【摘 要】工作要求—资源模型能够合理解释人工智能技术在工作场所应用中对员工工作繁荣的复杂影响。在人工智能技术应用场景下，领导正念对提升员工的幸福感、提高员工的工作满意度、激发员工的创新绩效具有显著的正面效应，在破解人工智能悖论、促进工作繁荣方面具有关键作用。实证检验结果也表明，领导正念可以削弱职业倦怠对工作繁荣的负面影响，以及增强职业自我效能对工作繁荣的积极影响。研究结论带来以下管理启示：领导正念可以助力员工重拾活力，领导者要提升自身领导正念水平；组织在引入和应用人工智能技术时，应全面评估其可能对员工职业倦怠的影响；组织要注重增强员工的职业自我效能。
【关 键 词】人工智能悖论；职业倦怠；职业自我效能；领导正念；工作繁荣
【作者简介】史青（1972— ），女，新疆财经大学工商管理学院教授、硕士生导师，博士，研究方向为组织行为与人力资源管理；张雪洁（1998— ），女，新疆财经大学硕士研究生，研究方向为人力资源管理。
【基金项目】新疆维吾尔自治区高校基本科研业务费科研项目“数字化悖论下数智化赋能新疆企业高质量发展研究”（项目编号：XJEDU2025J100）；国家社科基金项目“新发展格局下新疆城乡居民美好生活需要与消费升级研究”（项目编号：22BJY237）
【中图分类号】C936 【文献标识码】A 【文章编号】1003-2606（2025）05-0069-11
一、引言
在当今时代，科技的迅猛发展催生了人工智能技术的广泛应用，它已逐渐渗透至各个行业领域，为企业带来革命性的效率提升和智能化转型。然而，人工智能的广泛应用也引发了一系列悖论和挑战。一方面，人工智能技术的应用可以减轻员工的重复性工作负担，为其提供更多的学习和成长机会；另一方面，人工智能的普及带来就业结构的改变，部分传统岗位被机器取代，导致员工面临失业风险，工作安全感下降。这种技术进步与劳动者解放之间的悖论，不仅影响了企业的稳定发展，也对员工的工作繁荣产生了深远影响。因此，如何使人工智能技术在工作中促进员工的工作繁荣就成为亟待解决的问题。
人工智能技术在工作场所的应用多有弊端，如引发员工的工作不安全感和职场孤独感等，甚至可能会影响员工的心理健康。但近年来人工智能技术在工作场所的应用也带来了积极的影响，如可以增强员工的工作旺盛感［1］、提升员工的工作满意度等。尽管已有研究显示人工智能技术在应用过程中可能出现悖论效应，但关于其如何影响工作繁荣的研究相对缺乏。实际上，工作繁荣对于提高员工的工作绩效、减少工作倦怠以及改善健康状况都具有积极意义。［2］探究工作繁荣的影响要素及其作用机制对于促进员工的个人职业发展和推动组织的长期可持续性发展至关重要。人工智能技术应用是否会引发员工工作繁荣的悖论效应？这种效应的内在机制是什么？在人工智能环境下，员工如何实现工作繁荣？为了回答这些问题，本研究将进行实证分析，以期提供有价值的见解。
工作要求—资源（job demands-resource，JD-R）模型能够合理解释人工智能技术在工作场所应用中对员工工作繁荣的复杂影响。这一模型区分了工作要求和工作资源两种工作特征，并指出它们分别通过损耗和增益的路径对员工产生影响。从损耗路径看，在应用人工智能技术的过程中，员工可能会承受较大的心理压力，这种压力可能会损耗他们的心理资源，对他们的心理状态产生负面影响，使他们产生职业倦怠，进而影响员工的工作繁荣。从增益路径看，引入人工智能技术可以帮助员工实现选择性去技能化，给员工带来积极影响。［3］此外，人工智能技术在执行任务时的高效率和快速性，能够为员工节省宝贵的时间和资源，使他们从工作疲劳中尽快恢复，重新获得活力。这有利于员工调动自身的工作潜能，增强其从事特定职业的信心，并能够避免高强度压力带来的消极影响［4］，从而实现员工的工作繁荣。作为一种新兴的领导力形式，领导正念表现为领导者对员工的一系列积极行为和态度，强调领导者在管理过程中的觉察力、专注力和非评判性态度。正念领导者能够更好地理解员工的需求和挑战，通过正念沟通和支持，促进员工的心理安全和工作投入。基于此，本研究以JD-R模型为理论基础，引入职业倦怠和职业自我效能两个中介变量，以及领导正念这一情境层面的调节变量，深入探讨如何通过提升领导者的正念水平有效应对人工智能技术带来的挑战，促进员工的工作繁荣。通过理论分析和实证研究，本研究将为企业管理者提供有益的参考和启示，助力企业在人工智能时代实现更加稳健和可持续的发展。
二、理论基础与研究假设
（一）JD-R模型
JD-R模型将工作特征划分为两个主要方面：工作要求和工作资源。工作要求指的是那些需要员工长时间投入体力或脑力劳动以及专业技能的任务，这类任务往往伴随着生理或心理上的系列反应，如工作负荷、职业倦怠和角色冲突等。工作资源包括多个层面，如组织因素（薪资、晋升机会）、人际关系（包括领导和同事的支持、团队精神）、工作设计（清晰的职责划分、参与决策过程）以及任务特征（工作的自主权、绩效反馈机制）。［5］这些资源对于提高员工的工作参与度、促进员工个人发展至关重要。
人工智能技术应用指的是能够自主学习、进行推理、解决问题以及做出决策的智能系统，如人工智能、机器人和算法集成到工作流程和业务操作中，以提高效率、优化决策过程，并执行复杂任务。本研究认为，人工智能技术应用可能改变工作任务和角色要求。一方面，人工智能技术在企业中日益集成，可以自动完成许多重复性或计算密集型的任务，不仅能够促进团队内的人机协作，还能够帮助员工完成工作相关任务，进而提升员工的工作效率。另一方面，人工智能技术的应用要求员工学习新技能或适应新的工作方式，以与人工智能技术协同工作。这种学习和适应过程可能会增强员工对技术身份威胁的感知。当员工感知到人工智能技术对他们的社会身份、角色身份或个人身份构成威胁时，他们可能会产生抵抗行为。这种抵抗包括避免使用新技术、反对技术应用或在行动上不合作。［6］基于此，本研究推断，在工作场所中引入人工智能技术，可能会改变工作任务和角色要求，经由工作要求与工作资源两条路径，使员工的工作繁荣受到不同程度的影响。工作内容和流程变化要求员工具备较高的技能水平，这通常会让他们感觉到自己的工作富有发展潜力，因此，员工会将工作要求提升评估为挑战性的压力。如果这些压力超出员工的应对能力，就会增加工作负荷，增加职业倦怠的风险，进而影响员工的工作繁荣。从增益路径看，员工以职业自我效能表征工作资源。人工智能技术应用缓解了员工处理重复性、简单任务的压力，使他们能够将精力集中在学习新技能和提高职业自我效能上，这有助于激发他们的工作积极性和学习热情，进而促进工作繁荣。
领导正念的特质包括拥有敏锐的觉察能力、在不同情境中保持思维清晰与情绪平和、形成深邃的洞察力，以及激励、授权和引导他人。［7-8］领导正念作为一种重要的领导特征或领导风格，为解决人工智能悖论、促进工作繁荣提供了新的视角。一方面，正念领导者不会在无意识状态下对员工的行为做出反应，他们持续关注员工的即时状态，以一种开放和无偏见的心态理解员工的想法，并采取审慎而非本能的反应。［9］领导者的这些行为将会减少员工对人工智能技术的恐惧和抵触情绪，为员工创造一个心理安全的环境，使他们敢于尝试应用新技术，减少职业倦怠。另一方面，正念领导者鼓励员工发挥自主性，利用人工智能技术提高工作效率和创新能力，而不是简单地用技术替代员工的工作。员工感知到领导者的激励后，可能会增强自身的职业自我效能，进而提高工作积极性和工作投入，促进工作繁荣。因此，在人工智能技术应用场景下，领导正念对提升员工的幸福感、提高员工的工作满意度、激发员工的创新绩效具有显著的正面效应。基于此，本研究引入领导正念这一重要的情境变量，考察其如何破解人工智能悖论以促进员工的工作繁荣。
（二）资源损耗路径：人工智能技术应用、职业倦怠与工作繁荣
职业倦怠是指员工在长期面对高强度工作时出现的一种情绪枯竭和消极态度，这种状况通常见于需要频繁与人互动的服务行业。［10］它是一个多维度的负面体验，通常与长期面对慢性人际压力的工作有关，不仅影响个体的情感和身体健康，还会影响工作表现和组织效能。职业倦怠会对员工的工作态度、身心健康以及工作产出等多个方面产生负面影响。此外，研究还发现职业倦怠受多种因素影响，包括个人特质、工作环境、领导风格和组织氛围等。［11］依据JD-R模型，工作要求涵盖了与个人职位紧密相连的各类需不断投入体力与智力的物质条件、社交环境及组织要素，诸如作业环境中的噪声水平、任务量的大小以及时间紧迫性等，这些是影响工作状态和消耗身心资源的负面因素。工作中的各类要求会不断消耗员工的精力、情感及体力，最终引起职业倦怠。职业倦怠是一个不可忽视的工作要求因素，它属于JD-R模型中的损耗路径。本研究认为，人工智能技术应用会引发员工的职业倦怠。一方面，人工智能技术的应用可能使工作任务更加复杂，要求员工处理更多的信息和数据，导致工作量增加。当员工面临的工作要求超出个人负荷和工作资源范畴时，其便可能产生职业倦怠。在这种情况下，引入人工智能技术可能会给员工造成巨大的心理压力。这种压力会消耗他们的心理资源，进而可能对他们的心理健康产生负面效应。持续的高压力工作环境可能导致员工身体和精神疲惫、情绪不稳定，感到无力和绝望，最终形成消极的生活和工作态度，表现为职业倦怠。另一方面，人工智能技术的应用为员工的职位带来了风险和不确定性，可能会威胁到他们的工作稳定性，使他们不得不学习新技术，从而承受了相当大的压力。因此，员工会产生焦虑、不确定性和工作不安全感，甚至会产生被人工智能技术取代的威胁感，从而导致职业倦怠。
工作繁荣是指员工通过主动关注个人的工作感受，有意识地推动自身成长与进步的一种状态，而非仅仅达到一种被动的满足感。它体现为员工能够在工作中持续感受到精力充沛，并积极参与学习的心理状态。［12］其中，活力层面展现了员工在工作场合的活跃程度与热情洋溢的状态，学习层面则彰显了员工通过吸纳并应用知识与技能来增强自我效能的能力。若员工仅拥有活力而忽视了持续学习和成长，那么其活力终将逐渐减弱；相反，若员工过分注重学习而缺乏将所学知识与技能付诸实践的热情与动力，亦难以有效提升工作成效。工作繁荣的实现，依赖于这两个层面的相辅相成，它们共同作用于员工，使之既感受到充沛的活力，又不断地学习知识和技能，从而实现持续的进步与提升。
职业倦怠具有不同程度的表现，从一天辛苦工作后出现的疲劳，到长期的疲惫以及随之出现的认知问题和情绪受损等。［13］因此，职业倦怠被视为一种重要的工作压力源，会影响员工的心理健康和工作满意度，降低员工的工作投入和积极性。根据JD-R模型，职业倦怠作为工作要求的一部分，通过损耗路径影响员工工作繁荣。职业倦怠的表现分为生理和行为两种。生理上，倦怠的员工可能会体验到疲劳、感冒、头痛、消化不良、失眠、呼吸短促等不适感；行为上，倦怠的员工可能表现为易怒、敏感等。这些症状如果长期存在，将导致员工精疲力尽。持续的压力和过载可能对员工的心理健康产生负面影响，从而降低其在工作中的活力，影响工作繁荣。由此，本文提出如下假设。
H1a：人工智能技术应用与职业倦怠正相关。
H1b：人工智能技术应用通过职业倦怠负向影响员工工作繁荣。
（三）资源增益路径：人工智能技术应用、职业自我效能与工作繁荣
职业自我效能是在一般自我效能概念的基础上发展起来的，是指个体对自己在特定职业领域内成功完成某项任务或行为的信念。这些信念是行为的主要预测因素，因为它们影响个体的选择、表现和坚持性。［14］根据自我效能理论的创始人班杜拉的观点，不同的活动领域要求掌握不同的技能，因此，自我效能应当与特定的活动领域相结合，而职业自我效能正是自我效能理论在职业领域的具体体现。
根据JD-R模型，工作资源包括所有有助于实现工作目标、减轻员工工作压力以及促进员工成长和发展的物质、社会和组织要素。职业自我效能作为一种关键的心理资源，对员工的行为动机具有显著影响。员工若具备高水平的自我效能，将对自己的创新能力充满信心，并维持积极的情绪状态，这将激发他们产生新思想和新知识，从而促进团队乃至整个企业的全面创新。［15］因此，职业自我效能属于一种典型的工作资源。本研究认为，人工智能技术应用会增强员工的职业自我效能。一方面，人工智能技术应用能够使员工在特定技能上实现优化，专注于其核心优势，从而在与机器的竞争中保持领先地位。人工智能技术应用对员工产生了正面影响，在一定程度上提高了员工的工作效率，增加了他们的工作投入和满意度，进而增强了员工的职业自我效能。另一方面，人工智能的高效率和快速完成任务的能力，能够帮助员工节省时间和精力，摆脱工作疲劳并恢复活力。同时，人工智能还能助力有学习需求的员工通过掌握新技术来实现个人成长和发展，激励员工与人工智能合作，从而采取对人工智能的支持行为。这有利于员工调动自身的工作潜能，增强其从事特定职业的信心，并能够避免高强度压力带来的消极影响。
依据JD-R模型，职业自我效能作为工作资源，通过增益路径影响员工工作繁荣。一方面，高职业自我效能的员工往往具有更强的自我控制力和持续努力的意愿，更愿意在工作中展现出活力和热情。另一方面，作为重要心理资本的职业自我效能对员工行为动机的影响会愈加明显，高职业自我效能的员工会相信自身的创新能力并保持积极的情绪状态，进而产生更多新想法，推动团队和企业整体创新涌现。［15］这使员工在工作中同时体验到“活力”和“学习”的心理状态。［12］由此，本文提出如下假设。
H2a：人工智能技术应用与职业自我效能正相关。
H2b：人工智能技术应用通过职业自我效能正向影响员工工作繁荣。
（四）领导正念的调节作用
正念是源自佛教的一个古老概念，是指一种有意识地专注于当前时刻且不带有评判的觉察状态。正念能够对个体的注意力、认知能力、情绪反应、心理状态和行为表现带来正面效应。领导正念结合了正念原则与领导力，被看作一种状态类似的特质，表现为领导者采用开放和非评判性的态度，全然关注当前发生的事情，包括对内在体验和外在环境刺激的敏感性。［16］
以往研究表明，领导正念有助于实现工作繁荣。作为一种独特的个体特征资源，领导正念水平的高低能够影响员工的认知和正念水平。［17］依据JD-R模型，本研究认为，领导正念会减少职业倦怠对员工工作繁荣的损耗。首先，高正念水平的领导者通过正念的影响改善员工对工作环境的认知，并且以一种包容和非批判性的态度面对员工。［18］这些领导者还意识到自我关怀的必要性，以防止情绪资源的耗尽。同时，员工通过领导者的行为线索认识到避免资源过度消耗的重要性。其次，高正念水平的领导者倾向于积极为下属提供支持和帮助。［18］领导者对当前情境的关注能够使员工感受到更强烈的支持与尊重。当员工感受到上级的支持时，他们的主动性和工作投入会增强，从而表现出更加积极的工作态度。反之，低正念水平领导者他人导向弱，对人际互动的洞察和感知能力也较弱［18］，有时可能会因为地位优势而忽视下属的不满情绪和求助行为［19］。因此，在职业倦怠对工作繁荣的影响路径中，领导正念作为一种资源能推动员工做出积极改变，减轻压力，减少情绪消耗，从而降低职业倦怠对工作繁荣的负面效应。由此，本文提出如下假设。
H3a：领导正念负向调节职业倦怠与工作繁荣的关系。
H3b：领导正念负向调节职业倦怠在人工智能技术应用与工作繁荣之间的消极中介作用。
本研究认为，领导正念能够强化职业自我效能对工作繁荣的增益效应。一方面，高正念水平的领导者关注并接纳当前环境，在与员工互动中全身心投入，使员工感到受尊重和重视。领导者表现出对员工的尊重和重视，往往能够促进员工职业自我效能的增强，使员工更愿意主动投身于工作之中，并激发他们的学习热情。这反映为工作繁荣学习维度的提高。另一方面，与高正念水平的领导者沟通时，员工能够察觉到领导者展现出的正念相关行为，例如专心倾听、情绪稳定和非评判性态度。这些行为不仅让员工感到被认可和激励，还有助于领导者实时把握员工的需求，进而协助员工更高效地完成工作任务。当领导者的正念转化为员工的内在资源时，往往能够增强员工的自信心，并由此提升员工的个人工作能力和效率，进而增强员工的工作活力。这体现为员工工作繁荣的活力维度得到了增强。相反，低正念水平的领导者可能会忽视他人的想法，这不利于程序正义的实现，违反程序正义会对员工造成威胁，因为他们会对自己在团队中的地位感到不安全。［18］这种不安全感会削弱员工的职业自我效能，进而影响其工作繁荣。由此，本文提出如下假设。
H4a：领导正念正向调节职业自我效能与工作繁荣的关系。
H4b：领导正念正向调节职业自我效能在人工智能技术应用与工作繁荣之间的积极中介作用。
综上所述，本文构建了人工智能技术应用对员工工作繁荣的双元影响路径模型，如图1所示。
三、研究设计
（一）研究对象与程序
本文采用问卷调查法进行实证研究，变量题项来源于现有文献中的成熟量表，并根据研究背景进行了适当调整。为确保变量题项的描述符合现实情境，在正式调查之前，本研究利用Credamo见数平台，通过电子问卷收集样本数据进行预调研，旨在测试问卷的可理解性和有效性，从而优化问卷设计，确保数据收集的准确性和效率。在检验问卷形式和内容无误后，在问卷星平台收集数据开展正式调研。本研究选择已经应用人工智能技术的企业作为调查对象。本研究涉及的行业包括交通运输、智能制造、金融业、医疗保健，这些行业对技术的应用通常更为积极，且已经在使用人工智能技术来提高效率、优化决策过程或执行复杂任务。
本研究共收集550份问卷，剔除填写有明显规律性、选项矛盾的不合格问卷，有效问卷为496份，回收有效率为90.18%。样本特征如下：性别方面，男性占53.8%，女性占46.2%；年龄结构方面，25岁及以下的员工占10.5%，26～35岁占52.2%，36～45岁占27.6%，46岁及以上占9.7%；学历方面，研究生占4.1%，本科占66.9%，专科及以下占29%；工作年限方面，2年及以下占10.5%，2～5年占60.3%，5～8年占26.2%，8年以上占3%；岗位级别方面，普通职员占67.1%，基层管理者占19.6%，中层管理者占11.5%，高层管理者占1.8%；行业类型方面，交通运输业占22.2%，智能制造业占34.9%，金融业占19.4%，医疗保健行业占23.5%。
（二）变量测量
本研究借鉴成熟量表进行变量测量，对各变量均采用李克特5点评分法进行评分，从1到5为非常不同意到非常同意。
人工智能技术应用：采用Tang等开发的3题项量表［20］，示例题项如“我大部分时间都在与人工智能一起工作”等。在本研究中，Cronbach’s α=0.842。
工作繁荣：本研究使用了Porath等人开发的包含10个测量项的量表［21］，涵盖活力和学习两个方面，示例题项如“对工作，我总是充满期待”。在本研究中，Cronbach’s α=0.964。
职业自我效能：参照Kossek等设计的跨行业的职业自我效能量表［22］，包括个体在职业发展中的主动性和韧性，共11个题项，示例题项如“当我决定为我的事业做点什么时，我就会马上去做”。在本研究中，Cronbach’s α=0.917。
职业倦怠：采用李超平等基于MBI-GS修订的量表［23］，共设置5个题项，例如“工作让我感到身心俱疲”。在本研究中，Cronbach’s α=0.868。
领导正念：采用张静等开发的量表［24］，涵盖专注于当下、以开放和非评判性的态度接纳体验，以及保持冷静、避免冲动3个主要维度，共包含9个测量题目，例如“当我说话时，我的上司会全神贯注”。在本研究中，Cronbach’s α=0.927。
控制变量：本研究将性别、年龄、学历、工作年限和行业类型纳入控制变量，主要原因如下：性别、年龄、学历和工作年限与员工行为和心理状态存在一定的相关性，行业类型会影响员工对人工智能技术的感知。
四、数据分析与假设检验
（一）共同方法偏差检验
在本项研究中，所有数据均来源于员工的自我评估，这可能导致共同方法偏差的问题。为此，本研究采用Harman单因素检验方法进行检验，分析结果显示，在未进行因子旋转的情况下，共有5个特征根值大于1的因子，其中第一个因子解释的变异量为26.578%（<40%），故共同方法偏差对本研究结果并未造成太大影响。
（二）信效度检验
如表1所示，所有测量项的标准化因子载荷均超过0.6，人工智能技术应用、职业倦怠、职业自我效能和工作繁荣的组合信度（CR）值均高于0.7，各个变量的Cronbach’s a系数也都超过了0.7，而且平均方差提取量（AVE）均超过了0.5。这些指标显示5个研究变量都具有较高的信度和收敛效度。
为评估本研究变量的构念区分性，本研究运用Mplus8.3对人工智能技术应用、职业自我效能、职业倦怠、领导正念和工作繁荣进行验证性因子分析，分析结果详见表2。分析结果表明，五因子模型的拟合效果较好（χ2/df=2.325，RMSEA=0.052，CFI=0.909，TLI=0.904，SRMR=0.046），并且该模型的拟合度优于其他模型。这表明这些变量之间具有较好的区分效度。
（三）描述性统计与相关分析
表3为描述性统计与相关性分析的结果。分析结果显示：人工智能技术应用与职业倦怠（r=0.194，p<0.01）、职业自我效能（r=0.297，p<0.01）均正相关，职业倦怠与工作繁荣负相关（r=-0.160，p<0.01），职业自我效能与工作繁荣正相关（r=0.230，p<0.01）。上述结论与理论预期相一致，为后续验证研究假设奠定了坚实的基础。
（四）假设检验
1.中介效应检验
本研究通过SPSS26.0进行层次回归分析，验证职业倦怠和职业自我效能的中介效应。层级回归结果如表4所示。表4中的模型2和模型4显示，人工智能技术应用对职业倦怠（β=0.198，p<0.001）、职业自我效能（β=0.268，p<0.001）均产生显著的正向影响；模型6显示，职业倦怠对工作繁荣有显著负向影响（β=-0.254，p<0.001），职业自我效能对工作繁荣有显著正向影响（β=0.328，p<0.001）。
进一步的中介效应分析如表5显示：人工智能技术应用通过职业倦怠和职业自我效能影响工作繁荣的效应值分别是-0.0504和0.0879，95%的置信区间分别为［-0.0853，-0.0205］和［0.0464，0.1397］，均不包含0。由此，假设H1a、H1b、H2a、H2b得到支持。
2.调节效应检验
本研究通过将中心化处理后的职业倦怠和职业自我效能与领导正念相乘，构建交互项，并运用层级回归分析进行考察。如表4模型8所示，职业倦怠与领导正念的交互项对工作繁荣有显著的预测作用（β=0.096，p<0.05）、职业自我效能与领导正念的交互项对工作繁荣的影响显著为正（β=0.181，p<0.01）。遵循Preacher等的思路进行简单斜率分析，将调节变量领导正念划分为高水平与低水平（分别为均值基础上增减1个标准差），绘制交互效应图（见图2、图3）。如图2所示，领导者正念水平较高时，职业倦怠对工作繁荣的负向影响较弱（β=-0.023，p<0.05）；领导者正念水平较低时，其负向影响较强（β=-0.323，p<0.01）。如图3所示，领导者正念水平较高时，职业自我效能对工作繁荣的正向影响更强（β=0.466，p<0.01）；领导者正念水平较低时，其正向影响更弱（β=0.104，p<0.01）。由此，假设H3a、H4a得到支持。
采用Bootstrap法对被调节的中介效应进行检验（见表6），结果表明：当领导者正念水平较高时，职业倦怠的间接效应显著，其效应值为-0.029，95%置信区间为［-0.06，-0.0054］；在领导者正念水平较低的情况下，职业倦怠的间接影响也显著，其效应值为-0.0675，95%置信区间为［-0.115，-0.0269］。检验高低两组之间的组间差异显著（效应值差值=0.0385，p<0.05），95%置信区间为［0.0025，0.0822］，不包含0，这表明领导正念在消极中介路径上具有显著的调节作用。同时，当领导者正念水平较高时，职业自我效能的间接效应显著，效应值为0.1305，95%置信区间为［0.0678，0.2005］；而在领导者正念水平较低时，职业自我效能的间接效应不显著，效应值为0.0324，95%置信区间为［-0.0123，0.0826］。检验高低两组之间的组间差异显著（效应值=0.098，p<0.05），95%置信区间为［0.0332，0.1719］，不包含0，这表明领导正念在积极中介路径上也具有显著的调节作用。由此，假设H3b、H4b得到支持。
五、结论与讨论
（一）研究结论
本文基于JD-R模型深入分析了领导正念如何破解人工智能悖论以促进员工工作繁荣的影响机制，包括职业倦怠引发的损耗路径和职业自我效能形成的增益路径。此外，本研究还发现，领导正念对于缓解职业倦怠对员工工作繁荣的负面影响以及增强职业自我效能对工作繁荣的正面影响具有重要作用。这些发现不仅扩展了人工智能技术在组织行为学领域的研究视野，也为组织在人工智能环境下促进员工工作繁荣提供了理论和实践上的参考。
（二）理论贡献
第一，本研究揭示了领导正念的调节作用，从组织层面探讨了领导正念如何破解人工智能悖论以促进员工工作繁荣的影响机制。已有研究主要从人机共生关系、学习目标导向等视角考察人工智能技术应用的边界条件。本研究突出了在人工智能环境下领导正念的关键作用，为现有关于人工智能技术应用效果调节机制的研究提供了新的视角和补充。
第二，本研究基于JD-R模型，从工作要求和工作资源两个维度深入探讨了人工智能技术应用对员工工作繁荣的影响机制。这不仅扩展了人工智能技术应用影响因素的研究，也丰富了人工智能技术应用作为工作繁荣前因的研究。已有研究探讨了影响员工工作繁荣的因素，涵盖部门情境特征、工作资源的获取以及由动因驱动的工作行为等方面，但鲜有研究探讨人工智能技术应用对员工工作繁荣的影响。本研究构建了人工智能技术应用通过JD-R模型的作用路径对员工工作繁荣产生影响的理论框架，这不仅为探讨人工智能技术应用的影响机制提供了新的理论视角，也为工作繁荣的前因研究提供了新的见解。
（三）管理启示
领导正念可以助力员工重拾活力，领导者要提升自身领导正念水平。首先，组织应定期为领导者提供正念培训，包括冥想、情绪认知和同理心练习等，以增强他们的自我意识和情绪调节能力。其次，领导者要通过自己的行为来表现正念领导力。比如，在决策过程中展现出专注和耐心，在面对挑战时保持冷静和清醒的头脑。再次，领导者要掌握正念沟通技巧，更加专注和有意识地与员工沟通。这些不仅有助于领导正念水平的提升，也能促进组织内的积极变革。
组织在引入和应用人工智能技术时，应全面评估其可能对员工职业倦怠产生的影响。为了避免人工智能技术应用导致工作负担加重或压力激增，领导者需要设计合理的工作流程。同时，组织应创建一个支持性的工作环境，为员工提供心理健康支持和职业发展机会，帮助员工缓解压力。此外，为了帮助员工更好地适应新技术，组织应提供适当的培训和支持，以提高他们对技术的熟练度和使用时的舒适感。通过这些措施，组织不仅能够减轻人工智能技术应用可能带来的负面影响，还能够促进员工的工作繁荣，助力员工的个人成长和职业发展。
组织要注重增强员工的职业自我效能。首先，组织应明确人工智能的定位，将其视为提升工作效率和质量的工具，而非替代员工的手段。要通过培训和指导，让员工了解人工智能的运作原理和应用场景，帮助他们掌握与人工智能协同工作的技能，从而增强员工对自我价值的认同。其次，组织应建立完善的反馈机制，及时给予员工正面、具体的反馈。当员工在人工智能应用方面取得进步或做出贡献时，组织应给予充分的认可和及时的奖励，以增强他们的职业自我效能。
（四）研究不足与展望
本研究的不足之处主要表现在两个方面。第一，本研究仅采用横截面数据进行研究，变量之间的因果关系受到一定的限制。因此，未来研究可以设计纵向研究追踪多时点收集数据，以增强数据分析的说服力。第二，本研究仅引入了领导正念作为边界条件，未来的研究可以更全面地考虑潜在的影响因素，如组织文化、领导风格、社会支持等，以更准确地揭示人工智能技术应用对员工工作繁荣的影响。
参考文献：
［1］朱晓妹，王森，何勤.人工智能嵌入视域下岗位技能要求对员工工作旺盛感的影响研究［J］.外国经济与管理，2021，43（11）：15-25.
［2］SPREITZER G，PORATH C L，GIBSON C B.Toward Human Sustainability：How to Enable more Thriving at Work［J］.Organizational Dynamics，2012，41（2）：155-162.
［3］王涛，占小军，余薇.AI感知对员工心理和行为的影响及理论解释［J］.心理科学进展，2024，32（7）：1195-1208.
［4］李秀荣，于伟.角色压力、职业自我效能与组织职涯管理［J］.现代财经（天津财经大学学报），2015，35（4）：93-103.
［5］BAKKER A B，DEMEROUTI E.The Job Demands-Resources Model：State of the Art［J］.Journal of Managerial Psychology，2007，22（3）：309-328.
［6］CRAIG K，THATCHER J B，GROVER V.The IT Identity Threat：A Conceptual Definition and Operational Measure［J］.Journal of Management Information Systems，2019，36（1）：259-288.
［7］DECUYPERE A，SCHAUFELI W.Leadership and Work Engagement：Exploring Explanatory Mechanisms［J］.German Journal of Human Resource Management，2020，34（1）：69-95.
［8］路江涌，相佩蓉.危机过程管理：如何提升组织韧性［J］.外国经济与管理，2021，43（3）：3-24.
［9］王文周，杨珂.正念领导力：开发内心的力量［J］.清华管理评论，2017（4）：74-79.
［10］XHELILAJ L K，PETANI R，NTALLA M.Relationship Between Teacher’s Burnout，Occupational Stress，Coping，Gender and Age［J］.Journal of Educational and Social Research，2021，11（4）：266-276.
［11］李志，张宇.员工沉默对职业倦怠的影响研究［J］.首都经济贸易大学学报，2022，24（3）：103-112.
［12］SPREITZER G，SUTCLIFFE K，DUTTON J，et al.A Socially Embedded Model of Thriving at Work［J］.Organization Science，2005，16（5）：537-549.
［13］SCHAUFELI W B，LEITER M P，MASLACH C.Burnout：35 Years of Research and Practice［J］.Career Development International，2009，14（3）：204-220.
［14］BETZ N E，HACKETT G.The Relationship of Career-Related Self-efficacy Expectations to Perceived Career Options in College Women and Men［J］. Journal of Counseling Psychology，1981，28（5）：399-410.
［15］于伟，张鹏.挑战性——阻碍性压力源对研发员工主观职涯成功的影响：职业自我效能和组织职涯管理的作用［J］.管理评论，2018，30（12）：175-186.
［16］BROWN K W，RYAN R M，CRESWELL J D.MINDFULNESS：Theoretical Foundations and Evidence for Its Salutary Effects［J］.Psychological Inquiry，2007，18（4）：211-237.
［17］沈莉，葛玉辉.正念领导力：作用机制与动态发展模型［J］.商业经济与管理，2021（8）：16-28.
［18］SCHUH A E，JACOBSON A R，BASU S，et al. Quantifying the Impact of Atmospheric Transport Uncertainty on CO2 Surface Flux Estimates［J］. Global Biogeochemical Cycles，2019，33（4）：484-500.
［19］胡同文，张琳琳.领导—下属正念特质匹配与下属工作投入：表层扮演的破坏作用［J］.中国人力资源开发，2022，39（6）：52-66.
［20］TANG P M，KOOPMAN J，MCCLEAN S T，et al. When Conscientious Employees Meet Intelligent Machines：An Integrative Approach Inspired by Complementarity Theory and Role Theory［J］. Academy of Management Journal，2022，65（3）：1019-1054.
［21］PORATH C，SPREITZER G，GIBSON C，et al. Thriving at Work： Toward Its Measurement，Construct Validation，and Theoretical Refinement［J］.Journal of Organizational Behavior，2012，33（2）：250-275.
［22］KOSSEK E E，ROBERTS K，FISHER S，et al.Career Self-management：A Quasi-experimental Assessment of the Effects of a Training Intervention［J］. Personnel Psychology，1998，51（4）：935-960.
［23］李超平，时勘.分配公平与程序公平对工作倦怠的影响［J］.心理学报，2003，35（5）：677-684.
［24］张静，陈汇涓，倪丹.基于领导正念赋能视角的员工工作繁荣形成机制研究［J］.中国人力资源开发，2024，41（3）：6-20.
（图表详见杂志）
编辑 张小瑞
