DOI: https://doi.org/10.3389/fpsyg.2025.1705671
PMID: https://pubmed.ncbi.nlm.nih.gov/41684955
تاريخ النشر: 2026-01-28
المؤلف: Lin Sun وآخرون
الموضوع الرئيسي: الأخلاقيات والآثار الاجتماعية للذكاء الاصطناعي
نظرة عامة
تبحث هذه الدراسة في آثار التعاون بين الموظف والذكاء الاصطناعي على الانخراط في العمل، مع التركيز على الآليات النفسية الأساسية. مع تزايد وجود الذكاء الاصطناعي في مكان العمل، فإن فهم هذه التفاعلات أمر ضروري لتحسين تجارب الموظفين. باستخدام تصميم زمني ثلاثي الموجات، جمعت الدراسة بيانات من 516 عاملاً معرفياً في الصين الذين يتعاملون مع تقنيات الذكاء الاصطناعي. من خلال تحليل العوامل التأكيدية، والانحدار الهرمي، ونمذجة المعادلات الهيكلية، تكشف النتائج أن التعاون بين الموظف والذكاء الاصطناعي يعزز بشكل كبير الانخراط في العمل من خلال تعزيز التصورات حول العمل المعنى والفعالية الذاتية الإبداعية، حيث تعمل كلا العاملين كوسيطين جزئيين في هذه العلاقة. تغني هذه الدراسة نظرية متطلبات العمل والموارد من خلال وضع التعاون بين الموظف والذكاء الاصطناعي كموارد قيمة في العمل تعزز الانخراط من خلال تعزيز الموارد الشخصية.
تسلط الاستنتاجات الضوء على أنه بينما يمكن أن يؤدي التعاون بين الموظف والذكاء الاصطناعي إلى نتائج سلوكية إيجابية وسلبية، فإنه يؤثر بشكل ملحوظ على دافع الموظف من خلال عمليات نفسية محددة. يدعم التصميم التجريبي القوي للدراسة الأدوار الوسيطة للعمل المعنى والفعالية الذاتية الإبداعية، مما يساهم في الإطار النظري للتعاون بين الإنسان والذكاء الاصطناعي والانخراط في العمل. علاوة على ذلك، تؤكد النتائج على الدور المزدوج لتكنولوجيا الذكاء الاصطناعي ليس فقط في تحسين الكفاءة ولكن أيضًا في تعزيز الموارد النفسية وتجارب العمل للموظفين. هذه الرؤية ضرورية لتطوير ممارسات فعالة لإدارة الموارد البشرية في عصر الذكاء الاصطناعي، وتعزيز العلاقات الإيجابية بين الإنسان والذكاء الاصطناعي والتكامل المتناغم للتكنولوجيا في مكان العمل. على الرغم من بعض القيود، توفر الورقة أساسًا نظريًا قويًا وآثارًا عملية للبحوث المستقبلية حول التعاون بين الإنسان والذكاء الاصطناعي.
مقدمة
تسلط مقدمة هذه الورقة البحثية الضوء على التأثير التحويلي للذكاء الاصطناعي (AI) على ديناميات العمل التنظيمية، مع التأكيد على دوره كشريك تعاوني يعزز الكفاءة واتخاذ القرار. بينما يمتلك الذكاء الاصطناعي القدرة على تحسين الانخراط في العمل من خلال جعل المهام أكثر معنى، فإنه يثير أيضًا مخاوف بشأن أمان الوظائف والضغط التكنولوجي. يشير المؤلفون إلى أن الأدبيات الحالية تركز بشكل أساسي على اعتماد الذكاء الاصطناعي والنتائج الفورية، مما يترك فجوات كبيرة في فهم الآثار طويلة الأجل لتفاعل الموظف مع الذكاء الاصطناعي على الدافع والرفاهية.
لمعالجة هذه الفجوات، تطرح الدراسة سؤالين بحثيين: (1) هل يعزز التعاون بين الموظف والذكاء الاصطناعي الانخراط في العمل؟ و(2) كيف تؤثر الآليات النفسية، مثل العمل المعنى والفعالية الذاتية الإبداعية، على هذه العلاقة؟ يقترح المؤلفون نموذجًا نظريًا يعتمد على إطار عمل متطلبات العمل والموارد (JD-R)، حيث يفترض أن التعاون بين الموظف والذكاء الاصطناعي يعمل كموارد جديدة في العمل يمكن أن تعزز الموارد الشخصية، وبالتالي تعزز الانخراط في العمل. تهدف الدراسة إلى تقييم هذا النموذج ضمن عينة من العمال المعرفيين في الصين، مما يساهم في الأدبيات من خلال دمج الرؤى من تفاعل الإنسان مع الكمبيوتر وسلوكيات التنظيم لتوضيح العمليات التحفيزية التي تؤثر عليها التعاون بين الموظف والذكاء الاصطناعي.
الطرق
في هذه الدراسة، يتم استخدام تحليل الانحدار الهرمي للتحقيق في تأثير تعاون الموظف مع الذكاء الاصطناعي (AI) على الانخراط في العمل. تم اختيار هذه الطريقة التحليلية لقدرتها على توضيح المساهمات الفريدة لكل متغير تنبؤي إلى المتغير التابع، مما يسهل إدخال متغيرات رئيسية بشكل تدريجي. يتماشى هذا النهج بشكل جيد مع أهداف البحث، مما يمكّن من تحديد العوامل الرئيسية التي تؤثر على الانخراط في العمل.
يدعم اختيار الانحدار الهرمي أيضًا رؤى تاباشنيك وفيديل (2013)، الذين يؤكدون على مزاياه في استكشاف مساهمات المتغيرات المختلفة. يُعتبر هذا الإطار المنهجي فعالًا بشكل خاص في توضيح العلاقات بين تعاون الموظف مع الذكاء الاصطناعي ومستويات الانخراط في العمل، مما يوفر أساسًا قويًا لنتائج الدراسة.
المناقشة
في هذا القسم، يناقش المؤلفون الأسس النظرية لنموذج متطلبات العمل والموارد (JD-R) وأهميته في فهم تأثير التعاون بين الموظف والذكاء الاصطناعي على الانخراط في العمل. يفترض نموذج JD-R أن متطلبات العمل يمكن أن تؤدي إلى الضغط والإرهاق، بينما تعزز موارد العمل الدافع والتطور الشخصي. يبرز المؤلفون أنه مع تكامل الذكاء الاصطناعي في أماكن العمل، فإنه يعمل كموارد جديدة في العمل يمكن أن تحسن الكفاءة واتخاذ القرار، مما قد يزيد من الانخراط في العمل. ومع ذلك، يشيرون أيضًا إلى أن الذكاء الاصطناعي يمكن أن يقدم ضغطًا تكنولوجيًا، مما قد يؤثر سلبًا على رفاهية الموظف. تشير الأدلة التجريبية إلى أنه بينما يمكن أن تعزز فعالية الذكاء الاصطناعي والاستخدام الإبداعي للذكاء الاصطناعي الإنتاجية ورضا العمل، فإنها قد تزيد أيضًا من الإرهاق وصراع العمل والأسرة.
يقترح المؤلفون أن التعاون بين الموظف والذكاء الاصطناعي يؤثر بشكل إيجابي على الانخراط في العمل من خلال عاملين وسيطين: العمل المعنى والفعالية الذاتية الإبداعية. يتميز العمل المعنى بإحساس بالهدف والقيمة، والذي يمكن أن يعزز من خلال قدرة الذكاء الاصطناعي على تبسيط المهام والسماح للموظفين بالتركيز على مشاكل أكثر تعقيدًا. كما يتم تعزيز الفعالية الذاتية الإبداعية، التي تُعرف بأنها الإيمان بقدرة الفرد على توليد وتنفيذ أفكار جديدة، من خلال التعاون مع الذكاء الاصطناعي، الذي يوفر الدعم ويعزز قدرات الموظفين في حل المشكلات. يفترض المؤلفون أن كل من العمل المعنى والفعالية الذاتية الإبداعية تتوسط العلاقة بين التعاون بين الموظف والذكاء الاصطناعي والانخراط في العمل، مما يشير إلى أن التعاون المنظم جيدًا يمكن أن يؤدي إلى تحسين نتائج الموظف وأداء المنظمة.
القيود
تقدم الدراسة رؤى مهمة حول التعاون بين الموظف والذكاء الاصطناعي؛ ومع ذلك، فهي ليست خالية من القيود التي تشير إلى طرق للتحقيق في المستقبل. أولاً، تتكون عينة الدراسة بشكل أساسي من العمال المعرفيين من الصين، مما قد يحد من قابلية تطبيق النتائج عبر الثقافات. تتطلب الاختلافات في مواقف الموظفين تجاه التعاون بين الإنسان والذكاء الاصطناعي عبر سياقات ثقافية مختلفة مزيدًا من البحث للتحقق من صحة هذه النتائج في بيئات وصناعات متنوعة، مع فحص التأثيرات المعدلة للقيم الثقافية وخصائص الصناعة.
ثانيًا، فإن المقياس المستخدم لقياس التعاون بين الموظف والذكاء الاصطناعي، الذي طوره كونغ (2023)، مصمم بشكل أساسي للمهن المتعلقة بالبروتينات. قد يحد هذا التركيز من قابليته للتطبيق على فئات مهنية أخرى، مما يشير إلى الحاجة إلى دراسات مستقبلية لتقييم مدى ملاءمة المقياس عبر أنواع الوظائف المختلفة. بالإضافة إلى ذلك، بينما يُفترض أن مفهوم العمل المعنى يعزز الفعالية الذاتية الإبداعية، لم تستكشف الدراسة الحالية تأثيرات الوساطة التسلسلية لهذه العلاقة، مما يقدم منطقة واعدة أخرى للبحث المستقبلي. أخيرًا، فإن الاعتماد على مقاييس التقرير الذاتي يقدم تحيزًا ذاتيًا محتملاً، وقد لا تلتقط الطبيعة الثابتة لتصميم البحث الديناميات المتطورة للتعاون بين الإنسان والذكاء الاصطناعي بشكل كافٍ. يجب أن تدمج التحقيقات المستقبلية مقاييس سلوكية موضوعية وطرق تقرير بديلة، مثل أخذ عينات من التجارب، لتطوير فهم أكثر شمولاً لتجارب التعاون.
DOI: https://doi.org/10.3389/fpsyg.2025.1705671
PMID: https://pubmed.ncbi.nlm.nih.gov/41684955
Publication Date: 2026-01-28
Author(s): Lin Sun et al.
Primary Topic: Ethics and Social Impacts of AI
Overview
This research investigates the effects of Employee-AI collaboration on work engagement, emphasizing the underlying psychological mechanisms. With the growing presence of artificial intelligence in the workplace, understanding these interactions is essential for improving employee experiences. Utilizing a three-wave time-lagged design, the study collected data from 516 knowledge workers in China who engage with AI technologies. Through confirmatory factor analysis, hierarchical regression, and structural equation modeling, the findings reveal that Employee-AI collaboration significantly enhances work engagement by fostering perceptions of meaningful work and creative self-efficacy, with both factors acting as partial mediators in this relationship. This research enriches the Job Demands-Resources theory by positioning Employee-AI collaboration as a valuable job resource that bolsters engagement through enhanced personal resources.
The conclusions highlight that while Employee-AI cooperation can yield both positive and negative behavioral outcomes, it notably influences employee motivation through specific psychological processes. The study’s robust empirical design supports the mediating roles of meaningful work and creative self-efficacy, contributing to the theoretical framework of human-AI collaboration and work engagement. Furthermore, the findings underscore the dual role of AI technology in not only improving efficiency but also enhancing psychological resources and work experiences for employees. This insight is crucial for developing effective human resource management practices in the AI era, promoting positive human-AI relationships and harmonious integration of technology in the workplace. Despite some limitations, the paper provides a solid theoretical foundation and practical implications for future research on human-AI cooperation.
Introduction
The introduction of this research paper highlights the transformative impact of artificial intelligence (AI) on organizational work dynamics, emphasizing its role as a collaborative partner that enhances efficiency and decision-making. While AI has the potential to improve work engagement by making tasks more meaningful, it also raises concerns regarding job security and technostress. The authors note that existing literature primarily focuses on the adoption and immediate outcomes of AI, leaving significant gaps in understanding the long-term effects of employee-AI interaction on motivation and well-being.
To address these gaps, the study poses two research questions: (1) Does employee-AI collaboration enhance work engagement? and (2) How do psychological mechanisms, such as meaningful work and creative self-efficacy, mediate this relationship? The authors propose a theoretical model based on the Job Demands-Resources (JD-R) framework, positing that employee-AI collaboration serves as a new job resource that can bolster personal resources, thereby enhancing work engagement. The study aims to evaluate this model within a sample of Chinese knowledge workers, contributing to the literature by integrating insights from human-computer interaction and organizational behavior to elucidate the motivational processes influenced by employee-AI collaboration.
Methods
In this study, hierarchical regression analysis is utilized to investigate the influence of employee collaboration with artificial intelligence (AI) on work engagement. This analytical method is selected for its ability to distinctly illustrate the unique contributions of each predictor variable to the dependent variable, facilitating a stepwise introduction of key variables. Such an approach aligns well with the research objectives, enabling the identification of primary factors affecting work engagement.
The choice of hierarchical regression is further supported by the insights of Tabachnick and Fidell (2013), who emphasize its advantages in exploring the contributions of various variables. This methodological framework is deemed particularly effective for elucidating the relationships between employee collaboration with AI and levels of work engagement, thereby providing a robust foundation for the study’s findings.
Discussion
In this section, the authors discuss the theoretical foundations of the Job Demands-Resources (JD-R) model and its relevance to understanding the impact of employee-AI collaboration on work engagement. The JD-R model posits that job demands can lead to stress and exhaustion, while job resources enhance motivation and personal development. The authors highlight that as AI becomes integrated into workplaces, it serves as a new job resource that can improve efficiency and decision-making, thereby potentially increasing work engagement. However, they also note that AI can introduce technostress, which may negatively affect employee well-being. Empirical evidence suggests that while AI self-efficacy and generative AI use can enhance productivity and job satisfaction, they may also exacerbate exhaustion and work-family conflict.
The authors propose that employee-AI collaboration positively influences work engagement through two mediating factors: meaningful work and creative self-efficacy. Meaningful work is characterized by a sense of purpose and value, which can be enhanced by AI’s ability to streamline tasks and allow employees to focus on more complex problems. Creative self-efficacy, defined as the belief in one’s ability to generate and implement new ideas, is also fostered through collaboration with AI, which provides support and enhances employees’ problem-solving capabilities. The authors hypothesize that both meaningful work and creative self-efficacy mediate the relationship between employee-AI collaboration and work engagement, suggesting that a well-structured collaboration can lead to improved employee outcomes and organizational performance.
Limitations
The research presents significant insights into employee-AI collaboration; however, it is not without limitations that suggest avenues for future investigation. Firstly, the study’s sample predominantly consists of knowledge workers from China, which may limit the cross-cultural applicability of the findings. Variations in employee attitudes towards human-AI collaboration across different cultural contexts necessitate further research to validate these results in diverse settings and industries, while also examining the moderating effects of cultural values and industry characteristics.
Secondly, the scale utilized for measuring employee-AI cooperation, developed by Kong (2023), is primarily tailored for occupations related to proteins. This focus may restrict its applicability to other occupational categories, indicating a need for future studies to assess the scale’s relevance across various job types. Additionally, while the concept of meaningful work is posited to enhance creative self-efficacy, the current study did not explore the serial mediation effects of this relationship, presenting another promising area for future research. Lastly, the reliance on self-report measures introduces potential subjective bias, and the static nature of the research design may inadequately capture the evolving dynamics of human-AI collaboration. Future investigations should integrate objective behavioral measures and alternative reporting methods, such as experience sampling, to develop a more comprehensive understanding of collaborative experiences.