职场中的 AI:AI 对感知工作体面性与意义性的影响

《Proceedings of the ACM on Human-Computer Interaction》:AI in the Workplace: The Impact of AI on Perceived Job Decency and Meaningfulness

【字体: 大 中 小 】 时间:2026年09月24日 来源:Proceedings of the ACM on Human-Computer Interaction

编辑推荐:

   摘要 人工智能(AI)在职场中的普及正在改变我们的工作方式。尽管现有的关于工作中人机协作的研究通常优先考虑绩效,但对于其体验性成果的了解却相对有限。通过对信息技术(IT)、服务业和医疗行业三个领域中24名员工的访谈,本文通过工作体面感和工作意义感这两个维度,考察了人工智能对

  

摘要

人工智能(AI)在职场中的普及正在改变我们的工作方式。尽管现有的关于工作中人机协作的研究通常优先考虑绩效,但对于其体验性成果的了解却相对有限。通过对信息技术(IT)、服务业和医疗行业三个领域中24名员工的访谈,本文通过工作体面感和工作意义感这两个维度,考察了人工智能对当前及未来工作满意度的影响。研究结果显示,人工智能对总体工作满意度的预期影响因职业领域而异,人们对工作中体面感和意义感的不同感知导致了这种差异。例如,IT和医疗行业预计工作时长等体面感方面的满意度会提高,但由于存在人工智能承担了大部分工作的误解,社会形象等意义感方面的满意度则会下降。相反,服务业工作者预计工作时长不会改善,但由于与人工智能合作所带来的地位提升感知,社会地位会更高。

AI摘要

人工智能(AI)正在改变我们的工作方式。尽管现有的关于工作中人机协作的研究通常优先考虑绩效,但人们对体验性成果的了解仍然有限。通过对信息技术(IT)、服务业和医疗行业三个领域中24名员工的访谈,本文通过工作体面感和工作意义感这两个维度,考察了人工智能对当前及未来工作满意度的影响。研究结果显示,人工智能对总体工作满意度的预期影响因职业领域而异,人们对工作中体面感和意义感的感知也因此不同。例如,IT和医疗行业预计工作时长等体面感方面的满意度会提高,但由于存在人工智能承担了大部分工作的误解,社会形象等意义感方面的满意度则会下降。相反,服务业工作者预计工作时长不会改善,但由于与人工智能合作所带来的地位提升感知,社会地位会更高。

1 引言

人类超过三分之一的时间都用于工作,因此工作满意度在塑造我们的生活体验方面起着至关重要的作用[4]。除了提供经济保障之外,工作还是意义感和满足感的重要来源[117]。因此,拥有一份具有崇高目标的工作会带来更高的工作满意度[69, 76, 113]。以往的研究强调了现代工作的两个基本维度——工作体面感和工作意义感[18]。体面工作规定了工作应具备的最低职场标准,而有意义的工作则代表了人们在专业事务中寻找价值和目标的渴望。这两个维度都是多维度的构建,会受到多种因素的影响。例如,工作体面感的感知受工作时长、工作与生活平衡、就业保障、成长机会、薪酬和工作条件等因素的影响[37],而工作意义感则取决于员工在任务中感受到的成就感、所遇到的激发有意义的贡献的具有刺激性的挑战、与同事保持的积极关系,以及对自己所隶属组织的自豪感[11, 110]。在此基础上,我们理解工作满意度部分源于工人在其角色中体验到的体面感和意义感。

技术长期以来在工作演进中发挥着关键作用,从原始工具发展到现代计算设备。近年来,人工智能(AI)的出现使其成为许多工作领域中必须考虑的重要因素[39, 81],并将导致工作实践不可避免的转型。这些转型可能影响工人的工作满意度,特别是在劳动完全由人工完成(如呼叫中心支持或项目资源管理)的领域[29, 86]。然而,涉及人机协作(HAIC)的研究往往优先考虑与绩效相关的因素,如效率和有效性,而非工作的体验性方面[103]。虽然这可能在短期内有益,但长期来看可能导致工人脱离工作状态和产生不满[94]。目前只有少数研究探讨了与AI协作中的工作满意度(如[87, 90, 104, 121, 122])。然而,其中没有任何研究将体面感和意义感作为工作满意度的并行决定因素,并考察它们在不同工作领域中的变化。因此,引入人工智能后工作实践如何改变对工作满意度的感知——特别是关于体面感和意义感这两个基本决定因素——仍然尚不清楚。因此,在本文中,我们试图回答以下研究问题:"人工智能在各类职业领域中的引入将如何改变人们对工作体面感和意义感的感知?"

我们对CSCW研究的贡献如下:

(1)采用前瞻性民族志和半结构化访谈的定性研究,访谈了来自IT、服务业和医疗行业的24名专业人士。

(2)基于现有文献综合构建了工作满意度框架,将工作体面感和工作意义感作为关键组成部分,并界定各自的基础属性,从而为未来研究提供了有用的框架。

(3)提供了关于专业人士对工作体面感和意义感的实证见解,既包括当前现状,也包括与AI合作工作的预期未来。

(4)提出了开发旨在支持体面工作和有意义工作的人工智能系统的设计建议,强调领域特定的价值观和工人期望,摒弃"一刀切"的方法。

接下来的章节首先概述了关于体面工作和有意义工作的相关工作,随后探讨与AI协作中的工作满意度。然后我们呈现研究方法和相应结果。最后,我们讨论研究发现并以设计启示和对未来工作的反思作为结论。

2 相关工作

2.1 工作满意度:体面感与意义感

工作是日常生活的重要组成部分。借鉴Duffy等人[37]和Allan等人[6]的研究,我们将工作理解为满足三个基本人类需求:(1)生存与力量:对食物和住所的需求,以及获取教育系统、劳动力市场、医疗系统或技术接入等机会结构的需求;(2)社会联系:既需要感受到,也需要成为社区的一部分的需求;(3)自主决定:对自主性、能力感和赋权感的需求。此外,提供更强目的感的工作会增加工作满意度,从而提升对生命意义的感知[69, 76, 113]。工作满意度是指人们发现自己的工作具有成就感时产生的积极情绪[77]。它能带来更高的敬业度和组织承诺、提升员工绩效以及降低离职率[36, 60, 68, 134]。它还能在心理健康和令人满意的人际关系等方面对个体产生积极影响[65]。现有文献强调了工作体面感和工作意义感作为工作满意度的决定因素[18]。

体面工作规定了工作应具备的最低职场标准,这与国际劳工组织(ILO)体面工作议程的四大支柱——就业创造、职场权利、社会保护和社会对话——相辅相成[91]。因此,体面工作的核心主题是在工作场所满足基本人类需求。工作时长、工作与生活平衡、就业保障、成长机会、薪酬和工作条件等方面与国际劳工组织的体面工作议程紧密相连,共同构成了工作体面感的整体概念[37]。其他因素还包括工作生活与个人生活之间的和谐,以缓解压力和不适感[7, 51, 52];就业保障,可防止失业对社会融入和心理健康产生负面影响[48, 95, 123];成长机会,可提高职业管理和就业能力,并在员工中培养自主感[12, 116];公平的薪酬,能创造公正感,激励员工在岗位上努力工作,并有助于实现适当的生活水平[38, 64]。因此,体面工作涉及在安全的工作环境中从事生产性工作的机会,该环境能产生公平的薪酬、工作稳定性、社会保护、社会对话、社会融入,以及在机会和行为方面的平等[96]。

现有文献对有意义工作提供了各种定义。虽然一些研究者认为有意义的工作对个人具有积极的内涵[100],但另一些人则提到个人成长和对他人的福利影响作为意义感的指标[114]。各种视角,如回答人生召唤[35, 79],以及理解自己存在的理由[97],都已被讨论以阐明有意义工作这一概念。上述所有研究都将意义感定义为一种主观概念。Blustein等人[18]将有意义工作的核心原则分为四个部分:(1)组织特定的。它包括工作场所生态系统及其实践和政策,涉及企业社会责任[3]和专业成长机会[45]等方面;(2)与社会背景相关的。它涉及工作环境中的人际关系。与同事建立令人满意的关系[46]、拥有积极的职场联系[27, 107]、归属感[97]、得到支持性同事的支持[10, 80, 82]、通过直接或间接的方式感受到同事的赞赏[128],以及受到有能力的领导指导[24],都有助于实现有意义的工作;(3)与工作/职业设计相关的。它指的是工作场所中伴随角色的特征。Hackman和Oldham的工作特征模型指出,自主性、任务完整性、任务重要性、技能多样性和反馈是与有意义工作相关的关键组成部分[56]。具有挑战性的工作氛围(在工作量、责任和学习要求方面)[65]和工作影响的可见性[49, 50]是工作设计的相关方面;(4)与就业相关的。它包括各种就业类型(如全职、兼职、志愿工作、创业等)以及随之而来的具体性,如就业保障[8]、薪酬和工作量分配[75]。

尽管体面感和意义感之间存在重叠元素,如薪酬或就业保障等与就业相关的方面,但它们是两种独立的构建。体面工作包括每个员工都应有的基本工作场所条件,而

有意义的工作则是一种理想,体现了员工职业生活中的价值感。与体面感不同,意义感超越了单纯

的物质利益,涵盖了工作中的成就感和目标感。我们对工作体面感和工作意义感的区分呼应了赫

茨伯格的双因素理论[61],其中体面感与保健因素(如薪资、工作条件)相关,意义感与激励因素(如目

的、认可)相关。虽然我们借鉴了更新的框架来反映未来工作格局的演变,但这一联系凸显了理解何

是驱动工作满意度的因素方面理论上的连贯性。

2.2 人机协作中的工作满意度

企业正在将人工智能技术融入工作环境,以提高效率和降低成本,同时确保产品质量的一致性[16, 85, 101]。然而,当今商业环境中面临的复杂挑战不能仅依靠自动化系统来解决[99]。有效的解决方案需要人类和人工智能之间的协同合作,利用双方的独特优势[5, 28, 33, 34]。这种协作将人类特质(如感知、社交技能和创造性问题解决)与人工智能的优势(包括速度、精确性、适应性和灵活性)结合在一起[23, 42, 132]。尽管现有的人机协作(HAIC)研究已探讨了与基于AI的系统合作的各种方面[53, 55, 58, 66, 74, 98, 130, 131],但它们大多关注提高人机团队绩效。对于此类协作的体验性成果,了解仍然有限。在过去几年中,这一研究空白已被研究者所认识,对探索工作场所中超越纯粹效率导向成果的人机协作的兴趣正在增长。

Walliser等人[122]观察到,调整角色动态,将人类和AI视为团队成员,可以培养更强的情感连接和团队合作。Sadeghian等人[104]对此进行了呼应,指出将AI视为团队成员可以唤起更强的工作意义感,而将AI视为上级则会降低这种意义感。此外,当人类保持重大自主权并为其行为负责时,他们会感到工作更令人满意。正如Mitchel等人[87]所指出的,一致的AI响应可以支持这种自主权,使人类能够做出选择并继续追求目标。根据Nyholm和Smids[90]的观点,机器人可以通过充当"好同事"来为工作意义感做出贡献,它们能与人类学习和建设性地工作,进行愉快而恰当的对话,保持尊重和支持的态度,并分享与工作相关的价值观。Smids等人[110]进一步补充道,机器人可以通过接管重复性任务,将智力上具有刺激性的任务留给人类,从而增强工作中的目的感。它们可以通过要求获取新技能来积极影响成长机会。然而,由于人类同事减少,它们也可能减少工作中的社交互动,导致孤立感,进而降低意义感。

虽然他们可以通过为所有人建立相同的公平条件来减少认可与赏识,但反过来,由于与AI技术的互动,他们也可能提升许多职业领域的社会形象。基于这种双重后果,Waardenburg[121]强调了在组织内自动化简单客户服务任务的复杂含义。虽然增强了角色的情感支持方面提高了员工的工作意义感,但将更简单的"喘息任务"转移给AI对其满意度产生了负面影响,因为他们剩余职责所关联的"心理沉重感"。因此,对有意义的控制权的感知是推动工作满意度的一个重要因素。在此基础上,Hemmer等人[59]观察到,无论人类是否意识到,AI委托增强了自我效能,从而提升了任务满意度。他们的发现表明,当个体相信自己处于控制地位时,他们在工作中的投入程度和满意度都会增加。

工作场所中的支持动态也起着重要作用。在一项独立研究中,Sadeghian等人[103]观察到,无论任务性质如何,与人类合作往往比与AI合作更具激励性和意义感。同样,Ossadnik等人[93]通过组织支持感知的增强,研究了工作场所协助对工作满意度的有益影响。他们发现,当帮助来自AI或常规技术时,没有显著差异,但当帮助来自同事时,相比来自AI,组织支持感更高。最后,AI在工作场所的整合也带来了失业恐惧,这种恐惧不仅局限于低技能劳动力[2, 31, 62, 63]。Bordot[21]利用来自33个OECD国家的纵向数据研究了AI、机器人与就业安全之间的关系1。他发现,随着自动化技术日益普及,失业率将趋于上升。然而,这种失业不受个体教育水平的影响。

尽管现有文献讨论了AI对工作体面特定属性(如就业安全[89])和工作意义感(如技能多样性[43])的影响,但仍需要进一步研究来同时考虑工作满意度的多重细微差别。这一文献空白引出了我们的研究问题:"AI在工作场所的引入将如何改变不同职业领域中对工作体面和工作意义感的感知?"

**3 方法**

我们的文献综述表明,先前关于AI技术对工作场所影响的研究往往更注重客观结果而非员工的主观感知[15, 26, 67, 83]。因此,我们采用了一种民族志想象未来方法[41, 118]来调查不同职业领域的从业者如何想象在AI工作场所条件下工作体面和工作意义感的未来。民族志想象未来,有时也称为预期性民族志(参见例如[73]),通过将参与者自身对可能的未来的预测、希望和恐惧激发出来,将传统的民族志探究扩展到推测性领域。在实践中,我们对IT、服务和医疗领域的从业者进行了半结构化访谈[70],请他们描述当前工作体面和工作意义感的经历,然后让他们考虑在AI驱动的系统塑造或介导他们工作的未来情景中,这些品质可能会如何变化。为了分析参与者如何在时间维度上定位他们的叙述,我们还借鉴了时间性民族志[32, 40]的见解,该理论强调了面向过去、现在和未来的取向是如何被社会和文化建构的。我们探索了参与者对AI时代当前和未来的工作体面和工作意义感的感知,因为我们认为当前的工作经验和预期的变化可能共同塑造他们的态度、期望和担忧。

与使用设计虚构作为民族志探头的其他形式的预期性民族志[73]相比,这种方法存在局限性,例如由参与者对AI的现有熟悉程度所塑造的无约束且不均衡的想象。尽管如此,民族志想象未来与时间性民族志的结合使得对人们如何想象AI时代工作未来的探索有了坚实的基础,同时将那些想象置于与当下生活经验和时间取向的关系中进行定位。

**3.1 参与者**

24名参与者(7名女性,17名男性,0名多元性别)来自22个不同组织,涵盖三个专业领域:IT(n=8)、服务(n=8)和医疗(n=8),年龄在24至46岁之间(M=31.38,SD=4.46),通过社交媒体和口碑招募,于2024年1月至4月期间参与本研究。目标是在每个领域内纳入来自不同角色和组织的参与者,这需要跨多个专业网络接触个体。此外,我们在每个领域选择了数量相等的参与者,以确保IT、服务和医疗领域之间的平衡代表性。我们选择这三个领域是因为它们代表了广泛的工作谱系——技术型(IT)、关系型(服务)和关怀型(医疗),所有这些领域都正在被AI重塑[72, 108, 109]。技术领域主要涉及任务导向型工作,而关系领域则依赖人际互动和社会联系。关怀领域则深刻以人为本,聚焦于同理心和情感支持。因此,我们认为比较这些领域可以使我们考察AI如何影响不同工作形式中对工作体面和工作意义感的感知。

来自服务领域的两名参与者和来自医疗领域的两名参与者属于同一组织,但都担任不同角色。第一组IT领域参与者包括软件工程师(3名)、机器学习工程师(2名)、数据分析师(1名)、深度学习工程师(1名)和前端开发者(1名)。第二组服务领域参与者包括服务员(4名)、楼层主管(2名)、调酒师(1名)和厨师(1名)。第三组医疗领域参与者包括重症监护医生(2名)、全科医生(1名)、内科医生(1名)、微生物学家(1名)、耳鼻喉科医生(1名)、儿科医生(1名)和精神科医生(1名)。

所有IT参与者都报告有AI使用经验,特别是通过大型语言模型如ChatGPT2或GitHub Copilot3,在日常工作中使用。服务领域的两名参与者提到出于好奇"试用过ChatGPT",但之后使用频率不高。医疗领域的三名参与者熟悉放射学中使用的AI技术,但他们个人尚未在实践中应用。另一名医疗参与者提到了三种AI工具(Elicit4、Julius AI5和Paper Digest6),他经常使用这些工具来推进医学研究。参与者分布在欧洲(n=14)、亚洲(n=9)和北美(n=1)。在每个领域内,IT参与者来自欧洲(5名)、亚洲(2名)和北美(1名),服务参与者来自欧洲(7名)和亚洲(1名),医疗参与者来自亚洲(6名)和欧洲(2名)。每位参与者都通过Webex7进行了单独的访谈。在访谈前,他们被要求签署同意书,概述了参与者数据的匿名化以及录音仅用于研究目的。每次访谈持续一小时,参与者获得了12欧元的报酬。该研究在开始之前已获得锡根大学伦理委员会的批准。

**3.2 流程**

访谈由两个部分组成:一部分聚焦于他们的当前经历(称为"现在情景"),另一部分想象未来经历(称为"未来情景")。每个部分包含三个环节:导论、体面工作和有意义工作。

在现在情景的导论环节中,我们请参与者描述典型的一天工作内容,并讲述他们的工作环境、使用的技术以及工作和不满足的工作方面。在未来情景的导论环节中,我们请他们想象一个自己选择的AI,并描述在未来与它一起工作可能是什么样子。这种开放式框架是有意的,让参与者能够借鉴他们自己的经验、期望和对AI的想象,而不是局限于预定义的系统或功能。

在体面工作环节,根据[91, 96]的方法,我们问了与工作时长、工作生活平衡、就业安全、工作场所提供的成长机会、薪酬和工作条件(图1)相关的问题。在现在情景部分,参与者根据当前经历回答这些问题(现在情景),而在未来情景部分,他们根据对工作场所AI的推测进行回答(未来情景)。

同样,在有意义工作环节,根据[3, 8, 27, 45, 56, 65, 75, 128]的方法,我们首先问了参与者一个关于工作充实感的普遍性问题,随后问了关于同事关系、个人目标与组织目标的对齐程度、同事待遇、任务自主性、技能多样性(涵盖不同挑战水平的多样化任务)、任务刺激性(感知任务是智力上有挑战的还是单调的)、社会形象和工作场所认可(图1)的问题。

**图1. 工作满意度的决定因素(体面性和意义感)及其下属属性。**

**4 结果**

访谈录音由第一作者转录、核实并匿名化处理。分析中,我们遵循了主题分析[70]之后的涌现编码方法。我们使用MAXQDA8软件对数据进行了编码。

IT领域的参与者将他们想象中的AI视为助手,为他们提供"帮助之手",用于突出行动要点(n=4)、规划接下来的日程(n=3)、参加并总结会议(n=3)、头脑风暴解决方案(n=3)、理解开发上下文以提示代码建议(n=3)、总结未读邮件(n=3)、在会议前准备讨论内容(n=2)、开发软件(n=1)、进行非正式对话(n=1),以及作为持续的工作伙伴(n=1)。AI被描述为实体(机器人,n=3)、数字组件(插件,n=6)或虚拟空间中的虚拟形象(元宇宙虚拟形象,n=2),具有多种交互模态,包括语音、文本、视觉、神经和触觉。

服务领域的参与者将他们想象中的AI视为可以减轻日常负担、分担工作量的工具。AI将展示菜单并接收订单(n=4)、与顾客交谈(n=3)、上菜(n=3)、生成每日活动报告(n=3)、管理库存(n=3)、突出采购需求(n=2)、进行清洁(n=2)、记录考勤和工作时间(n=1),并提前估算每日客流量(n=1)。AI被描述为实体(安卓机器人/机器人,n=5)或数字组件(软件程序,n=4),具有多种交互模态,包括语音、文本、视觉和触觉。

医疗领域的参与者将他们想象中的AI视为助手的形式。AI将获取患者病史(n=5)、患者监测(n=3)、预防性识别健康问题(n=3)、识别报告和扫描中的异常(n=3)、扫描比较(n=3)、进行扫描(n=2)、文档记录(n=2)、在指定用药时突出被忽视的细节或关注点(n=2)、诊断并制定治疗方案(n=2)、在会诊期间做笔记(n=1),以及出院后患者随访(n=1)。AI被描述为实体(机器人,n=3)或数字组件(软件程序,n=8),具有多种交互模态,包括语音、文本、视觉和触觉。

因此,跨领域来看,AI被想象为处理基于知识的任务以及体力劳动。IT和医疗参与者预期AI协助处理知识密集型、对错误敏感的任务,如编程或诊断健康状况。相比之下,服务参与者想象AI处理体力任务(如清洁或上菜)和管理事务(如库存管理)的混合工作。

**4.1 工作体面结果(现在与未来)**

质性洞察揭示了参与者在所有工作体面方面存在多样化的感知,强调了与AI协作的威胁和机遇,具体如下。

**4.1.1 工作时长**

IT工作者:在现在情景中,参与者报告每周工作39-40小时,虽然实际工作时间略少。六人认为时间适中,理由是时间灵活且有专门的空闲时间,而两人认为时间过长且过多。在未来情景中,五人认为AI分担工作量后他们的工作时长会减少。一人认为只有在"引入AI后被期望做(和以前)同样多的工作"的情况下,时长才会变化(IT-P8),而另一人认为他们仍将被期望在新增加的任务上花费与之前相同的时长。一人强调了这样一个困境:是用与之前相同的时长产出更高的产出,还是减少时长使其仅匹配之前的产出量。

服务工作者:在现在情景中,参与者提到每周工作20-60小时。四人认为这很标准,两人认为这对他们的收入来说是值得的。然而,两人认为这种工作负担沉重,因为工作的体力性质:"我们有很大体力压力,这不好。以后会导致[健康]问题。"(SV-P8)。在未来情景中,六人认为工作时长不会改变,因为顾客的到达不取决于AI。两人表示他们对新时长不满意——一人认为减少工时会降低他们的工资,另一人认为工时会增加,因为AI造成的失误会比人类造成的更严重、规模更大。

医疗工作者:在现在情景中,参与者提到每周工作50-75小时。

尽管无人认为这些工作时间是合适的,但由于"医疗卫生专业人员严重短缺"以及医生与患者比例过高,他们感到别无选择:"这与其他行业无法相比。有必须为患者提供的服务,所以别无他法。"(HC-P6)。在未来情境下,五人认为人工智能分担工作量后,工作时间将减少。而三人认为工作时间将保持不变,因为"他们仍然要对患者负责",但感受到人工智能协助后,工作压力将比之前小。

4.1.2 工作与生活平衡

IT工作者:在当前情境下,所有八名参与者对工作与生活平衡感到满意,原因在于工作量管理得当、"没有加班义务"(IT-P4)、混合工作模式以及灵活的工作时间:"当我在工作时间上拥有灵活性时,我在个人生活上也拥有灵活性。"(IT-P8)。在未来情境下,四人认为时间缩减将改善他们的工作与生活平衡,而三人则无法预见任何差异,因为需要到场驱动和完成工作,或者职场期望发生变化:"……当每个人的生产力都提升时,期望也会改变——工作的本质将不同!"(IT-P5)。

服务业工作者:在当前情境下,七名参与者感到满意,引用工作与非工作时间有明确分界:"我的工作压力随着班次结束而结束"(SV-P5)。一名参与者希望有更好的工作量管理以避免"下班回家后过于疲惫"。在未来情境下,两人认为人工智能分担工作量后,他们的工作与生活平衡会更健康,而六人预计没有变化,因为他们行业的性质如此:"平衡并不取决于班次内发生的事情,而是这种工作的性质。"(SV-P4)。

医疗卫生工作者:在当前情境下,无人认为他们拥有健康的工作与生活平衡,原因在于工作的性质:"我们[随时]24/7待命。而且我不犹豫接听,因为一个电话可以挽救一条生命。"(HC-P7)。参与者重申,这方面无法与其他存在"假期概念"的职业相比。他们认为工作与生活平衡等同于不加班(n=6)、每周休息两天(n=5)以及拥有充足的闲暇时间(n=4)。在未来情境下,五人认为工作时间减少将改善他们的工作与生活平衡。三人认为"平衡将保持不变",但"工作生活质量将提高":"借助人工智能,我可以[快速、主动地了解患者的当前健康状况],在家时我会感到更安心。"(HC-P7)。

4.1.3 工作保障

IT工作者:在当前情境下,两名参与者因经济危机而感到不安全感。六名参与者因自身角色至关重要、有利的雇佣法律、组织支持或达到期望而感到安全。在未来情境下,五人认为持续的学习和发展对就业稳定性至关重要。四名参与者不存在被解雇的恐惧,他们"期望在人与AI协作团队中拥有'大脑'",或坚信"人工智能并非来取代我们的工作的"。然而,三人认为随着AI随时间推移变得更加能干,工作保障将下降。

服务业工作者:在当前情境下,六名参与者因工作熟练、"[合格]人力资源"(SV-P4)的缺乏以及组织支持而感到安全。一人提到因刚入职而感到不安全。在未来情境下,四名参与者预计工作有保障,引用关键角色、对人力资源的需求、对他们有生之年人工智能进步的怀疑以及普遍的组织支持。一人因刚入职,预计会是第一个失去工作的人,另外两人预测会被AI取代,因为"工作并非真正[有脑力要求],只是体力劳动"(SV-P3)。

医疗卫生工作者:在当前情境下,所有八名参与者因极高的医生与患者比例而感到安全,"行业内已经严重缺乏医生"(HC-P1),以及随之而来的专科医生短缺、有利的雇佣法律和组织支持。在未来情境下,四人认为工作有保障,因为"在人-AI协作团队中,'大脑'将是医生"(HC-P2),且患者责任仍将由他们承担。尽管另一人预期其职位因政府合同而稳固,但他们感到在大范围内将有人员流失。与此同时,三人认为工作保障将下降。一人认为其全科医学背景将使职位变得脆弱,另一人因未来对医生的需求减少而感到不安全。还有一人预计城市医院中会出现岗位饱和,这些医院负担得起AI,并考虑前往农村地区就业:"如果AI[到来],那么医生只能去村里做私人执业。"(HC-P7)。

4.1.4 成长机会

IT工作者:在当前情境下,所有人都提到了丰富的学习途径,但两人表示主题取决于市场趋势。面对各种成长前景,参与者感到有责任加以利用:"这取决于我自己激励自己去利用这笔预算或这段时间,做有意义的事情,而不是仅仅浪费它!"(IT-P4)。在未来情境下,所有八人都认为由于需求不断演变,学习新技能的需求将是永恒的,且不会有成长机会匮乏。两名参与者表示成长范围将扩大,因为AI将处理重复性任务,他们将获得"更有挑战性的[尚未解决的问题]"。此外,有效利用AI将决定个人的发展前景,因为每个人都可以获取该技术:"最终,每个人都有这个AI。所以他们都有变得完美的机会,但这不会发生,因为归根结底,你如何采纳或应用来自AI的建议或帮助,都取决于你。这就会使你和你的同事区分开来。"(IT-P8)。

服务业工作者:在当前情境下,六人认为与客户互动有助于提高他们的沟通技巧。两人提到服务业内部的晋升不常见:"这是一项你反复做某件事、却无法做其他事情的职业"(SV-P8),另一人则强调了组织为技能发展和晋升提供的培训措施。在未来情境下,五人认为成长机会不依赖于AI,因为他们与客户的互动将保持不变,而三人认为机会将受到限制,因为AI可能在服务业中取代人类。

医疗卫生工作者:在当前情境下,六人对大量培训讲座、实操工作坊、 fellowship和研究机会感到满意。两人因研究机会有限或难以快速晋升而不满意。在未来情境下,四人设想成长机会将增加,因为他们将"有机会了解新技术并以不同方式使用它们"。一人进一步认为信息将易于发现和获取:"我觉得教育高度商品化,出版社扼杀了信息流动。随着AI的到来,信息将快速、廉价,我认为这可以被人们用来提升自己。"(HC-P6)。而一人认为专科领域以外的成长空间将不再存在,三人认为成长机会独立于AI的存在:"我认为AI不会以任何方式影响医生为提供适当患者护理所需学习的内容。"(HC-P1)。

4.1.5 薪酬待遇

IT工作者:在当前情境下,薪酬根据特定地区的市场薪资进行基准比较,五名参与者感到满意,三人不满意。在未来情境下,三人表示丰富的成长机会将提升他们的能力并增加其职业价值。然而,一人无法想象任何变化,因为使用AI将成为普遍现象:"使用AI工具将成为常态;所以我认为这不会改变公司提供的薪酬。"(IT-P1)。两名参与者斟酌如果工作时间比以前少,降低薪资是否合理,另一人认为组织会通过减少工资来抵消AI维护成本:"从公司的角度来看,如果它在某件正在承担[部分]工作的事上花钱,同时还雇佣一个承担剩余工作的人力,[预算]影响将会发生在人力部分,而不是AI部分。"(IT-P6)。

服务业工作者:在当前情境下,六人对薪酬感到满意,因为这能覆盖日常开支,尽管所有人都希望更高收入:"作为人类,你永远渴望更多"(SV-P1)。两人认为报酬偏低,考虑到他们的付出以及其他工作的市场薪资。在未来情境下,五人认为薪酬不会减少,因为有劳动法保护,且"取决于客户的小费"。一人预期因提供更好价值而获得更高报酬:"我会获得更高的薪水,因为组织将花费大量资金来[拥有多台]机器人。然而,我可以收取少得多的费用来提供我的服务。"(SV-P7)。两人认为根据餐厅的活动量,薪资可能会被削减。

医疗卫生工作者:在当前情境下,七人认为薪酬不高,考虑到为达到职位所投入的大量教育年限以及角色要求的长时间投入。另一人补充说,关于提高医生薪酬的讨论会遭到反对,因为立法者认为医学的本质在于利他主义而非盈利。在未来情境下,两人认为AI不会影响他们的报酬,因为"他们仍将是患者的主要护理者"。三人认为医院将通过削减他们的薪资来抵消获取AI的成本,两人认为就诊患者数量减少将影响他们的收入:"当患者通过手机上的AI医生获得即时缓解时,将会有大量患者使用该系统的趋势,并试图获得诊断。"(HC-P4)。

4.1.6 工作条件

IT工作者:在当前情境下,所有人都对他们的办公条件持积极态度,引用开放式办公空间、扁平化管理、下班后聚会以及辅助设施等方面。在未来情境下,所有人都认为工作环境和文化对人类不会改变,但两人预计配备AI的工作设施将变得高度复杂且维护成本高昂。一人认为多家公司将通过"小型本地化枢纽"共享单一AI设施,另一人假设了一种基于神经交互的工作模式:"[以前],如果我想要设计一个系统,[并在思考中入睡],第二天早上我[就需要回忆并付诸行动]。但现在有了AI协助,我可能只需想到它,它就完成了!"(IT-P5)。

服务业工作者:在当前情境下,所有八名参与者对办公条件感到满意。他们提到有干净的制服(n=8)、免费饮料和剩余食物(n=8)、组织赞助的外出活动(n=3)以及"一个大窗户,有新鲜空气"(SV-P3)。在未来情境下,两人认为"订单压力会更小",因为"负担会减少",得益于AI协助。四人预计人类的工作文化不会改变,两人认为会失去人性元素:"AI将管理一切,从食物准备到向客户提供服务。"(SV-P6)。

医疗卫生工作者:在当前情境下,四名参与者对工作条件感到满意,因为他们可以使用所有必要的医疗工具。三人表示不满,引用"[医疗设施]不足,无法提供优质医疗服务"(HC-P4),以及弥漫的哀伤感:"患者生病并死亡,有悲伤的家长,所以这不是一个快乐的环境,到一定程度会影响你。"(HC-P8)。所有参与者都享受与同事的下班后聚会,尽管由于每个人都工作过度,聚会频率较低。在未来情境下,所有人都认为随着AI吸收部分工作量,工作环境将"轻松得多"。六人认为人类的工作文化不会改变,两人认为人类互动方式将转变:"现在越来越少的人外出玩耍。所以也许[人与人的互动]会虚拟化,虽然现在这看起来很陌生,但在那个时期将是正常的。"(HC-P6)。

4.2 工作意义感结果(当前与未来)

访谈中的定性洞察揭示了参与者对工作意义感所有方面看法的多样性。

本节访谈以一个关于工作意义感的总括性问题开篇,随后围绕有意义工作的具体要素展开深入提问。

**4.2.1 工作意义感**

**IT从业者**:在当前情境下,所有受访者都认为自己的工作有意义。产生意义感的来源包括"产生重要影响"(n=5)——"我觉得我们在做的事情是有区别的,确实在影响我们的用户,让他们的生活变得更好"(IT-P1)——以及"专业成长"(n=3)——"有意义就是能学到新东西"(IT-P6)。在未来情境下,六位参与者认为他们的工作仍然值得,因为人类会将AI视为"一种工具"来提高效率;而两位则认为不然,因为AI可能会取代他们的工作。

**服务行业从业者**:在当前情境下,五位受访者认为自己的工作有意义,原因是他们有机会与不同的人见面和交流(n=4),以及对自己所从事职业的专注与投入(n=2)。三位受访者则认为自己的工作没有意义,原因是工作日常而重复。在未来情境下,五位参与者认为他们的工作仍然会有意义,因为他们仍然会与不同的人见面和互动,并会一如既往地尽责履行自己的职责;而三位则认为他们的工作仍然会很无聊。

**医疗行业从业者**:在当前情境下,所有受访者都认为自己的工作有意义,因为他们在"拯救人类生命"并对"社会产生积极影响"。然而,有一位参与者的爱好给他带来的满足感甚至超过了工作。在未来情境下,七位参与者认为他们的工作仍然会有意义,因为他们仍然会为人类治病,仍然"肩负着他人生命的责任"。但有一位担心自己的角色可能变得多余:"只要我担任主要角色,我仍然会跟病人交流、治疗他们。但如果AI来做诊断和开药,那我就没有位置了。"(HC-P5)

**4.2.2 与同事的关系**

**IT从业者**:在当前情境下,七位参与者欣赏同事间的互动,且更倾向于线下交流而非远程交流。他们提到的方面包括开放式对话、师徒指导、对工作问题的共情以及社交活动。在未来情境下,大家普遍认为人际关系会变得更加深厚,因为交流话题会从工作相关问题转向个人化和非正式的话题:"也许你不会跟别人聊工作,也许你可以聊别的事情!你可以问问别人今天过得怎么样之类的。"(IT-P1)。四位受访者表示,由于人类天生的社会性,或者因为工作场所的归属权仍掌握在人类手中,他们会更倾向于与人类而非AI互动。

**服务行业从业者**:在当前情境下,七位受访者对同事间的互动感到满意,他们提到了相互学习的机会(n=5)以及日常闲聊(n=4)。在未来情境下,三位参与者设想随着AI分担工作量,互动量会增加——"[互动]会更好也更频繁,因为我们会花更多时间互相交流。"(SV-P8);而五位则感到同事间的交流将会减少,因为人类同事会越来越少。一位进一步表达了对这种未来的抵触:"一起工作的意义就在于你可以跟他们聊天、一起笑。但你和机器做不到这些。我觉得这太糟糕了!"(SV-P3)

**医疗行业从业者**:在当前情境下,所有八位受访者都强调与同事互动是医疗职业中不可或缺的一环:"这完全是团队合作。没有任何人能单独胜任医疗工作者的角色。"(HC-P1)。向他人学习(n=8)、在鉴别诊断中获得第二意见(n=6)以及轻松的互动(n=3)都使同事间的交流充满活力。在未来情境下,四位认为同事间的互动不会有变化,因为他们仍然会与同事合作更好地照顾患者。另一位补充道,人类会更倾向于与人类而非AI互动:"即使一个机器人比我更正确、更精准,人们也永远不愿意从机器人那里听取[诊断意见]。"(HC-P8)。由于AI分担了工作量,两位认为"与人类的沟通会升华为更有实质性的内容",因为他们会有更多时间与同事建立深厚关系。然而,另两位则设想对话量会减少:"除了专家掌握的信息外,所有其他信息都可以通过[AI]获得。所以沟通会减少。"(HC-P6)

**4.2.3 目标关联**

**IT从业者**:在当前情境下,五位受访者感到自己的目标与组织目标一致,因为管理层在制定路线图时会考虑他们的个人期望。与之相对,一位反思了组织倾向于将员工目标与市场趋势和可用项目挂钩的做法。在未来情境下,四位认为他们与组织的目标仍然一致,因为这仍然涉及技能提升、提高效率以及产生影响力。一位感叹于不得不只去迎合AI中心化的目标:"这不是[我们]自己的目标,因为AI在强迫我们朝一个特定方向发展。如果有人对AI不感兴趣,他就不再能在这个行业里待下去了。"(IT-P3)。两位则表示这一方面与AI无关。

**服务行业从业者**:在当前情境下,五位认为自己的目标与所在雇主餐厅的目标一致,因为他们出于对美食和待客的热情而乐于协作。然而,有一位参与者无法认同餐厅的目标,他说:"这里的食物并不那么好。"(SV-P4)在未来情境下,没有人能想象AI会对此方面的工作产生影响。认同组织目标的参与者认为,他们仍然会共享共同的热情;而那些与目标脱节的人则认为他们会继续如此。

**医疗行业从业者**:所有受访者都提到他们机构的共同目标是优化患者护理。在此方面,在当前情境下,七位感到自己的目标与之一致,但有三位提到情境性因素——如资源有限、基础设施薄弱和严格的等级制度——阻碍了这些目标的实现。一位则无法认同所在机构的目标,因为他们更倾向于从事研究工作。

在未来情境下,三位参与者认为他们会更好地实现优化患者护理的目标,因为"AI会让资源组织得更加合理";而四位则表示这一方面与AI无关。

**4.2.4 同事的对待方式**

**IT从业者**:在当前情境下,所有受访者都高度赞扬了同事对他们的方式。他们认为同事们尊重边界、公平公正、富有耐心和培养性,并且将他们视为平等的人。在未来情境下,七位参与者认为人类行为是独立于技术进步的。四位认为职场关系不会改变,因为AI将被所有人使用,其存在只是为了帮助他们。然而,一位提到他的同事可能会将AI视为任务的主要执行者,并因此改变对他的态度:"如果某人觉得[我]什么也没做,一切都是AI做的,[那他就会想]他为什么要跟[我]说话?[他]完全可以去找AI啊!"(IT-P6)

**服务行业从业者**:在当前情境下,所有八位受访者认为同事友好、尊重和包容。在未来情境下,七位断言道德品质不依赖于AI,而另一位则想象了来自公正AI的模范对待方式:"这会更好,因为同事变成了机器人,所以它会超级公平。"(SV-P4)

**医疗行业从业者**:在当前情境下,六位提到同事友好、合作、公平和透明。两位强调了职场中倾向于向资历更深者表示敬意的倾向:"一切都与权力有关。你害怕等级制度。这与人无关。"(HC-P8)在未来情境下,四位认为人类行为是内在的固有元素,不会受到AI的影响;三位则认为他们受到的对待不会改变,因为"工作的性质没有变化",而AI只是"在辅助"他们。一位参与者感到,同事们对他的尊重会减少,因为AI会使每个人在其各自的角色中都变得同样精通。

**4.2.5 工作场所自主权**

**IT从业者**:在当前情境下,七位受访者对自己享有的自主权感到满意,尽管他们有时需要执行一些预定的任务。然而,一位表达了无力感:"你会觉得你的知识没有被充分发挥,因为你明明知道有更好的解决方案,但你被告知——不行,你必须按照这个来——那你[就感到]没有动力了。"(IT-P6)在未来情境下,七位预期将保持甚至增强他们的自主权,因为他们仍然会掌控全局并将AI调整为满足自身需求:"AI大概永远不可能是关键的决策者,因为人类仍然是决策者……法律无法约束AI,必须有人来承担责任。"(IT-P5)

**服务行业从业者**:在当前情境下,所有受访者都对自主权感到满意,尽管有上级分配的任务。在未来情境下,七位预期将保持自主权,因为AI只会减少他们的工作量;另一位则认为通过将不想要的任务交给AI而不必担心后果,自主权会增加:"跟人类同事,你不能总是跟人家说——做这个、做那个。但你可以告诉机器人做任何你不愿意做的事。这没什么问题!"(SV-P4)

**医疗行业从业者**:在当前情境下,所有受访者将医疗从业者行使自主权的能力归功于多年的经验和资历。七位感到满意,而一位渴望拥有"再多一点自主权"。在未来情境下,一半的参与者设想将保持自主权,因为他们仍然会是患者的主要照护者;另一半则预期会因AI代替他们做出决策而失去部分自主权。即便如此,一位仍感到这种自主权的丧失能让他们将时间投入到其他事情上。

**4.2.6 技能多样性**

**IT从业者**:在当前情境下,所有八位受访者都指出,运用多种技术和解决新颖问题具有挑战性。为了应对复杂系统而进行背景调研、将模糊需求转化为可操作要点、承担决策责任以及尽量减少关键系统的停机时间,都是他们在各类挑战中周旋的例证。尽管如此,正是这些挑战激励着他们在日常工作中不断前行:"这些挑战让我兴奋不已!"(IT-P6)在未来情境下,所有人都认为工作的演进将提升组织的期望值,并带来新问题:"当工具升级时,公司会提出更具挑战性的[任务]。"(IT-P4)据他们说,"挑战始终存在",但现在他们会多一个"帮手"可用。

**服务行业从业者**:在当前情境下,四位认为自己的任务具有挑战性,其余四位则已习惯了工作要求。挑战包括跨语言沟通、体力劳动以及应对顾客高峰。在未来情境下,五位参与者预期随着AI分担工作量,任务会更容易管理;而三位则认为与AI共存本身会带来新的挑战。

**医疗行业从业者**:在当前情境下,所有八位受访者表示,角色要求和高期望值使他们的日常工作充满挑战。做出生死攸关的决定(n=5)、人体解剖结构的复杂性(n=4)、行政事务(n=3)和研究工作(n=1)都激励他们以最佳状态投入工作。在未来情境下,四位参与者感到任务仍然具有挑战性,因为关键决策仍由他们负责,AI只是辅助他们更有信心地进行诊断。而一位认为"适应AI本身就是一项挑战",另一位则断言"随着技术进步,会出现新的问题"。两位认为在AI的帮助下,挑战程度会降低。

**4.2.7 任务刺激性**

**IT从业者**:在当前情境下,所有八位受访者都认为他们遇到的挑战在智力上具有刺激性。然而,有些日子也不可避免地有些乏味:"不总是刺激的,有时候你得处理无聊的东西,但还可以接受。"(IT-P4)在未来情境下,六位参与者强调,面对不熟悉问题的新鲜感会让他们在解决这些问题时感到智力上的刺激,因为AI会处理所有单调重复的任务。

然而,两人表示,随着人工智能分担他们的工作量,他们的心理投入将会降低。服务业工作者:在现有情景中,四位参与者认为他们的工作单调乏味,在最初几次之后没什么可学的,而三位参与者则觉得"与客户的互动让工作变得充满趣味"。在未来情景中,三位参与者认为将人工智能融入他们的工作会使工作更具吸引力,而四位参与者认为认知投入将会降低,常规任务会变得更加"无聊"。对于一位参与者来说,智识上的刺激保持不变,因为人工智能只会"减少工作的体力方面"。

医护人员:在现有情景中,七位参与者提到每位就诊的患者都代表"一个独特病例",这使得诊断过程在智识上充满刺激。然而,一位参与者坦言,尽管"工作本身令人兴奋",但在从业多年后,他们已不再感到身心疲惫。在未来情景中,四位参与者预计,随着人工智能在日常工作中帮助他们,其认知投入将会减少。一位参与者提到,与人工智能协作将是充满智识刺激的,另一位则预计将出现新颖而引人入胜的任务,因为所有"手工和重复性工作"都将由人工智能承担。两位参与者认为,解读人工智能提供的信息将要求他们进行批判性思考。

**4.2.8 社会形象**

信息技术工作者:在现有情景中,七位参与者表示由于所在组织的声誉、习得的软技能以及"解决困难任务",他们获得了正面的社会形象。在未来情景中,五位参与者预计公众认知不会发生变化,因为人工智能将无处不在,且仅用于辅助人类:"如果我们回到40年前,笔记本电脑并不常见。所以人们会想——好吧,他在用笔记本电脑,所以他在获得所有的帮助!但现在,既然我们知道每个人都在用笔记本电脑,就没有人会这样想了。人工智能的情况也会一样。"(IT-P6)。然而,一位参与者认为,由于公众的"误解"——认为人工智能在做他们的工作——其社会地位将会下降;另一位则担心其工作形象会受到人工智能驱动的社会互动的影响:"如果我的[人工智能]发布了什么冒犯性的内容,那肯定会影响到我的形象。"(IT-P5)。

服务业工作者:在现有情景中,五位参与者认为他们塑造了正面的社会形象,因为这份工作使他们经济独立(n=5)、突破界限(n=2):"多年来我当老师,很多人觉得我只能做教师[其他工作都不行]。但现在我在餐厅工作。他们都非常惊讶,也为我高兴。"以及获得专业认可(n=1)。两位参与者认为他们的社会地位较低,他们的工作被"认为是一份任何人都能做的体力活",与他们的教育背景无关。在未来情景中,所有八位参与者都认为他们的社会地位将会提升,因为"每个人都知道他们能与人工智能协作"。

医护人员:在现有情景中,所有参与者都认为社会认可他们不可替代的作用,其中三位强调了医学领域所伴随的"过度崇敬"。在未来情景中,六位参与者预计公众认知不会发生变化,因为他们的工作性质将保持不变,并且将继续成为社会中不可或缺的一部分。然而,一位参与者认为"随着人工智能建议用药,医生身上那种光环将会消退",另一位则觉得一旦人们不再对医生的工作抱有幻想,对医生的尊重将"更加真诚"。

**4.2.9 认可与荣誉**

信息技术工作者:在现有情景中,所有八位参与者都表示他们因努力而获得应有的赞赏,并且感觉他们的工作得到了认可,但并非一切都值得表彰:"并不是你做的每件事都会获得赞美,在职业生涯中不会这样。"(IT-P8)。在未来情景中,六位参与者认为他们将会受到赞赏,因为他们能力增强、人工智能使用常态化("我们不会看不起使用人工智能的人,因为大家都在用"(IT-P6))、工作文化,或者因为人工智能系统内不存在责任归属问题("人工智能不会获得功劳,问责和所有权仍然在我们身上"(IT-P5))。然而,两位参与者认为他们将会获得更少的赞赏,因为有一种潜在的看法认为他们是由人工智能指引的。

服务业工作者:在现有情景中,所有参与者都提到他们的贡献得到了上级(n=8)和同事(n=4)的认可与赞赏。对于未来情景,四位参与者预计认可会减少,因为将与人工智能竞争;而四位参与者预计不会发生变化,因为他们的工作职责将保持不变,人工智能只会减轻压力。

医护人员:在现有情景中,六位参与者提到他们从患者及其家属(n=4)以及同事(n=4)那里获得了赞赏,尤其是在患者康复时。然而,两位来自重症监护单元的参与者认为他们的努力未被患者认可:"重症监护是一份不讨感谢的工作。患者进来时病情很重,我们治疗他们,然后他们就被转到普通病房。所以当你看到他们好转时,你并没有机会和他们互动。"(HC-P2)。在未来情景中,一半的参与者认为他们仍会获得赞赏,因为"人性化的方面是不可替代的",而另一半预计认可会减少,因为人工智能提供了诊断辅助:"大量的尊重来自于记住患者的细微细节,而这些细节[其他医生]可能会遗漏。所以,如果这种记忆能力被委托给人工智能,显然患者会受益,因为所有医生都会从人工智能获得相同的通知。但那样的话,这种尊重就不算特别了,因为我们记住的都是同样的东西。所以某位医生那种独特的才华展示将会减少。"(HC-P3)。

**4.3 结果总结**

图2:预期人工智能对未来工作中工作体面性(左)和工作意义性(右)属性在信息技术、服务业和医疗领域参与者中的影响。

图2提供了一个高层次的比较概览,总结了信息技术、服务业和医疗领域的参与者如何设想人工智能对工作体面性和工作意义性的影响。方向箭头反映了各领域参与者对某一属性所表达的主导期望(在未来与人工智能协同工作的环境中)。当领域内大多数参与者预计会改善,或当积极的预期明显占主导地位时,我们使用向上箭头(↑)。当大多数参与者预计会下降,或当回答在"不变"和"下降"之间分裂时,我们使用向下箭头(↓)。我们认为这是下降而非不变,因为后者意味着没有担忧,而预计下降则表明该属性面临风险。最后,当大多数参与者预计没有变化,或当预期在改善、不变和下降之间均匀分布且没有主导方向时,我们使用短横线(–)。

该可视化(图2)揭示了明显的行业差异。信息技术工作者预计在工作和意义性的大多数方面都会有所改善,而医疗工作者预计其工作体面性比意义性会有更多改善。服务业工作者几乎未预见工作体面性有任何变化,但在工作意义性方面预计会有显著改善。

在工作体面性方面,信息技术和医疗工作者普遍预计在工作时间、工作与生活的平衡、成长机会和工作条件方面会有改善。相比之下,服务业工作者预计大多数体面性属性不会发生变化,除了工作时间——他们预计因需要监督或纠正人工智能驱动的系统而会增加负担,工作时间将会恶化。薪酬成为各领域之间一个明显的分歧点。医疗工作者预计薪酬会下降,因为组织试图抵消人工智能采用的成本。相比之下,信息技术工作者预计薪酬会通过人工智能带来的扩展成长机会而增加。服务业工作者大多预计薪酬不会发生变化,因为他们的小费制收入模式和现有的劳动保护措施。与此同时,就业保障在各领域预计基本保持不变,这表明参与者预期的是工作质量和条件方面的变化,而非工作本身的消失。在工作意义性方面,信息技术工作者普遍预计在多个方面会有改善,包括同事关系、目标一致性、自主性、技能多样性和任务刺激性。相比之下,医疗工作者预计变化甚微,强调核心临床责任将仍然是人类的基本职责。然而,两者都预计在他们的社会形象以及在 workplace 中获得认可方面会下降。尽管如此,虽然服务业工作者预计同事关系会下降,因为人类同事被人工智能驱动的系统取代,但他们也预计自主性、同事待遇和社会形象会改善,这得益于更公平的任务分配以及被视为能够运用先进技术的专业能力所带来的更多尊重。

综上所述,这些模式揭示了机遇与张力并存,展示了人工智能的预期影响如何在不同行业间有所不同。对于更熟悉人工智能技术的信息技术工作者,预计在工作量等体面性方面的改善往往通过更高的自主性、技能多样性和与职业目标的一致性来强化工作的意义性。在医疗领域,体面工作方面的改善在很大程度上与工作意义性脱节,这表明更好的物质条件不一定能增强工作的体验性维度。在服务业领域,预计体面性相关属性(如工作时间)的下降与意义性方面(如自主性、同事待遇或社会形象)的提升同时发生,这说明了人工智能可能同时侵蚀体面工作的某些方面,同时增强有意义工作的其他方面。这些跨维度的权衡表明,人工智能被认为不是在以统一正面或负面的方式重塑工作,而是通过改变工作安全、公平和物质可持续性与工作参与感、人际互动和社会价值之间的平衡来重新配置工作。

**5 讨论**

在本文中,我们访谈了来自三个工作领域的参与者——信息技术、服务业和医疗——以探索在其工作场所引入人工智能可能对其工作满意度的影响。借鉴先前的研究,我们询问了参与者关于他们当前工作体验中工作的体面性和意义性,以及他们如何设想未来与人工智能协同工作的情景。

我们的结果突出了人工智能对工作满意度影响的复杂性和领域特异性,挑战了人机协作中通常被假设的"一刀切"观念。尽管人工智能所提供的实际改进承诺——如简化任务和减轻工作量——可能会吸引某些行业的员工,但另一些行业,特别是那些以人为中心的工作角色,可能会认为人工智能削弱了他们对工作满意度更为情感化和有意义的贡献。综上所述,这些结果指向了关于工作设计和工作的社会技术理论在人工智能中介的工作场所中如何被理解甚至重新定义的更广泛含义。

社会技术系统理论强调,工作总是由社会结构(例如角色、期望、规范)和技术系统(例如工具、算法、工作流程)共同塑造的,因此一方的变化必然重新配置另一方。从这一视角来看,技术的设计直接影响工作角色的定义方式、任务的分配方式,以及工作设计构念(如技能多样性、自主性、认可或反馈)在日常工作中的体验方式。

基于这一视角,我们的研究结果表明,由人工智能中介的工作引入了一种与早期代际职场技术截然不同的角色重构形式。不再只是将工具主要用于优化工作流程,人工智能驱动的系统越来越多地参与工作的评估性、决策性和表现性方面。这种参与使关于谁执行工作、谁被认为有贡献以及价值如何在社会技术系统中被归属的既定假设变得不稳定。因此,人工智能不仅被视为"一种支持"——增强人类能力并减轻工作量,还可能成为在决策以及获取可见性和成长机会方面的"竞争者"。从某种意义上说,人工智能不仅改变了任务分配,还重塑了工作的社会可见性和可解释性——这些维度在计算机支持协同工作研究中长期以来一直被认为是协调、问责和工作满意度所至关重要的。

此外,重要的是要注意这些动态在不同工作领域中有所不同。例如,信息技术工作者通常将人工智能称为一位技术同行,其贡献可以通过共享的性能指标来评估,在某些情况下还能提高工作满意度。相比之下,服务业和医疗工作者强调了其工作的关系性、情感性和道德维度,他们更常将人工智能的参与视为对其专业身份重要方面的威胁,如同理心、谨慎性和社会认可。这种比较凸显了,如果不考虑工作如何在一个特定领域中被社会性地评估和呈现,就无法理解人工智能中介工作下的工作满意度。

对于CSCW研究而言,这强调了我们需要超越泛泛的人类-AI协作概念,更加关注协作如何嵌入特定领域的规范、价值观和责任体系之中[102]。总而言之,本文凸显了新兴AI驱动系统不仅重塑工作流程,也重塑了工作变得体面与有意义的社会条件。未来的研究可以进一步探索替代性设计方法如何更好地增强AI中介的社会技术系统中的工作满意度。

**5.1 面向得体性与有意义性的设计**

从设计角度来看,我们的研究发现表明,AI驱动系统不应仅以效率提升或工作量减少来评估。相反,设计者应考虑AI驱动系统如何调解职场中的可见性、归属感和有意义参与的机会。基于这些洞见,我们提出了五条设计AI驱动未来工作系统的指南。

**5.1.1 维护社会形象**

我们的研究表明,AI对劳动者社会形象的影响在不同领域之间差异显著。各领域中一个反复出现的担忧是,AI可能会掩盖人类的贡献,减少劳动者对其努力的认可。参与者预期,随着AI能力增强,它可能被视为竞争者而非协作者,导致人类专业性的可见性下降。对于学习曲线较长的领域,通常涉及依赖各种形式知识[17]的知识工作者,社会形象与他们的专业知识、达到其职位并胜任其角色所需的努力以及其贡献的后续认可密切相关。如果AI驱动系统主导了可见成果,将有可能削弱这些领域工作者的职业自豪感。在IT和医疗等知识密集型领域,AI不应主导并掩盖工作者的专业知识,而应提供支持[105],特别是在工作者与客户或患者互动时,以确保AI不会显得比人类工作者更胜任。当然,这并不意味着我们需要缩减AI的能力以适应人类协作者的能力。相反,AI驱动系统的设计应当做到,在悄无声息地增强其人类协作者的同时,仍保留他们工作中有意义的互动时刻和有意义的成果。相比之下,在服务类岗位中,与AI协作通常被视为提升社会形象的机会,通过展示与先进技术无缝协作的能力,从而被视为更具能力和适应性。因此,在这样的工作中,AI驱动系统的设计应使劳动者能够将它们融入工作流程并直观地与它们互动,同时提供学习机会以增强他们的胜任感。

**5.1.2 承认人机协作中不可见的人类努力**

薪酬政策也应认可和奖励员工监督AI驱动系统时执行的监督和纠正任务[14],这通常被称为"影子工作"[19]。AI驱动系统的设计可以包含机制,以清晰界定人类协作者和AI协作者各自的贡献。例如,透明的报告功能,如可视化仪表板或详细报告,可以展示工作者与AI驱动系统之间的努力分配,确保人类监督工作得到认可。这种对贡献的透明报告与任务认同和反馈的工作设计原则相呼应,向工作者展示他们的努力如何塑造成果[56]。此外,AI驱动系统还应考虑员工为获取新技能或适应不断演进的AI技术所投入的时间和精力。为有效与AI协作所需的培训和个人提升应得到认可和重视,确保这些努力不被忽视,就像那些常被低估的影子工作贡献一样。这样的设计可以让人类有意义地参与其工作,通过增强他们感知的贡献[131]并让其努力得到认可来实现。

**5.1.3 增强而非替代人际互动**

职场关系是所有领域中工作有意义性的关键方面。现有研究也指出,与人类协作通常被认为更有意义,因为人际互动能培养情感联系和社会归属感[93, 103]。从消极的角度来看,AI驱动系统可能威胁职场人际关系;但从积极的角度来看,它们可以通过跨职能协作增强团队合作机会[129],例如通过识别共同兴趣或在员工之间协调任务。在医疗领域,AI可能通过突出患者护理讨论中各方的共同空闲时间来促进跨部门协作。类似地,在IT和服务行业,AI可以引导工作者向同事寻求意见而非独立解决问题,确保社会纽带不被破坏。AI还应被设计为增强工作中需要人际讨论和决策的方面。例如,服务工作者重视与客户互动的机会,AI应致力于增强而非替代这些机会。在IT和医疗领域,工作者往往从协作解决问题中获得满足感——这是一个调动多种技能的智力刺激过程,AI应支持而非主导这一过程。

**5.1.4 平衡自主性与控制感**

经常被引用的一个标准设计建议是,让AI驱动系统处理重复性或手动任务[71, 125],理论上这可以使员工专注于更高级别、创造性或决策性工作[71, 84, 92, 112]。然而,研究也发现,将简单任务委托给AI可能对工作满意度产生不利影响,因为减少了从事低需求任务以缓解心理压力的机会[121]。因此,允许修改AI参与程度的能力将使工作者能够专注于与其个人目标和专业知识相符的任务。然而,AI对工作场所自主性的影响是一把双刃剑。对于一些人,特别是医疗等决策密集型岗位,AI参与诊断或处方推荐等任务可能感觉像是一种控制权的丧失,降低了他们的自主性。这还可能进一步损害其智力刺激感,因为AI的参与可能减少员工运用其专业知识的機會,通过"抢了风头"削弱了他们对工作有意义参与的感知。为了解决这一问题,AI驱动系统的设计应维持医疗专业人员自主权和权威,允许他们覆盖或调整AI建议,保留其决策权。例如,AI可以辅助诊断或监测患者,但必须确保人类监督[20]。相反,在服务类岗位中,将任务委托给AI可以增强自主感,因为工作者将自己视为管理AI助手的领导者[59]。例如,服务员可以使用AI管理客户订单或追踪库存,同时专注于客户互动,从而强化他们对自己角色的掌控感。

**5.1.5 促进职业发展**

关于技术替代人类劳动的担忧自工业革命以来就一直存在[44, 88]。这类担忧通常与技能多样性和成长机会的感知减少相关联[133]。然而,在我们的研究中,参与者并未认为AI威胁到他们的工作安全;相反,他们将AI描述为支持技能发展的工具,与现代技术中介工作环境中的赫兹伯格激励因素[61]相一致。与社会技术视角一致[127],AI应被设计为增强而非自动化消除员工的角色,确保其技能演进并长期保持相关性。这可以通过在系统中包含反馈循环[9]来实现,通过人类与AI之间的交叉学习来促进成长机会。在此过程中,员工可以随着技术进步发展新能力,减少对淘汰的恐惧,同时AI也从用户互动中学习和改进[57, 74]。例如,在IT领域,AI可以通过交互式提示辅导员工学习高级编码[126];在医疗领域,AI可以帮助医疗专业人员在处理复杂病例时提供见解来完善诊断技能[124]。

**5.2 局限性**

虽然我们的研究为未来的工作开辟了道路,但也存在与研究设计和参与者相关的局限性。尽管民族志未来学提供了有价值的面向未来的洞见,但基于当前趋势和行为对未来进行推测不可避免地涉及不确定性。在我们的研究中,每次访谈的前半部分关注参与者当前的职场体验,后半部分则促使他们构想由自选AI塑造的未来工作环境。对这些面向未来的问题的回答可能受到参与者不同的AI素养水平、信息可获取性以及关于AI驱动系统的更广泛社会(误)认知的影響[22, 25],在文献中常被称为"想象"[47, 78, 120]。尽管如此,这一局限性被通过参与者现有经验和视角来理解尚未存在技术的价值所弥补。

另一个局限性涉及参与者样本的构成。虽然参与者数量相对较小,但这是与解释性现象学分析(IPA)方法一致的有意选择,该方法优先考虑主观、情境化经验的深度和丰富性[111]。因此,基于Guest等人[54]对定性研究样本量的建议,我们选择与少数参与者进行深入互动以获得细致的洞见。尽管如此,样本存在某些不平衡:参与者以男性为主,没有非二元性别个体的代表性,且年长员工的视角有限,最年长的参与者为46岁。因此,我们的研究结果可能低估了女性和非二元性别身份个体的视角,也可能限制了职业后期工作者如何预期AI影响工作得体性和有意义性的洞见。此外,参与者来自不同的地理区域(欧洲、亚洲和北美),这些地区在劳动法规、工作场所规范以及围绕AI采纳的社会期望方面存在差异。这些特征使我们的研究结果具有情境依赖性,在跨性别、年龄段或地区推广时需要谨慎。未来的研究可以通过涉及更大且人口统计学更平衡的样本,以及聚焦于特定地区背景来进一步探索当地劳动法和文化期望如何塑造员工对AI影响工作得体性和有意义性的感知,来应对这些局限性。

**6 结论**

本文探索了IT、服务和医疗领域的工作者如何想象AI重塑工作得体性和有意义性——工作满意度的两个基础维度。我们的发现表明,AI的预期影响既非均匀的也非普遍积极的——虽然工作的某些方面可能得到增强,但其他方面则可能在不同领域中以截然不同的方式面临威胁。通过得体性和有意义性双重视角分析工作满意度,本文凸显了AI预期支持工作者的领域(如增强的技能多样性或更好的工作生活平衡)以及可能产生新张力的领域(如威胁认可度或改变社会形象)。综合来看,我们的结果挑战了AI将同等影响所有工作者的假设,强调了领域敏感、价值观对齐的系统的必要性。这些洞见为设计面向未来工作的AI驱动系统提供了指导,这些系统需要在工作得体性和有意义性之间取得平衡,从而使AI增强而非削弱工作满意度。

**致谢**

本研究是锡根大学感知与感知力研究项目(https://sensing.uni-siegen.de/)的一部分。我们感谢参与者和同事的支持与宝贵意见。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号