生成式人工智能对员工创新行为的影响

田乃燕

      【摘要】在生成式人工智能（Generative AI）快速融入组织运行流程的背景下，员工与人工智能的关系正从工具性转向伙伴式互动，这种变化对员工创新行为产生了深远影响。本文基于创造力过程理论与工作要求-资源模型，探讨生成式人工智能使用对员工创新行为的双重路径影响机制：一方面，通过提升吸收能力和认知投入激发创新潜能；另一方面，通过削弱认知深化与激发消极情绪形成抑制效应。同时，本文分析了人际互动与领导风格等调节变量的作用，揭示了人机共创语境下个体创新行为的新逻辑。通过文献分析与整合模型建构，本文旨在为企业在AI环境下激发员工创新力提供理论支撑与实践启示。
      【关键词】生成式人工智能；员工创新行为；吸收能力；认知深化；认知工作投入
引言：从工具到伙伴——员工创新的新范式来临
      生成式人工智能（Generative AI）是人工智能领域的关键分支，是一种依托算法和模型生成文本、图片、声音、视频、代码等内容的技术，不同于传统AI的分析功能，生成式AI能学习并生成具有逻辑的新内容。不同于传统的人工智能仅对输入数据进行处理和分析，生成式人工智能可以学习并模拟事物的内在规律，依据用户的输入资料生成具有逻辑性和连贯性的新内容。伴随生成式人工智能逐渐融入办公软件、项目管理与知识生产等核心场景，员工的日常工作方式正悄然出现转变。
      员工跟生成式AI的交互方式已从“工具式利用”过渡到“合作式共筑”，创新的源头不再是封闭的个人思索，而是形成了机器输出和人类筛选不断循环迭代模式。该转变带来的不单单是工作效率的提升，更是认知模式的转变。个体与AI的协作中如何保持思维主动性、批判性及独创性，成为评判创新质量的核心要点。深度探寻生成式AI对员工创新行为的具体作用机理，拥有现实紧迫意义与操作上的价值。生成式人工智能的发展虽造就了前所未有的效率跨越，但其生成模式对数据与模型训练存在高度依赖，还激起了对创新深度及原创性的反思与质疑。
一、理论基础与研究视角：双路径中的创造与压制
      （一）创造力过程理论：发散与聚合的认知双轨
      依据创造力过程理论，发散性思维和聚合性思维的交替协作催生了创造力。发散性思维主导“想得开”的阶段，也就是启动联想、积极探索、从多个视角进行切入；“想得深”这一过程由聚合性思维主导，即对其进行筛选、整合与优化。GenAI恰恰成了推动路径发散的关键触媒，它提供的是丰富又跨越边界的信息流，让员工更顺利地“思索得出”。而与此同时之际，其输出模式呈现出标准化、结构化特征，可能抑制个体的内在反思及批判意识，使得原本“想得深入”的过程变得浅陋与依赖。
      （二）工作要求-资源模型：消耗与赋能的张力场
      参照工作要求-资源模型（JD - R Model）去看，GenAI属于可起到“认知减负”效果的工作资源，构成了对员工身份认同与技能安全感形成压力的工作要求。它把员工从重复劳动的桎梏中解放出来，为创新腾出了宝贵的认知精力空间；它可能加剧员工对自身被替代的担忧，导致情绪领域的消极体验。GenAI影响创新行为的机制不只是在“思维结构”里呈现，还介入到个体与组织彼此的心理互动状态中。二、激发路径：生成式AI如何点燃员工的创新引擎？
      （一）信息处理优势驱动的“快速联想”能力提升
      生成式人工智能本质上是依托大数据和概率预测来生成内容，其在速度与涵盖范围上，远超个体短时间内所能达到的水平。这般“海量信息启发”不止拓宽了员工的知识边界，同时极大提高了他们借助多元视角进行发散性思维的概率。尤为关键的是，这种“刺激 - 产出 -校正”的互动流程，赋予员工更多进行试错与快速迭代的空间。如果借助AI能快速生成创意初稿，还能对其风格、结构、语言开展多轮调整优化，员工输出创意过程中的成本及心理压力明显降低，有益于催生高频率、低门槛的创意探索。
      （二）认知资源释放与“高阶任务”聚焦机制
      依靠生成式AI给予的支持，大量按部就班、套用模板的基础性工作被简化，乃至自动完成，使得员工得以把更多精力投入到非结构性问题的深度发掘与独立思考中。若“认知带宽”从低价值活动中解放出来，员工更有条件在创新任务中保持较高的专注力。借助提升个体心理能利用的资源，间接提升其针对复杂问题的思考持续性与创造性解决的积极性。相关研究表明，人工智能的引入让员工从繁杂事务里抽身而出，借助对工作内容的再整合，使时间精力聚焦到价值更大的创新任务里，由此促成更高水平的创新行为。
      （三）微观反馈机制促进反思性创造
      生成式AI在输出结果这个环节，大多以“近似无误”或“具备可采纳性”的途径呈现内容。该模糊性需要使用者具备一定程度的判断及重构能力。员工于选择、评定和修改AI生成内容的阶段里，实则完成了反思性的加工与二次创新。此缺口乃是个体创新行为介入的关键窗口。员工在判断、校订及重构AI结果的阶段中，也慢慢构建起对自身创意价值的体悟，由此更积极地参与下一轮创意互动。一项实证研究已证明，GenAI在增强员工吸收能力的同时，或许会让员工认知深化的过程逐渐弱化，让员工的创造力始终陷入多维的拉扯困境。
三、抑制路径：当AI成为“思考的替代者”
      （一）认知惰性引发“浅加工”倾向
      生成式人工智能一大明显特征，就是能快速响应复杂任务。高度自动化所给予的便利促进了效率的提高，然而也许会让员工对AI输出过度依赖，逐步舍弃对问题核心的深度剖析。在反复“复制 - 粘贴 - 微调”的操作模式里，员工往往会陷入浅层的处理逻辑状态，仅在形式层面做表面修饰，却缺少对逻辑结构及思想深度的独立创建。聚合性思维能力逐渐弱化，创新能力只剩形式外壳。
      （二）输出预设削弱创意控制感
      生成式AI凭借已有数据学习生成相应结果，其“创新”本质上是数据模式的再次编排。当员工频繁接收AI给出的现成结构及文案模板时，会形成“预设合理”这样一种心理定势，对内容输出主动控制的意识渐趋薄弱。创意把控感的丧失，不光降低了员工于参与进程中的投入水平，也让创新行为没有了内在的驱动力，更不容易产出有突破性的独特成果。
      （三）情绪疏离带来的动机滑坡
      生成式AI于内容交互中虽有语言组织的能力，然而在人际情境下缺乏情绪反馈、无法表达共鸣以及难以提供动机激励。创新初始的那个阶段，员工往往盼望灵感的碰撞、即时的反馈与环境的肯定。但AI机械化的输出没办法激起情感上的连接，引发创新意愿的逐渐降低甚至可能，员工容易进入“习惯接受—不愿尝试”的行为惯性圈，进而造成创新动力不断降低。
      为了更直观呈现生成式AI对员工创新行为的双向影响，可通过以下对照概览：

      这一“效率与深度的拉锯”过程，体现了生成式人工智能在实践中对员工创新行为所施加的张力。员工若无法在智能协作中保持独立思考与情感参与，其创新潜力将难以被真正激发。
四、调节机制：员工个体与环境变量的作用
      （一）人际互动对创新行为的补充激励作用
      在生成式AI普遍运用的组织环境当中，人机互动往往在情境感知的敏锐度与情感反馈上有所不足，常易造成员工思维陷入封闭圈。员工之间真实的人际交流互动，成了补充认知深度与激发创新情绪的关键路径。当员工在团队里频繁交流创意成果、探究AI方案且接纳他人质疑时，不仅能识别AI输出内容中的瑕疵，也推动其对创意结果实施精细化处理。值得注意的是，伴随人机协作模式渐趋常态化，良性的人机关系可协助员工建立明确的学习目标导向。
      （二）任务自主性的差异影响AI作用路径
      员工在操作生成式AI时的行为及内心感受，和其享有的任务自主程度关联性强。就具有高度自主性的岗位，员工往往得在AI所提建议基础上作出权衡取舍与延伸创新。此类岗位更可激发个体于协作时的创造性参与活力。如果AI输出被视作参考而非标准答案，员工更倾向于采用质疑、更改甚至推翻AI结果的途径来实现自我表达。处于低自主性的岗位领域，诸如客服脚本制定、标准文案撰写的任务，AI的生成能力往往充当工作完成的“最终阶段”，员工既无修改需求也无权限。该“接受式执行”模式更易让员工陷入输出依赖状态，减弱创造的参与体验。
五、结语：在“智能共创”中唤醒人的创新主体性
      生成式人工智能正深度参与到员工日常认知与创造活动里，从单一功能的信息工具变成共创阶段的协作节点。信息生成与任务减负让它促进员工快速联想并实现高阶聚焦；这种便捷性与结构化属性，潜藏着引发认知惰性、控制感失去和情绪割裂的危机。
      真正左右AI能否催生创新的，并非技术的实质层面，而是员工跟AI协作之际是否维持判断、加工与超越的能力。诸如人际互动和任务自主性这类微观变量，正在对员工对AI结果的态度与参与深度进行重塑。未来创新行为不应是人与机器的单向主导模式，而是借助于人机之间动态的协同以及认知的交互，生成式人工智能才可真正变为员工创新行为的加速引擎，而不是作为员工替代者。
参考文献
[1] 张小燕.生成式人工智能数据研究综述：风险、挑战与治理[J].图书情报工作,2025,69(09):136-148.
[2] 刘一鸣,贾依然,马惠敏,等.人工智能技术应用对员工创新行为的影响机制研究[J].现代商业,2024,(17):71-75.
[3] 陈丽萍,徐敏亚,刘圣明.工作场所生成式AI使用对员工创造力的双重影响路径[J].管理学报,2025,22(02):326-335.
[4] 寻迅.人工智能设备使用对员工创新行为影响的双路径研究[J].当代经理人,2024,(04):16-30.
[5] 史青,周苗苗.创新的新动力：智能时代人机关系驱动员工创新行为的影响研究[J].西部经济管理论坛,2024,35(02):43-53+63.