大语言模型驱动下的员工工作重塑机制

 

一、引言

随着深度学习技术的普及、自动化机器学习的应用以及生成对抗网络的进展，人工智能技术的广泛应用正在引发前所未有的关注。人工智能技术中的大语言模型应用（large language model）只需几秒钟就能生成与人类专家媲美甚至超越其能力的结果。具体而言，数智化技术的应用为企业提供了更好、更廉价的服务，从而替代人类员工承担一些枯燥、危险或环境恶劣的工作任务，保护员工免受不良影响。机器人律师在伦敦和纽约成功处理超过16万张停车罚单，减少了人类律师的工作压力和错误率等[1]。研究表明，随着人工智能技术的迅猛发展，一些传统的工作岗位逐渐被替代甚至消失，已有学者预测自动化技术在美国将减少47%的工作岗位[2]。还有一些学者认为，随着技术的不断进步，人工智能作为一种工具并不能完全替代所有职业[3]，相反未来员工与人工智能之间的相互合作、相互依赖程度将进一步加剧[4]，人工智能技术正逐渐成为员工工作环境的关键要素[5]。

在人工智能技术中，以大语言模型为代表的新一代人工智能技术进展对整个AI社区产生了重要影响，不仅彻底改变了人们开发和使用AI算法的方式，而且其在工作场所的应用将重塑工作信息（实时数据）、工作地点（共同工作空间）、工作模式（员工与人工智能的互动）等方方面面[6]，颠覆性地改变员工的工作属性。具体而言，在数智化企业工作过程中，员工与人工智能技术之间的交互和沟通更为频繁，组织结构更加扁平化、网络化[7]。此时，工作任务也表现出数字化、人工智能化的特点，由此人与人工智能协同办公将成为流行的办公方式。在此过程中，线上工作和远程工作也会成为工作的新趋势[8]。基于此，大语言模型应用给企业和员工带来了更多机遇和挑战。大语言模型应用可以根据企业的目标和已有数据，自动化地处理工作[9]。需要关注的是，大语言模型应用在为员工带来便捷的同时提出了更高的工作要求[10]。2022年11月底面世的ChatGPT，其强大的计算和学习能力正在促使工作向非繁重、精简化和自由化方向发展[11]。随着企业的数智化转型程度加深，团队合作、跨学科合作和伙伴网络的重要性将逐渐增强[12]，对员工分散整合和跨职能管理能力的需求将不断增加，尤其缺乏具有数字素养和创新能力的人[5]144。在人工智能技术出现导致工作变化的情况下，员工应积极改变以主动适应数智化环境[13]。员工应发挥个人主动性，积极思考工作和技术之间的关系，随时调整工作方式以适应环境。

对于大语言模型在工作场所的应用，现有研究主要关注其与员工工作态度和工作行为之间的关系，广泛探讨员工被动地接受并适应新技术，而不是如何主动发起转变开展工作重塑，以更好地满足工作设计和技术要求[1]1173。与此同时，工作要求-资源（job demands-resources）模型指出，工作要求和工作资源的变化能够推动员工的工作重塑[14]。工作重塑（job crafting）是员工主动调整自己的工作任务、工作职责和工作关系，从而更好地满足自己的需求和目标的行为。事实上，大语言模型在工作领域的广泛应用改变了员工的工作任务要求、工作方式及工作场景等[15]，也给员工带来了技术资源的支持。这些工作要求和资源的变化驱动员工的工作重塑正确认识并使用大语言模型，通过重新设计工作流程、任务分配和工作方式来适应现代科技和经济环境的变化，从而提高员工的效率、灵活性和竞争力，适应企业数智化转型[16]。目前，工作重塑研究更加聚焦于员工个体特质与工作要求之间的探索，对大语言模型应用在工作情境中提供工作资源导致工作重塑的现象仍缺乏深入研究。此外，以往研究从相对静态视角探讨了传统工作情境下工作重塑的影响因素以及结果，较少基于动态过程分析工作重塑的驱动过程[17]。在大语言模型应用的工作情境下，帮助员工主动适应新的人工智能技术是当前研究数字时代工作重塑的重要任务。尽管当前研究对工作重塑的前因和结果变量进行了一定探讨，但缺乏对大语言模型应用下工作重塑影响路径的深入分析[18]。因此，本研究拟从员工的工作要求和资源的视角出发，揭示数智化工作情境下大语言模型应用对工作重塑的影响路径，以促进员工工作积极性的发挥，帮助企业营造适合数字化技术的工作方式和工作环境。

二、研究现状与述评

（一）工作场所大语言模型应用及其积极影响

1.大语言模型的界定

近年来，大语言模型在逻辑对话和交互方面表现出色，彰显了人工智能技术的巨大潜力。这些模型通过大规模语料库和复杂神经网络模型的训练，可以自动学习语法、句法、语义等语言层次的结构和规律。与传统的语言模型相比，大语言模型在逻辑性和灵活性方面具有显著优势，可以模拟人类的对话和写作，并生成符合语境和语义的文本输出[19]。总体而言，这些大语言模型是具备大规模参数和复杂网络结构的人工智能生成内容技术，为该领域带来了质的飞跃。大语言模型的参数数量通常高达1亿多个，这一标准还在持续提升，如GPT-4是拥有数万亿到数十万亿个参数的超大模型[9]1。这些大语言模型被广泛应用于完成自然语言处理领域的复杂任务，如问答系统和机器翻译，以及计算机视觉领域的目标检测和图像生成等[19]1。通过使用这些模型，使用者不但能够生成基本的文本、图像、音频和视频等多模态内容，还能够在其上面衍生出新的设计、知识和思想，甚至完成艺术和科学的再创造[11]7。因此，大语言模型应用不仅局限于自然语言处理和计算机视觉领域，还可以拓展到其他相关领域，如自动编程和智能制造等。

2.工作场所大语言模型发挥的作用

大语言模型应用在工作场所中发挥多重作用，显著提升了员工的工作效率和企业智能化水平。具体来说，大语言模型应用在工作场所中主要具备以下核心能力。首先，大语言模型具备内容生成与创意辅助的能力。一方面，大语言模型应用能够为工作场所带来创新性思维和工作方案，即通过大规模语料库的训练，生成符合语法和语义规则的新文本，这个生成过程具有一定的创造性[20]。另一方面，大语言模型应用能够生成基础的报告、策划等文档，既减少了人工撰写时间，也确保了内容的质量和准确性。因此，在工作场所中，这种能力可以用于生成具有启发性和创新性的工作方案、策划、报告等，从而提高工作效率和质量。

其次，大语言模型具备对话理解与交互支持的能力[11]7。一是大语言模型应用能够理解对话情境并进行多轮对话。具体而言，通过复杂的神经网络模型，大语言模型具有上下文感知能力，可以理解对话的上下文和语境，从而提供更个性化、连贯的回应[21]。这种连贯性不仅使对话更自然、流畅，还能确保员工在与大语言模型交互时获得更准确、更有用的信息。二是大语言模型应用能够提供实时反馈。在工作场所中，大语言模型应用能够与员工进行实时对话，提供即时的支持和反馈，帮助员工解决问题和完成任务。这种能力可以用于智能客服、智能助手等场景，帮助员工进行信息查询、发送提醒等。

最后，大语言模型具备执行自动化任务和序列任务的处理能力[9]2。通过深度学习和自然语言处理技术，大语言模型能够承担大量繁琐、重复性的工作，从而释放员工的时间和精力，使其更专注于高价值的工作任务[9]4。在工作场所中，这种能力可以用于自动化处理大量的文本数据和信息，以及从数据中提取关键信息，如筛选简历、安排面试、回答常见问题等任务，提高工作效率和准确性。通过以上功能的实现，大语言模型在工作场所中具有重要的应用价值，可以为员工的工作效率提升和企业的智能化升级提供有力支持。

3.大语言模型应用在工作场所的积极影响

大语言模型应用为企业和员工提供了高效、智能的交互体验，可以无缝嵌入到企业的内部管理、官方网站、应用程序或客户服务平台中，提供实时的智能对话服务。学者从多元视角对大语言模型在工作场所的应用及其产生的影响进行了深入探索（如图1所示）。首先，大语言模型应用有利于提高员工的工作效率[22]。大语言模型应用可以通过数据收集、数据分析和洞察能力从工作中提取有用的信息和模式，并进行工作内容生成与创意辅助，从而改善工作效率和提升工作质量。大语言模型应用可以在招聘方面进行简历筛选，在日常报告方面进行方案生成，为工作提供有效支持[20]226，[23]。同时，大语言模型应用可以帮助员工更好地理解工作需求和目标，从而提高工作质量和掌控感[11]8。它们还可以用于检查拼写和语法错误、自动排版等任务，大大节省了工作时间和工作量。

图1 大语言模型在工作场所的应用

 

其次，大语言模型应用在提升员工满意度方面也发挥了积极作用。大语言模型可以为员工提供更智能、更高效的工作工具和辅助支持，帮助他们更快速地完成工作任务，提高工作满意度。一方面，大语言模型应用可以帮助员工挖掘自身潜力和提升自我效能。通过与大语言模型对话，员工可以更深入地了解自己的能力，从而更好地发挥自己的优势和潜力[19]1。这种自我能力的掌控和发挥也使员工对工作更有信心，进而提高了他们的满意度。另一方面，大语言模型应用可以根据员工的需求提供个性化的学习资源和培训建议，帮助他们提升技能水平和实现职业发展。这种个性化支持满足了员工对自我成长的需求，提高了员工的工作体验，进一步提升了他们的满意度[23]41。

最后，大语言模型应用可以为员工提供决策支持。随着大型语言模型（如GPT-3、BERT等）的出现和发展，这些模型在理解人类语言的基础上能够生成逻辑清晰、条理分明的回答和解决方案，为工作中的问题解决提供了新视角[11]7。此外，大语言模型还可以建立预测模型，帮助员工和企业更好地了解工作和业务趋势。大语言模型具备数据分析和洞察功能，可以从大量的数据和信息中提取关键知识，为企业提供更准确的经营决策建议和最佳决策方案。基于数据的决策制定使组织能够更好地适应市场变化和业务需求。

总体来说，作为一种先进的人工智能技术，大语言模型在职场中扮演着不可或缺的角色。首先，通过为员工提供精准的支持和指导，大语言模型应用可以辅助完成工作任务、提高工作效率以及提升工作质量。此外，大语言模型应用对员工职业发展和工作满意度产生了积极的影响。最后，它也为员工提供了更好的自我认知、职业规划和职业发展建议等方面的支持。然而，需要明确的是这一人工智能技术并不能完全替代人类在工作中的作用。它们只是一种提高工作效率和质量的辅助工具。在未来工作中，需要注重人工智能和人类员工的平衡与协作，确保人智协作共融，从而实现更好的工作效果。

（二）数智时代工作重塑的相关研究

1.工作重塑的界定

Wrzesniewski等[24]24]将工作重塑的概念界定为个体对自己的工作任务或关系边界作出的客观或认知上的改变，并将其分为三个维度的内容：（1）任务重塑，即工作任务内容方面，包括数量、范围和方式的改变；（2）关系重塑，即工作中与其他关系质量和数量的改变；（3）认知重塑，即关于工作原有认识和想法的判断改变。这些方面的重塑都可以帮助员工更好地适应现代科技和经济环境的变化。Tims等[25]25]基于工作要求-资源模型，对工作重塑的定义赋予了更具操作性的定义，即“员工为了平衡‘工作要求和资源’与‘个人能力和需要’对工作设计进行的积极主动的改变，这些改变可以让工作更好地满足员工的独特技能、动机和兴趣”。Tims等[17]17]183随后提出，工作要求和工作资源与员工能力和意愿之间的不匹配状态是工作重塑的诱因。工作重塑的方式主要包括：（1）增加结构性工作资源，如寻求新的学习机会；（2）增加社会性工作资源，如获取领导的积极、支持性反馈等；（3）提高挑战性工作要求，如增加新的工作内容等；（4）减少阻碍性工作要求，如降低工作压力等，共四个方面的内容。上述学者分别从不同的视角对工作重塑开展研究，近年来也有学者从系统的角度通过整合上述视角对工作重塑概念进行了拓展。Bruning等[26]26]归纳了工作重塑角色视角和资源视角的相关理论，将其重新划分。在此基础上，Zhang等[27]27]构建了一个工作重塑的三层次理论框架。具体而言，促进-回避动机理论处在理论的第一层，角色视角处在中间层，具体形式为认知重塑和行为重塑；资源视角处在第三层，内容是重塑资源和调整工作要求。

综合工作重塑的相关研究发现，其主要影响个体的工作感知、态度和行为等方面[28]28]。首先，工作重塑对个体工作认知的影响主要包括对个体工作意义感和幸福感等积极认知的促进[28]28]56。其次，工作重塑对工作态度具有显著影响。一方面工作重塑可以提升员工满意感、工作投入、职业使命感等积极态度[29]29]；另一方面，可降低员工的工作耗竭和离职倾向等消极态度。这意味着员工将更加积极地看待工作，并投入更多的热情和精力，同时伴随着对组织忠诚度和承诺的提高[30]30]。Alonso等[31]31]发现，团队的工作重塑显著提升了员工的工作满意度。最后，工作重塑对个体的工作行为也具有显著的积极影响，主要包括员工的工作绩效、创新行为和组织公民行为等。这些积极行为既有助于提高员工的工作效率和质量，也有利于组织的稳定和发展。Uen等[32]32]研究指出，团队工作重塑通过心理资本的中介作用进一步提升员工的创新行为。同时，工作重塑与员工的工作绩效和组织承诺呈现显著正向关系，尤其是当员工的组织支持感知程度处于低水平时[33]33]。

2.数智时代的工作重塑

大语言模型等人工智能技术的出现加快了工作环境智能化的趋势。鉴于这一变化的不确定性和复杂性，企业要充分利用和支持员工充分参与其中，并基于技术变化为工作的转换和修改奠定基础。目前，已有大量研究探讨了人工智能及其对工作领域的重塑，主要包括技术因素对工作重塑的前因和工作重塑后的结果两方面。一方面，从人工智能技术的角度出发，关于数智化技术对工作重塑的影响是不确定的，取决于技术本身的属性、组织属性和对该技术的管理选择等各种因素，以及现有员工的技能水平、组织战略和设计等方面[1]1]1174。Lehdonvirta[34]34]通过一项短周期的在线计件工作调查发现，工作自主权的程度取决于特定的通信技术平台和对工作组织的选择。另一方面，基于人工智能技术完成工作重塑后的结果研究发现，人工智能技术通过重塑工作信息和模式进而影响工作的结果[11]11]11。Lee等[35]35]研究发现人工智能技术可以作为员工在工作环境中的工作资源和工作需求感知，促进了工作在任务、认知和关系上的重塑，并进一步激发个人工作参与。Parker等[1]1]1171的研究通过举例说明了人工智能技术如何通过工作资源（自主权、技能使用、工作反馈、关系）和工作要求（如绩效监控）推动员工的工作重塑，并进一步影响员工的福利、安全和绩效。如技术为虚拟团队工作提供了机会，这可能会阻碍员工的关系重塑。

尽管现有研究对人工智能技术下的工作重塑已经进行了丰富探讨，但是缺乏对大语言模型应用影响工作重塑的专门探讨。大语言模型应用已在各个领域引发广泛的关注，特别是在工作场所。可以预见，未来很多工作将需要人和数智化技术之间进行深度互动[13]13]2。因此，有必要评估大语言模型应用可能给企业带来的工作变化，必须重视工作重塑的问题，从而引导工作朝着期望的方向发展。源于技术本身的特性、组织属性和对该技术的管理选择等因素，尽管大语言模型应用对工作重塑的影响存在一定的不确定性[1]1]1173，但企业员工仍可以积极作出选择和主动改变，通过工作重塑适应大语言模型应用的影响，从而促使积极结果的发生。工作重塑有助于个体在工作中及时应对大语言模型应用产生的挑战，也是个体在工作中主动开展的、持续不断的改变工作内容和特征的行为[36]36]。基于此，笔者将根据工作要求-资源模型对大语言模型应用影响工作重塑的过程进行重新探索和整合分析。笔者认为，大语言模型应用下的工作重塑是指员工为了个体偏好、智能技术应用与当前工作任务相匹配，主动地对工作任务、关系互动及技术应用展开实质或认知上改变的过程[36]36]1134。余文将阐述大语言模型应用通过各种工作要求（技能使用、工作反馈）要素和工作资源（自主权、关系方面）要素对工作重塑产生影响的具体机制。

三、大语言模型应用驱动工作重塑的理论逻辑

基于工作要求-资源模型，可分别从工作要求和工作资源的角度对大语言模型应用对工作重塑的影响进行分析。从工作要求的角度来看，大语言模型应用对员工提出的新技能要求，这些要求促使员工通过优化流程和改变任务内容等方式进行工作重塑。从资源视角来看，大语言模型应用为员工提供了新的工作支持，如数智化技能学习机会和即时信息反馈，这些资源支持可以帮助员工更好地适应新工作环境的变化。在此基础上，本研究将探索大语言模型应用下工作重塑内容的演化，进一步将工作重塑的形式分为任务型、关系型和认知型，这将有助于更深入地理解大语言模型应用对工作重塑的影响，为员工主动适应新技术提供指导，更好地应对现代科技和经济环境的变化。具体演化如图2所示。

图2 工作要求-资源视角下大语言模型应用与工作重塑

 

（一）工作要求-资源视角下的大语言模型应用

工作要求-资源模型是一个区分工作要求和工作资源两种核心工作特征的流行理论框架，用于分析工作环境中的压力和动机过程[14]14]312。其中，工作要求指的是工作中需要员工付出心理、生理或情感努力的因素，通常与工作的压力性和挑战性因素相关，包括高负荷的工作任务、时间压力、复杂的人际互动等[14]14]312。工作要求可能会引发员工的压力反应，如紧张、疲劳或健康问题等。工作资源指的是工作中有助于员工实现工作目标、缓解工作要求的负面影响以及促进个人成长和发展的因素，通常与工作的支持性和激励性要素相关，包括社会支持、职业发展机会、工作自主性、工作反馈等[14]14]312。工作资源可以增强员工的动机、满意度和绩效，促进员工的健康和福利。

基于工作要求-资源模型，大语言模型应用给工作场所及员工的影响可以分别从工作要求和工作资源的角度进行分析。第一，大语言模型应用可以提供个性化的学习资源和推荐，帮助员工增加丰富的结构性工作资源。一方面，大语言模型应用可以帮助员工更好地了解行业趋势、市场动态和最新技术，学习最新的专业知识和技能，提高自身工作能力和竞争力。另一方面，大语言模型作为一个工作工具与平台，员工可以从中接触到多样化的学习材料和资源，如在线课程、培训资料等，为他们提供了持续学习和提升的机会。通过在工作场所使用大语言模型这一智能技术，员工能够获取额外的个性化知识与信息等结构性工作资源，更加高效地完成任务。

第二，大语言模型应用可以通过其交互性和智能性为员工增加社会性工作资源。首先，员工与大语言模型实时互动可得到即时反馈和解决方案[19]19]1，获得更多的情感支持和心理安慰。同时，大语言模型的数据分析功能还可以帮助员工更好地了解自己的工作状态和需求，找到适合自己的工作节奏和方式。这种个性化的工作方式有助于缓解员工的心理压力和焦虑情绪，促进员工的心理健康。其次，在团队合作中，大语言模型成为了一个共享的知识库。它可以帮助团队成员快速获取所需信息，减少沟通成本，提高协作效率[11]11]16。当员工不熟悉工作中所需的大语言模型技术时，可以向精通技术的同事请教。这种合作与共享的氛围有助于增强团队的凝聚力和工作动力，营造积极向上的组织文化和氛围。最后，领导可以通过大语言模型为员工提供更加个性化的支持和关怀，有助于增强员工的归属感和忠诚度，提高员工的工作满意度和幸福感。大语言模型应用为管理者提供了更智能的管理工具和数据分析功能，帮助领导更加精准地了解员工的工作需求和工作表现，更好地进行人才管理和决策[9]9]2。

第三，大语言模型应用可以为员工增加更具挑战性的工作要求，以激发他们的潜力和创造力。基于工作要求的理论视角，本研究考虑大语言模型应用对员工能力的要求，因为工作需要持续的身体和/或心理（认知和情感）努力或技能[14]14]312，即员工在完成工作任务的基础上，要实现对智能技术的熟练应用[15]15]12。在学习和适应大语言模型应用的过程中，员工的能力得到了提升。此外，通过与大语言模型的对话，员工可以更深入地理解和挖掘自己的能力和潜力，可以为员工设定更具挑战性的目标。这些目标能够激发员工的斗志和动力，促使他们不断超越自我、实现突破。最后，大语言模型应用可以帮助员工识别和分析新的业务机会和挑战，从而为其提供更加丰富和多样化的工作内容，有助于激发员工的创造力和创新精神。

第四，大语言模型作为一种智能工具，有助于减少员工的阻碍性工作要求，降低员工的工作压力和负担。一方面，工作场所中的大语言模型应用对员工来说是技术支持，可改善员工的工作体验，减轻他们的精神压力，从而降低员工在工作中的认知和情感阻碍。如通过筛选、自动化处理和分析大量数据，大语言模型可以帮助员工减少重复性、低价值的工作任务，减轻他们的工作负担[11]11]17。同时，大语言模型还可以优化工作流程和决策过程，提高工作效率和准确性，降低工作压力。另一方面，大语言模型能够根据员工的需求和偏好提供个性化支持和建议，有助于员工更好地应对工作压力和挑战，保持积极的心态和情绪状态。

综上所述，基于工作要求-资源模型的分析表明，大语言模型应用通过增加结构性工作资源、社会性工作资源以及挑战性工作要求，减少阻碍性工作要求，对员工的工作产生了积极而深远的影响。这些影响不仅提高了员工的工作效率和质量，还激发了他们的创造力和潜力，促进了个人和组织的共同成长。

（二）工作要求-资源视角下大语言模型应用与工作重塑

综上所述，工作要求和工作资源模型为理解大语言模型应用下的工作重塑提供了有用的理论框架。工作重塑是员工对工作要求的调整和对工作资源的利用，旨在更好地满足自身的需求和目标。通过调整大语言模型应用带来的工作要求和工作资源的平衡，员工可以调整工作内容和改善工作体验，更好地完成工作目标，提高工作满意度和绩效。

结合现有工作重塑和工作要求-资源理论的核心思想，本研究提出大语言模型应用可能通过影响工作要求和工作资源实现对工作重塑的内容改变，最终表现为工作任务重塑、关系重塑、认知重塑三个形式。首先，工作任务重塑是指个体通过大语言模型改变工作任务的数量、形式、范围或完成方式等[36]36]1137。一方面，大语言模型可以支持员工的学习和更新技能，以及为他们提供新的职业发展资源，这些结构性工作资源可以帮助他们增强工作能力和动力，改善工作压力，有助于个体工作目标的实现。另一方面，根据员工的工作计划和目标，大语言模型可以通过智能分析识别并优化重复性的任务或低效的工作流程，降低完成工作任务的难度，减少阻碍性工作要求。在这个过程中，员工通过大语言模型可以更好地管理时间和任务，提高工作效率和工作质量，完成对工作任务的重塑。基于此，员工使用大语言模型应用可以调整工作要求的数量和性质，改变之前的工作方式和工作流程，调整工作内容和范围的界定，通过智能技术处理工作任务提升效率，以适应企业数智化转型的需求。综上所述，大语言模型应用之后，员工可以通过工作任务重塑完成工作任务，并通过人工智能技术的资源支持更加高效地完成任务，提升工作效率。

命题1：大语言模型应用可以通过增加员工的结构性工作资源、减少阻碍性工作要求完成对工作的任务重塑。

此外，大语言模型应用下的关系重塑概念为员工在工作中改变人智互动、人际互动的数量和质量，以获得自己和他人对大语言模型应用的支持[36]36]1138。在工作场所中，大语言模型应用的功能可以增加员工的结构性工作资源，有效提升员工的社会关系。首先，员工在与大语言模型不断对话的过程中，也与其建立了人与智能体的交互联系。大语言模型应用通过与员工的对话提供学习反馈，实现人智协作[19]19]1，增加员工的结构性工作资源。同时，在企业数智化转型的迫切需求下，员工为了学习人工智能技术的这一结构性资源，可以通过大语言模型应用与企业范围内的同事进行互动并搭建关系，从而帮助彼此掌握技术并完成工作任务，应对该技术在工作场所应用带来的挑战。因此，大语言模型应用通过智能邮件过滤、社交媒体互动等功能，帮助员工识别潜在的合作伙伴、导师或行业专家，促进他们之间的交流和合作，增加员工社会性工作资源。在这个过程中，大语言模型应用可以为员工和任务、同事之间搭建沟通的桥梁，协助员工与技术、团队建立更好的工作关系，提高工作灵活性和企业效能。综上所述，大语言模型应用之后，员工可以通过与大语言模型之间的互动，以及与同事之间进行技术交流，建立和维持高质量的人际和人智关系，重塑现有的工作关系，这对于员工提升工作绩效以及积极推动企业数智化转型具有深刻的意义。

命题2：大语言模型应用可以通过增加员工的结构性工作资源、社会性工作资源完成对工作的关系重塑。

最后，认知重塑是指个体改变对大语言模型技术及其与工作要求、自身偏好间关系的认识[36]36]1138。大语言模型应用不仅是工作场所的技术变革，更是员工个体的认知与思维革命。在面对人工智能技术带来的风险和不确定性时，员工如何看待大语言模型及其在工作中的应用对员工主动适应数智化转型至关重要。首先，大语言模型在工作场所的应用意味着任务内容的增加，产生了对员工使用该技术的能力要求。因此，大语言模型技术激发了员工提升挑战性技能的热情，从而帮助员工在认知和情感上更好地应对新的工作要求。在这个过程中，大语言模型可以辅助员工进行项目策划、产品设计或市场研究，员工可以承担更具挑战性的工作任务，拓展自己的职责范围，提高员工的挑战性工作要求，提升个人成长和职业发展的速度。其次，工作场所的大语言模型应用可以优化员工工作流程，减少员工的工作压力和疲惫感。在这个过程中，大语言模型应用也会降低员工的阻碍性工作要求，改善员工的工作体验，提高他们的工作满意度和幸福感[29]29]427。综上所述，员工可以通过认知重塑提高心理（认知和情感）上对大语言模型技术和技能的认识，从根本上改变对智能技术满足自身偏好和工作要求的价值判断。相比于其他工作重塑形式，认知重塑的优势在于即使员工不进行工作任务重塑、关系重塑和人工智能技术使用，也有助于提升大语言模型应用与工作要求、资源支持的关系，进而助力员工适应数智化转型。

命题3：大语言模型应用可以通过提高员工的挑战性工作要求、减少阻碍性工作要求完成对工作的认知重塑。

四、分析与讨论

（一）研究价值及不足之处

本研究基于工作资源-要求模型揭示了大语言模型应用对工作重塑的激发机制，此外还探讨了工作资源和要求对工作重塑的影响路径。一方面，基于动态过程视角，本研究将工作重塑视为一个从“点”到“线”的过程，揭示大语言模型应用在驱动工作任务、关系和认知重塑方面的作用。这一模型有助于认识企业数智化转型背景下员工工作重塑的启动过程。另一方面，基于工作要求-资源模型，从传统工作重塑的资源和要求的四个内容维度出发，进一步探索大语言模型应用通过工作内容影响工作重塑的作用机制。这一研究弥补了现有研究关于大语言模型作用后果的缺失。本研究观点有助于深化学界对员工工作与人工智能交互过程的认识，为更好地实现大语言模型的应用价值和工作重塑的效果，应关注员工的工作内容，提供相应的培训和支持，帮助他们更好地适应新技术环境。

综上，笔者试图在大语言模型应用的工作场所中重新思考和建构工作重塑这一兼具理论价值和实践意义的核心概念。在此基础上，笔者进一步从工作资源-要求模型出发，探讨了大语言模型应用影响的过程机制，构建了一个系统整合的大语言模型应用下工作重塑理论模型。然而，本研究仍存在一些不足和需要进一步探讨的问题。首先，本研究构建的大语言模型应用下工作重塑模型仍处于理论思考的初始阶段，缺少充分的调研数据支持。未来将基于案例研究和问卷调查等方式对其进行验证，更好地推动大语言模型应用下员工工作重塑的相关研究。其次，本研究主要关注了大语言模型应用对工作重塑的影响，忽略了其他可能的影响因素，如员工的个体特征、组织文化、数智化技术的采纳速度等，这些都可能对工作重塑产生影响。未来研究可以从其他理论视角或研究层次出发，更全面地考察这些因素，从而更准确地理解工作重塑的过程。最后，本研究主要聚焦于大语言模型应用对工作重塑的影响，但实际上工作重塑可能还有其他更广泛的影响。工作重塑可能影响员工的职业发展、组织变革和社会影响等[1]1]1185。未来研究可以进一步探讨这些影响，更全面地理解大语言模型应用的效果。通过对上述理论模型进行更新和完善，不仅揭示了大语言模型在工作场所应用的作用过程及其后果，也借此推动了学者对企业微观工作重塑过程的系统性理解。

（二）管理实践挑战及启示

从实践来看，大语言模型应用为员工提供了更加智能、高效的工具与辅助支持，极大程度上改变了工作性质与方式。员工利用大语言模型能够自动处理大量繁琐、重复性的任务，从低价值的任务中解放出来，将更多精力投入到更具附加值的创新任务中[9]9]4。然而，这种工作转变也带来了一些挑战。

首先，在工作重塑的过程中，员工需要不断学习和适应大语言模型这一技术和工具，确保员工与人工智能技术实现有效的匹配和协作。在这一过程中，员工可能会经历学习曲线，对员工的工作效率产生一定的影响[36]36]1139。此外，大语言模型的某些局限性也需要引起关注。大语言模型只能根据训练数据中的信息进行学习，若这些数据存在偏见或错误，那么大语言模型在处理用户信息时可能产生不准确的结果或误判[11]11]9。同时，随着时间的推移，员工过度依赖大语言模型会削弱决策能力和问题解决能力，一旦遇到复杂任务和非标准情况时，可能会出现判断失误。因此，企业管理者应采取有效的数据清洗和校验措施确保算法的公正性和可解释性。

其次，在工作重塑的过程中，大语言模型应用可能对员工的职业发展产生影响。由于大语言模型能够自动化工作任务，一些传统的工作岗位会减少甚至消失，导致员工感到自己的职业发展受到威胁[10]10]75。同时，在适应大语言模型下工作重塑变化的过程中，员工会感到焦虑和压力。此外，大语言模型作为生成式人工智能技术，部分员工会产生不熟悉感和抗拒感，认为大语言模型对工作稳定性造成消极影响。因此，在工作重塑的过程中，员工情绪和压力的管理是关键，这需要管理者关注员工的情绪状态和压力水平，提供必要的支持和帮助，减轻他们在新技术应用过程中的负担[23]23]41。同时，在大语言模型应用过程中，管理者应建立良好的沟通机制，确保沟通渠道畅通无阻，及时解答员工的问题和疑虑，了解他们的需求和反馈，为员工提供更多职业发展机会和培训，帮助他们适应大语言模型应用下新的工作环境和技能需求。在应用大语言模型的过程中，企业管理者应注重企业的社会责任，关注员工权益，确保大语言模型应用的优势能够公平地分配给所有员工。

最后，在大语言模型应用的过程中，员工的工作重塑必须考虑数据安全和隐私保护的问题。大语言模型系统通常需要收集和分析大量的个人数据来训练模型，这些数据如果被不当使用或泄露，会损害员工的隐私和安全问题[11]11]9。因此，在数据隐私保护方面，应确保系统存储和处理用户信息的安全性，避免数据泄露；在技术监管方面，应明确任务主体并保持对决策的监督和控制；在道德和法律方面，应遵循基本的道德和法律原则以保障用户的权益[21]21]135。同时，企业也需要对员工进行数据安全和隐私保护的宣传和教育，提高员工的数据保护意识[7]7]9。尤其是在使用ChatGPT等大语言模型时，需尊重用户的隐私权和知情权，明确告知用户系统的功能和数据来源，获得用户的许可后才能使用。

 

参考文献

[1]PARKER S K,GROTE G.Automation,algorithms,and beyond:Why work design matters more than ever in a digital world[J].Applied Psychology,2022,71(4):1171-1204.

[2]FREY C B,OSBORNE M A.The future of employment:How susceptible are jobs tocomputerisation?[J].Technological Forecasting and Social Change,2017,114:254-280.

[3]BRYNJOLFSSON E,MITCHELL T,ROCK D.What can machines learn and what does it mean for occupations and the economy?[C]//AEA papers and proceedings.2014 Broadway,Suite 305,Nashville,TN 37203:American Economic Association,2018,108:43-47.

[4]徐鹏，徐向艺.人工智能时代企业管理变革的逻辑与分析框架[J].管理世界，2020,36(1):122-129+238.

[5]戚聿东，肖旭.数字经济时代的企业管理变革[J].管理世界，2020,36(6):135-152+250.

[6]BROUGHAM D,HAAR J.Smart technology,artificial intelligence,robotics,and algorithms(STARA):Employees’perceptions of our future workplace[J].Journal of Management&Organization,2018,24(2):239-257.

[7]罗文豪，霍伟伟，赵宜萱，等.人工智能驱动的组织与人力资源管理变革：实践洞察与研究方向[J].中国人力资源开发，2022,39(1):4-16.

[8]高中华，徐燕.智能制造师徒关系理论构建及对团队双元创新的驱动机制[J].心理科学进展，2023,31(8):1411-1428.

[9]SÆTRA H S.Generative AI:Here to stay,but for good?[J].Technology in Society,2023,75:paper102372.

[10]王林辉，钱圆圆，周慧琳，等.人工智能技术冲击和中国职业变迁方向[J].管理世界，2023,39(11):74-95.

[11]郑世林，姚守宇，王春峰.ChatGPT新一代人工智能技术发展的经济和社会影响[J].产业经济评论，2023,3:5-21.

[12]LEONARDI P,CONTRACTOR N.Better peopleanalytics[J].Harvard Business Review,2018,96(6):70-81.

[13]张志学，华中生，谢小云.数智时代人机协同的研究现状与未来方向[J].管理工程学报，2024,38(1):1-13.

[14]BAKKER A B,DEMEROUTI E.The job demands-resources model:State of the art[J].Journal of Managerial Psychology,2007,22(3):309-328.

[15]ERNST E,MEROLA R,SAMAAN D.Economics of artificial intelligence:Implications for the future ofwork[J].IZA Journal of Labor Policy,2019,9(1):1-13.

[16]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.

[17]TIMS M,BAKKER A B,DERKS D.Development and validation of the job craftingscale[J].Journal of Vocational Behavior,2012,80(1):173-186.

[18]陈志俊，纪顺洪，张辉华.自下而上提升组织绩效的主动尝试：基于动态过程视角的工作重塑[J].心理科学进展，2023,31(10):1814-1827.

[19]陈晓东.数字技术与大语言模型时代[N].中国社会科学报，2023-09-05(007).

[20]VAN DIS E A M,BOLLEN J,ZUIDEMA W,et al.ChatGPT:Five priorities for research[J].Nature,2023,614(7947):224-226.

[21]令小雄，王鼎民，袁健.ChatGPT爆火后关于科技伦理及学术伦理的冷思考[J].新疆师范大学学报(哲学社会科学版),2023,44(4):123-136.

[22]GORDIJN B,HAVE H T.ChatGPT:Evolution or revolution?[J].Medicine,Health Care and Philosophy,2023,26(1):1-2.

[23]赵宜萱，赵曙明，栾佳锐.基于人工智能的人力资源管理：理论模型与研究展望[J].南京社会科学，2020,2:36-43.

[24]WRZESNIEWSK A,DUTTON J E.Crafting a job:Revisioning employees as active crafters of their work[J].Academy of Management Review,2001,26(2):179-201.

[25]TIMS M,BAKKER A B.Job crafting:Towards a new model of individual jobredesign[J].SA Journal of Industrial Psychology,2010,36(2):1-9.

[26]BRUNING P F,CAMPION M A.A role-resource approach-avoidance model of job crafting:A multimethod integration and extension of job crafting theory[J].Academy of Management Journal,2018,61(2):499-522.

[27]ZHANG F,PARKER S K.Reorienting job crafting research:A hierarchical structure of job crafting concepts and integrative review[J].Journal of Organizational Behavior,2019,40(2):126-146.

[28]TIMS M,TWEMLOW M,FONG C Y M.A state-of-the-art overview of job-crafting research:Current trendsand future research directions[J].Career Development International,2022,27(1):54-78.

[29]BAKKER A B,OERLEMANS W G M.Daily job crafting and momentary work engagement:A self-determination and self-regulationperspective[J].Journal of Vocational Behavior,2019,112:417-430.

[30]LLORENTE-ALONSO M,TOPA G.Individual crafting,collaborative crafting,and job satisfaction:The mediator role ofengagement[J].Revista de Psicología del Trabajo y de las Organizaciones,2019,35(3):217-226.

[31]ALONSO C,FERNÁNDEZ-SALINERO S,TOPA G.The impact of both individual and collaborative job crafting on Spanish teachers’well-being[J].Education Sciences,2019,9(2):74.

[32]UEN J F,VANDAVASI R KK,LEE K,et al.Job crafting and psychological capital:A multi-level study of their effects on innovative work behaviour[J].Team Performance Management:An International Journal,2021,27(1/2):145-158.

[33]CHENG J C,YI O.Hotel employee job crafting,burnout,and satisfaction:The moderating role of perceived organizationalsupport[J].International Journal of Hospitality Management,2018,72:78-85.

[34]LEHDONVIRTA V.Flexibility in the gig economy:Managing time on three online pieceworkplatforms[J].New Technology,Work and Employment,2018,33(1):13-29.

[35]LEE S H,SHIN Y,BAEK S I.The impact of job demands and resources on job crafting[J].Journal of Applied Business Research(JABR),2017,33(4):829-842.

[36]史燕伟，谢菊兰，王雅妮，等.数字化工作重塑及其对工作绩效的促进作用：基于人-任务-技术匹配视角[J].心理科学进展，2023,31(7):1133-1145.

 

徐燕 | 赤峰学院经济与管理学院。

 

高中华,徐燕.大语言模型驱动下的员工工作重塑机制[J].北京邮电大学学报(社会科学版),2024,26(02):1-11.