返回资源库

核心问题 最新

AI 处理 · 作者审核

披露人工智能参与如何影响对员工创意的支持,何时能减轻这种惩罚?

When GenAI Gets the Credit: Task Non-Routinization Mitigates the Disclosure Penalty for GenAI-Initiated Creations
Dan Zhao, Vivien K.G. Lim, Thompson Teo · International Conference on Information Systems (ICIS) · 2026
配图:披露人工智能参与如何影响对员工创意的支持,何时能减轻这种惩罚?

加载 Spotify 播放器;Spotify 可能会设置 Cookie。本设备将记住您的选择。

主要发现

  • 披露由生成式人工智能发起创意并由员工进行完善,与不披露相比,显著降低了员工被感知的创意荣誉。
  • 披露由员工发起创意并由人工智能进行完善的过程,并未产生创意荣誉惩罚。
  • 员工创意荣誉的降低显著减少了管理者赞助该创意的意愿、实施该创意的意愿以及分配的资金投入。
  • 非常规任务情境通过凸显人类验证、情境化和问责的诊断价值,削弱了披露带来的负面惩罚。

实践启示

CIO / IT 高管

Configure enterprise GenAI tool interfaces by Monday morning to automatically log whether a prompt originated from the human employee or the AI system, capturing the exact workflow sequence before implementation.

IT 经理

Review all pending AI-assisted project submissions on Monday morning to ensure teams explicitly document that the human conceived the core idea and used AI solely for refinement, preventing unjustified credit penalties.

商业战略师

Redesign innovation pipeline submission templates on Monday morning to explicitly frame upcoming creative challenges as highly non-routine, thereby highlighting the diagnostic value of human validation.

研究人员

Design your next experimental protocol on Monday morning to isolate the specific interaction effects between task non-routinization and human-initiated versus AI-initiated workflow sequences.

政策制定者

Draft an update to organizational AI transparency guidelines on Monday morning that differentiates mandatory disclosure requirements based on the workflow's point of origin rather than applying a blanket label.

摘要

本研究探讨了披露员工与生成式人工智能之间的分工如何影响管理层的荣誉归属及对创意的支持。通过涉及388名全职员工和320名在职专业人士的两项情境实验,作者对比了员工主导与人工智能主导的工作流程。该研究评估了创意荣誉的归属如何影响资源分配,以及非常规任务情境是否能减轻披露惩罚。

核心问题

尽管组织日益要求对生成式人工智能的使用保持透明,但披露人工智能的协助往往会对最终的创意成果带来负面惩罚。以往的研究大多将人工智能的使用视为通用的、非此即彼的标签,未能区分是由谁发起创意还是由谁完善创意。因此,管理者和领导者缺乏关于特定的人机协作工作流程和任务环境如何影响管理评估与支持的明确指导。

文稿
Host: 欢迎收听 A.I.S. Insights — powered by Living Knowledge。我是主持人 Anna Ivy Summers。今天我们要讨论一项发表于 2026 年国际信息系统会议(ICIS)上的研究,作者是 Dan Zhao、Vivien K.G. Lim 和 Thompson Teo。这项研究的题目是《当生成式人工智能获得荣誉:任务非常规化减轻生成式人工智能主导创作的披露惩罚》。它主要探讨了在职场中披露员工与生成式人工智能之间的具体分工,会如何影响管理层对员工创意荣誉的评定,以及后续的资源支持。Alex,欢迎你。
Expert: 谢谢 Anna。这项研究针对的是当前许多组织普遍面临的一个现实管理问题。随着生成式 AI 的普及,越来越多的公司倡导透明度,鼓励员工如实说明 AI 的辅助作用。但在实际操作中,披露往往伴随着潜在的负面效应,也就是所谓的“披露惩罚”:一旦管理者知道方案中有 AI 参与,往往会对成果给予较低的评价。
Host: 这确实让不少员工陷入两难:坦白使用技术可能影响评价,不披露又违反透明度要求。这项研究指出了以往认识上的哪些不足?
Expert: 过去的相关研究通常将 AI 协助视为一个非此即彼的整体标签,没有细化工作流程。但在实际业务中,人机协作存在明确的分工差异——究竟是由人类提出核心创意、再交由 AI 完善,还是由 AI 生成初始创意、再由人类进行筛选与调整?为了厘清这种工作流差异对管理层决策的影响,研究团队开展了两项情境实验,样本分别包含 388 名全职员工和 320 名在职专业人士,系统评估了不同披露方式带来的后果。
Host: 那么在这两项实验中,研究发现了哪些关键现象?
Expert: 主要发现有几点。首先,当披露显示创意最初由生成式 AI 发起、随后由员工完善时,相比完全不披露,管理者赋予员工的创意荣誉出现了统计学上的显著下降。然而,如果是员工本人发起原始创意、随后由 AI 进行润色和完善,数据并没有显示出明显的创意荣誉惩罚。
Host: 也就是说,创意的初始发起者是谁,对管理者的心理归因影响很大。那么这种荣誉认定的变化,对企业决策意味着什么?
Expert: 这直接影响了商业资源的分配。数据表明,当员工获得的创意荣誉降低时,管理者支持该创意的意愿、推动方案落地的意愿,以及实际批复的项目预算金额都会显著减少。也就是说,荣誉评定的降低会转化为实质性的资源缩减。
Host: 那么在什么情况下,这种因 AI 发起创意带来的惩罚能够得到缓解呢?
Expert: 这正是研究指出的关键调节变量:任务非常规化。在高度非常规、缺乏固定解决路径且需要应对高度不确定性的任务中,AI 发起创意所带来的披露惩罚被显著削弱。因为在非常规任务情境下,管理者更能意识到人类在现实检验、情境化适配以及最终责任承担方面的关键诊断价值。此时人类的工作不再被视作简单的文字整理,而是不可或缺的验证保障。
Host: 这项研究对于企业管理者和职场专业人士具有很强的实践指导意义。从业务落地的角度看,我们可以采取哪些具体行动?
Expert: 首先,企业在推行 AI 使用规范时,不应只制定宽泛的“一刀切”式披露政策,而应建立细化标准,区分创意发起阶段与后期完善阶段。其次,管理者在评估方案时,应警惕因初始灵感来源而产生的系统性偏差,应重点考量方案在实际商业环境中的可行性与价值,而非机械地削减预算。最后,对于员工而言,如果需要在非常规任务中借助 AI 发起方案,在汇报时应详细展示自己在情境适配、风险校准和可行性验证上的具体工作量,以此明确自身所提供的关键价值。
Host: 了解协作机制与任务环境的互动,能够帮助企业更理性地分配资源,也能让技术透明度真正发挥建设性作用。非常感谢 Alex 带来的深入解析,也感谢各位听众的收听。这里是 A.I.S. Insights — powered by Living Knowledge,我们下期再见。
Artificial Intelligence & Automation Information Systems & Management Human-Computer Interaction Data Analytics & Big Data Digital Transformation & Strategy Cybersecurity & Privacy Cloud & Infrastructure E-Commerce & Digital Platforms Operations & Supply Chain Sustainability & Green IS

Generative AI, Authorship disclosure, Creative credit, Idea endorsement, Task non-routinization, Human-AI collaboration