生成式人工智能的使用通过工作重塑和工作投入对工作表现的影响:数字能力重要吗?

时间:2026年1月16日
来源:Computers in Human Behavior

编辑推荐:

生成式人工智能在越南中小企业中通过工作重构和员工投入间接提升绩效,数字能力正向调节这些关系。研究采用PLS-SEM分析758份问卷,验证了理论框架下的假设路径,为SME数字化转型提供管理启示。

广告
   X   

Bui Nhat Vuong
越南航空学院,阮文Troi街104号,富寿安区,胡志明市,700000,越南

摘要

本研究的目的是探讨生成式人工智能(Gen-AI)的使用对工作绩效(JP)的影响,重点关注工作重塑(JC)和工作投入(WE)的中介作用。此外,研究还考察了数字能力(DC)的调节效应。数据来自越南中小型企业(SMEs)的758名员工的调查,采用偏最小二乘结构方程建模(PLS-SEM)技术进行分析。研究结果表明,Gen-AI的使用对工作绩效有积极影响。这种关系部分受到工作重塑和工作投入的中介作用。此外,在数字能力较强的员工中,Gen-AI对工作重塑、工作投入和工作绩效的影响被放大。最后,本研究为越南的中小企业管理者提供了一些管理建议,强调迫切需要在其组织内推广Gen-AI的使用,并提升数字能力以提高员工的工作绩效。

引言

技术和人工智能(AI)正在推动中小企业的管理和运营发生重大变革。这些进步促进了各种创新应用的发展,例如自动化业务流程、进行市场分析和预测、提升客户支持、管理知识以及优化供应链(Shaikh等人,2023年)。对于中小企业而言,AI的发展和实施至关重要,因为这些企业通常在快速变化的市场环境中资源有限,并面临激烈的竞争。AI有潜力提供定制化的解决方案,帮助中小企业提高运营效率、降低成本并做出数据驱动的决策(Wijayati等人,2022年)。然而,要充分利用这一潜力,中小企业需要明确的人力资源管理策略,确保员工具备有效利用AI所需的技能。尽管如此,关于AI在中小企业中应用的学术研究仍然有限,尤其是在AI如何影响员工工作成果方面。这凸显了在这一领域进行更多深入研究的必要性。
在这种情况下,新一代数字技术,特别是生成式AI的出现,显著扩展了AI在中小企业中的应用可能性。Gen-AI平台不仅能够自动化流程,还能创建内容、设计产品、分析复杂数据,并以前所未有的方式与客户互动(Qi等人,2025年)。根据麦肯锡的一项涉及1363名参与者的调查,65%的人表示他们的组织正在定期使用Gen-AI,这一比例几乎是十个月前类似调查结果的两倍。此外,75%的受访者认为Gen-AI将在未来几年对其所在行业带来重大或颠覆性的变化(麦肯锡,2024年)。对于经常面临资源限制但创新需求高的中小企业来说,有效利用Gen-AI已成为提升竞争力的关键因素(Oldemeyer等人,2025年)。
越南的中小企业目前正在经历显著的但不平衡的数字化转型。AI和数字技术的实施往往更多地依赖于员工的能力、积极性和适应性,而不是现有的正式管理系统。与通常拥有全面数字化策略的大型企业不同,中小企业通常更加灵活和实验性。它们的动态能力包括快速采用新技术、敏捷应对市场变化以及创造性地开发创新解决方案。这些因素,加上员工的个人投入,在很大程度上决定了技术创新的成功。中小企业在推动国家经济增长和发展中发挥着关键作用。在越南,这一行业占所有运营企业的97%以上,贡献了约45%的国内生产总值,并提供了超过60%的社会就业机会(CaféBiz,2025年)。凭借其适应性的规模、快速的响应能力和创新精神,中小企业不仅能够适应创新,还能促进创新,使其成为经济数字化转型和可持续发展的关键力量。这提出了一个重要的管理问题:员工如何不仅采用Gen-AI,还能最大化其价值以提高工作绩效?解决这个问题不仅有助于填补研究空白,还为管理者和政策制定者提供了关于如何在中小企业中有效实施Gen-AI的实际见解,使这项研究与他们的工作直接相关。
本研究旨在填补现有文献中关于Gen-AI使用对员工工作绩效影响的重大空白。虽然组织中使用Gen-AI的情况正在迅速增加,但深入研究Gen-AI使用与工作绩效之间联系的研究仍然有限。为了填补这一空白,本研究重点探讨了Gen-AI使用与中小企业员工工作绩效之间新颖且研究不足的关系,因为在这些企业中资源往往有限而创新需求很高。通过这项分析,研究旨在提供实证证据,阐明Gen-AI使用在个体层面的作用。此外,它有助于理解Gen-AI如何作为提升工作绩效的战略工具。研究结果预计将为中小企业提供重要的治理见解,提供关于如何利用Gen-AI提高竞争力和灵活适应动态商业环境的实际指导。
关于Gen-AI使用与工作绩效之间直接关系的研究空白凸显了缺乏探讨这一关系中介机制的研究。尽管一些文献强调了知识共享、创新工作行为和工作投入在提升工作绩效方面的重要性(Vuong & Hieu,2023年),但Gen-AI在刺激心理行为过程(如工作重塑和工作投入)以改善工作绩效方面的作用仍大部分未被探索。工作重塑使员工能够主动修改他们的任务、人际关系以及对工作的认知,从而最大化Gen-AI提供的资源和数据(Lin & He,2025年)。同时,工作投入培养了积极的心理状态,增强了工作场所的动力、专注力和持续的努力(Manresa等人,2024年)。然而,Gen-AI使用与工作绩效之间关系中工作重塑和工作投入的中介作用尚未得到完全验证,尤其是在中小企业中。这突显了迫切需要实证研究来阐明Gen-AI使用如何通过促进工作重塑和工作投入创造价值。
为了解决这一研究空白,本研究采用了Demerouti等人(2001年)的工作要求-资源(JD-R)模型作为核心分析框架。根据JD-R模型,Gen-AI可以被视为一种重要的“工作资源”,不仅能够提升工作绩效,还能触发工作重塑和工作投入等关键心理行为过程。研究探讨了员工如何积极重新设计他们的工作以利用Gen-AI,同时保持高水平的投入,从而最终提高工作绩效。将JD-R模型纳入分析为理解和预测Gen-AI使用、工作重塑、工作投入和工作绩效之间的关系提供了坚实的理论基础。
第三个研究空白是缺乏对影响Gen-AI对员工行为和工作成果影响强度和方向的情境因素的理解。根据JD-R模型,Gen-AI帮助员工优化任务并提高动力。然而,要充分利用这一资源,员工需要具备适应和应用技术的能力,而数字能力是一个关键因素。具备数字技能的员工可以快速学习、定制并将Gen-AI整合到他们的工作流程中,从而能够主动重新设计工作、保持高水平的投入并实现卓越的工作绩效。相反,数字技能有限的员工难以充分发挥Gen-AI的潜力,这降低了其对工作成果的积极影响。尽管如此,尚未有全面的研究探讨数字能力在调节Gen-AI使用、工作重塑、工作投入和工作绩效之间的关系中的作用,特别是在中小企业的背景下。解决这一空白对于AI和组织行为领域来说是一个重要的进步,因为它可能显著增强我们对Gen-AI作为提高组织效率和竞争优势催化剂的条件的理解。
简而言之,本研究通过探讨工作重塑和工作投入来考察Gen-AI使用对员工工作绩效的影响,特别强调了数字能力的调节作用。研究重点关注越南的中小企业员工。本研究旨在通过提供中介和调节机制的实证证据,显著增强学术理解,从而帮助最大化Gen-AI在中小企业中的积极效应。重要的是,研究结果将为管理者提供宝贵的见解和可行策略,以有效实施数字化转型,提升员工的数字能力,并在日益激烈的竞争和转型挑战面前优化组织效率。

部分内容片段

JD-R模型

JD-R理论认为,每份工作都包含两个基本组成部分:工作要求和工作资源。工作要求是指需要持续努力的身体、心理或情感需求,可能导致压力。相比之下,工作资源是帮助缓解工作要求带来的压力、支持实现目标并促进个人发展的因素(Bakker & Demerouti,2024年)。根据JD-R模型,要求与资源之间的平衡会影响

生成式人工智能

生成式人工智能是AI技术的一个高级分支,其代表工具包括ChatGPT、Gemini、Copilot和Sora等。与传统主要依赖预编程规则或算法的AI系统不同,生成式AI使用深度学习模型处理和学习大量数据。这种能力使得能够以多种格式创建高度创新的新产品,包括文本、图像、音频、视频甚至编程代码(

数据收集

在本研究中,量表的选取基于先前发表的研究(Bouckenooghe等人,2013年;Golz等人,2024年;Qi等人,2025年;Schaufeli等人,2006年;Slemp & Vella-Brodrick,2013年)。为了确保测量工具准确反映预期的概念内容,研究团队采用了Brislin(1970年)提出的反向翻译技术。一位英语讲师将量表从英语翻译成越南语,另一位讲师再将越南语翻译回英语

结果

在进行PLS-SEM分析以检验研究假设之前,作者首先对量表的可靠性和有效性进行了初步评估。可靠性使用两个指标进行评估:Cronbach's Alpha(CA)和复合可靠性(CR)。作者遵循了Hair等人(2022年)的建议,即这些值必须超过0.7才能确保量表的稳定性。分析结果表明,这两个指标的最小值都

结论

本研究探讨了越南中小企业中Gen-AI使用、数字能力、工作重塑、工作投入和工作绩效之间的关系。使用PLS-SEM的分析显示,Gen-AI的使用对工作重塑和工作投入都有积极影响,进而提高了员工的工作绩效。此外,研究发现数字能力在多个关系中起着调节作用,增强了Gen-AI使用对工作重塑和

局限性和进一步研究

尽管本研究成功实现了其目标并提供了有价值的发现,但仍需承认一些局限性。首先,调查数据仅来自越南中小企业的员工,采用的是基于便利性的非概率抽样方法。这一局限性可能会影响结果的普遍性。未来的研究应考虑使用概率抽样方法,例如按行业或企业规模进行分层抽样

利益冲突声明

作者声明他们没有已知的财务利益或个人关系可能影响本文报告的工作。

生物通微信公众号
微信
新浪微博


生物通 版权所有