人工智能技術沖擊下的員工主動學習行為

鄒 勇，周艷榕，黃啟新

（1.桂林理工大學商學院，廣西桂林 541004；2.桂林學院管理工程學院，廣西桂林 541006）

1 研究背景

隨著Alpha Go 在人機圍棋對弈中的驚人戰績，以及Chat GPT 展示出的強大的學習能力和創造能力，社會大眾開始普遍關注人工智能技術。其實，在這之前人工智能技術早已應用于生產、消費多個環節；并且，人工智能作為一種新型技術，其應用已經引起了新一輪的工業革命。由于擁有低成本、高效率、高利潤的特點，人工智能技術備受企業界的青睞。尤其我國也已成為世界上人工智能技術應用（例如機器人）最多、增速最快的國家［1］。王軍等［2］認為人工智能技術的應用將替代員工的勞動，可能引發員工的失業風險；甚至有學者認為人工智能技術的應用將挑戰員工的生存方式，威脅其勞動價值［3］。隨著人工智能技術的廣泛應用，員工會如何反應以及如何應對呢？這也是人工智能技術應用驅動人力資源管理變革的重要議題［4］。

人工智能技術作為重要引擎，引發了多領域、多環節的變革?；诖?，學術界開始關注人工智能技術應用對員工產生的影響。已有研究表明，人工智能技術的應用將減少員工的創新行為［5］、變革支持意愿［6］，增強員工的工作不安全感［7］，誘發抑郁和犬儒主義傾向［8］、離職意愿［9］，同時也會降低組織承諾、工作滿意度等［8］。人工智能技術的應用不僅僅產生消極影響，也會產生積極的影響。朱曉妹等［10］人工智能的嵌入對員工的工作崗位提出新的要求，這將增強員工的工作旺盛感；盛曉娟等［11］認為人工智能技術應用對員工工作績效能夠產生正向影響，而周文斌等［12］的研究發現這種正向影響在人工智能技術的使用達到臨界值之前才是正向的?？傮w來看，已有文獻強調了人工智能技術應用對員工造成的影響，而較少關注員工應對人工智能技術應用的行為策略［13］。雖然有學者認為人工智能技術應用使員工感知到工作存在被替代的風險［2］，但是王才等［7］認為人工智能技術的應用也將在未來創造更多的新崗位，David［14］、Wilson 等［15］、周卓華［16］也持有相同的觀點。由于人工智能技術應用會改變社會分工，導致員工業務內容的“轉型”［3］，員工是否會采取積極主動的行為策略來適應新的就業形勢，進一步拓展其職業發展呢？根據資源保存理論［17］，人工智能技術的應用將威脅員工在組織中的自我價值，為了恢復自我價值評價以及增強掌控自身工作穩定性的信心，員工將主動學習新技能、新知識、新能力。也就是說，主動學習行為是員工應對人工智能技術應用的行為策略。這有利于學界認識員工在面對人工智能技術應用時的積極行為策略。

聚焦人工智能技術應用對員工產生的影響，大多數文獻是基于理論展開探討的。張志學等［18］研究了數智時代的自我領導和自我管理，謝小云等［13］研究了人工智能對人力資源管理變革的影響，陳楠等［19］、汪昕宇等［20］、張遠等［21］都關注了人工智能對就業的影響；在這基礎之上，Haesevoets 等［22］、Tang 等［23］以及楊賡等［24］學者研究了人工智能背景下的人機如何互動以及人機互動產生的影響。然而，對人工智能技術的應用如何影響員工的意愿、行為的研究相對比較匱乏。已有文獻基于組織自尊［6］、工作滿意、工作焦慮［5］、勝任需求［10］、成長需求強度［12］、知識技能要求等研究了人工智能技術的應用影響員工行為［11］、意愿的心理機制。人工智能技術應用可能淘汰某些工種、某些行業［25］，它造成的最大威脅是替代人類勞動［3］，這將直接影響員工工作的存續性、穩定性［26］。因此，人工智能技術的應用對員工最直接的影響應該是導致他們產生工作不安全感。然而，學界卻不曾基于工作不安全感的視角，研究其在人工智能技術的應用影響員工行為過程中發揮的傳導作用。人工智能技術的應用將威脅員工工作的穩定性、存續性，導致員工產生工作不安全感；感受到工作不安全的員工將采取措施來提升自我能力，在增加個體資源的同時緩減或消除工作不安全感。即人工智能技術應用將通過員工的工作不安全感對其主動學習行為產生影響。這豐富了學界對人工智能技術應用影響員工行為內在機制的了解，以及增進人工智能技術應用如何驅動員工主動開展學習行為的心理機制的認識。

已有文獻基于情境因素和個體因素研究了人工智能技術應用影響員工行為或意愿中的邊界條件，情境因素有威脅感知［6］、組織支持感、競爭氛圍感知［9］、人機共生關系等［10］，個體因素有職業能力［7］、組織領導遺忘等［12］。但是，員工的人格特質如何調節人工智能技術應用對員工行為、意愿的影響，學界還沒有進行研究。本文聚焦積極人格特質——主動性人格，探索其如何影響員工應對人工智能技術應用的行為策略以及內在機制。積極人格特質是一種重要的個體資源［17］，具有高主動性人格的員工因其本身擁有較多的資源而不懼怕個體資源的損耗［27］，更可能以積極主動的方式來獲取資源［28］。因此，相對于低主動性人格的員工，高主動性人格的員工面對工作不安全感時更可能通過學習行為來增強掌控工作穩定性、存續性的自信心。因此，主動性人格將調節工作不安全對主動學習行為的影響；同時，本文也認為，主動性人格將調節人工智能技術應用通過工作不安全感對員工主動學習行為的間接影響?；谥鲃有匀烁駷檫吔鐥l件的研究，明確了人工智能技術應用影響員工主動學習行為內在機制的邊界條件。

2 理論基礎與研究假設

2.1 技術沖擊意識與主動學習行為

人工智能技術的應用將滲透于養老、安全、健康、教育等多個行業以及生產、分配、交換、消費等多個環節［2］，在未來會替代員工的勞動［3］。人工智能技術在未來將改變勞動分工甚至替代腦力勞動、體力勞動［29］?；诖朔N情形，員工將形成技術替代感知，也就是技術沖擊意識［6］。技術沖擊意識是指員工對應用人工智能技術替代其職業可能性的感知［8］。根據定義，形成技術沖擊意識的員工認為自己所從事的工作崗位可能被人工智能技術所替代。完成本職工作進而獲取勞動報酬［30］，是員工存在于組織之中的意義所在，也是體現個人價值的方式［3］?；谧陨砉ぷ鲘徫豢赡鼙惶娲募夹g替代感知，員工認為自己在未來很可能會失業而無法獲取勞動報酬，這將威脅員工在組織中的個人價值［6］。資源保存理論認為，當員工感受到自身的個體資源在持續流失時，他們的資源獲取意識將被啟動，并促使他們增加資源獲取的行為［17］。員工對自我價值的積極評價是一種重要的個體資源［31］。當感受自我價值被威脅或者受到挑戰時，員工將增加提升自我價值的行為［32］，以此來恢復個體資源。主動學習行為指個體自主決定投入學習活動，以掌握新知識、新技能和新能力的行為［33］。員工通過主動學習獲取新技能、新知識、新能力，可以提升其積極自我評價［34］。也就是說，主動學習行為能夠實現員工恢復積極自我評價這種重要個體資源的功能。因此，技術沖擊意識將誘發員工的主動學習行為。

H1：技術沖擊意識正向影響員工的主動學習行為。

2.2 工作不安全感的中介作用

工作不安全感是指個體對工作存續性和穩定性的不確定程度的感知［35］，包括擔憂可能失去工作或者失去有價值的工作特征（如職業發展機會、薪酬等）［36］。員工形成技術沖擊意識時認為自己目前的工作崗位存在被人工智能技術替代的風險［8］。也就是說，此種情形之下員工認為自己目前所做工作的穩定性、存續性欠佳。穩定的工作特征對員工來說是一種重要的資源［17］。雖然新技術的應用不會馬上導致員工失去這種穩定的工作特征的消失，但是對工作存續性、穩定性的擔憂造成的負面影響不亞于真正失去工作［35］，對不確定性的擔憂會讓員工感受到穩定的工作特征這一資源面臨損失的威脅。另外，員工對自身工作可能被替代的技術感知，會促使他們形成恐懼［13］、擔憂［34］、焦慮等負面情緒［4］。當體驗到負面情緒時，個體會調節或改善負面情緒體驗［37］，而這個過程需要消耗其生理和心理資源［38］。根據資源保存理論［17］，當個體感受到失去資源的威脅以及無力保護個體資源時，會產生心理壓力，進而產生工作不安全感［7］。已有文獻表明，機器人規模應用將導致員工工作不安全感的產生［7］。

H2：技術沖擊意識正向影響員工的工作不安全感。

心理安全感是一種的心理資源充盈的狀態［39］；與此相對應，工作不安全感是一種心理資源匱乏的心理狀態。根據資源保存理論，為了防止資源的持續流失，員工在資源獲取意識的驅動下將主動獲取資源［17］。員工對工作不安全的反應可能是努力［40］。具體來說，感受到工作不安全的員工將通過付出更多的積極行動，使自己對組織更有價值，從而緩減或消除工作中的不安全感［40］。工作不安全感是一種壓力源，感受到工作不安全感的員工要想掌控工作的穩定性、存續性，首先需要開展學習，掌握更多的知識和技能［41］。員工通過主動學習獲取新技能、新知識、新能力，可以充實自己的知識儲備、技能儲備以及能力儲備，從而使自己擁有更多信心掌控工作的存續性和穩定性［42］。與此同時，員工的主動學習行為增加了個體資源，具有緩減或消除因工作不安全感產生的資源匱乏的目的。因此，工作不安全感可能誘發員工的主動學習行為。

H3：工作不安全感正向影響員工的主動學習行為。

根據資源保存理論，對外界情境的感知可能損耗個體資源，在資源獲取意識的驅使下員工將增加資源獲取的行為［17］。當員工形成技術沖擊意識的時候，他們將認為自己目前所從事的工作可能被人工智能技術替代［8］。由于穩定的工作特征是一種重要的條件資源［17］，因此形成技術沖擊意識將威脅員工的個體資源；另外，形成技術沖擊意識的員工將產生一系列消極情緒（例如，恐懼、擔憂、焦慮等），當他們調節這些負面情緒時將耗損很多生理和心理資源［38］。王才等［7］認為當員工感受到失去資源的威脅而且無力保護個體資源時，將會感受到工作不安全?；诖?，在工作不安全感的驅使下，員工將通過主動學習新技能、新知識、新能力的方式來充實自己、提升自己，從而增強掌控工作存續性和穩定性的信心。綜上，技術沖擊意識通過工作不安全感對主動學習行為產生間接影響。

H4：工作不安全感在技術沖擊意識與主動學習之間發揮中介作用。

2.3 主動性人格的調節作用

主動性人格是個體主動采取行動以改變環境的傾向［43］。資源保存理論認為積極的人格特質是個體的重要資源［17］。作為典型的積極人格特質，擁有高主動性人格的員工其本身擁有較多的應對資源［27］。當面對資源匱乏的壓力時，高主動性人格的員工可能不太懼怕自身資源的損耗，或許敢于主動構建資源［28］，以積極主動的方式尋求自身處境的改變［44］。對于高主動性人格的員工來說，當他們形成工作不安全感時，他們可能不懼怕資源的流失，更愿意選擇積極主動的學習行為來掌控自己工作的存續性和確定性，增強穩定自己工作的信心。也就是說，員工的主動性人格越強，工作不安全感對主動學習行為的正向影響越強烈。對于低主動性人格的員工來說，當他們形成工作不安全感時，由于他們自己擁有的資源較少，可能不愿意投入資源改變現狀，更愿意選擇坐以待斃而不是主動學習。也就是說，員工的主動性人格越低，工作不安全感對主動學習行為的正向影響越弱。

H5：主動性人格調節工作不安全感對員工主動學習行為的影響。具體來說，員工的主動性人格越高，工作不安全感對員工主動學習行為的影響越強；反之，員工的主動性人格越低，工作不安全感對員工主動學習行為的影響越弱。

綜上，主動性人格在工作不安全感與員工主動學習行為之間發揮調節作用，結合工作不安全感在技術沖擊意識與主動學習行為之間的中介作用，本文提出一個第二階段帶調節的中介模型，即主動性人格在技術沖擊意識通過工作不安全感對主動學習行為的間接效應中發揮調節作用。具體講，員工的主動性人格越高，技術沖擊意識通過工作不安全感對主動學習行為的間接影響越強；相反，員工的主動性人格越低，技術沖擊意識通過工作不安全感對主動學習行為的間接影響越弱。

H6：主動性人格會正向調節技術沖擊意識通過工作不安全感對主動學習行為的間接影響，即主動性人格越高，這一間接關系越強；反之，間接關系越弱。

基于以上分析，本文構建了理論模型，如圖1所示。

圖1 理論模型

3 研究設計

3.1 樣本

研究樣本來源于重慶、廣東、廣西等地區，并按照領導與下屬1 ∶1 配對的方式收集數據。經企業高管的同意后，通過現場發放的方式發放問卷。為了減少外界干擾因素和被試的顧慮，我們預先將問卷裝入信封，并用雙面膠密封。問卷卷首重申保密原則與研究目的，提醒被試根據真實情況填寫。為了減少共同方法偏差，采用兩階段收集領導-員工配對數據。在第一階段，收集員工人口統計變量、技術沖擊意識、工作不安全感三方面的數據。在第二階段（間隔一個月之后），收集主動性人格、主動學習行為兩個量表的數據。其中，主動學習行為由員工的直屬領導報告，其它變量由員工報告。

第一輪問卷總共發放350 份，回收330 份填寫完整的問卷；第二輪問卷共回收下屬問卷315 份有效問卷。刪除隨意亂答、選項明顯存在規律的無效問卷后，最終回收305 套配對問卷。問卷總體回收率為87.14%。從性別來看，男性占比50.8%；從學歷來看，本科或大專學歷為主，占比為57.4%；從工作年限來看，4～10 年的占絕大多數；從年齡來看，大部分為25～35 歲。

3.2 測量工具

技術沖擊意識的測量采用徐廣路等［6］修改的Li等［9］開發的4 題量表，如“我認為我的工作有很大可能會被人工智能機器所取代”。本文中，該量表Cronbach's α 系數為0.810，AVE 為0.639，CR 為0.876。

工作不安全感的測量采用Hellgren 等［45］開發的3 題量表，如“我擔心會被迫離職”。本文中，該量表Cronbach's α 系數為0.823，AVE 為0.743，CR為0.897。

主動學習行為的測量使用Bezuijen 等［46］開發的8 題量表，如“在工作中，該員工會不斷學習新技能”。該量表Cronbach's α 系數為0.859，AVE 為0.503，CR 為0.890。

主動性人格的測量采用了Wu 等［47］改編的Bateman 等43］開發的量表，共4 個條目，如“我比較善于發現機會”。該量表Cronbach's α 系數為0.922，AVE 為0.652，CR 為0.837。

所有量表均采用5 點制計分，1 代表從不或非常不同意，5代表經?；蚍浅Ｍ?。另外，本文將性別、年齡、工作年限、學歷、工作行業等人口統計變量作為控制變量。

4 數據分析

4.1 驗證性因子及共同方法偏差分析

基于Mplus 7 的驗證性因子分析結果見表1。由表1 可知，4 因子模型比其他嵌套模型擬合效果都要好（χ2/df=1.794，CFI=0.960，TLI=0.953，RMSEA=0.051，SRMR=0.046），表明各測量具有良好的區分效度。

表1 測量模型的比較

雖然本文采用領導-員工配對、兩時點的方式收集數據，但是技術沖擊意識、工作不安全感、主動性人格由同一主體（員工）報告，可能存在共同方法偏差的問題。通過Harman 單因子檢驗發現，第一個主成分解釋的變異為36.182%，沒有超過40%的臨界標準［48］。因此，本文中的數據共同方法偏差問題并不嚴重。

4.2 變量間的相關分析

表2 列出變量的均值、標準差以及變量之間的相關系數。由表2 可知，技術沖擊意識與主動學習行為顯著正相關（β=0.285，P＜0.01），技術沖擊意識與工作不安全感顯著正相關（β=0.427，P＜0.01），工作不安全感與主動學習行為顯著正相關（β=0.333，P＜0.01）。根據以上結果，本文的假設H1、H2、H3初步得到了支持。

表2 變量的均值、標準差和相關系數

4.3 假設檢驗

運用SPSS 24，基于階層線性回歸法以及PROCESS 插件對假設進行檢驗。模型1 和模型2 以工作不安全感為結果變量，模型1 引入控制變量，模型2 檢驗技術沖擊意識對工作不安全感的影響。模型3、模型4、模型5、模型6 和模型7 以主動學習行為為結果變量，模型3 引入控制變量，模型4檢驗主效應技術沖擊意識對主動學習行為的影響，模型5 檢驗工作不安全感對主動學習行為的影響，模型6 檢驗工作不安全感在技術沖擊意識和主動學習行為之間關系的中介作用，模型7 檢驗主動性人格對工作不安全感與主動學習行為之間關系的調節效應。

由表3 模型4 可知，技術沖擊意識對主動學習行為具有顯著的正向影響（β=0.297，P＜0.001），H1得到驗證。由表3 模型2 可知，技術沖擊意識對工作不安全感具有顯著的正向影響（β=0.444，P＜0.001），H2得到驗證。由表3 模型5 可知，工作不安全感對主動學習行為具有顯著的正向影響（β=0.422，P＜0.001），H3得到驗證。

表3 主效應及中介效應的檢驗結果

工作不安全感對技術沖擊意識與主動學習行為之間中介機制的檢驗發現，當在回歸分析中加入工作不安全感后，技術沖擊意識對主動學習行為的正向影響顯著下降，由模型4 中的β=0.297（P＜0.001）下降到模型6 中的β=0.143（P＜0.05）。進一步采用Process 插件中的MODEL 4 檢驗，重復抽樣5 000 次的結果發現，技術沖擊意識與主動學習行為之間的間接效應達到顯著水平（β=0.147，95%CI（0.075，0.225），區間不包括零）。由于區間不包括零，說明工作不安全感部分中介技術沖擊意識對主動學習行為的正向影響，H3得到驗證。

主動性人格對工作不安全感與主動學習行為之間關系的調節作用檢驗發現，當主動性人格與工作不安全感以及兩者的交互項放入模型7 后，交互項的系數為正且顯著（β=0.439，P＜0.001）。檢驗結果表明，主動性人格對工作不安全感與主動學習行為之間的關系產生正向的調節效應。本文進一步采用Process 插件中的MODEL 1，分別基于高（增加一個標準差）或低（減少一個標準差）主動性人格來分析調節效應。當主動性人格處于低水平時，工作不安全感對主動學習行為的影響是不顯著的（β=0.009，95%CI（-0.133，0.151），區間包括零）；當主動性人格處于高水平時，工作不安全感對主動學習行為的影響是顯著的（β=0.694，95%CI（0.556，0.832），區間不包括零）。根據以上分析可知，主動性人格正向調節工作不安全感與主動學習行為之間的關系。因此，H5得到驗證結果。為了更直觀地反映主動性人格對工作不安全感與主動學習行為之間關系的調節效應，本文繪制了調節效應圖，如圖2 所示。

圖2 主動性人格的調節效應

本文采用Process 插件中的MODEL 14，分別基于高（增加一個標準差）或低（減少一個標準差）主動性人格的間接效應的顯著性來檢驗被調節的中介關系。檢驗結果如表4 所示。當主動性人格處于低水平時，技術沖擊意識通過工作不安全感對主動學習行為的間接效應是不顯著的（β=-0.055，95%CI（-0.073，0.064），區間包括零）；當主動性人格處于高水平時，技術沖擊意識通過工作不安全感對主動學習行為的間接效應是顯著的（β=0.266，95%CI（0.188，0.196），區間不包括零）；而且，高/低水平主動性人格對技術沖擊意識通過工作不安全感對主動學習行為的間接效應的差異也達到顯著水平（β=0.273，95%CI（0.200，0.349），區間不包括零）。因此，主動性人格對技術沖擊意識通過工作不安全感對主動學習行為的間接影響的調節效應是顯著的。即H6得到驗證。

表4 被調節的中介檢驗結果（重復抽樣5 000 次）

5 結論

基于資源保存理論，本文探討了當面對人工智能技術應用時，員工的主動學習行為；并且，以工作不安全感為中介，以主動性人格為調節，檢驗其中的發生機制以及邊界條件。研究結果表明，人工智能技術的應用將催生員工的主動學習行為；人工智能技術大的應用將誘發員工的工作不安全感，進而刺激他們進行主動學習，即工作不安全感中介人工智能技術應用與員工的主動學習行為之間的聯系；主動性人格正向調節了工作不安全感與主動學習行為之間的關系；同時，主動性人格正向調節人工智能技術應用通過員工的工作不安全感對其主動學習行為的間接影響。

5.1 理論

第一，研究了員工應對人工智能技術應用的行為策略?，F有文獻研究了人工智能技術應用對員工的影響，例如減少創新行為［5］、組織承諾、工作滿意度［8］、變革支持意愿［6］，誘發抑郁、犬儒主義傾向［8］、離職意愿［9］、工作不安全感［7］，以及對工作績效的線性影響［11］或倒“U”型影響［12］等。但是，鮮有文獻關注員工應對人工智能技術應用的行為策略［13］。由人工智能技術應用將導致員工主動學習行為的增加。也就是說，主動學習是員工應對人工智能技術應用的行為策略。研究有助于學界了解員工應對人工智能技術應用的行為策略。

第二，研究了員工以主動學習行為應對人工智能技術應用的心理機制?，F有文獻大多基于理論層面討論了人工智能技術應用產生的影響，例如謝小云等［13］、羅文豪等［4］探討了其引發的人力資源管理的變革，陳楠等［19］、汪昕宇等［20］、張遠等［21］探討了其對如何改變就業形勢；不僅如此，Haesevoets 等［22］研究了人機協作在管理決策中的應用，Tang等［23］研究了人機協作產生的結果，楊賡等［24］探討了人機協作的框架體系。另外，學術界對新技術應用影響員工行為意愿、行為的傳導機制的研究相對較少，已有文獻僅僅關注了新技術應用將通過工作滿意和工作焦慮［5］、組織自尊［6］、勝任需求［10］、知識技能要求［11］、成長需求強度［12］等心理機制影響員工的行為或意愿。人工智能技術應用造成的最大威脅是替代人類勞動［3］，這將直接影響員工的工作不安全感。人工智能技術應用將使員工感知到自己的工作可能被替代，產生工作不安全感，在工作不安全感的趨勢下員工將增加主動學習行為。也就是說，員工面對人工智能技術應用員工將產生工作不安全感，進而驅動他們的主動學習行為，工作不安全感是驅動員工以主動學習行為來應對人工智能技術應用的內在機制。這豐富了學界認識員工采取行為策略應對人工智能技術應用的心理機制。

第三，基于人格特質，探尋了員工以主動學習行為應對人工智能技術應用的邊界條件。根據已有的研究，學術界還沒有討論人格特質作為邊界條件如何在人工智能技術應用影響員工過程中發揮的調節作用。本文認為由于高主動性人格的員工擁有較多的個體資源，在面對工作不安全感時更愿意以學習行為來增強對工作存續性、穩定性的掌控。也就是說，主動性人格將強化工作不安全感對主動學習行為的正向影響；同時，主動性人格也將強化人工智能技術應用通過員工的工作不安全感對其主動學習行為的間接正向影響?；谥鲃有匀烁駷檫吔鐥l件的研究，明確了人工智能技術應用影響員工主動行為內在機制的邊界條件，豐富了學界認識哪些員工面對人工智能技術應用更可能選擇主動學習的應對方式。

5.2 實踐啟示

推進智能化、自動化、數字化發展是國家宏觀層面的大戰略，作為微觀層面的企業主體推進業務的智能化、自動化、數字化建設是勢在必行。雖然人工智能技術提升企業經營效率，但是人工智能技術的應用可能會遭受來自各方的阻力?；趩T工層面來說，管理者并不需要擔心，因為員工會以主動學習的行為策略來應對新技術的應用，適應新的就業形勢。企業需要定期舉行技能、知識、能力培訓，為員工自主學習提供更多的、更專業的機會。企業為員工提供學習的平臺、學習的平臺，員工通過自主學習提升能力、技術可以更好地為企業發展貢獻力量。這將促使企業與員工的發展進入良性循環，打造一種雙贏的局面。

工作不安全感是驅動面對人工智能技術應用的員工選擇主動學習行為的心理機制。在推進企業業務智能化、自動化、數字化建設時，管理者需要強化員工的不安全感。在企業愿景中要明確提及公司智能化、自動化、數字化發展的方向；并且根據自身具體情況制定企業發展規劃時，要深入分析企業智能化、自動化、數字化發展的必要性，同時也要確定具體業務發展的進程。通過這一系列的措施，員工會感受到公司推進技術變革的決心，了解其中的變革進程，進而提高了工作不安全感，在工作不安全感的驅使下將開展主動學習行為。

基于主動性人格會強化人工智能技術應用通過員工的工作不安全感對其主動學習行為的間接正向作用，企業在人才選擇方面需要作出篩選。企業需要重視在招聘環節對高主動性人格員工的選拔。同時，企業需要通過施加壓力推動主動性人格較低員工的主動學習。因為相對于高主動性人格的員工，低主動性人格的員工在面對人工智能技術應用時，他們較少采取主動學習的行為來積極應對。

5.3 研究局限和未來展望

第一，主動學習之所以成為員工應對人工智能技術應用的行為策略，是因為主動學習行為能夠緩減或消除工作不安全感，這是本文重要的理論基礎。但是，研究并沒有論證主動學習行為最終是否緩減或消除了員工的工作不安全感，即沒有檢驗這種行為的現實有效性。因此，未來可以設計實驗，進一步論證主動學習行為對緩減或消除工作不安全感的實際效用，對本文的研究結論進行驗證。

第二，在推導人工智能技術應用對員工主動學習行為的影響時，闡述了前者可能威脅員工在組織中的自我價值評價。根據積極自我評價維持理論［34］，感受到自我價值被威脅的會通過提升自我的方式來恢復自我價值評價。但是，并沒有對這種機制進行驗證。未來可以基于自我價值威脅的視角或者自尊威脅的視角來研究人工智能技術應用對員工主動學習行為的傳導機制，為了解前者對后者產生影響的內在機制的多樣性作出貢獻。

第三，雖然通過兩階段收集數據，但是依然沒能驗證其中的因果關系，未來可以通過實驗的方式來進行補充研究；另外，僅僅驗證了主動性人格在人工智能技術應用影響員工主動學習行為中的調節作用，未來可以基于更多人格特質作為邊界條件，進一步研究其中的權變因素。