人工智能如何影响团队内的地位授予：学习目标导向的调节作用

一、 研究作者、机构与发表信息

本研究的主要作者包括：何刚 (Gang He，南京工业职业技术大学商学院)、张胜军 (Shengjun Zhang，上海财经大学国际教育学院，通讯作者)、吴彩蝶 (Caidie Wu，西南财经大学工商管理学院)、李金松 (Jinsong Li，上海财经大学国际教育学院) 以及王姗姗 (Shanshan Wang，上海财经大学计算与人工智能学院)。该研究于2026年发表在《Journal of Business Research》期刊第216卷上。

二、 学术背景与研究目标

本研究属于组织行为学与管理信息系统交叉领域，聚焦于人工智能 (Artificial Intelligence, AI) 在工作场所中的人际关系后果。随着AI工具在工作中的广泛应用，现有研究主要关注AI使用对用户自身的影响，如绩效、创造力、幸福感等（即“个人内”视角）。然而，AI使用如何影响同事对用户的看法和关系（即“人际”视角）却鲜有探讨。少数关注人际后果的研究也多强调其负面影响，例如AI使用者可能因被他人视为能力或动机不足而获得更少的帮助和更低的评价。

本研究旨在弥补这一空白，探讨AI使用是否以及如何带来积极的人际关系收益。具体而言，研究团队基于资源保存理论 (Conservation of Resources, COR) 和地位授予理论 (Status Conferral Theory)，提出了一个核心问题：员工的AI使用是否会通过减少其在团队互动中对同事造成的“耗能”感知，从而增加其从同事那里获得的团队内地位？同时，研究引入“学习目标导向” (Learning Goal Orientation, LGO) 作为调节变量，探讨何种特质的员工更能从AI使用中获益。

研究的核心目标是：1）检验AI使用、耗能感知与地位授予之间的中介关系；2）验证学习目标导向在上述中介路径前半段的调节作用；3）通过多方法研究，揭示AI使用降低耗能感知的具体行为机制。

三、 详细研究流程

本研究采用了一种严谨的“定量研究 (Study 1) + 定性研究 (Study 2)”的混合方法设计，以相互验证和深化发现。

研究一 (Study 1)：三阶段多来源轮询式田野调查

1. 研究对象与样本：研究在中国五家不同行业（会计服务、房地产、清洁系统、电子）的公司中进行。初始样本包括来自90个团队的395名员工及其90名主管。经过三轮数据收集，最终匹配样本为87个团队中的370名员工。团队规模4-11人，平均5.4人，覆盖销售、财务、研发、制造等多种职能。
2. 研究设计与流程：采用三阶段、多来源（员工自评与同事互评）的纵向轮询设计，以降低共同方法偏差并增强因果推断。
   • 时间点1 (T1)：员工自评其AI使用频率（使用Tang等人2022年的3题项量表）、学习目标导向（使用Vandewalle 1997年的5题项量表），以及一系列控制变量（人口统计学信息、自我监控、好奇心特质、关系身份导向等）。
   • 时间点2 (T2)：采用轮询设计，每位团队成员（包括主管）评价团队中所有其他成员的“耗能效应”（即“与这位同事共事让我感到精力耗尽或疲惫”），使用Gerbasi等人（2015）的单题项改编。通过UCINET 6软件计算每位员工被感知为“耗能”的程度（标准化入度中心性分数）。
   • 时间点3 (T3)：同样采用轮询设计，每位成员评价所有其他成员的“地位授予”程度（包括“受尊重和钦佩的程度”和“对他人想法和决策的影响力”两个题项，α = 0.84）。同样计算每位员工获得地位的程度（标准化入度中心性分数）。
3. 数据分析方法：使用Mplus 8.3软件进行路径分析。由于数据嵌套于团队中，采用了“type = complex”选项校正标准误。通过时间滞后模型检验AI使用(T1) → 耗能感知(T2) → 地位授予(T3)的中介路径。使用蒙特卡洛模拟（20,000次迭代）检验被调节的中介效应（即学习目标导向的调节作用）。

研究二 (Study 2)：验证性后续访谈研究

1. 研究目的：旨在定性验证并详细阐述Study 1中发现的机制（AI使用如何降低耗能感知），并探索可能的新机制。
2. 研究对象与样本：通过滚雪球和目的性抽样，访谈了来自中国多个行业（教育、制造、文化体育娱乐、酒店餐饮、IT等）的30名员工。这些员工均频繁与使用AI工具的同事协作。样本在年龄、性别、教育程度和工作经验上具有多样性。
3. 研究流程：进行半结构化访谈，时长约20-30分钟。访谈问题围绕：1）使用AI的同事在求助行为、贡献质量、任务可靠性方面有何变化？2）这些变化如何影响受访者自身的认知负荷和工作流程？3）哪些因素区分了有效和无效的AI使用？访谈录音被逐字转录。
4. 数据分析方法：采用主题分析法 (Thematic Analysis)。两名研究者独立编码，通过迭代过程提炼主题，直至达到理论饱和。由另外两名独立编码员进行编码验证，Cohen‘s Kappa为0.85，信度良好。

四、 主要研究结果

研究一 (Study 1) 结果： 1. 假设检验： * H1 (AI使用与耗能感知)：员工的AI使用频率与其被感知的耗能效应呈显著负相关 (b = -0.09, p = 0.009)，支持假设1。 * H2 (耗能感知与地位授予)：员工的耗能感知与其获得的地位授予呈显著负相关 (b = -0.13, p = 0.004)，支持假设2。 * H3 (中介效应)：AI使用通过降低耗能感知，对地位授予产生显著的正向间接效应 (间接效应 = 0.01, 95% CI = [0.001, 0.03])，支持假设3。 * H4 (学习目标导向的调节作用)：AI使用与耗能感知的负向关系受到学习目标导向的调节 (交互项 b = -0.14, p = 0.004)。简单斜率分析显示，对于高LGO员工，AI使用显著降低耗能感知 (b = -0.18, p = 0.001)；对于低LGO员工，该关系不显著 (b = 0.01, p = 0.835)，支持假设4。 * H5 (被调节的中介效应)：学习目标导向调节了“AI使用 → 耗能感知 → 地位授予”这一间接路径。当LGO高时，间接效应显著为正 (间接效应 = 0.02, 95% CI = [0.003, 0.06])；当LGO低时，间接效应不显著且接近零。两者差异显著，支持假设5。 2. 控制变量与稳健性：在控制了行业、人口学变量、自我监控、好奇心、关系身份导向、沟通频率、友好行为、感知能力、感知温暖、以及“赋能效应”等变量后，上述核心结果依然稳健。

研究二 (Study 2) 结果： 访谈分析揭示了AI使用降低耗能感知的四条具体行为机制，前三条与理论推导一致，第四条为新兴发现： 1. 降低求助负担 (73%受访者提及)：使用AI的员工变得更独立，减少了向同事寻求技术、信息或写作帮助的频率，从而保护了同事的认知和注意力资源。 2. 提升输入质量 (77%受访者提及)：AI帮助员工在团队讨论前更好地组织和准备材料，使其贡献更清晰、有逻辑、切题，降低了团队成员解读、修正其贡献所需的心智努力。 3. 提高任务效率与可靠性 (73%受访者提及)：AI使用使员工工作更准时、一致、错误更少，减少了因延误或错误导致的团队工作流程中断和返工压力。 4. 知识分享与能量传递 (17%受访者提及，新兴机制)：部分高学习目标导向的AI使用者会主动分享AI使用技巧、提示词模板，帮助同事学习，从“减少负担者”转变为“积极赋能者”，为团队创造了积极的资源循环。 5. 关键边界条件：研究同时发现，AI使用的质量而非仅仅是频率决定了其人际效果。低学习目标导向的员工可能只是肤浅地使用AI，不加以验证和优化输出，反而会引入错误、增加团队负担，加剧其耗能效应。这为Study 1中LGO的调节作用提供了生动的定性解释。

五、 研究结论与价值

结论：本研究表明，员工在工作中的AI使用可以通过降低其在团队互动中对同事造成的“耗能”感知，从而间接获得更高的团队内地位。这一积极的人际关系路径在那些具有高学习目标导向的员工身上更为明显，因为他们更可能以有效、社会智能的方式使用AI，最大化其资源节约效益。反之，低学习目标导向的员工可能无法通过AI使用获得相同的人际收益。

理论价值： 1. 拓展了AI使用的研究视角：从“个人内”结果转向“人际”结果，并首次系统揭示了AI使用可能带来的积极关系收益（地位提升），平衡了以往对负面人际后果的关注。 2. 深化了对“耗能效应”的理解：首次将AI使用识别为“耗能效应”的一个可管理的行为前因，表明耗能感知并非固定不变，可以通过技术赋能的行为策略来改变。同时，将研究视角从“接收者中心”（耗能者如何影响他人）扩展到“行动者中心”（被感知为耗能如何影响行动者自身地位）。 3. 丰富了地位授予理论：引入了一条新的、基于资源的地位授予路径。研究表明，地位不仅源于感知到的能力（能力路径）或亲社会性（美德路径），也源于个体在互动中为他人节约认知和情感资源（避免成为耗能者）的能力。这为理解团队地位动态提供了新的理论透镜。 4. 延伸了资源保存理论：将COR理论的应用从个体内部资源管理扩展到人际间的资源互动，展示了AI使用可以作为一种主动的“为他人节约资源”的行为策略，从而引发积极的社会评价和地位回报。 5. 识别了关键边界条件：揭示了学习目标导向这一动机特质的关键调节作用，强调了有效使用AI（高质量、反思性使用）对于产生积极人际后果的重要性。

实践意义： 1. 对组织：应鼓励和支持员工有效使用AI，不仅为了提升个人生产力，也为了改善团队协作氛围、减少人际摩擦。组织可以设计培训项目，教导员工如何利用AI减少不必要的求助、提升沟通质量和工作可靠性。 2. 对管理者与员工：认识到AI使用是一把“双刃剑”。肤浅、不假思索地使用AI可能损害人际关系。培养学习目标导向的心态，鼓励探索性、反思性的AI使用方式，对于最大化AI的人际和职业效益至关重要。高LGO的员工更可能成为AI赋能下的“团队赋能者”。

六、 研究亮点

1. 理论创新性：首次整合资源保存理论和地位授予理论，构建并验证了“AI使用 → 降低耗能感知 → 提升地位授予”这一新颖的中介模型，为理解AI在组织中的社会影响提供了新的理论框架。
2. 方法严谨性：采用多波次、多来源（自评与同事互评）、轮询设计的纵向田野研究，有效控制了共同方法偏差，增强了因果推断力。后续的定性研究不仅验证了定量发现的机制，还发现了新的机制（知识分享），实现了三角验证，使结论更扎实、丰满。
3. 发现启发性：揭示了AI使用的人际后果具有条件性，高度依赖于使用者的动机特质（学习目标导向）。这提醒研究者和管理者不能一概而论地看待技术的影响，必须考虑“人”的因素。
4. 实践前瞻性：在AI迅速普及的背景下，该研究为组织如何引导AI使用以促进积极的团队动力学，而非破坏人际关系，提供了基于实证的指导。

七、 其他有价值的内容

研究在讨论部分还提出了未来研究方向，例如：探讨其他可能影响AI使用人际后果的个人特质（如数字素养、心理安全感）或情境因素（如团队规范、领导支持）；考察不同类型的AI工具（如生成式AI与分析式AI）可能产生的不同人际影响；以及研究AI使用对团队层面结果（如凝聚力、绩效）的长期影响。这些都为后续研究开辟了富有潜力的路径。