工作场所中人工智能（Artificial Intelligence, AI）采纳的普遍性日益增长，其主要目标是提升绩效与生产力。然而，关于此类采纳如何潜在影响员工福祉（well-being）的知识仍然有限且碎片化。为填补这一空白，研究人员对74篇关于AI与福祉的文献进行了系统综述，以梳理当前研究现状。该综述综合了现有文献中的AI类型、福祉结果、理论视角及方法学路径，表明AI采纳为员工的心理（psychological）、社会（social）及生理（physical）福祉既带来机遇也带来挑战，并识别了关于AI采纳对福祉影响的主要理论框架。基于能力-动机-机会（ability-motivation-opportunity, AMO）模型，研究人员构建了一个全面的、基于证据的框架，供领导者与组织将AI整合进人力资源（Human Resource, HR）实践，从而提升员工的能力、动机与机会以完成工作，同时保障员工福祉。最后，研究人员讨论了对未来研究与实践的启示。
在当今数字化转型的时代背景下，人工智能正以前所未有的速度渗透至组织运营的各个层面。然而，与AI应用带来的效率提升形成鲜明对比的是，其对于职场员工福祉的深层影响尚未得到充分理解。现有研究表明，AI技术一方面能够通过自动化处理繁琐任务、优化决策流程来提升工作体验，另一方面也可能引发员工对于工作替代、隐私侵犯及人际疏离的焦虑与担忧。这种知识困境构成了本研究的核心背景：当组织竞相拥抱AI技术以追求绩效最大化时，员工的心理、社会与生理福祉这一根本性议题却被置于相对边缘的位置。
研究人员开展此项系统综述的目的在于，将职场员工结果的关注的焦点从单纯的经济绩效拓展至更为全面的福祉维度，并系统绘制AI与员工福祉研究的学术版图。该研究发表于《HUMAN RESOURCE MANAGEMENT REVIEW》期刊，具有重要的理论贡献与实践价值：在理论层面，研究首次将AMO模型应用于AI采纳情境，拓展了该模型的解释边界；在实践层面，研究为组织如何通过战略性人力资源干预来平衡技术创新与员工保护提供了可操作的路径指引。
研究方法层面，研究人员遵循Simsek等（2023）的建议及PRISMA报告指南（Page等，2021），于Web of Science和EBSCOhost数据库中检索截至2024年8月的同行评审期刊论文。研究基于AI与福祉的理论定义构建检索策略，并结合既往相关综述确定关键词组合，最终纳入74篇文献进行系统分析。
研究结果显示，AI采纳对员工福祉的影响呈现出复杂多维的特征。在心理福祉层面，AI的应用既能够通过提供个性化反馈、增强工作自主性来促进员工的心理能量（psychological vitality）与韧性（resilience），也可能因算法管理（algorithmic management）导致的控制感丧失、对工作不确定性的感知而诱发焦虑、倦怠等负面情绪状态。在社会福祉层面，人机协作（human-AI collaboration）模式重塑了传统的同事互动关系与团队动力学，一方面AI辅助工具可以促进知识共享与协作效率，另一方面过度依赖AI可能削弱人际信任与组织归属感。在生理福祉层面，物理性AI系统如协作机器人（cobots）的应用有助于降低职业性物理负荷，但长时间面对屏幕的监控性AI环境亦可能引发视觉疲劳与肌肉骨骼问题。
基于上述发现，研究人员构建了以AMO模型为理论根基的HR实践框架。该框架将AI采纳情境下的HR实践划分为三个互补维度：能力（Ability）维度聚焦于通过培训与发展项目提升员工与AI协同工作所需的技能储备，包括技术素养、数据解读能力及适应性学习能力；动机（Motivation）维度关注如何通过工作设计、绩效反馈与薪酬体系来激发员工拥抱AI变革的内在动力，强化其工作意义感与价值认同；机会（Opportunity）维度则致力于营造支持性的组织情境，包括参与式决策机制、弹性工作安排及心理安全氛围，使员工能够充分运用其能力与动机应对AI带来的工作转型。
在讨论部分，研究人员强调AI采纳对员工福祉的影响并非线性单向，而是受到技术特征、任务属性、个体差异及组织情境等多重因素的调节。研究所提出的AMO框架的核心价值在于，它将员工作为能够主动塑造技术后果的行动者（agent）而非被动接受技术影响的客体，呼应了工作设计理论中"工具体验的联合建构"命题。该框架的战略意涵在于，组织应当将员工福祉置于与组织绩效同等优先的战略地位，通过系统性的HR制度安排来实现技术采纳与人力资本发展的动态平衡。
研究结论部分指出，随着AI技术日益嵌入组织活动，理解其对员工福祉的影响既紧迫又必要。本项系统综述通过综合当前AI采纳与员工福祉的研究文献，提供了关于AI如何影响员工心理、社会及生理福祉维度的细致概览，并提出了一个具有理论基础的人力资源实践框架，以指导组织在AI实施过程中保护和提升员工福祉。研究人员呼吁未来研究应当超越横截面设计，采用纵向追踪与实验方法来确立变量间的因果机制，同时拓展跨文化比较研究以检验框架的边界条件。在实践层面，组织应当建立AI采纳的伦理审查机制，将员工作为关键利益相关方纳入技术决策过程，并通过持续的监测与反馈来调适HR实践策略，最终实现技术进步与人文关怀的协同发展。
打赏
