DOI: https://doi.org/10.1057/s41599-026-06829-5
تاريخ النشر: 2026-03-05
المؤلف: Feiyang Xu وآخرون
الموضوع الرئيسي: إدارة المعرفة والمشاركة
نظرة عامة
تستكشف هذه الدراسة آثار اعتماد الذكاء الاصطناعي (AI) في المنظمات على ممارسات إدارة المعرفة، مع التركيز بشكل خاص على مشاركة المعرفة وإخفاء المعرفة بين الموظفين. باستخدام نظرية الإجهاد والتكيف جنبًا إلى جنب مع نظرية متطلبات العمل والموارد (JD-R)، تتناول البحث فجوة كبيرة في الأدبيات الحالية بشأن تأثير الذكاء الاصطناعي على استراتيجيات المعرفة لدى الموظفين. تم جمع البيانات من 324 موظفًا في البحث والتطوير في الصين عبر ثلاث نقاط زمنية.
تشير النتائج إلى أن آثار اعتماد الذكاء الاصطناعي على تصورات الموظفين – سواء اعتبروه تحديًا أو عائقًا – تتأثر بشكل كبير بموقعهم من السيطرة. الموظفون الذين لديهم موقع داخلي من السيطرة يرون أن اعتماد الذكاء الاصطناعي هو تحدٍ، مما يعزز سلوكيات مشاركة المعرفة. على النقيض من ذلك، أولئك الذين لديهم موقع خارجي من السيطرة يفسرون اعتماد الذكاء الاصطناعي كعائق، مما يؤدي إلى سلوكيات إخفاء المعرفة. تسلط الدراسة الضوء على الآثار النظرية والعملية الهامة بشأن كيفية إدارة المنظمات لدمج الذكاء الاصطناعي بشكل أفضل لتعزيز مشاركة المعرفة بين الموظفين.
مقدمة
تسلط مقدمة هذه الورقة البحثية الضوء على الدور التحويلي للذكاء الاصطناعي (AI) في دفع الثورة الصناعية الرابعة وآثارها على ممارسات الأعمال. بينما يوفر الذكاء الاصطناعي إمكانيات كبيرة لتعزيز الكفاءة وتقليل التكاليف، فإنه يقدم أيضًا تحديات للموظفين، بما في ذلك الضغوط النفسية ومخاوف فقدان الوظائف. يشير المؤلفون إلى وجود فجوة في الأدبيات الحالية بشأن تقاطع اعتماد الذكاء الاصطناعي في المنظمات وقبول الموظفين، خاصة من حيث استراتيجيات إدارة المعرفة. يؤكدون على الحاجة لفهم كيفية تأثير اعتماد الذكاء الاصطناعي على سلوكيات مشاركة المعرفة وإخفائها بين الموظفين، حيث أن هذه الديناميكيات حاسمة للتقدم التنظيمي.
لمعالجة هذه الفجوة، تقترح الدراسة إطارًا مفاهيميًا قائمًا على نظرية المعاملات ونموذج متطلبات العمل والموارد (JD-R). يفترض الإطار أن تصورات الموظفين لاعتماد الذكاء الاصطناعي كونه تحديًا أو عائقًا تتأثر بموقعهم من السيطرة، مما يؤثر على استراتيجيات التكيف وسلوكيات المعرفة اللاحقة. قد يرى الموظفون الذين لديهم موقع داخلي من السيطرة اعتماد الذكاء الاصطناعي كفرصة للنمو، مما يعزز مشاركة المعرفة، بينما قد يرى أولئك الذين لديهم موقع خارجي أنه تهديد، مما يؤدي إلى إخفاء المعرفة. تهدف هذه الدراسة إلى توسيع فهم تأثير الذكاء الاصطناعي على السلوك التنظيمي من خلال توضيح الآليات التي يؤثر من خلالها اعتماد الذكاء الاصطناعي على السلوكيات الموجهة نحو المعرفة والدور المعدل لموقع السيطرة في هذه العمليات.
النتائج
في هذا القسم، قام المؤلفون بتقييم انحياز الطريقة الشائعة (CMB) باستخدام اختبار عامل هارمان الواحد، الذي كشف أن العامل الأول يمثل فقط 22.913% من التباين، مما يشير إلى أن انحياز الطريقة الشائعة لم يكن مصدر قلق كبير. كما قاموا بتقييم الصلاحية التمييزية من خلال مؤشرات ملاءمة النموذج، ووجدوا أن نموذج العوامل السبعة المقترح يناسب البيانات بشكل جيد (χ² = 2489.31، df = 881، CFI = 0.88، TLI = 0.87، RMSEA = 0.075)، مما يوضح قوة مقاييس القياس الخاصة بهم.
اختبر المؤلفون أربع فرضيات باستخدام تحليل الانحدار الهرمي عبر SPSS 25.0 وPROCESS 3.3. وجدوا أن اعتماد الذكاء الاصطناعي في المنظمات لم يؤثر بشكل كبير على تقييمات التحدي (β = 0.1101، n.s.) أو تقييمات العائق (β = 0.0985، n.s.). ومع ذلك، فإن موقع السيطرة الداخلي قد عَدَّل بشكل كبير العلاقة بين اعتماد الذكاء الاصطناعي وتقييمات التحدي (β = 0.1607، p < 0.05)، مما يدعم الفرضية 1، بينما عَدَّل موقع السيطرة الخارجي بشكل كبير العلاقة بين اعتماد الذكاء الاصطناعي وتقييمات العائق (β = 0.1505، p < 0.01)، مما يدعم الفرضية 2. كشفت التحليلات أيضًا أن التأثيرات غير المباشرة لاعتماد الذكاء الاصطناعي على مشاركة المعرفة وإخفاء المعرفة كانت معدلة بشكل كبير بواسطة موقع السيطرة الداخلي والخارجي، على التوالي، مما يحقق الفرضيتين 3 و4. على وجه التحديد، عزز موقع السيطرة الداخلي العالي التأثير الإيجابي لاعتماد الذكاء الاصطناعي على مشاركة المعرفة، بينما زاد موقع السيطرة الخارجي العالي من إخفاء المعرفة.
المناقشة
تستكشف قسم المناقشة من الورقة البحثية العلاقة بين اعتماد الذكاء الاصطناعي في المنظمات وسلوكيات معرفة الموظفين، من خلال عدسة نظرية المعاملات. تحدد مسارين رئيسيين يتأثران بموقع السيطرة لدى الموظفين: أولئك الذين لديهم موقع داخلي يرون أن اعتماد الذكاء الاصطناعي هو تحدٍ، مما يؤدي إلى زيادة مشاركة المعرفة، بينما أولئك الذين لديهم موقع خارجي يرونه كعائق، مما يؤدي إلى إخفاء المعرفة. تسلط هذه التمييز الضوء على أهمية التقييمات المعرفية الفردية في تشكيل الاستجابات لدمج الذكاء الاصطناعي في مكان العمل.
تؤكد النتائج على الحاجة إلى أن تعترف المنظمات بالتأثيرات المتنوعة لاعتماد الذكاء الاصطناعي على الموظفين، خاصة في البيئات عالية الضغط حيث تكون عدم الأمان الوظيفي شائعة. تؤكد الدراسة على أن تعزيز موقع السيطرة الداخلي يمكن أن يعزز من دافع الموظفين ومشاركتهم النشطة مع الذكاء الاصطناعي، مما يشير إلى أن المنظمات يجب أن تنفذ استراتيجيات لتمكين الموظفين وزرع شعور بالسيطرة على عملهم. لا يعزز هذا النهج مشاركة المعرفة فحسب، بل يخفف أيضًا من الآثار السلبية المرتبطة بتقييمات العائق، مما يسهم في نهاية المطاف في ثقافة تنظيمية أكثر تعاونًا وإنتاجية.
القيود
تسلط قيود هذه الدراسة الضوء على عدة مجالات للتحسين في الأبحاث المستقبلية. أولاً، بينما تم استخدام استراتيجية تأخير زمني لتقليل السببية العكسية وانحياز الطريقة الشائعة (CMB)، لا يزال التصميم الأساسي يقيّد الاستنتاجات السببية النهائية. يمكن أن تستفيد الدراسات المستقبلية من استخدام بيانات طولية لتقليل انحياز الطريقة الشائعة وتعزيز التفسيرات السببية (Podsakoff et al., 2003). ثانيًا، يمثل الاعتماد على البيانات المبلغ عنها ذاتيًا قيدًا؛ يجب أن تأخذ الأبحاث المستقبلية في الاعتبار دمج مقاييس موضوعية، مثل جداول تنفيذ النظام أو سجلات الاستخدام، لتعزيز صلاحية النتائج. بالإضافة إلى ذلك، يمكن أن يوفر استكشاف الوسائط والمعدلات المحتملة – مثل الاختلافات الفردية (مثل معرفة الذكاء الاصطناعي، وموارد العمل) والعوامل التنظيمية (مثل الثقافة، والدعم) – فهمًا أكثر دقة لكيفية تأثير اعتماد الذكاء الاصطناعي في المنظمات على سلوكيات معرفة الموظفين.
علاوة على ذلك، تم جمع البيانات لهذه الدراسة في الصين، مما قد يحد من تعميم النتائج بسبب الاختلافات الثقافية في فهم الذات بين السياقات الشرقية والغربية (Cross et al., 2011). يجب أن تحقق الأبحاث المستقبلية في تأثير اعتماد الذكاء الاصطناعي في المنظمات عبر إعدادات ثقافية متنوعة لفهم كيفية اختلاف هذه الديناميكيات دوليًا (Pan et al., 2023). بشكل عام، سيكون معالجة هذه القيود أمرًا حاسمًا لتقدم المجال وتعزيز قابلية تطبيق نتائج البحث في سياقات تنظيمية متنوعة.
DOI: https://doi.org/10.1057/s41599-026-06829-5
Publication Date: 2026-03-05
Author(s): Feiyang Xu et al.
Primary Topic: Knowledge Management and Sharing
Overview
This study investigates the effects of organizational Artificial Intelligence (AI) adoption on knowledge management practices, specifically focusing on knowledge sharing and knowledge hiding among employees. Utilizing the transactional theory of stress and coping alongside the Job Demands-Resources (JD-R) theory, the research addresses a significant gap in existing literature regarding the impact of AI on employees’ knowledge strategies. Data were collected from 324 research and development employees in China across three time points.
The findings indicate that the effects of AI adoption on employees’ perceptions—whether they view it as a challenge or a hindrance—are significantly influenced by their locus of control. Employees with an internal locus of control perceive AI adoption as a challenge, which fosters knowledge sharing behaviors. In contrast, those with an external locus of control interpret AI adoption as a hindrance, leading to knowledge hiding behaviors. The study highlights important theoretical and practical implications regarding how organizations can better manage AI integration to enhance knowledge sharing among employees.
Introduction
The introduction of this research paper highlights the transformative role of artificial intelligence (AI) in driving the Fourth Industrial Revolution and its implications for business practices. While AI offers significant potential for enhancing efficiency and reducing costs, it also introduces challenges for employees, including psychological distress and fears of job displacement. The authors note a gap in existing literature regarding the intersection of organizational AI adoption and employee acceptance, particularly in terms of knowledge management strategies. They emphasize the need to understand how AI adoption influences knowledge sharing and hiding behaviors among employees, as these dynamics are crucial for organizational progress.
To address this gap, the study proposes a conceptual framework grounded in transactional theory and the Job Demands-Resources (JD-R) model. The framework posits that employees’ perceptions of AI adoption as either a challenge or a hindrance are influenced by their locus of control, which affects their coping strategies and subsequent knowledge behaviors. Employees with an internal locus of control may view AI adoption as an opportunity for growth, fostering knowledge sharing, while those with an external locus may perceive it as a threat, leading to knowledge hiding. This research aims to extend the understanding of AI’s impact on organizational behavior by elucidating the mechanisms through which AI adoption affects knowledge-oriented behaviors and the moderating role of locus of control in these processes.
Results
In this section, the authors assessed common method bias (CMB) using Harman’s single-factor test, which revealed that the first factor accounted for only 22.913% of the variance, indicating that CMB was not a significant concern. They also evaluated discriminant validity through goodness-of-fit indices, finding that a proposed seven-factor model fit the data well (χ² = 2489.31, df = 881, CFI = 0.88, TLI = 0.87, RMSEA = 0.075), demonstrating the robustness of their measurement scales.
The authors tested four hypotheses using hierarchical regression analysis via SPSS 25.0 and PROCESS 3.3. They found that organizational AI adoption did not significantly affect challenge appraisals (β = 0.1101, n.s.) or hindrance appraisals (β = 0.0985, n.s.). However, internal locus of control significantly moderated the relationship between AI adoption and challenge appraisals (β = 0.1607, p < 0.05), supporting Hypothesis 1, while external locus of control significantly moderated the relationship between AI adoption and hindrance appraisals (β = 0.1505, p < 0.01), supporting Hypothesis 2. The analysis further revealed that the indirect effects of AI adoption on knowledge sharing and knowledge hiding were significantly moderated by internal and external locus of control, respectively, validating Hypotheses 3 and 4. Specifically, high internal locus of control enhanced the positive impact of AI adoption on knowledge sharing, while high external locus of control increased knowledge hiding.
Discussion
The discussion section of the research paper explores the relationship between organizational AI adoption and employee knowledge behaviors, framed through the lens of transactional theory. It identifies two primary pathways influenced by employees’ locus of control: those with an internal locus perceive AI adoption as a challenge, leading to increased knowledge sharing, while those with an external locus view it as a hindrance, resulting in knowledge hiding. This distinction highlights the importance of individual cognitive appraisals in shaping responses to AI integration in the workplace.
The findings underscore the need for organizations to recognize the varied impacts of AI adoption on employees, particularly in high-stress environments where job insecurity is prevalent. The study emphasizes that fostering an internal locus of control can enhance employee motivation and proactive engagement with AI, suggesting that organizations should implement strategies to empower employees and cultivate a sense of control over their work. This approach not only promotes knowledge sharing but also mitigates the negative effects associated with hindrance appraisals, ultimately contributing to a more collaborative and productive organizational culture.
Limitations
The limitations of this study highlight several areas for improvement in future research. Firstly, while a time-lagged strategy was employed to reduce reverse causality and common method bias (CMB), the inherent design still restricts definitive causal inferences. Future studies could benefit from utilizing longitudinal data to further mitigate CMB and enhance causal interpretations (Podsakoff et al., 2003). Secondly, the reliance on self-reported data presents a limitation; future research should consider integrating objective measures, such as system implementation timelines or usage logs, to strengthen the validity of findings. Additionally, exploring potential mediators and moderators—such as individual differences (e.g., AI knowledge, job resourcefulness) and organizational factors (e.g., culture, support)—could provide a more nuanced understanding of how organizational AI adoption affects employees’ knowledge behaviors.
Moreover, the data for this study was collected in China, which may limit the generalizability of the findings due to cultural differences in self-construals between Eastern and Western contexts (Cross et al., 2011). Future research should investigate the impact of organizational AI adoption across various cultural settings to better understand how these dynamics may differ internationally (Pan et al., 2023). Overall, addressing these limitations will be crucial for advancing the field and enhancing the applicability of research findings in diverse organizational contexts.