学术研究报告：AI在组织中的应用如何提升员工竞争优势——感知组织支持的调节作用

作者及机构
本研究由山东财经大学（Shandong University of Finance and Economics）的Liang Ma、Peng Yu、Xin Zhang、Gaoshan Wang，以及山东中医药大学（Shandong University of Traditional Chinese Medicine）的Feifei Hao共同完成，发表于期刊*Technological Forecasting & Social Change*（2024年10月）。

学术背景

研究领域与动机
本研究属于管理学与信息系统的交叉领域，聚焦生成式人工智能（Generative AI）在组织中的应用如何通过员工适应性行为（如边界跨越boundary spanning、敏捷性agility）提升其竞争优势（competitive advantage）。随着AI技术（如ChatGPT、文心一言）在职场中的普及，现有研究多关注AI对组织绩效的直接影响，而忽视了其对员工个体竞争力的作用机制。基于资源基础观（Resource-Based View, RBV）理论，作者提出：AI技术需与其他资源（如组织支持）整合，才能转化为员工的可持续竞争优势。

研究目标
1. 揭示工作相关AI使用（work-related generative AI use）对员工竞争优势的影响路径；
2. 验证员工边界跨越和敏捷性（包括主动性proactivity、适应性adaptability、韧性resilience）的中介作用；
3. 探讨感知组织支持（perceived organizational support, POS）的调节效应。

研究流程与方法

1. 研究设计与样本
- 研究对象：从中国200家组织中招募264名使用AI工具的员工，覆盖IT、制造、教育等行业，职位包括工程师、营销人员、教师等。
- 数据收集：通过在线问卷平台分两轮采集数据，剔除无效问卷后保留264份有效样本。

2. 变量测量
采用7级李克特量表（1=“完全不同意”，7=“完全同意”）测量以下构念：
- 自变量：工作相关AI使用（4题项，如“我使用AI工具获取工作问题的解决方案”）；
- 中介变量：
- 边界跨越（4题项，如“我通过AI工具从外部渠道获取资源”）；
- 员工敏捷性（含主动性、适应性、韧性，共10题项）；
- 因变量：竞争优势（5题项，如“我的产品/服务优于竞争对手”）；
- 调节变量：感知组织支持（4题项，如“公司关心我的福祉”）。

3. 数据分析方法
- 测量模型检验：使用Smart PLS 3.0验证信效度（Cronbach’s α>0.7，AVE>0.5）；
- 结构模型分析：通过偏最小二乘法（PLS）检验假设路径；
- 中介与调节效应：采用Bootstrap法（5000次抽样）分析间接效应及交互项。

主要结果

1. AI使用对员工行为的影响
- 边界跨越：AI使用显著促进员工跨部门资源获取（β=0.688, p<0.001），支持H1。AI通过自动化重复任务和提供精准反馈，降低边界跨越的阻力。
- 员工敏捷性：AI对适应性（β=0.605）和韧性（β=0.498）的促进作用最强，对主动性（β=0.563）的影响较弱，支持H2a–H2c。

2. 中介效应
- 边界跨越：部分中介AI使用与竞争优势的关系（间接效应=0.259, p<0.001），支持H3。员工通过AI获取的异质性知识和社会资本增强竞争力。 - **敏捷性维度差异**： - 适应性与韧性显著中介（间接效应分别为0.289和0.238），支持H4a–H4b； - 主动性的中介作用不显著（β=0.081, p>0.05），可能因主动行为易引发同事嫉妒（H4c未支持）。

3. 调节效应
- 感知组织支持（POS）的差异化作用：
- 强化边界跨越→竞争优势的路径（β=0.077, p<0.05），支持H5；
- 增强适应性→竞争优势的关系（β=0.162, p<0.01），但削弱主动性→竞争优势的路径（β=-0.138, p<0.01），部分支持H6b–H6c；
- 对韧性→竞争优势无调节作用（H6a未支持），因韧性更依赖长期训练而非短期支持。

结论与价值

理论贡献
1. 拓展RBV理论，揭示AI技术需与组织支持结合才能转化为员工竞争优势；
2. 提出“AI使用→适应性行为→竞争优势”的中介路径，弥补现有研究对个体层面机制的忽视；
3. 首次验证POS在AI情境下的调节作用，发现其对不同敏捷性维度的非对称影响。

实践意义
- 组织建议：
- 鼓励员工使用AI进行跨部门协作，并建立开放文化以支持边界跨越；
- 为高适应性员工提供更多资源，但避免过度支持抑制主动性员工的创新空间；
- 通过长期培训提升员工韧性。

研究亮点

1. 创新性框架：首次整合AI使用、员工适应性与组织支持，构建多层次竞争优势模型；
   
2. 方法严谨性：结合PLS与Bootstrap法，有效处理小样本偏差；
   
3. 行业普适性：样本涵盖多行业，结论可推广至不同技术应用场景。
   

局限与未来方向
- 未区分AI使用目的（如社交与创新）；
- 建议未来研究探索领导风格（如变革型领导）与个体特质（如数字自我效能）的调节作用。

（字数：约2000字）