摘要
组织承诺不仅可以被用于衡量员工的创新绩效，同时也能预测其工作行为。AI 冲击对组织承诺的消极影响现实存在，但二者之间的具体作用路径和边界条件尚不清晰。为明确 AI 冲击对员工组织承诺的影响机制，本文聚焦 AI 应用带来的不确定性工作情境，依据“环境感知—情绪—态度”研究框架，基于工作要求—资源（JD-R）模型和社会交换理论，构建了有调节的中介模型。通过对 337 份问卷样本进行二阶段调研，并采用层次回归和 BOOSTRAP 法，探究 AI 冲击对员工组织承诺的影响机理。结果表明：AI 冲击负向影响组织承诺（持续承诺、规范承诺和情感承诺），工作不安全感在 AI 冲击与持续承诺、规范承诺和情感承诺之间起到中介作用，必要的组织支持会弱化 AI 冲击对工作不安全感的正向影响，并削弱工作不安全感在 AI 冲击与持续承诺、规范承诺和情感承诺之间的中介作用。应关注 AI 及其应用带来的消极环境感知，降低员工因岗位替代、工作资源减少等问题而导致的工作不安感，同时通过加大对员工的 AI 培训等组织支持提升组织承诺。
Abstract
Organizational commitment not only serves as a key indicator of employees’ innovation performance but also predicts their workplace behaviors. While the negative impact of AI shocks on organizational commitment is evident, the specific mechanisms and boundary conditions of this effect remain unclear. To elucidate the impact mechanism of AI shocks on the organizational commitment of employees, this study focuses on the uncertain work environment induced by AI applications. Grounded in the “environmental perception-emotion–attitude” research framework and drawing upon the Job Demands-Resources (JD-R) model and social exchange theory, we construct a moderated mediation model. A two-wave survey of 337 questionnaire samples was conducted, and hierarchical regression analysis along with the bootstrap method was employed to explore the underlying mechanisms. The results reveal that AI shocks negatively affect employees’ organizational commitment, including continuance commitment, normative commitment, and affective commitment. Job insecurity mediates the relationship between AI shocks and these three forms of commitment. Furthermore, organizational support mitigates the positive impact of AI shocks on job insecurity and weakens the mediating role of job insecurity in the relationship between AI shocks and organizational commitment. These findings suggest that organizations should pay close attention to employees’ negative environmental perceptions arising from AI and its applications, mitigate job insecurity caused by concerns over job displacement and reduced work resources, and enhance organizational commitment by increasing AI-related training and support for employees.
Keywords
伴随大数据、智能机器人等相关技术的跨越式发展，人工智能（Artificial Intelligence，AI）正深刻改变着我们的生产与生活。研究表明，AI及其应用不仅塑造员工的劳动过程，造成技术空心化的负面影响（王永跃等，2024），而且对个体的组织承诺也具有消极影响（Brougham & Haar，2018）。新质生产力时代，员工作为知识传播和应用的重要载体已成为企业创新资源的重要构成部分（赵博，2021）。如何保证员工在组织内稳定发展并提升其组织承诺水平，对AI与组织发展等具有重要理论和现实意义。
当前，关于组织承诺的研究多从员工内在价值视角即职场灵性思考其对组织承诺的影响（蔡礼彬和陈正，2016），包括工作意义、团队联系以及价值观契合程度等对组织承诺的作用，鲜有学者从宏观技术下工作情境视角思考其对组织承诺（态度）的影响。作为新质生产力最核心的部分，AI的规模应用，推动着组织变革与流程优化（段海英和郭元元，2018），促使产品质量与竞争能力极大提升（赵剑波， 2020），AI在降低组织生产成本的同时也能提高员工工作或生产效率（Brougham & Haar，2020）、提升企业全要素生产率（任英华等，2023），从而带来经济收益的显著增加（何帆和刘红霞，2019）。虽然AI对社会和企业具有显著的经济效益和价值，但AI也正在以多种方式消极影响组织人力资源管理。例如，AI将创造更多工作角色并给员工带来工作不确定性（Basu et al.，2023）；为降低生产成本，企业更愿意引入AI以取代常规性基础岗位如搬运工、文员等（陈琳等，2024）。AI对员工造成的消极影响不可忽视，因此衡量员工对AI应用后产生的一系列心理或行为反应即员工对AI应用带来不确定性的心理感知由此产生（王涛等，2024），本文称之为AI冲击。具体指员工感知到的AI影响其职业发展的威胁水平（徐广路和王皓天， 2023），包括AI替代个人工作岗位、技能贬值风险与职业晋升担忧等多种影响工作发展的因素，这种威胁来自员工对工作环境不确定性变化的感知，但AI冲击如何影响员工，员工又将对AI冲击产生何种心理、态度甚至是行为反应，值得关注和研究，这对有效应对AI冲击带来的不良影响，提升员工对组织的信任与工作投入尤为重要。
一、 相关研究评述
现有研究表明，AI冲击对员工心理、态度和行为等方面造成消极影响。在心理层面，AI冲击会导致员工产生工作焦虑、抑郁（Brougham & Haar，2018）以及情绪耗竭（Liang et al.，2022）等；在工作态度层面，AI冲击将导致低水平的员工工作满意度（徐广路和王皓天，2023）与较高水平的工作倦怠（Yam et al.，2023），进而增加员工的离职倾向（Li et al.，2019）；在工作行为方面，AI冲击引发离职（Ding，2022）和工作退缩（Teng et al.，2024）等消极工作行为。
组织承诺能够有效地预测和反映员工对组织或工作的付出和忠诚程度（Meyer & Allen，1991），对员工和组织将产生深远影响。一方面，组织承诺在工作可持续性环境与员工创新行为（李根祎，2022）、差序式领导风格与员工建言行为（李晓玉等， 2019）等方面发挥重要影响，还可以调节工作自主性对个体创新行为的正向影响（肖志明，2020）；另一方面，在AI应用背景下，AI冲击可以通过增加工作压力和工作条件感知而影响其工作认同水平（程雅馨等，2023），同时AI冲击也可以通过降低员工组织承诺而增加个人的职业倦怠水平，并且通过组织承诺的中介作用负向影响员工职业能力（Kong et al.，2021）。由此可知，组织承诺作为员工重要的工作态度指标在AI冲击与个人行为和职业发展之间发挥着举足轻重的作用，但现实研究中AI冲击如何影响组织承诺？二者之间的作用机制如何？是否有边界条件？鲜有学者对此给出详尽的说明。因此，开展AI冲击对组织承诺的影响机制研究对企业管理、人才发展以及员工工作行为预测具有重要意义。
工作要求-资源（Job Demands-Resources，JD-R）模型认为，个体的工作状态受到工作要求和工作资源的共同作用（Bakker & Demerouti，2007），当工作要求过高且工作资源不足时，员工可能会经历精神压力或心理疲惫。AI冲击对员工而言可视为一种新型的工作要求并导致其工作资源消耗，包括技能更新压力、工作任务调整以及岗位替代风险等。这些因素会加剧员工对未来职业的不确定感（Basu et al.，2023），这种不确定感伴随着工作要求的增加会持续消耗员工的时间、精力等工作资源，这意味着员工的工作资源受到威胁从而加剧其工作不安全的内在心理体验（张恒等，2023）。工作不安全感（Job Insecurity）是指员工对工作持续或稳定的不确定性感知，这种不确定性常伴随焦虑、不安、恐惧等负面情绪反应（Hellgren et al.，1999）。换言之，除了对失去工作的感知之外，工作不安全感还被视为一种消极的情绪反应（张莉等，2013），即工作不安全感会促使个体担忧恐惧并产生情绪耗竭，从而影响工作态度和行为（Shoss，2017）。社会交换理论认为，个体与组织之间的互动可以看作是一种交换关系（Blau，2017），个体态度和行为受到组织提供的资源与支持的影响。其中员工投入的工作资源包括努力、忠诚等，而组织则提供回报如薪酬、认可等。若员工感知到组织的工作资源如培训、职业发展机会等，他们更可能表现出较高的组织承诺；反之，若员工感知到组织未能提供足够的资源，其工作不安全感将加剧，从而削弱其组织承诺（Elst et al.，2011）。组织支持是指员工对组织关心其福祉、重视其贡献程度的感知（Eisenberger et al.，1986），当员工认为组织提供了工作资源如晋升、工作保障等时，他们会感受到更高的支持，并认为组织是在履行一种社会交换契约。互惠原则（Gouldner，1960）表明个体在接受到资源或帮助后，会倾向于以某种方式进行回报，即个体可以通过提升工作绩效和减少离职等消极工作行为作为直接互惠方式，也可以通过帮助同事促进团队合作等间接互惠方式回馈组织（Cropanzano & Mitchell，2005）。组织支持可以帮助员工更好地理解或感受来自组织的资源和支持，从而提高角色绩效并降低退缩行为（Hngoi et al.，2023）。值得注意的是，与AI冲击相关的概念主要有AI认知评估和AI威胁感知两种。AI认知评估从员工所在组织的环境出发，探讨AI如何影响员工对未来职业发展前景的感知 （Brougham & Haar，2018），员工对AI的感知可以分为挑战性和阻碍性两种认知评估，对个体行为产生消极或积极影响（Ding，2022）；AI威胁感知侧重员工对组织使用AI所带来消极影响的不确定性感知，更关注AI带来的技术威胁（徐广路和王皓天，2023），故本文的AI冲击主要倾向于后者。
综上，本文基于JD-R模型和社会交换理论，构建“环境感知→情绪→态度”的逻辑链条。JD-R模型解释了AI冲击如何通过增加工作要求和减少工作资源，加剧员工的工作不安全感，而社会交换理论则揭示了工作不安全感如何影响员工的组织承诺，并强调组织支持的调节作用。这一整合框架不仅能够更系统地解释AI冲击的影响机制，也为未来研究提供探讨个体和组织互动的理论视角。
二、 理论基础与研究假设
（一） AI 冲击与组织承诺
组织承诺是一种重要的员工态度变量，表明员工对所属组织的认可水平以及继续保持个体成员资格的意愿程度，其本质是员工对组织发展目标与价值导向的内在认同，具有持续性、情感性和规范性特点（Allen & Meyer，1990）。组织承诺的持续性即持续承诺表明，员工会依据当前组织环境或工作条件判断自己是否应该离开组织以及离开组织的成本个人是否能够承担，因此持续承诺常被认为是员工因成本过高或工作机会较少等原因而无法离开组织的预测指标。组织承诺的情感性即情感承诺是指员工对所在组织的情感认同和工作投入程度，当员工体会到组织赋予的丰富资源和发展机会时，便会认为当前的组织环境是安全且稳定的，这会加深其对组织的情感归属和依附；组织承诺的规范性即规范承诺则认为，员工具有按照组织的要求履行其应尽工作职责的义务，但这种责任和义务依赖组织给予的稳定工作环境或充足的工作资源 （李根祎，2022），当组织稳定且持续的工作环境被打破时，员工感受到工作资源受到威胁，则会对组织丧失回馈和忠诚。
一方面，AI会促成诸多行业底层逻辑转变（胡易容，2023），以简单劳动为主的工作岗位乃至部分以脑力劳动为主的工作岗位将逐渐被AI所替代，造成“技术性失业”（Atack et al.，2019），而工作岗位减少、职业更替和产业结构优化也进一步使劳动者面临更高的职业替代风险（邹勇等，2023）；另一方面，工作稳定性对员工而言是重要的工作特征，所以劳动者对AI应用导致自身职业被替代的感受程度即 AI冲击会对当事人的心理与行为产生消极影响（Teng et al.，2024）。研究表明，AI 为劳动力市场提供更多工作机会，致使个人可以寻求更广阔的职业发展平台（Basu et al.，2023），当个体对AI产生较大的威胁感知时，AI冲击会促使个体放弃原有岗位从而寻求新的工作机会，故长期看，个体的职业稳定性即持续承诺将会下降；由于 AI给员工带来工作不确定性感知（王涛等，2024），员工在学习新技术所要求的技能和知识时会产生显著压力，其原有的工作幸福感被严重减弱，故个体将产生抵触和抑郁心理（Brougham & Haar，2020），从而导致情绪耗竭（Liang et al.，2022）并降低对组织的情感依附即情感承诺；相较于员工而言，AI可以在更大范围的岗位上从事更长时间的劳动，故员工原有的岗位要求将被提高以致于造成较大的心理压力，这种心理压力会促使个体认为组织没有履行与自己的工作约定，从而造成心理契约违背 （Braganza et al.，2021），故员工也将采取消极工作行为如不遵守组织规范或降低对组织的规范承诺（Teng et al.，2024），停止对组织做出回馈。AI冲击引发较低的组织认同、工作满意度及犬儒主义（徐广路和王皓天，2023），从而影响员工的变革支持意愿并降低组织承诺水平（Yam et al.，2023），故本文认为AI冲击负向影响组织承诺。据此，提出以下假设：
H1：AI冲击负向影响组织承诺。即AI冲击越强，组织承诺水平就越低。
H1a：AI冲击负向影响持续承诺。即AI冲击越强，持续承诺水平就越低。
H1b：AI冲击负向影响规范承诺。即AI冲击越强，规范承诺水平就越低。
H1c：AI冲击负向影响情感承诺。即AI冲击越强，情感承诺水平就越低。
（二） 工作不安全感的中介作用
根据JD-R模型（Demerouti et al.，2001），AI的规模应用对员工心理和行为的影响存在增益路径和损耗路径的“双刃剑”效应。就增益路径来说，AI有助于改善组织工作环境、优化工作流程（Craig et al.，2019），丰富员工工作内容乃至提升其工作绩效（王才等，2019）。但就损耗路径而言，AI的应用会造成员工的工作技能要求提高（程雅馨等，2023）及职业地位降低（Mirbabaie et al.，2022）等风险，AI冲击也加剧员工工作要求提高、工作技能不适用、工作收入降低以及组织地位下降等工作资源的损失和消耗感知（徐广路和王皓天，2023）。工作不安全感表明员工对当前工作的持续性与未来发展不确定性的担忧水平（Hellgren et al.，1999），包括对工作数量即工作是否会被替代与工作质量即工作是否会得到薪酬激励和职位晋升等方面的担忧（胡三嫚，2012），是员工心理紧张情绪压力的来源（Debus et al.，2012）。另外，组织能提供资源的多少是影响员工组织承诺的重要因素（覃大嘉等，2018），由于工作不安全感会带来心理紧张情绪，在工作资源短缺的情况下，员工紧张情绪无法消除会引发其满意度下降和离职意愿（Kraimer et al.，2011），因此，员工会在心理上产生退缩机制，选择规避行为及降低个人组织承诺水平（Elst et al.，2011），故本文认为工作不安全感将在AI冲击与组织承诺之间起到中介作用。
依据社会交换理论，员工之所以对组织具有较高的组织承诺是由于组织与员工之间的价值交换关系，即当员工认为组织给予了自己充足的安全保障和公平待遇时，其会做出积极的价值反馈并加深对组织的认同感（游浚等，2014），员工体会到较高工作不安全感时，便会认为组织破坏了双方的契约，继而可能采取消极工作行为以及降低组织承诺作为回报从而阻碍价值交换（Anand et al.，2023）。换言之，工作不安全感会促使员工产生不公平感，认为组织未能履行隐性契约而产生心理契约破裂（胡三嫚，2012），当心理契约未被兑现时，个体则会丧失对组织的信任和满意度，从而降低其情感承诺和规范承诺（Meyer & Allen，1991）。据此，提出以下假设：
H2：工作不安全感在AI冲击与组织承诺之间发挥中介作用。
H2a：工作不安全感在AI冲击与持续承诺之间发挥中介作用。
H2b：工作不安全感在AI冲击与规范承诺之间发挥中介作用。
H2c：工作不安全感在AI冲击与情感承诺之间发挥中介作用。
（三） 组织支持的调节作用
组织支持能够帮助员工应对AI冲击带来的工作资源紧张困境，并且组织支持所带来的工作资源具备极高的积极动能性（Hobfoll et al.，2018），可以使员工避免消极工作因素以降低不安全的感受。当员工感受到组织支持时，会对组织产生积极的心理感受以及正向的看法和信念，从而为实现组织目标做出积极反馈的行为（王明辉等，2021）。值得注意的是，基于AI工作情境的特殊性，工作场所的人机协作被日益关注。研究表明，虽然AI蓬勃发展，但AI却无法完全取代员工，因为人是AI 工作环境下影响组织从技术进步中获得价值的重要影响因素（Charalambous et al.，2015）。由于个体在人机协作过程中会感受到现实威胁和身份威胁（Zł otowski et al.，2017），因此组织需要投入更多资源或支持以适度提高个体对AI的信任度，包括 AI的可靠性和故障率等（Hancock et al.，2011），从而加强人机协作以提高组织生产效率。组织支持可以让员工在AI工作情境下提升安全感并加深对AI知识的学习程度，从而促使个体主动参与人机协作并提高对组织的认可（杜辉和毛基业，2022）。故本文认为，组织支持可以有效地缓解AI冲击对工作不安全感的影响。
具体来说，当组织无法给予员工充足尊重或资源保障时，AI冲击带来工作资源紧张的工作压力将愈加明显，从而不安全感则更为突出，尤其当组织缺乏给予员工相应的肯定、重视与福利关怀时，员工会因工作资源紧张而产生不安全感，并产生消极情绪从而进一步减弱组织与员工之间的工作联系（任迎伟等，2021）。高组织支持度表明，员工被组织认可或尊重，会促使员工对其心理资源消耗进行及时的价值补充，以缓解工作资源紧张带来的压力和负面心理感受（李嘉等，2015）。据此，提出以下假设：
H3：组织支持负向调节AI冲击与工作不安全感之间的关系。即组织支持度越高，AI 冲击对工作不安全感的正向影响越弱，反之越强。
（四） 有调节的中介模型
更进一步地，当组织支持度比较高时，员工面对AI冲击时会产生较低的工作不安全感，从而对其持续留在组织的意愿、为组织贡献个人努力的程度以及对组织情感依赖的消极影响也将趋于减弱。反之，工作不安全感在AI冲击与组织承诺及其维度之间的中介作用则相应增强。由此，在H2和H3基础上，提出以下假设：
H4：组织支持负向调节工作不安全感在AI冲击与组织承诺之间的中介效应。
H4a：组织支持负向调节工作不安全感在AI冲击与持续承诺之间的中介效应。
H4b：组织支持负向调节工作不安全感在AI冲击与规范承诺之间的中介效应。
H4c：组织支持负向调节工作不安全感在AI冲击与情感承诺之间的中介效应。
综上，本文提出如下研究模型（图1）。
图1研究模型
三、 研究设计
（一） 研究样本及调研说明
本文所用数据均通过问卷调查方法获取，具体分为两次问卷调研：在预调研阶段，在线发放问卷170份，得到问卷160份，剔除无效问卷，得到有效问卷147份，预调研阶段问卷的有效回收率为86.5%。使用SPSS 26.0对预调研数据进行分析，各量表的Cronbach’s α系数最低为0.894，最高为0.943，问卷整体信度为0.960，信度较高；问卷整体的KMO值为0.948，巴特利特球形检验p<0.001，预调研数据表明所用问卷具有较高的信度与效度。
正式调研阶段，采用Credamo（见数）互联网专业平台开展问卷调查。Credamo 作为国内外常见的第三方调研平台已得到核心期刊的认可（Liang et al.，2022），拥有国内注册样本超过300万，并且可以针对研究需要进行多期追踪调查，通过对数据库样本合适人群的精准推送，可以实现高效的多阶段问卷追踪调查。为了控制样本的同源偏差问题，采用二阶段问卷调查方法进行正式数据的收集工作：①阶段一（T1），通过设置有效样本报酬即1至100元随机红包进行数据集市的问卷投放工作，共计收到样本300份，删除不合格样本后剩余255份，问卷的有效回收率为85%。T1阶段调研变量主要涉及控制变量（性别、年龄、工作年限、学历以及单位性质）、 AI冲击以及组织支持。②阶段二（T2），与T1阶段间隔4周，通过向T1阶段的255份样本对象进行样本库精准推送的问卷服务，同时设置随机红包1至50元，收到样本200 份，样本回收率为78.4%，数据整理后得到有效样本190份，T2阶段收集变量为工作不安全感与组织承诺（持续承诺、规范承诺及情感承诺）。经过T1与T2阶段问卷调研后，样本的有效回收率为74.5%。
为了确保数据的科学性，开展关于预调研和正式调研样本之间的差异性检验。在人口学特征方面，对两组样本的性别、年龄、学历、工作年限、行业分布变量进行了卡方检验，结果显示两组样本在此类变量上的最小皮尔逊卡方显著性p=0.149>0.05，不存在显著差异。在核心变量方面，采用Mann-Whitney U检验进行差异性分析，结果显示预调研与正式调研的AI冲击水平中位数分别为4.121（3.872，4.369）、4.013（3.762，4.265），工作不安全感中位数分别为2.980（2.735，3.225）、3.143（2.857，3.286），组织承诺中位数分别为3.200（2.950，3.450）、3.267（3.133，3.332），组织支持中位数分别为4.167（3.923，4.412）、4.333（4.000，4.500），两组间进行非参数Mann-Whitney U检验结果的最小显著性p=0.141>0.05，不存在统计学意义，可认为两组样本在核心变量上不存在统计学差异，故将预调研样本与正式调研样本合并，最终有效样本为337份。
样本特征显示，被试者来自全国多个省份，包括安徽、广东、山东及湖南等，所在行业以制造业、交通运输业以及互联网等行业为主，作为AI技术应用较为广泛的领域，员工在这些行业中承担较多的高认知需求和创造性工作，拥有较高的学习自主性、技术适应性（吕荣杰和李颖，2020），面临更为显著的AI影响（王永跃等，2024）。性别方面，男性占42.7%、女性占57.3%；年龄方面，25岁及以下占 15.4%、26至30岁占27.9%、31至40岁占41.2%、41至50岁占9.8%、50岁以上占 5.7%；学历方面，专科及以下学历占20.2%、本科学历占57.5%、硕士及以上学历占 22.3%；从工作年限看，工作5年及以内人数占25.8%、工作6至10年人数占43.3%、 11年及以上工作年限占30.9%；单位性质方面，私营企业占43.2%、外企占28.1%、国有及事业单位等占28.7%。
（二） 变量及测量
调查问卷所用量表均为见诸于国内外核心期刊的成熟量表并已被多次应用，主要采用李克特式5点计分法进行计分，1~5分别表示“非常不同意”“不同意”“不确定”“同意”以及“非常同意”。
AI冲击。采用Brougham&Haar（2018）编制的量表，共4个题项，如“就个人而言，我担心目前的工作内容有朝一日会被人工智能取代”等。本研究中，该量表的 Cronbach’s α值为0.740，信度可接受（安胜利和陈平雁，2001）。
工作不安全感。采用Hellgren et al.（1999）编制的量表，共7个题项，如“我对不久的将来失业感到不安”等，其中第4至7题为反向计分。本研究中，该量表的 Cronbach’s α值为0.864。
组织支持。从员工角度以组织支持感表征，采用刘智强等（2015）针对实际的研究样本具体改编而得到的量表版本，共6个题项，如“公司顾及了我的利益”等。本研究中，该量表的整体Cronbach’s α值为0.828。
组织承诺。采用Meyer & Allen（1991）编制、后经乔坤等（2009）翻译和本土化开发后形成的量表。该量表分为持续承诺、规范承诺和情感承诺3个子量表，第 1至6题表示持续承诺、第7至11题表示规范承诺、第12至15题表示情感承诺。如： “我非常关心企业发生的一切”等，共计15个题项，其中第1至6题为反向计分。本研究中，该量表总体的Cronbach’s α值为0.932。
控制变量。借鉴已有对AI冲击与组织承诺的相关文献研究，分别选取性别、年龄、学历及工作年限作为基本控制变量，同时，考虑到员工的组织承诺可能受其单位性质的影响而有所差异（朱仁宏和李萧玮，2022），故增加单位性质作为控制变量。
四、 数据处理与分析
（一） 共同方法偏差及区分效度检验
为避免可能的同源偏差问题，采用Harman单因素方法进行数据检验，结果显示未旋转的第一个特征根大于1的最大因子方差解释度为32.462%，未达到40%，表明本文所涉及样本的同源偏差问题可以忽略。
使用M-PLUS 8.3软件对AI冲击、工作不安全感、组织支持、持续承诺、规范承诺及情感承诺等6个变量进行验证性因子分析，相应结果在表1列示。六因子模型的各项拟合指标优于其他竞争模型且符合标准（χ2 =559.875，χ2 /df=1.247<3， RMSEA=0.027<0.08，SRMR=0.037<0.08，CFI=0.978>0.9，TLI=0.975>0.9），表明六因子模型的各变量之间具有较好的区分效度。
表1区分效度检验结果
注：AI表示AI冲击、JI表示工作不安全感、OS表示组织支持、OCP表示持续承诺、OCG表示规范承诺、OCQ表示情感承诺，下表同；“＋”表示不同因子合成一个因子。
（二） 描述性统计和相关性分析
根据表2的统计结果，AI冲击分别与持续承诺（r=-0.459，p<0.01）、规范承诺 （r=-0.580，p<0.01）、情感承诺（r=-0.609，p<0.01）和组织支持（r=-0.152， p<0.01）呈现显著负相关关系，与工作不安全感（r=0.247，p<0.01）显著正相关，工作不安全感与持续承诺（r=-0.404，p<0.01）、规范承诺（r=-0.389，p<0.01）、情感承诺（r=-0.400，p<0.01）显著负相关，上述结果初步支持本文提出的主要假设。此外，各变量的方差扩大因子（Variance Inflation Factor，VIF）值最大不超过 2，容差最小不低于0.8，表明各变量之间不存在共线性问题（朱钰等，2020）。
表2各变量的描述与相关性分析
注：对角线加粗数值为各变量Cronbach’s α的值；**、*分别代表p<0.01、p<0.05。
（三） 假设检验
使用SPSS 26.0进行各假设的回归分析，通过使用PROCESS程序中BOOSTRAP 方法进行中介效应、调节效应及有调节的中介效应检验，结果见表3至表6。
1. 主效应检验
使用层级回归方法对各假设进行分析，根据表3（模型2、模型5与模型8）可知， AI冲击对持续承诺、规范承诺以及情感承诺的非标准化回归系数分别为β=-0.406、β=-0.476以及β=-0.525，且负向影响均显著（p<0.001），表明AI冲击会导致持续承诺、规范承诺以及情感承诺的降低，故H1a、H1b、H1c成立。
表3直接效应与中介效应检验
注：***、**、*分别代表p<0.001、p<0.01、p<0.05，“Δ”表示变化量。
2. 中介效应检验
表4的模型11表明，AI冲击在0.001显著水平上对工作不安全感产生正向影响，影响效应值为0.212。将中介变量与自变量同时向因变量做回归分析，表3结果显示 （模型3、模型6及模型9），在工作不安全感对持续承诺（β=-0.291，p<0.001）、规范承诺（β=-0.217，p<0.001）以及情感承诺（β=-0.236，p<0.001）均呈现负向显著影响的同时，AI冲击对持续承诺（β=-0.344，p<0.001）、规范承诺（β=-0.430， p<0.001）以及情感承诺（β=-0.457，p<0.001）同样也呈现负向显著影响，故中介效应存在，H2a、H2b、H2c得以支持。
表4中介和调节效应检验
注：OC表示OCP、OCG及OCQ取均值后的组织承诺，“×”表示变量交乘，“Δ”表示变化量，***、**、*分别代表p<0.001、p<0.01、p<0.05。
在此基础上，进一步使用PROCESS v4.0程序的BOOTSTRAP方法验证中介效应，在限定控制变量后，分别将持续承诺、规范承诺以及情感承诺作为因变量、AI 冲击作为自变量、工作不安全感作为中介变量代入程序分析，结果（表5）显示，AI冲击通过工作不安全感对持续承诺、规范承诺及情感承诺影响的间接效应值分别为-0.051、-0.041及-0.046，95%置信区间分别为[-0.093，-0.018]、[-0.076，-0.016]与[-0.084，-0.018]，均不含0，故H2a、H2b、H2c得以验证。
表5中介效应的 BOOTSTRAP 方法检验
注：N=337，BOOTSTRAP抽样次数5000。
3. 调节效应检验
为验证组织支持在AI冲击与工作不安全感之间潜在的调节作用，在对自变量（AI 冲击）与调节变量（组织支持）中心化处理的基础之上进行交乘项设定。根据表4（模型13），AI冲击与组织支持的交乘项对工作不安全感具有显著负向影响（β=-0.152， p<0.01），表明组织支持负向调节AI冲击与工作不安全感之间的正向关系，H3得以支持。
为了更加直观地展示调节效应，进一步绘制简单斜率分析图（图2），分别在高调节变量（M+1SD）与低调节变量下（M-1SD）观察自变量对因变量的实际影响情况。如图2所示，在组织支持处于较低水平时，伴随着AI冲击力度的提高，工作不安全感会显著加大（ β=0.217， p<0.001，95%置信区间 [0.123，0.312]），而当组织支持处于较高水平时，伴随着AI冲击的提高，工作不安全感则相对稳定（ β=0.010， p<0.001，95%置信区间 [-0.086，0.107]），再次印证了组织支持在AI冲击与工作不安全感之间的调节作用。
图2组织支持在 AI 冲击与工作不安全感之间的调节效应
4. 有调节的中介效应检验
参考Hayes & Scharkow（2013）提出的建议，通过PROCESS程序检验工作不安全感在AI冲击与组织承诺三个维度之间的中介作用是否受到组织支持的调节。具体地，分别将持续承诺、规范承诺及情感承诺作为因变量代入程序，结果显示（表6）：高组织支持时，AI冲击通过工作不安全感对持续承诺影响的效应值为-0.004， 95%置信区间为[-0.048，0.027]，包含0，但在低组织支持时，AI冲击通过工作不安全感对持续承诺影响的效应值为-0.080，置信区间为[-0.137，-0.027]，不含0，并且高低组织支持水平下影响差异显著（效应值为0.076，95%置信区间为[0.006， 0.134]，不含0），组织支持调节AI冲击通过工作不安全感对持续承诺的中介效应显著（效应值为0.068，95%置信区间为[0.005，0.117]，不含0），故H4a得以验证。同理，在高组织支持时，AI冲击通过工作不安全感对规范承诺、情感承诺影响不显著（效应值为-0.003、-0.004，95%置信区间为[-0.037，0.024]、[-0.042，0.025]，包含0），在低组织支持时，AI冲击通过工作不安全感对规范承诺、情感承诺影响显著（效应值为-0.065、-0.073，95%置信区间为[-0.112，-0.020]、[-0.121，-0.025]，不含0），并且高低组织支持水平差异时，AI冲击通过工作不安全感对规范承诺、情感承诺影响显著（效应值为0.062、 0.069，95%置信区间为 [0.004，0.113]、[0.006， 0.122]，不含0），组织支持调节AI冲击通过工作不安全感对规范承诺、情感承诺的中介效应显著（效应值为0.056、0.062， 95%置信区间为[0.004， 0.101]、[0.005，0.110]，不含0），故H4b与H4c同样得以验证。
表6有调节的中介作用 BOOTSTRAP 检验结果
注：N=337，BOOTSTRAP抽样次数5000。
（四） 补充结果分析
为了从整体上检验AI冲击是否对组织承诺有影响，并验证工作不安全感在AI冲击与组织承诺之间的中介作用，在原有检验方法基础之上，将持续承诺、规范承诺以及情感承诺取均值后得到组织承诺变量并代入回归，分析结果显示（表4，模型 15），AI冲击对组织承诺（β=-0.519，p<0.001）负向影响显著，故H1得以成立。同样，将持续承诺、规范承诺以及情感承诺取均值后纳入回归，表4结果显示，加入工作不安全感变量（模型16）后AI冲击对组织承诺（β=-0.459，p<0.001）、工作不安全感对组织承诺（β=-0.280，p<0.001）呈现显著负向影响，故工作不安全感的中介作用存在，由此H2得到支持。相应地，将组织承诺作为因变量代入PROCESS 程序，分析结果（表5）显示，工作不安全感在AI冲击与组织承诺之间的间接效应值为-0.046，95%，置信区间为[-0.083，-0.018]，不含0，故H2得以验证。由表6可知，AI冲击通过工作不安全感对组织承诺的间接效应在高组织支持度时不显著（间接效应值为-0.003，95%置信区间为[-0.043，0.025]，包含0），但在低组织支持度时显著（间接效应值为-0.073，95%置信区间为[-0.121，-0.026]，不包含0。），并且高低水平组织支持度差异时显著（间接效应值为0.069，95%置信区间为[0.005， 0.120]，不包含0），组织支持调节AI冲击通过工作不安全感对组织承诺的中介效应显著（效应值为0.062，95%置信区间为[0.006，0.107]，不含0。），故H4得到验证。
最后，使用M-PLUS 8.3软件对本文构建有调节中介模型进行整体的路径分析，如图3所示，AI冲击对组织承诺的直接影响路径（β=-0.530，p<0.001）显著存在，且通过工作不安全感 （β=0.197，p<0.001）进而影响组织承诺（β=-0.315， p<0.001）的中介路径同样也显著存在，组织支持对 AI冲击与工作不安全感的调节效应路径（β=-0.155， p<0.01）同样显著。
图3模型路径分析图
注：β表示标准化回归系数，**表示p<0.01，***表示p<0.001，括号中数值为标准误值。
五、 结论与讨论
（一） 研究结论
第一，AI冲击对持续承诺、规范承诺以及情感承诺产生负向影响。第二，伴随AI的应用，员工会面临工作岗位替代、工作技能要求增加以及工作资源减少等不可忽视的问题，AI冲击情境之下的工作安全受到威胁，造成员工心理资源过度消耗，从而进一步促使其产生工作不安全感，而工作不安全感则引发持续承诺、规范承诺及情感承诺水平的降低。第三，组织支持会削弱AI冲击对工作不安全感的正向影响，同时也会削弱AI冲击通过工作不安全感对持续承诺、规范承诺及情感承诺的消极影响。第四，以上相关结论在将持续承诺、规范承诺及情感承诺三个维度整合成组织承诺后依旧成立。
（二） 理论贡献
第一，完善了AI冲击与员工工作态度之间的研究内容。现有研究中关于AI冲击的研究主要集中在对员工学习行为（邹勇等，2023）或组织变革意愿的影响（Teng et al.，2024）等方面，缺乏对员工工作情绪、态度的详细刻画，而本文发现AI冲击导致员工工作情绪和工作态度发生深刻变化，即本文认为对AI冲击的结果研究应基于“环境感知→情绪→态度”的框架展开，从而聚焦AI冲击对员工行为前的变量如工作不安全感及组织承诺的影响，更进一步地也为AI冲击领域今后的研究梳理并构建了完整逻辑框架。
第二，明确了AI冲击对组织承诺的影响路径。关于AI冲击对员工工作行为的前因影响研究中，针对员工态度的研究较少，与强调自我特征认知的组织认同有差异的是（程雅馨等，2023）组织承诺更关注员工对其所在组织的忠诚和认可，是影响员工偏离等消极工作行为的直接原因（郭晟豪和萧鸣政，2017）。本文基于工作要求-资源（JD-R）模型搭建了AI冲击对员工情绪变量即工作不安全感的影响路径，同时结合社会交换理论发现其对员工态度变量即组织承诺具有显著影响，所以从员工情绪与态度维度打开了AI冲击对组织承诺的影响“黑箱”，一方面是对Brougham & Haar （2018）关于AI冲击如何影响员工工作态度等相关研究结果的呼应和拓展，另一方面，也为完善AI冲击对组织承诺的研究提供必要的文献支持，同时，这一研究成果也从员工态度的视角，为当前关于AI应用对企业常规用工需求产生消极影响的研究提供了理论支持（陈琳等，2024）。
第三，揭示了组织支持在AI冲击与组织承诺及其三个维度之间的调节作用。当前关于AI冲击的边界条件研究主要集中在员工对工作环境的威胁感知或对工作条件感知 （程雅馨等，2023），而将来自组织的支持作为边界条件的研究并不多见，不可忽视的是，组织支持作为来自企业层面的外部资源，不仅可以及时帮助员工应对消极工作心理（任迎伟等，2021），而且也能使其全方面感受来自组织、领导与同事的帮助，从而更有利于抵消AI冲击带来的消极心理感受。因此，本文在拓展了AI冲击影响边界的同时也丰富了组织支持的研究内容。
（三） 管理启示
第一，高度重视AI冲击的影响并提高员工适应能力。客观而言，AI的规模应用利弊兼有，既有助于组织流程优化、技术升级、效率改善乃至组织绩效提升，也可能对员工造成巨大冲击，并引发情绪、态度与行为方面的负面反应。从这个意义上说， AI的应用成功与否一定程度上取决于对其潜在负面效应的管理程度，即管理AI冲击相较发挥AI的价值同等甚至更为重要。因此，组织需高度重视AI造成的冲击感受，要采取必要的应对措施，比如提供必要的组织工作资源，开展专项AI应用知识宣讲等活动，提高员工对新技术和新设备的认知水平与使用能力，避免出现因对技术陌生或恐惧而产生不安全感。
第二，重点提高员工工作安全感并加强心理疏导。鉴于AI冲击现实存在且难以避免，管理者需要积极地采取应对措施，尽可能降低AI应用对员工造成的负面影响。一方面，为员工提供必要的心理疏导，缓解AI冲击造成的情绪压力，比如建立内部沟通制度，与员工保持密切互动或联系，倾听员工的心声与诉求等；另一方面，也需要为员工配备日常工作必要的软硬件支持，解决员工实际的工作难题，尤其是对AI应用带来的更高的技术要求，应给予针对性的工作指导与帮助。
第三，加大对员工的AI培训与工作资源投入以提升组织支持。在AI快速渗透工作情境的背景下，员工普遍面临技能不确定性、角色模糊及职业身份危机等问题。有效缓解AI冲击带来的工作不安感，组织亟须提升支持水平。一方面，应开展关于AI知识及技能的系统化培训，提升员工与AI之间的工作适配水平从而降低员工对AI的排斥与恐惧。另一方面，也需要为员工提供更多的AI学习资源或职业发展保障，如为员工提供免费的在线学习平台和灵活的内部学习机会，促使员工感受到来自组织各个维度的工作资源支持，从而降低不安全感。此外，也可以通过构建清晰透明的内部沟通机制，确保与员工之间在AI相关的政策、要求等信息方面实现高效传递，避免因沟通不畅出现理解偏差。
（四） 研究局限与展望
首先，虽然本文从企业及员工视角出发，探讨AI冲击对员工组织承诺的影响机制与边界条件，但关于企业的组织支持等变量数据均来自员工自评的方式进行数据获取，在数据来源多样性方面存在一定局限，未来的研究可考虑跨层方式进行数据收集，从而进一步降低同源偏差等问题。其次，仅从组织支持的角度思考AI冲击对组织承诺的调节效应，未来也可以从管理者视角如领导胜任力、领导风格等方面继续探讨 AI冲击的边界条件。最后，虽然本文提出应基于“环境感知→情绪→态度”的研究框架开展AI冲击对员工行为的研究，但由于研究时间和成本的限制，并未对AI冲击如何影响员工行为展开具体讨论，故未来可在现有研究框架基础之上继续开展对员工工作行为研究（如员工主动性行为等），以期丰富和完善AI冲击的结果研究。