《Acta Psychologica》：From boost to decline: How AI exposure shapes short-term absorptive-capacity dynamics during onboarding and knowledge sharing
编辑推荐：
本研究探讨人工智能（AI）暴露如何在组织入职阶段影响员工的短期吸收能力（Absorptive Capacity, AC）动态及其知识共享行为。基于自我决定理论（Self-Determination Theory, SDT），研究人员将吸收能力概念化为一种动态的
本研究探讨人工智能（AI）暴露如何在组织入职阶段影响员工的短期吸收能力（Absorptive Capacity, AC）动态及其知识共享行为。基于自我决定理论（Self-Determination Theory, SDT），研究人员将吸收能力概念化为一种动态的学习相关能力，其特征既包括初始水平，也包括随时间推移的变化轨迹。研究在台湾知识密集型企业的入职员工中开展了两项实地实验。研究1采用为期10天的每日测量设计，结合潜增长模型（Latent Growth Modeling, LGM），检验AI暴露是否影响吸收能力及其对知识共享意愿的后续作用。结果显示，AI暴露提高了吸收能力的初始水平，但与其随后的负向变化斜率相关，从而对知识共享意愿产生正向间接效应（通过截距）与负向间接效应（通过斜率）。研究2在自愿AI暴露、强制AI暴露与控制组的三组设计中复制并扩展了这一模式，并进一步检验了后期的行为性知识共享。结果表明，AI暴露与知识共享结果呈倒U型关系，自愿AI暴露产生了最有利的模式。相较于强制暴露，自愿暴露伴随更强的早期胜任支持路径、较不消极的吸收能力轨迹以及更高的后期行为性知识共享。综合而言，这些发现表明，AI暴露不仅是技术条件，更是一种短期动机与学习情境，能够塑造员工对知识的持续投入方式。管理启示在于，AI的价值不仅取决于是否被使用，还取决于暴露的结构方式，以及在入职过程中是否能够保留自主性与持续自主学习的条件。
研究背景与意义
随着人工智能（AI）在组织工作中的广泛应用，其不仅改变了任务执行方式，也重塑了员工获取、处理与共享知识的过程。然而，现有研究多聚焦于AI的采纳、接受与使用频率，较少关注AI作为一种持续的工作条件如何在短期内影响员工的学习能力发展。吸收能力（AC）是员工识别、同化、转化与应用外部知识的核心认知功能，但在以往研究中常被视作静态存量，缺乏对其短期动态及动机基础的探讨。自我决定理论（SDT）为解释AI暴露可能同时增强与削弱学习提供了框架：AI可在早期提供信息支架、降低搜索成本，提高胜任感，从而提升吸收能力的起点；但若暴露过度或被强制实施，则可能削弱自主性，导致依赖AI输出、减少深度加工，从而使吸收能力的发展轨迹趋于负面。鉴于入职期是新员工集中学习与适应的关键阶段，本研究旨在揭示AI暴露如何通过吸收能力动态影响知识共享意图与行为，为AI在工作场所的学习机制与管理策略提供理论与实证依据。该文发表于《Acta Psychologica》。
主要技术方法
研究在台湾两家知识密集型企业中分别开展两项实地实验。研究1招募142名新员工，分为AI暴露组与控制组，在入职首周基线后实施为期一周的AI辅助任务，并连续10个工作日每日测量吸收能力，于第二周末评估知识共享意愿。研究2招募208名新员工，随机分配至自愿AI暴露组、强制AI暴露组与控制组，同样在基线周后实施不同暴露条件的任务，连续10天测量吸收能力，并在第二周末评估知识共享意愿，随后在第6周与第8周通过平台日志与同伴评价构建行为性知识共享指数（KSB-index）。数据分析采用潜增长模型（LGM）估计吸收能力的截距与斜率，并通过结构方程模型（SEM）检验其对知识共享的影响，使用偏差校正自助法（bias-corrected bootstrapping）估计间接效应。
研究结果
3. Method: Study 1
研究1的实验设计与样本来自台湾一家大型数字服务公司的新入职员工，采用个体随机分组，AI暴露组在第二周使用企业批准的生成式AI工具完成培训任务，控制组不使用AI。吸收能力每日测量，知识共享意愿在第二周末评估。结果显示，两组在基线期的吸收能力无显著差异，验证了随机化有效性。
4. Results: Study 1
AI暴露显著提升了吸收能力的初始水平（β=0.26, p<0.01），但导致吸收能力斜率更为负向（β=-0.38, p<0.001）。吸收能力截距正向预测知识共享意愿（β=0.31, p<0.001），斜率亦正向预测知识共享意愿（β=0.22, p<0.05）。中介分析表明，截距传递了AI暴露对知识共享意愿的正向间接效应（β=0.22, 95% CI [0.043, 0.485]），而斜率传递了负向间接效应（β=-0.25, 95% CI [-0.492, -0.057]）。
5. Method: Study 2
研究2在台湾一家大型软件公司进行，样本为208名新员工，随机分配至自愿AI暴露、强制AI暴露与控制组。自愿组可自主选择是否及如何使用AI工具，强制组必须在其任务中整合AI生成内容，控制组不使用AI。吸收能力每日测量，知识共享意愿在第二周末评估，行为性知识共享指数在第6周与第8周通过平台日志与同伴评价获得。
6. Results: Study 2
结果与研究1一致，自愿与强制AI暴露均显著提升吸收能力截距（β=0.23与0.21, p<0.05），但斜率均显著为负（β=-0.15与-0.24, p<0.001）。吸收能力截距与斜率分别正向预测知识共享意愿（β=1.06, p<0.01；β=0.88, p<0.05）。多项式对比显示AI暴露与知识共享意愿呈倒U型关系（β=-0.08, p<0.01），且在第6周与第8周的行为性知识共享指数中同样成立。自愿AI暴露相比强制暴露，截距的正向间接效应更强（ΔIntercept=1.21, 95% CI [0.038, 2.382]），斜率的负向间接效应更弱（ΔSlope=-3.68, 95% CI [-8.863, -0.402]）。
讨论与结论
研究结果表明，AI暴露对新员工吸收能力与知识共享的影响具有短期动态特征：在早期阶段，AI通过提供信息支持提升胜任感，从而提高吸收能力起点并促进知识共享意愿；但随着暴露的持续或强制性增强，自主性被侵蚀，员工对知识的深度加工减少，吸收能力的发展轨迹趋于下降，最终抵消甚至逆转早期的积极效应。自愿AI暴露因保留更多自主性，能够在较长时间内维持较高的吸收能力与知识共享行为，而强制暴露则加速能力轨迹的下滑。这一发现拓展了吸收能力理论的动态视角，揭示了AI暴露的双重动机机制，并为组织在入职阶段设计AI支持策略提供了实证依据。研究强调，AI的价值不仅取决于是否使用，还取决于暴露的结构与自主性保障，这对促进持续学习与知识贡献具有重要管理意义。
