智能技術(shù)應(yīng)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(jìn)行探析。本研究發(fā)現(xiàn)工作反芻（問題解決沉思和情感反芻）是人工智能技術(shù)應(yīng)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(xué)習(xí)態(tài)度視角進(jìn)一步探討人工智能技術(shù)應(yīng)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(xiàn)：

[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(diào)節(jié)理論的員工 建言新內(nèi)涵及其影響機(jī)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(yīng)：工作反芻和組織支持感的作用[J]．中國人力資源 開發(fā)，2024，41（3）：21-34.

[9]JAHANZEB S，F(xiàn)ATIMA 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(fā)，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，F(xiàn)ELDT 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(rèn)知評價視角下工作壓力對員工幸福感的 影響機(jī)制研究——工作反芻和特質(zhì)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(yīng) [J]．心理科學(xué)進(jìn)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(tǒng)影響員 工沉默行為的作用機(jī)理研究— 一個跨層有調(diào)節(jié)的中介 模型[J]．管理現(xiàn)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(jīng)濟(jì)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(xù)價值 共創(chuàng)行為的影響[J]．經(jīng)濟(jì)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(shù)應(yīng) 用對員工創(chuàng)新行為的“雙刃劍”效應(yīng)[J].科技進(jìn)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，F(xiàn)ARH C I，F(xiàn)ARHJL. 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，F(xiàn)RANK 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‘a(chǎn)titudes 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