有了AI帮忙，你的工作积极性会更高吗？

在亚马逊的物流仓库，AI算法如同一个无形的“游戏导演”，为每一位拣货员实时规划最优行进路径，并将任务进度以直观的数值与提示形式显示在手持设备上，使高强度工作带上闯关般的体验。然而，在这套充满游戏感的系统背后，隐藏着持续不断的效率监测机制。AI系统会精确追踪每个员工的“任务完成间隔时间”（task completion interval），细致到秒级记录从货架定位到商品扫码的每个环节。任何细微的延迟、转身或停顿，都可能被算法判定为“非增值动作”，并自动生成效率分析报告。系统能精准地识别出拣货员工作中任何效率低下的瞬间，并将这些数据实时反馈至管理系统，在提升整体运营节奏的同时，也使人类员工置身于一个透明却无处遁形的数字效能藩篱之中。

同样，就在此前2025年阿里云栖大会上发布的“智能联络中心2.0及Chat AI助理”系统，能通过自然语言处理与大数据能力，根据客户问题和情绪等实时情况，生成对话流程画布，完成多语言文案撰写与消息编排，然后交由客服人员审核后快速回复客户。然而同时，这位“智能伙伴”同样具备“数据洞察之眼”，其内置的流程数据诊断功能会持续分析客服的每一次交互，精准识别响应瓶颈与流程断点，并自动生成优化建议。此举在赋能员工、提升运营敏捷性的同时，也将员工的操作细节置于持续的算法审视之下，使其在扮演效率提升者的同时，也成为工作效能的隐性评估者。

这样的案例还有很多，人工智能技术正在以前所未有的速度和广度重塑商业环境，越来越多的企业将AI技术引入工作环境中。目前，围绕企业中AI技术使用效果的讨论常常陷入一种两极分化的情境：一方面认为AI将带来前所未有的生产力提升、成本削减和效率优化；另一方面则是担忧AI技术将带来大规模的岗位替代和算法监控。然而，这些功能日趋强大与精细的 AI 技术如何深刻地影响和重塑其使用者的协作体验，以及工作心理状态，相关的探讨却并不多见。

在组织行为学的研究中，研究者常用“工作繁荣感”（thriving at work）这一变量描述员工工作的心理状态。工作繁荣感是指员工在工作场所中同时体验到的认知维度的“学习感”和情感维度的“活力感”的积极心理状态。学习感反映个体持续获取新知识和技能、提升专业能力的过程性认知体验；而活力感反映个体对工作充满热情、能量和动力的情感体验。工作繁荣感不仅是衡量员工内在心理状态的重要指标，更是驱动组织发展的关键动力，它与员工更高的绩效、创新行为和更低的职业倦怠密切相关。

当AI技术的引入能够增强员工的活力感和学习感时，人与AI的协作将为企业带来良好的收益；反之，当AI的应用削弱了工作繁荣感，员工自身与AI系统的潜力都将被影响。企业的目标不应仅仅是构建一个高效的AI自动化系统，而应是打造一个可持续、自适应且富有创新能力的人-AI系统生态。因此，在人机协同的新时代，激发员工的繁荣感，已不再是人力资源部门的“软指标”，而是使企业能够在未来竞争中脱颖而出的核心战略要素。

#1

人机协同的双重效应

以深度学习和大模型为代表的人工智能技术的发展，推动人机关系从“交互”迈向深度“协同”。传统的人机交互研究主要围绕规则驱动的自动化系统展开，在这一范式中系统多以被动的“工具”形态存在，人机交互的模式呈现出预设性、静态性与低适应性的特征，其核心是探讨人类与系统之间的任务分配与控制权问题。AI技术驱动的人机“协同”（human-AI collaboration） ，则更强调人类与智能系统通过双向互动与共同学习，整合各自优势以达成共享目标。其核心特征包括：

角色重构与职能互补：AI从被动工具转变为“主动伙伴”，承担实时数据分析、情绪识别、知识检索等任务，而人类可以专注于需要共情能力和复杂决策的任务。这样的职能再分配释放了人类员工的认知资源，使其投身于更高价值的工作中。

自适应与双向学习：区别于传统的自动化系统，AI系统能够通过强化学习等方式，利用交互数据持续优化自身行为，人类亦可从AI提供的反馈与建议中扩展知识边界，形成双向增强的学习循环。

基于人-AI协同的价值，AI辅助系统正在快速发展和普及。正如前面亚马逊物流AI算法和阿里Chat AI助手的例子所示，这类系统的目标并非完全取代人类，而是作为人类工作者的“数字同事”，其核心是增强人类的能力，帮助人们更好地完成工作任务。AI辅助系统通过海量数据处理、模式识别和即时信息检索等优势，与人类的常识推理、创造性思维和共情能力相结合，形成一种高效的互补关系。然而，这些AI辅助系统如何影响和重塑使用者的工作体验与心理状态，并未有一致的结论。

一方面，当员工感知到AI系统有效接管烦琐的重复性任务、降低精力消耗，并提供实时反馈与知识支持时，会形成AI技术增强感。这种感知使员工认为AI是其工作的有力助手，帮助他们更高效地投入核心任务，提升活力感，同时也在持续的人机协作中促进技能提升与学习体验。

但另一方面，AI系统为实现优化与质量控制，往往内嵌细颗粒度的数据收集与电子监控机制。这类监控行为易使员工产生AI技术侵入感，引发对自主性丧失的担忧，同时持续的算法监控不断消耗员工的认知与情感资源，直接削弱其活力感，抑制探索与学习的内在动机。

基于自我决定理论，我们这里以员工的工作繁荣感作为AI使用者的工作心理状态的核心测量，探讨AI 客服辅助系统与员工协同过程中的双重效应，即AI技术增强感以及技术侵入感，如何影响员工的内在心理与工作动机。自我决定理论（self-determination theory, SDT）是由心理学家爱德华·德西和理查德·瑞安于20世纪80年代初提出，并在2000年左右完善的心理学理论。该理论指出，人类有三种与生俱来的基本心理需求：自主性需求、胜任感需求和关系需求，这些内在心理需求的满足是激发内在动机、促进心理健康和实现最佳功能的必要条件。

#2

AI辅助场景下的技术增强感

与技术侵入感

以客服场景为例，在客服员工与客户互动时，AI辅助系统能从知识库中提取并整合该客户的历史交流信息，并提供同类问题的解决方案或标准流程，为客服员工补充了该交互过程需要的背景信息。同时，AI 辅助系统能够自动回复简单的查询，完成信息录入等重复性的流程任务，将员工从重复问答中解脱出来，让他们能聚焦于复杂客户问题与关系维护。此外，AI 辅助系统能够通过分析交互过程中的语言、表情等多模态信息，实时识别客户的情绪状态，分析其潜在需求，帮助员工更准确地捕捉客户意图，引导员工更好地完成客户服务。因此客服中心也成为AI技术应用的“先行区和密集区”，客服岗位的员工需要与AI系统紧密协作来完成日常工作内容，是组织中人-AI协同频度与深度最高的职能之一。

我们将员工主观上感知到AI技术为其工作带来积极、赋能与支持性作用的心理体验，定义为AI技术增强感（perceived augmentation of AI）。这种感知使员工将AI视为提升能力、效率与体验的有力助手，而非替代者，从而增强其工作效能感、自主性与职业发展前景。

基于自我决定理论，AI技术增强感主要通过满足员工的三大基本心理需求促进工作繁荣感。首先，在自主性方面，AI接管重复性任务（如信息查询与标准化应答），使员工能够更自主地安排核心工作，将其注意力与精力投入更复杂、有挑战性的业务中。员工感受到对工作节奏与内容的控制感，满足其自主性需求，进而提升工作中的活力与投入感。

其次，在胜任感方面，AI通过实时分析用户提问与知识库信息，为员工提供精准的回复建议、客户情绪识别与意图判断，帮助他们更高效、自信地解决问题。这种支持不仅提升了员工应对复杂情境的能力，也强化了其对自身专业成长的认知，减少因能力不足带来的心理耗竭，从而增强学习感和工作繁荣感。

最后，在关系需求方面，AI辅助提升了员工的工作信心与完成质量，使其更愿意主动与同事分享成功经验、协作策略与使用技巧。这不仅促进了团队内部的交流与知识流动，也增强了员工的归属感和人际连接，在满足其社会性需求的同时，为工作繁荣感提供情感与支持基础。

不过，AI客服辅助系统在支持客服工作的同时，也潜在地侵入了员工的工作与个人空间，例如AI系统会全面记录客服员工的对话过程、键盘与鼠标操作，并实时分析对话情绪、关键词匹配与脚本遵循度等细节内容。我们将员工对AI技术在监控、数据收集及隐私侵犯等方面的主观担忧定义为AI技术侵入感（perceived intrusiveness of AI），它是技术压力（technostress）在AI时代的新型表现形态。根据自我决定理论，AI技术侵入感会通过侵蚀员工的基本心理需求，对其工作繁荣感产生显著的负面影响。

在自主性方面，系统实施的细粒度行为监控——如对话术、语调、停顿等的实时分析——使员工感到自身行为被持续追踪与评判。这种被控制感促使员工倾向于采取风险规避行为，削弱其主观决策权与心理自由，进而抑制活力感与内在动机。

在胜任感方面，AI对工作流程的深度介入可能引发员工的技能贬值焦虑（skill degradation anxiety）。过度依赖AI辅助会使其感到自身能力正被系统替代而非增强，不仅阻碍专业知识与沟通技能的发展，也导致对自身解决问题能力的信心下降，从而损害学习感与成长体验。

在关系需求方面，人机交互的增强在一定程度上替代了人与人之间的实际协作与沟通，可能导致员工感到孤独和情感疏离。同事间自然的知识分享与情感支持机会减少，团队归属感受到侵蚀，进一步影响员工的情感状态和关系满足感，对工作繁荣感构成消极影响。

综合来看，在增强感路径下，AI辅助系统为员工提供工具和信息支持，使他们能够更自由地安排工作，完成更高难度任务，并通过良好的人机氛围满足情感需要。这将满足员工对自主性、胜任感和归属感的需求，进而提升工作繁荣感。而侵入感路径下，AI辅助系统可能削减员工对工作的控制权，引发其对技能退化的担忧，减少了员工在组织中的人际连接，满足需求的过程受到干扰。在这种压力下，员工就难以体验到工作中的活力和学习感，工作繁荣感随之下降。表1总结了这两类技术感知对工作繁荣感的影响机制以及基于自我决定理论的解释。

表1 理论假设框架

#3

“共生伙伴”关系

为了进一步了解在AI 客服辅助系统对员工工作繁荣感的双重影响中，AI 技增强感和AI 技术侵入感中哪一条路径占据主导地位，以及工作繁荣感又如何影响员工的工作主动性与适应性，我们招募了多个行业的客服员工进行问卷调研。为避免同源偏差, 我们这项研究采用多时点多来源的样本数据收集方法，共分三次进行数据收集，最终回收有效问卷197份。

问卷的分析结果表明，客服场景中AI辅助系统对员工工作繁荣感的确呈现双重效应。一方面，在控制了员工的年龄、性别、学历变量后，AI技术增强感可以显著地提高员工的工作繁荣感，另一方面，AI 技术侵入感会让员工的学习降低活力感和学习感，从而降低工作繁荣感。进一步比较两者的系数，我们发现AI技术增强感对工作繁荣感的正面效应（0.214）要明显大于技术侵入感带来的负面效应（-0.076），也就是说，在客服场景中应用AI辅助系统的积极作用仍强于消极作用。

我们的研究结果表明，AI辅助系统在客服场景的应用像是双刃剑。企业管理者应当正视其潜在的积极与消极效应，通过以人为本的管理策略，引导员工在增强式体验中满足自主、胜任与关系需求，避免因感知技术侵入而产生消极影响。只有这样，组织才能真正将AI的优势转化为员工个人活力和成长的机会，实现技术进步与员工福祉的双赢。同时，我们的研究发现为企业设计“赋能型”的AI辅助系统提供了重要指南和参考。AI辅助系统的价值不仅是“降本增效”，更应成为“激活员工价值”的载体，这意味着企业需通过优化AI系统设计和功能提升增强感、减少侵入感、以工作繁荣感为核心重构技术管理文化，最终实现“人机协同”从“技术工具”到“共生伙伴”的升级。

#4

人机协同的未来

展望未来，人机协同将超越当前“人类主导、AI辅助”的模式，迈向更具深度与自主性的“共生伙伴”关系。随着生成式AI、具身智能及大规模个性化交互技术的成熟，AI将不再仅是响应指令的工具，而是能够主动洞察需求、提出解决方案,甚至在复杂情境中与人类进行辩论与共创的“同事”。在这一趋势下，组织管理的核心挑战将从“如何用好一个工具”转变为“如何管理与一个不断进化、具有一定自主性的数字伙伴的关系”。这意味着，企业需提前构建“人机互信”与“人机沟通”的机制。例如，开发可解释AI（explainable AI，XAI）系统，使AI的决策逻辑对员工透明，让员工理解为什么AI系统需要收集细颗粒度的数据，从而减少其感知的技术侵入感；同时，培养员工的“AI素养”（AI literacy），使其不仅能操作AI，更能理解AI的运作逻辑与边界，具备校准、质疑与引导AI行为的能力，这会让员工更理性地看待AI技术所带来的增强感和侵入感，使员工在与AI的深度协作中增强其主动性和适应性，保持其独有的批判性思维、价值判断和伦理决策能力。

长远来看，组织的竞争力将取决于其激发人类潜能的程度，而工作繁荣感恰恰是驱动员工主动性与适应性的核心引擎。因此,企业的AI技术应用需从“效率管控”转向构建以“人的繁荣”为中心的“活力型生态系统”，不仅要关注AI技术能力的提升，同时还需要通过重构管理文化和技术实现体系，系统性地提升与之协作的员工的活力感和学习感，使每一位员工都成为与AI共舞、持续进化的活力源，共同驾驭未来的不确定性。MI·专题

本文来自微信公众号“复旦商业知识”（ID：BKfudan），作者：缪青 卢向华 陈紫荧 刘圣明，编辑：谭相宜，36氪经授权发布。