
SSCI JCR Q1; IF 13.3; ABS 3
[简介]
随着人工智能不断嵌入组织工作流程,AI已不再只是帮助员工完成重复性任务的工具,而是可能被安排为同事、下属,甚至主管。本文基于角色理论,关注AI在组织中被赋予不同角色时,员工如何理解其权威、责任与自主空间,并进一步影响员工绩效。与以往仅研究“AI作为工具”或单一AI角色的研究不同,本文同时比较了AI主管、AI同事、AI下属和AI工具四种角色,试图回答一个更细致的问题:AI到底在什么角色下更有利于员工绩效,又在什么角色下可能产生负面影响。
研究采用混合方法设计,结合真实组织情境中的员工调查和实验室情境下的随机实验。结果显示,AI被置于主管角色时,会降低员工绩效,其原因在于员工更容易将责任转移给AI,同时感到自主性和控制感下降;相反,当AI作为同事或下属时,员工的赋权感增强,绩效表现更好。这一发现说明,AI对员工并不存在简单的“促进”或“抑制”效应,关键在于组织如何定位AI,以及员工如何理解AI所处的角色。
[理论框架]

[研究逻辑]
[样本与变量]
研究设计:
研究环节 | 样本与场景 | 核心任务 | 主要目的 |
研究1:现场调查 | 中国已将AI嵌入员工工作流程的企业;向2700名员工发放问卷,最终获得815份有效样本。 | 开放式问题识别员工感知的AI角色;随后测量绩效、赋权感、责任让渡等变量。 | 在真实组织情境中建立AI角色分类,并检验不同AI角色与员工绩效之间的关系。 |
研究2:实验室实验 | 294名在职或自雇的非全日制MBA学生,均具有至少三年工作经验。 | 随机分配至AI主管、AI同事、AI下属和AI工具四种情境,完成卡片匹配任务,以完成时间作为客观绩效指标。 | 通过随机操纵AI角色识别因果关系,并验证赋权感和责任让渡的中介机制。 |
研究1强调外部效度,能够反映真实员工与AI互动的复杂性;研究2强调内部效度,通过随机实验更清晰地识别不同AI角色对绩效的因果影响。
变量测度:
变量类型 | 变量/构念 | 测量或操作方式 | 说明 |
核心自变量 | AI角色 | 四类:AI主管、AI同事、AI下属、AI工具。研究1基于开放式文本编码;研究2通过AI自我介绍和互动语言操纵。 | 本文的核心不是AI技术功能差异,而是AI在组织关系中被定位为何种角色。 |
被解释变量 | 员工绩效 | 研究1采用员工自评绩效量表;研究2采用卡片匹配任务完成时间。 | 研究2中完成时间越短,表示任务绩效越高。 |
中介变量 | 赋权感 | 采用Spreitzer(1995)量表,衡量员工感受到的自主性、能力、影响力和工作意义。 | AI同事和AI下属主要通过提升赋权感改善绩效。 |
中介变量 | 责任让渡 | 采用Murtagh等(2015)量表,衡量员工将任务责任、问题归因或决策责任转移给AI的倾向。 | AI主管会提升责任让渡,进而降低绩效。 |
替代机制 | 感知权威、关系距离、情绪状态 | 研究2进一步测量并检验这些替代机制。 | 结果显示这些机制不能解释AI角色对绩效的影响。 |
控制变量 | 技术准备度、角色清晰度、工作满意度、AI使用时长、部门规模等 | 主要用于研究1的稳健检验与中介分析。 | 控制员工个体状态和组织情境差异。 |
[主要结论]
• AI主管角色显著降低员工绩效。研究1中,AI主管组的绩效均值为4.28,低于AI同事组(5.42)、AI下属组(5.52)和AI工具组(5.12)。研究2中,AI主管组完成任务所需时间最长,平均为67.37秒,显著慢于AI同事组(59.24秒)、AI下属组(59.27秒)和AI工具组(63.44秒)。
• AI同事和AI下属角色对员工绩效更有利。无论是在真实组织调查中,还是在实验室随机任务中,AI同事和AI下属均表现出优于AI工具的结果;二者之间差异并不显著,说明只要AI角色能保留员工的主动性和控制感,均可能提升绩效。
• AI主管的负面影响来自两条心理路径:一是降低员工赋权感,使员工觉得自己只是执行AI指令;二是提高责任让渡,使员工更倾向于把结果责任交给AI而非自己承担。
• AI同事和AI下属的积极作用主要来自赋权感提升。当AI被视为合作伙伴或受员工指挥的执行者时,员工更容易感到自己仍然掌握任务过程,因此更积极投入工作。
• 替代解释得到排除。研究2进一步检验感知权威、关系距离和情绪状态,发现这些因素并未构成显著中介,说明文章识别出的关键心理机制主要是赋权感和责任让渡。
•文章的核心结论是:AI影响员工绩效的关键不只是技术能力,而是AI在组织角色结构中的位置。AI同样可以提升或削弱绩效,取决于它被设计成“帮员工做事”,还是“替员工管事”。
组织部署AI时,不能只问AI能做什么,还要问AI在组织里“像谁”——像主管、同事、下属,还是工具。角色定位不同,员工的责任感、赋权感和绩效结果也会不同。
[文献来源]
Chi, Y., Song, Y. (Amy), & Bai, X. (2026). From tool to supervisor: Uncovering the impact of AI roles on employee performance. Technological Forecasting & Social Change, 232, 124817. https://doi.org/10.1016/j.techfore.2026.124817
免责声明:本文版权归原作者所有,点击阅读原文可获取全文。内容仅供参考与交流,不代表本公众号立场。如有侵权请联系删除。最终解释权归【经管学术研究】所有。
欢迎投稿:本公众号长期欢迎课题组招生、学术会议、论文宣传、人才招聘等各类学术信息的投稿推广,欢迎联系小编!
夜雨聆风