研究速递｜AMJ 人工智能如何提高员工创造力？
编者按
随着ChatGPT的火爆，人工智能（AI）对于生活和生产的影响已经愈发深刻。对于其影响的正面和负面讨论也甚嚣尘上，本期分享一篇最新发表于Academy of Management Journal的关于AI与员工创造力的文献，探讨AI是否能够帮助人类员工提高创造力？
本文结合AI与人类协作、工作设计和员工创造力的研究，探讨了AI协助组织内部工作的顺序分工形式对员工创造力的影响。通过一个在电话营销公司进行的实地试验证明表明：员工可以通过AI协助实现创造力的提升，但这种理想的结果受到技能的有偏影响，更倾向于拥有高工作技能的专家。
AI何时以及如何增强员工的创造力
When and How Artificial Intelligence Augments Employee Creativity
文献来源：Jia, N., Luo, X., Fang, Z., & Liao, C. (2023). When and How Artificial Intelligence Augments Employee Creativity. Academy of Management Journal. https://doi.org/10.5465/amj.2022.0426
摘要
人工智能（AI）能否协助人类员工提高员工的创造力？借鉴关于人工智能与人类合作、工作设计和员工创造力的研究，我们以组织内连续分工的形式研究了人工智能的协助作用：在一项任务中，AI负责处理初期的常规编码和重复工作，而员工专注于涉及更高层次问题解决的后续部分。首先，我们提供了在一家电话销售公司进行的实地实验的因果证据。我们发现，AI协助寻找潜在客户，平均而言，增加了员工在随后的销售说服中回答客户问题的创造力，进而增加销售额。然而，这种影响对于高技能的员工来说要明显得多。接下来，我们利用对员工的半结构化访谈进行了定性研究。我们发现，Ai协助改变了工作设计，通过加强员工与更可能发展的客户的互动，使高技能员工能够产生创新性的脚本，并在工作中产生积极的情绪，这有利于创造力的提高。相比之下，在AI的帮助下，低技能的员工对脚本的改进有限，并在工作中体验到负面情绪。我们的结论是：员工可以通过AI协助实现创造力的提升，但这种理想的结果受到技能的有偏影响，更倾向于拥有高工作技能的专家。
1. 引言
在现代组织中，员工创造力十分重要。人工智能技术能否增加人类员工的创造力，从而产生AI增强型员工创造力（AI-augmented employee creativity）呢？这个问题引起了诸多学者的兴趣。有学者猜测，人工智能可以提高员工的创造力，因为“人类和机器人一起工作，机器人负责繁重的工作，这样人类就可以专注于创造性的部分”。然而，人工智能是否真的可以帮助员工创造性地解决更高层次的问题，以及实现这一理想结果所必须满足的关键条件，目前还缺乏理论基础和系统的经验证据。
本文通过研究AI与人类在顺序分工任务中的合作来解决这个问题。任务的顺序分工是指，将初期的常规编码和重复的部分分配给AI，而将后续更高层次的问题解决部分分配给人类员工。首先，作者认为这种形式的AI协助改变了人类员工的工作设计。在此基础上，作者假设了两种相互竞争的情况。然后，作者将员工的工作技能确定为调节因素，并假定高技能员工从AI协助对创造力的获益更多。最后，作者还认为，提高员工的创造力对于人工智能协助提高组织绩效至关重要。
2. 理论与假设
2.1 人与AI的合作改变工作设计
AI已被用于开展一系列快速增长的经济活动，其准确性、可靠性和可扩展性都高于人类。目前的AI技术在执行重复的、已编码的任务方面特别有效，这些任务遵循明确、具体的协议和脚本。但同时AI在处理无脚本的、更高层次的、非结构化的任务时面临着局限性，部分原因是它在对未知问题产生新的答案时不具备人类的创造力。
基于此AI和人类之间的分工可能是合理的，这样可以利用AI和人类员工的相对优势。任何成功的分工都需要将实现特定组织任务的目标分解为相互依赖的工作子群。当一个子任务的结果成为另一个子任务的输入时，这种相互依存关系可以依次表现出来，或者当子任务共同产生一个共同的结果时，这种相互依存关系可以平行表现出来。在本文研究中，我们关注的是顺序分工；具体来说，AI处理任务中已编码的、重复性的部分，其结果是同一任务中后续更高层次问题解决部分的必要输入。这是一种AI与人类合作的形式。
这种顺序分工给人类员工的工作设计带来了结构性变化，具体表现为两个关键特征：（1）降低了员工执行重复的、规范的、结构化的工作的工作量；（2）强化了员工处理非结构化的、高水平问题解决的工作量。
那么AI对与改变工作设计的重要性在何处？第一，可以避免将初始任务交给人类员工所产生的两个问题。一方面，在执行重复、规范化的工作时，人类员工由于可能会受到厌倦与疲惫的负面影响，表现得不如AI可靠。又因为顺序分工的任务间相互依赖，处理后续工作的员工如果发现之前委托给其他人的任务没有得到可靠的执行，可能会产生负面溢出效应。这种负面经历会降低员工的工作自主性与个人责任感，从而破坏他们在工作中的内在动力，例如努力富有创造性。另一方面，将重复性工作交给人类员工，是工作丰富化模型的倒退，这将使人类员工经历工作设计专家们一直努力避免的已知的负面后果。
第二，AI是处理已编码、重复性工作中最先进的技术工具。与其他技术相比，AI对话式机器人更为强大。因为其他技术无法进行类似人类对话的交流，导致信息交流效果不佳，并更容易引发客户的厌恶。
2.2 AI增强员工创造力的理论张力
基于对工作特征模型和员工创造力的研究，关于AI和人类员工之间的顺序分工所引起的工作设计的变化是否会增加员工的创造力，从而产生AI增强型员工创造力，存在着理论上的矛盾。
引入AI的积极影响包括：（1）节约资源。改变后的工作设计有助于节约员工解决更高层次问题所需的资源，员工就更有可能保持对手头工作的关注，从而增加取得创造性成果的可能性。（2）富有挑战。改变后的工作设计，通过消除员工职责中的精心编排的和重复的部分任务，增加了员工在工作中所接触到的问题的整体复杂性和挑战性。研究发现，当面对复杂和具有挑战性的工作时，员工会变得更加积极、主动、兴奋和有创业精神，这增加了他们产生的新想法的数量。其中的关键机制包括自主感、内在动机等。
引入AI的消极影响包括：（1）增加压力。工作压力的增加构成了员工创造力的障碍。高工作要求提高了克服认知挑战和应对时间压力的工作量，降低了工作对时间、节奏和工作质量的控制。（2）替代威胁。虽然员工可能认为组织在顺序分工中使用AI是对他们工作的帮助，从而增加了组织支持，但也存在一个突出的担忧，即AI的采用会引发员工对技术取代工作的恐惧，这可能被认为是对员工的组织支持的降低。
2.3 作为关键条件的工作技能：以技能为导向的AI增强的员工创造力
员工的工作技能是指他们的领域专长或如何执行工作所需任务的知识。工作技能决定了员工如何克服工作中遇到的挑战；因此，这些能力关系到他们在相关任务中的表现。
多个理论都强调了专业知识在创造新想法方面的重要性。员工创造力的构成理论认为，与领域相关的技能是该领域内员工创造力的重要驱动力。如吸收能力理论（即更多的现有知识使个人和组织能够更好地学习新知识）和创新理论（即新知识来自于先前知识的重新组合）所支持的，员工在工作相关领域的更多现有技能提高了他们找到新问题解决方案的能力。因此，员工的工作技能越强，他们就越有可能利用保存的认知资源，以及由AI 起的工作设计变化所产生的工作复杂性越高，这两者都有利于工作场所的创造力。
同时，尽管改变后的工作设计增加了员工从事高层次问题解决的工作量，但较高的工作技能使员工能够解决其工作领域的问题，因此，对于高技能的员工来说，整体的工作量压力不太可能增加或增加的程度较低。其次，当员工拥有较高的工作技能时，他们在与AI的“赛马”中会形成更大的优势，从而减轻他们对被AI取代的担忧。因此，作者提出假设1:
H1：在一项AI和人类员工之间有顺序分工的组织任务中，当这些员工具有较高的工作技能时，AI协助处理任务中最初编排好的、重复的部分，更有可能提高员工解决任务中后续更高层次问题的创造力。
AI协助可以通过增加工作中的创造力来提高员工的工作绩效，因此作者提出假设2:
H2：如果AI协助处理初始的、规范化的、重复性强的任务确实增加了员工解决后续更高层次问题的创造力，那么增加员工创造力就是AI协助提高员工绩效的一种途径。
3. 研究设计
为了检验所提出的假设，作者进行了一个现场实验研究和一个定性研究。
在现场实验中，作者选取亚洲某大型电话销售公司的40名员工。所有被试者事先均为曾有过销售信用卡经历，且在任务启动之初经历了相同培训。根据员工前几个月其他产品的销量将员工氛围三组，再根据有无AI协助、员工技能高低分为四组采取2*2的实验设计。
在定性研究中，作者对参与实验的被试进行了28次半结构化访谈，每次持续时间在50至90分钟之间。并通过开放式编码对访谈内容进行分析。
4. 研究结果
4.1 AI辅助改变了员工的工作设计
AI和人类员工之间的顺序划分改变了工作设计，减轻了员工处理编排好的标准工作的负担，加强了员工解决更复杂、更高层次问题的需要。但低工作技能员工则认为这降低了他们的工作速度和效率，因为AI协助提升了他们遇到对产品认知的客户的可能性，所以使服务更有挑战。但受限于能力，他们在后续任务时遇到了了很多困难,且很有压力。相反，高工作技能员工对不必发掘潜在客户表示欣慰，并认为与潜在客户更密集、复杂的互动提供了更大的职业机会。
4.2 AI辅助有利于发展创造力的认知技能
由AI协助引起的工作模式的关键变化，一方面影响了人类员工在开发新脚本和改进现有脚本方面取得的实际成果，这两者在这种工作环境中被认为是 "创新"，尽管这在高技能和低技能的代理人之间存在着巨大的分歧。另一方面，高技能和低技能的员工都认为，工作模式的改变应该提高他们的能力，以便在长期内表现出更大的创造力。但相比较高技能员工通过节约资源和面对更有挑战性任务发展了更多的工作技能，低技能员工虽然也认为AI协助节约了时间，但他们由于能力有限，所以这些变化在帮助他们找到新的或更好的答案方面没有起到作用。
4.3 AI辅助可改善员工心理健康并促进创造力
改变后的工作模式以及AI协助产生了各种心理后果，影响员工创造力。一方面，高技能的人类员工从执行改变后的任务中体验到更多的积极情绪，包括更好的心情、更高的士气和更大的激情。然而，低技能的人类员工报告了负面情绪，包括紧张、士气低落和被拒绝的感觉。积极的情绪会形式更大的创造力。另一方面，高技能和低技能的人类员工报告了对公司采用AI协助的更积极的情绪和更大的组织承诺。
5. 讨论
5.1 对AI的光明面研究的贡献
研究表明，即使是简单的顺序分工也能在AI和所涉及的人类员工之间创造协同效应。如果没有员工，AI在独立处理高层次问题的解决上面临着局限性；同样，如果没有AI的协助，员工会因为简单重复的工作而分心，士气低落，而他们却渴望有趣和创造性的工作。因此，人工智能与人类的合作是 "一箭双雕"。
研究还表明，使用AI处理繁琐和重复的工作有助于人工员工专注于开发更多的创造性成果这一传统假设并不总是成立。对于AI协助是否真的能增加员工的创造力，理论上存在紧张，但员工的领域专业知识或工作技能构成了调和这种紧张关系的关键条件。具有较高工作专长的员工在开发创造性解决方案时更多地受益于人工智能协助。
最后，员工对工作的厌倦是一种常见的、有问题的经历，可以追溯到工业时代。技术的进步加剧了这种担忧，因为它导致了工作的进一步碎片化。然而，这项研究表明，由于AI可以有效地执行精心编排的重复性工作，它们可以使员工保持专注于更有趣的工作，这可能导致更有意义的工作经验。
5.2 对AI的黑暗面研究的贡献
研究人员非常清楚数据科学和算法的“黑暗面”，或者这些实践可能对员工和客户产生负面后果的潜在影响。当AI技术取代人类员工或使员工执行碎片化的工作，导致非人性化时，常见的担忧会出现。然而，作者表明，即使AI接管了单调乏味的工作来帮助人类员工处理需要创造性解决方案并且有潜在趣味性的工作时，对低技能员工的福利的担忧也会增加。这些员工在接受AI协助为客户服务后感受到负面情绪，感到更紧张、更大的压力和更多的紧张感。他们也从未能克服挑战和经常失败中获得更低的士气，使他们的任务变得不那么有趣。他们没有体验到创造新脚本的自由，反而希望得到标准答案。虽然他们希望得到高技能同事的额外帮助，但如果没有刻意的工作设计，包括给予财务激励或建立团队文化，不清楚为什么高技能同事会花时间为他们提供所需的帮助。
其次，作者强调AI技术的“黑暗面”以技能倾斜的结果极不平等地影响人类员工。低技能的人类员工经历“双重损失”-缺乏工作技能本身和与AI合作的负面体验。然而，不应忽视低技能员工，因为他们是社会的一部分，他们中的许多人将来可以发展更高的工作技能。作者建议未来研究的方向是探索管理AI和相关过程的方法，以确保低技能员工不会被落下。
5.3 局限性和未来研究方向
更复杂的AI与人类的合作形式可能涉及允许人类和AI使用或修改他人的工作内容。对组织中人类工作者和AI之间的这种直接互动的研究，主要集中在人类工作者对AI生成的信息做什么以及AI的开发者和使用者如何共同创造技术。AI和人类工作者之间的直接互动可以提高员工的创造性或创新成果吗？一方面，人类工作者可以 "站在 "AI生成的关于其任务的结构化组成部分的预测上，这可以使他们探索新的想法。另一方面，人类工作者在充分理解AI的工作方面有局限性，并可能对其保持不参与，从而阻碍了他们的探索。然而，这种矛盾值得进一步研究。
尽管人类工作者的领域知识和心理对于他们如何理解、使用和与AI互动都很重要，但我们表明，人类工作者的领域知识或工作技能关键地制约着AI对其心理结果的影响。对于组织中AI的有效采用，哪一个更关键——用适当的领域知识培训人类工作者，还是帮助他们解决心理障碍？此外，必要的领域知识的准备是否需要与AI应用中人类工作者的正确心态相协调？这些问题值得进一步关注。
最后，遏制AI采用的黑暗面需要企业和管理者更好地设计AI的采用。例如，伴随着AI的采用，可能需要对低技能员工进行额外培训的补充投资。由于低工作技能会导致 "双重损失"，提高工作技能会给员工和公司带来重复的回报。另一种类型的补充政策是创造激励机制和文化，使高技能员工在AI协助下产生的创造性成果能够更广泛地传播。
本文经翻译整理，仅供学习与交流，转载请注明出处。
-供稿/编辑：刘建一 | 审核：孙孟子-
文章荐读