这篇文档属于类型b：一篇关于生成式人工智能（Generative AI, GenAI）如何通过个体双元性（Individual Ambidexterity, IA）支持工作的类型学研究的学术论文。以下是针对该文档的学术报告：

作者及机构
本研究由Nikolina Dragičević Rogge（萨格勒布大学经济与商业学院）、Amadeja Lamovšek（卢布尔雅那大学经济与商业学院）和Saša Batistič（蒂尔堡大学社会与行为科学学院）合作完成，发表于2025年的《Business Horizons》期刊，DOI为10.1016/j.bushor.2025.06.006。

研究主题
论文题为《AI Meets IA: A Typology of Generative-AI-Supported Work Through Individual Ambidexterity》，旨在构建一个理论框架，解释GenAI如何通过个体双元性（即员工平衡探索与利用的能力）重塑工作类型，并为管理者提供应对GenAI驱动的职场变革的策略。

主要观点及论据

1. GenAI对工作的双重影响与个体双元性的必要性

GenAI既能提升效率（如自动化内容生成），也可能引发心理压力（如职业安全感下降）。作者引用Brynjolfsson等（2024）的研究指出，GenAI平均提升14%的生产力，但Dwivedi等（2023）强调其可能带来隐私和伦理问题。个体双元性（IA）被提出作为解决这些矛盾的关键能力，它使员工能动态平衡“探索新方法”与“优化现有任务”（March, 1991）。例如，管理者可用GenAI自动化报告（利用），同时测试创新客户服务（探索）。

2. GenAI支持的工作类型学框架

基于两项核心张力——专业化（Specialization）（通才vs专才）和任务常规化（Job Routinization）（常规vs非常规任务），作者提出四类GenAI支持的工作：
- 设计与创新（Type 1）：如GenAI辅助产品原型设计（Pantano等，2024），需通才整合跨领域知识，但需警惕AI输出的创意同质化。
- 数据分析与洞察激发（Type 2）：如HR专业人士用ChatGPT筛选候选人（Aguinis等，2024），依赖专才验证AI结果的上下文准确性。
- 客户服务与互动（Type 3）：Chatbot处理常规咨询（Huang & Rust, 2024），但需人工介入情感敏感问题。
- 内容生成与优化（Type 4）：如AI撰写营销文案（Campbell等，2022），需专才确保品牌一致性，但存在深度伪造（Deepfake）风险。

3. 动态视角下的工作类型转换

作者强调工作类型并非静态。例如，制造业员工可能从常规装配（Type 3）转向故障排除（Type 1），体现IA的灵活性（Hofman等，2024）。这种动态性要求组织设计混合任务（Papachroni & Heracleous, 2020），如交叉培训（Cross-training）促进通才与专才技能的融合。

4. 管理实践建议

• 伦理与合规：需建立AI伦理指南（如AstraZeneca的生成式AI培训计划）和跨职能合规团队，应对数据隐私（GDPR）和知识产权问题（Mariani & Dwivedi, 2024）。
  
• 员工参与：通过反馈渠道（如Salesforce的IdeaExchange平台）提升员工对AI工具的接受度（Dong等，2024）。
  
• 技能发展：数字素养（Digital Literacy）培训应结合基础AI知识与领域专长（Moravec等，2024）。
  

5. GenAI作为双元性催化剂

GenAI可增强员工的自我效能感（Self-efficacy），例如营销专员通过AI草拟战略计划（Type 4到Type 1的过渡）。然而，过度依赖AI可能导致“去技能化”（Deskilling），需管理者平衡AI辅助与批判性思维（Dell’acqua等，2023）。

研究价值与意义

1. 理论贡献：首次将个体双元性（IA）与GenAI工作类型结合，弥补了组织层面双元性研究（如Osadchaya等，2024）的空白，为微观基础理论（Microfoundations）提供新视角。
   
2. 实践指导：提出的四象限类型学（表1）和工具矩阵（表2）为管理者提供了清晰的决策框架，例如针对不同工作类型设计差异化的培训计划。
   
3. 政策启示：呼吁立法者关注GenAI的监管缺口（如合成内容的所有权），推动“负责任的AI”实践（Kunz & Wirtz, 2023）。
   

亮点

• 方法论创新：通过文献系统回顾（Web of Science数据库）与实证案例迭代（附录）构建类型学，遵循Collier等（2012）的严谨流程。
  
• 跨学科整合：融合技术创新管理（如Gama & Magistretti, 2025）、心理学（如Jeong & Jeong, 2024）与伦理学（如Shankar, 2024）的多维视角。
  

此论文为GenAI时代的工作设计提供了兼具学术严谨性与实践可行性的路线图，尤其适合关注数字化转型与人力资源管理的学者及企业领导者。