人与生成式人工智能协作在提升生产力和绩效方面具有巨大潜力，但组织必须留意其带来的心理影响。通过精心设计融入生成式人工智能的工作流程，企业能够在不损害员工动力和参与度的前提下，释放其优势。毕竟，未来的工作不仅仅关乎人工智能能做什么，更在于人类与人工智能共同能够取得的成就。

生成式人工智能（Gen AI）彻底改变了职场生态，让专业人士能够在更短的时间内产出高质量的工作成果。无论是撰写绩效评估、头脑风暴创意，还是构思营销邮件，人与生成式人工智能协作往往能达成更高的效率，且成果质量也更为出色。

然而，我们的研究揭示了一个潜在的代价：虽然与生成式人工智能协作能提升当下任务的执行表现，但当人们转而处理那些没有技术辅助的任务时，它可能会削弱员工的内在动力，并增加他们的无聊感。这一发现对于那些希望在利用生成式人工智能提升效益的同时，又不损害员工在其他工作职责上积极性的公司而言，具有重大意义。

研究过程

在四项涉及3500多名参与者的研究中，我们探究了人类与生成式人工智能在共同处理常见工作任务时会发生什么。参与者在有或没有生成式人工智能辅助的情况下，完成诸如撰写Facebook帖子、头脑风暴创意以及起草电子邮件等现实世界中的专业任务。随后，我们对任务表现以及参与者的心理体验进行评估，包括他们的掌控感、内在动力和无聊程度。

我们的研究结果呈现出人与生成式人工智能协作的两种截然不同的结果：

即时绩效提升

生成式人工智能提高了完成任务的质量和效率。例如，借助生成式人工智能撰写的绩效评估，相较于无辅助情况下完成的评估，篇幅显著更长、分析更深入，且语气也更具帮助性。同样，与未借助人工智能撰写的邮件相比，利用生成式人工智能起草的邮件往往使用更温暖、更亲切的语言，包含更多鼓励、共情和社交联系的表达。这凸显出生成式人工智能能够助力员工交付打磨精良、引人入胜且结构合理的工作成果。

心理代价

尽管在绩效方面有所提升，但那些在一项任务中与生成式人工智能协作，随后又转向另一项无辅助任务的参与者，始终反馈称其内在动力有所下降，无聊感有所增加。在我们的各项研究中，内在动力平均下降11%，无聊感平均上升20%。

相比之下，那些全程未使用人工智能的参与者则保持了相对稳定的心理状态。这一发现揭示了协作效益中的一个关键细节：虽然使用生成式人工智能工具起初可能会让人感觉高效且充满力量，但当员工转向那些不涉及人工智能支持的任务时，可能会觉得参与度降低——这在工作流程中是常见的现实，因为并非每项任务都能够或应该由人工智能辅助完成。

动力下降与无聊感增加的原因

与生成式人工智能协作可能会去除任务中认知要求最高的部分，而这些部分往往正是让工作具有刺激性和个人成就感的要素。

例如，撰写绩效评估需要批判性思维和量身定制的反馈。当生成式人工智能生成了大部分此类内容时，这个过程就变得不那么引人入胜，人们可能会觉得与任务脱节。当个体重新回到独立工作时，这种鲜明的对比就会变得尤为明显，从而导致无聊感和动力的降低。

在我们的研究中发现，与生成式人工智能协作最初会降低员工的掌控感——那种作为自身工作主要推动者的感觉。掌控感是内在动力的关键组成部分：当人们觉得自己并未完全掌控工作成果时，就可能会削弱他们与任务的联系。然而，我们也发现，重新回到独立工作虽然能够恢复这种掌控感，但代价却是乐趣的减少。本质上，员工重新获得了自主权，但却感觉灵感和挑战减少了。

这些发现对未来的工作模式有着重要的启示。虽然生成式人工智能可以帮助组织实现短期的绩效提升，但其过度使用可能会对员工的心理健康产生长期影响。如果员工持续依赖人工智能来完成创造性或具有认知挑战性的任务，他们可能会失去推动工作投入、成长和满足感的关键要素。

以一位经常使用生成式人工智能来生成营销活动创意的营销专业人员为例。人工智能生成的成果可能比其独立完成的速度更快，甚至更加完美。然而，如果这位专业人员开始完全依赖生成式人工智能，他们可能会错过提升创造性思维、解决问题的能力以及成就感的机会——而这些都是个人和职业发展的关键驱动力。

随着时间的推移，内在动力的缺失可能会导致工作投入度降低、工作满意度下降，甚至引发职业倦怠。我们研究中显示的使用人工智能后无聊感的增加，也可能是这些负面后果即将出现的一个警示信号。

企业可以采取的措施

解决方案并非放弃使用生成式人工智能，而是重新设计任务和工作流程，在利用人工智能优势的同时，保护人类的内在动力。以下是五条可行的策略：

1、融合人工智能与人力投入

不要让生成式人工智能完成整个任务，而是将人工智能的输出作为起点，同时鼓励人类发挥创造力。例如，生成式人工智能可以起草绩效评估大纲，但经理应该用个性化的见解完善内容。同样，人工智能可以为项目生成初步想法，而团队成员则应在此基础上进行扩展、细化和完善。

2、设计引人入胜的独立任务

为了平衡与人工智能协作带来的心理成本，在人工智能辅助任务之后，安排能够提供自主权和创造性挑战感的工作。例如，在借助人工智能起草邮件之后，分配一项让员工能够自主设计新项目的任务。这些任务使员工能够在不依赖人工智能的情况下，锻炼自己的技能、创造力和决策能力。

3、使人工智能协作透明化

我们的研究发现，当员工认为人工智能已经掌控局面时，他们可能会感到脱节。清晰地沟通人工智能是如何辅助而非取代他们的工作，有助于员工在任务中保持主人翁意识和成就感。

4、任务轮换

组织可以通过构建在人工智能辅助任务和独立任务之间交替的工作流程，来维持生产力和员工参与度。管理者可以安排工作顺序，从认知要求较高的独立工作开始，之后转向人工智能支持的任务以提高效率，而不是将相似类型的任务集中在一起。例如，从制定战略开始，以人工智能辅助编辑结束，这样就能在精神刺激和产出质量之间取得平衡。

5、培训员工审慎使用人工智能

为了避免过度依赖人工智能，组织可以提供培训，培养员工审慎且有效地使用生成式人工智能的能力。这可能包括举办关于提示词撰写的研讨会、对人工智能生成的内容进行批判性评估，或者引入基于场景的练习，突出何时应该由人类判断主导。员工可以学习人工智能如何补充他们的工作，以及他们自身技能在任务中所扮演的角色——这种视角有助于培养自主性、创造力和长期技能发展。

人与生成式人工智能协作在提升生产力和绩效方面具有巨大潜力，但组织必须留意其带来的心理影响。通过精心设计融入生成式人工智能的工作流程，企业能够在不损害员工动力和参与度的前提下，释放其优势。毕竟，未来的工作不仅仅关乎人工智能能做什么，更在于人类与人工智能共同能够取得的成就。

关键词：#AI

刘玉坤（Yukun Liu）、吴苏青（Suqing Wu）、阮梦琦（Mengqi Ruan）、陈思宇（Siyu Chen）、谢小云（Xiao-Yun Xie）| 文

刘玉坤是浙江大学管理学院助理教授。他的研究重点是变革性工作设计、员工福祉，以及组织如何在数字时代支持人类可持续发展。吴苏青是浙江大学管理学院助理教授。她的研究集中在创造力与创新、工作动机、团队动态，以及个人如何在当代组织环境中蓬勃发展。阮梦琦是浙江大学管理学院博士研究生，她的研究关注数字技术如何重塑员工行为和职场动态。陈思宇是浙江大学管理学院博士研究生，她研究新兴技术对人力资源管理和组织行为的影响。谢小云是浙江大学管理学院教授兼院长，同时领导数字创新与管理实验室。他的研究聚焦于组织变革、极端环境下的团队动态、领导力以及数字时代的人力资源管理。

豆包 | 译  周强 | 编校