关于人工智能在职场引发身份威胁的研究报告
本研究由来自德国帕德博恩大学信息系统与数字社会研究所的Milad Mirbabaie，以及杜伊斯堡-埃森大学数字传播与转型研究所的Felix Brünker、Nicholas R. J. Möllmann (Frick)和Stefan Stieglitz共同完成。其研究成果《The Rise of Artificial Intelligence – Understanding the AI Identity Threat at the Workplace》已发表于2022年的学术期刊《Electronic Markets》。
一、 学术背景与研究目标
本研究隶属于信息系统与管理科学的交叉领域，尤其关注技术采纳、人机交互与组织行为。随着人工智能技术的快速发展与广泛应用，企业正积极将其整合到工作流程中，以促进人机协作并辅助员工完成任务。然而，技术的引入并非总是顺利。先前研究表明，新信息技术的引入可能挑战员工的自我信念，导致身份威胁，进而引发抵触行为，例如“算法厌恶”——即员工在同等条件下更倾向于人类而非算法的决策支持。
尽管已有研究探讨了传统信息技术引发的身份威胁，但人工智能因其独特的认知能力、潜在的自主性以及对工作岗位的根本性变革潜力，可能带来前所未有的挑战。现有文献在AI引发的身份威胁这一具体议题上存在缺口。因此，本研究旨在深化对职场中AI身份威胁的理解，具体目标是识别并验证影响员工感知AI身份威胁的关键预测因素，从而为学术界和从业者提供理论框架与实践启示，以促进更成功的人机协作。
二、 研究流程详述
本研究采用了混合方法，结合了系统的文献回顾、定量建模与定性访谈，共包含三个主要阶段，流程严谨而全面。
第一阶段：系统性文献综述与模型构建 本阶段的核心目标是扎根于现有理论，识别潜在的AI身份威胁预测因子。研究团队遵循了信息系统领域进行文献综述的最新方法指南，使用了LitBaskets.io这一专门的文献检索工具，并设定了涵盖身份、身份威胁、IT抵抗等关键词的复杂检索式。检索范围限定在154种核心信息系统期刊及重要国际会议论文中，最终通过初步检索、向后追溯（检查参考文献）和向前追溯（检查引用文献）三轮筛选，从5649篇文献中确定了49篇高度相关的文章。
通过对这些文献的深入分析，研究者们首先明确了核心概念：借鉴Carter和Grover的理论，将“AI身份”定义为“个体将在职场与AI协作视为自身不可或缺组成部分的程度”；将“AI身份威胁”定义为“由使用AI引起的、对个体自我信念造成损害的预期”。接着，他们从文献中提炼出六个可能引发身份威胁的预测因子，并依据Craig等人提出的身份威胁来源框架将其归类：1) 地位丧失与工作保障威胁（源于群体间冲突）；2) 技能/专业知识丧失与工作改变（源于验证受阻）；3) 自主性丧失与可控性丧失（源于意义改变）。此外，研究假设AI身份本身会对AI身份威胁产生直接的负面影响（即AI身份越强，威胁感越低）。基于此，他们提出了包含7个假设的研究模型。
第二阶段：定量数据收集与模型检验 为了验证上述假设，研究进行了大规模的问卷调查。测量工具部分来自成熟量表改编（如工作保障威胁、技能丧失、自主性丧失、可控性丧失、AI身份、AI身份威胁），部分为研究者自行开发并经过预测试验证（如地位丧失、工作改变）。所有题项均采用七点李克特量表。
参与者通过专业在线调研平台Prolific.co招募，筛选条件为：英语流利、全职或兼职就业、并且拥有AI使用经验（无论是工作中还是私人生活中）。最终，共有303名参与者完成了有效问卷。样本平均年龄39.1岁，性别比例均衡，主要来自英国，职业和行业分布广泛。
数据分析采用了基于偏最小二乘法的结构方程模型。PLS-SEM适用于探索性研究和包含形成性构件的复杂模型。研究使用SmartPLS软件进行计算，通过评估指标载荷、克隆巴赫系数、组合信度、平均方差提取值等确保了测量模型的信度和效度。随后，通过Bootstrapping方法检验了结构模型中路径系数的显著性。
第三阶段：定性专家访谈验证 在定量分析之后，为了更深入地理解语境并验证定量研究结果的现实相关性，研究者进行了事后半结构化专家访谈。他们邀请了六位在各自组织中参与或主导过AI变革过程的男性管理者（年龄24-38岁）。访谈旨在：1) 探讨AI与传统IT的差异；2) 评估从文献中推导出的研究模型及预测因子的合理性；3) 收集关于缓解AI身份威胁策略的见解。访谈内容经过转录和主题分析。
三、 主要研究结果
1. 系统性文献综述结果： 分析确认了现有研究主要关注通用身份、职业身份和IT身份，但尚未有研究专门探讨“AI身份”。文献梳理成功识别出六类与身份威胁相关的预测因子，为构建针对AI情境的研究模型奠定了坚实的理论基础。
2. 定量模型检验结果： 结构方程模型分析显示，研究模型解释了职场AI身份威胁56%的方差，具有强解释力。假设检验结果如下： * 得到支持的假设： * H1b：地位丧失对AI身份威胁有显著正向影响（路径系数=0.550, p<0.001）。这表明，员工越是担心AI的引入会降低自己的竞争力、限制发展可能性或削弱在组织中的威望，其感知到的AI身份威胁就越强烈。 * H2b：工作改变对AI身份威胁有显著正向影响（路径系数=0.197, p<0.001）。这意味着，AI带来的职责范围变化、责任加重或工作重要性上升等改变，会增加员工的不确定感和威胁感。 * H4：AI身份对AI身份威胁有显著负向影响（路径系数=-0.175, p<0.01）。这证实，如果员工将AI协作视为自我的一部分并对其有积极认同，那么他们感知到的AI威胁会更低。 * 未得到支持的假设： * H1a（工作保障威胁）、H2a（技能/专业知识丧失）、H3a（自主性丧失）、H3b（可控性丧失）对AI身份威胁的影响在统计上不显著。这意味着，对于已有AI经验的样本而言，担心失业、技能过时、失去工作自主权或控制感，并不是驱动其AI身份威胁感的主要因素。 * 其他发现： * 多群组分析表明，无论员工所在公司是否已使用AI，或其使用AI的经验长短（少于2年 vs 多于2年），上述显著关系均保持一致，预测因子在不同群体间无显著差异。 * AI身份并未显示出对其它预测因子与身份威胁之间关系的调节作用，说明它是一个独立的直接影响因素。
3. 定性访谈结果： 专家访谈为定量结果提供了丰富的背景和支撑： * AI的独特性：专家一致认为AI超越了传统IT，其算法决策可能形成“黑箱”，导致人类对过程的控制感下降，且AI更直接地与岗位替代相关联。 * 模型验证：所有专家都认可研究模型是全面且合理的，没有多余的预测因子，也没有明显缺失。 * 关键预测因子洞察：专家们特别强调了“工作改变”和“地位丧失”的重要性，指出如果AI引入过程沟通不善，会加剧这些威胁。他们提到，AI使工作过程可衡量，可能暴露员工的能力短板，从而影响其地位。同时，专家也讨论了技能丧失、可控性丧失等因子的潜在长期影响。 * 缓解策略：专家提出了有价值的建议，包括培养可信赖、有道德、负责任的员工来监督AI；以及发展“可解释AI”以打开决策黑箱，增进理解与信任。
四、 研究结论与价值
本研究得出结论，在职场中，影响员工感知AI身份威胁的三个核心预测因素是：工作改变、地位丧失和AI身份（负向）。其中，地位丧失和工作改变分别对应身份威胁中的“群体间冲突”和“验证受阻”来源。尤为重要的是，研究发现员工既有的AI经验长短并不改变这些威胁的感知模式，且AI身份本身作为一个独立的心理建构，能直接降低威胁感。
科学价值：本研究首次将“IT身份”与“身份威胁”理论系统地应用于AI这一前沿技术领域，明确提出了“AI身份”与“AI身份威胁”的概念定义，并开发了相应的测量方法。它揭示了AI作为一种变革性技术对员工职业身份和心理感知的独特影响机制，丰富了信息系统领域关于人机协作，特别是人-AI协作的理论认知，为后续研究提供了重要的理论基础和分析框架。
应用价值：对于企业管理者和实践者，本研究提供了清晰的行动指南。在引入AI时，组织应特别关注并管理好因AI导致的工作内容与职责的变化，以及可能引发的员工地位与竞争力感知的下降。同时，积极塑造员工对AI的积极认同，将其定位为良性、支持性的协作伙伴，而非替代者，是降低抵触、促进成功协作的关键。此外，采纳专家建议，投资于可解释AI和员工伦理培训，将有助于构建更健康、更可持续的人机协作环境。
社会价值：研究倡导一种人与AI的共生关系，指出通过持续教育和正确引导，AI可以成为扩展人类技能与能力的工具，从而在提升组织效率的同时，维护员工的自尊与福祉。
五、 研究亮点
六、 其他有价值的探讨
研究在讨论部分也坦诚指出了局限性。例如，预测因子主要源于对现有IT文献的推导，未来可直接从员工访谈中探索更多AI特有的威胁源。此外，测量AI身份的量表源自对智能手机的研究，本研究发现“依赖性”这一维度在AI情境下不适用，反映了AI作为一种非实体、渗透性技术的独特属性，这为后续改进测量工具提供了线索。研究者建议未来应关注尚无AI经验的员工群体，并拓展到信息系统以外的学科视角（如心理学、社会学）以获取更全面的理解。这些反思为后续研究指明了有价值的推进方向。