当AI成为同事：职场权力重构与数字自信

本文来自微信公众号： 清华管理评论 ，责任编辑：高菁阳，作者：马君 、李乐，原文标题：《原创 | 当AI成为同事：职场权力重构与数字自信》

当AI以同事之姿重构职场权力图谱时，高关联领域的算法优势触发员工防御性嫉妒的本质，是能力重叠度与自我效能感的认知博弈，而低关联领域的技术赋能通过反射效应激活价值共创，揭示了人机协作的共生密码。唯有以“人类定义AI边界、AI拓展人类可能”的数字自信打破零和思维，方能破解这场由算法镜像引发的职场心理与权力格局的深层变革。

年初，由复旦大学附属中山医院携手上海科学智能研究院共同研发的“AI心医生”——观心大模型CardioMind beta版正式发布。中国科学院院士、中山医院心内科主任葛均波表示：“我们能教会AI像顶尖专家一样思考。”该模型整合了多模态诊疗数据与顶尖医生经验，实现了从病史采集到辅助诊断的全流程智能化，标志着AI技术在垂直医疗领域的重大突破。另据《人民日报》客户端报道，国内多家医院宣布完成DeepSeek大模型的本地部署，打造覆盖诊疗全流程的智能辅助系统，AI医生正式“持证”上岗，参与分诊、问诊、检查、诊断、治疗、取药、康复的完整流程。依托顶尖科研团队开发的医学大语言模型，AI医生通过深度学习与知识图谱技术实现持续自主进化，这不仅预示着医疗行业即将迈入“硅基生命体”与“碳基生命体”协作的新纪元，更悄然改写着医院内部的权力图谱——当AI医生开始参与科室会诊、治疗方案决策，且全年无休，随时待命，传统意义上“主任医师”的权威性正面临算法的挑战。

麦肯锡发布的《未来的新工作：在欧洲及全球部署人工智能和提升技能的竞争》（A New Future of Work:The Race to Deploy AI and Raise Skills in Europe and Beyond）揭示了这一变革的深远影响。报告指出，自动化替代与技能需求的结构性转变，不仅重塑了人机协同的新模式，还引发了组织架构的“去中心化”地震。如在金融领域，大多公司的AI量化模型获得了拥有投票权的投资决策委员会成员身份；在法律领域，AI法律意见书的采纳率甚至远超骨干律师。硅基同事的出现，不仅带来了绝对理性的决策逻辑和永续在线的待机状态，更以它们永不要求股权激励的“圣人属性”，对人类员工的职场地位构成了严峻挑战。

面对这位“数字竞争者”，人类员工的情绪光谱可能远非是将AI同事妖魔化为“永不犯错的怪物”，嘲笑它们不会共情，或者干脆拔掉电源那么简单。值得思考的是，人类是否会像嫉妒人类同事一样，对AI同事产生排斥与敌意？这种复杂的情绪，不仅深刻影响组织生态，重塑职场权力格局，更事关企业AI本地化部署的态度。

从人际到人机：

社会规则是否会迁移到AI交互中

嫉妒的本质是自尊受到威胁，而人类自尊始终依赖于社会比较机制。当AI以“同事”身份进入职场，人类会与它们进行比较吗？这个问题看似荒诞，却是不争的事实——人类不仅会与AI同事比较，而且可能比人与人之间的比较更频繁——算法的绝对优势正在解构社会比较的原始逻辑，如果对此视而不见，人机社会比较可能会碾压个体的职业尊严。

早在1996年，美国学者巴伦·李维斯（Byron Reeves）和克利夫·纳斯（Clifford Nass）就开展了一项研究，试图回答当人类与计算机等非生命体进行交互时，是否会将人际的社会规则迁移到人机互动中。

参与者被随机分为两组，在完成计算机任务后，一组在同一台计算机上对计算机性能进行评价，另一组则在另一台计算机上进行评价。数据显示，当评价与操作在同一台计算机上进行时，参与者给出的评价更积极，且评价结果的离散程度更低。这表明，在文本交互场景下，人们会无意识地遵循社会规则，形同人与人之间的面对面，对当面评价的计算机要比在背后评价的计算机表现出更友好的态度。为增强实验的生态效度，研究者引入了语音交互模式。参与者通过语音与计算机互动，并在不同计算机上进行评价。与上一个实验结果一致，当评价与操作在同一台计算机上进行时，参与者表现出更积极的评价倾向，且评价结果更为一致。为探究社会规则迁移的机制，研究者开展了第三项实验，通过赋予计算机更人性化的语音和界面，增强了其“社会临场感”，并观察这种变化对互动方式的影响。其结果仍然支持社会临场感迁移假说，形成类似“当面评价更趋礼貌”的社会行为模式。

这一系列研究揭示了一个关键事实：在人机互动中，人类会本能地将计算机等媒介视为“社会行动者”（Social Actors），并对其应用与人际互动相同的社会规则。这种社会规则的迁移并非完全依赖于媒介的拟人化程度，而是源于人类无意识地将计算机视为社会实体，期待与其建立类似人际关系的互动模式。

学者沙姆·桑达尔（Shyam Sundar）将实验从传统人机交互（HCI）升级为人-智能体交互（HAII），进一步揭示AI的社会存在属性。HAII框架指出，AI的自主性使其超越了传统工具定位，成为具有社会属性的“准人类主体”。这种认知转变源于人类大脑的“媒体等同效应”（Media Equation）——当AI展现出类人特征（如语言交互、自主决策）时，镜像神经元系统会触发与人际互动相似的神经响应。这表明，人类在进化过程中形成了高度自动化的社会认知系统，当检测到“类人特征”（如语音交互、拟人化界面）时，大脑会本能地启动社会反应模式。这表明在数字交互场景中，人类会无意识地将人际互动规范映射至人机交互，这种投射并非理性判断的结果，而是类似于面对真人时的直觉反应。即使理性层面知道对方是机器，潜意识的社会规则仍会被激活。

在人类进化历程中，社会比较机制深植于本能之中，我们通过与他人比较来评估自我价值。这种比较机制，曾帮助我们的祖先在复杂多变的环境中找到自身的立足点，从而更好地适应生存竞争。当AI同事逐渐成为具有社会属性的“准人类主体”时，原本仅存在于人与人之间的社会比较机制，悄然蔓延到了人机之间。

想象这样一个场景：在团队会议中，轮到AI同事发言，它冷静而精准地指出：“您的数据分析存在三个逻辑漏洞。”人类听者或许在意识层面保持职业化微笑，但潜意识中已本能地启动防御机制——尽管明知对方是没有情感波动的算法集合，仍会不可抑制地反问：“你的质疑真的正确吗？”这种认知失调不仅源于人们面对完美之“人”时自发产生的不协调感，更源于AI作为比较对象的特殊性。它既不会因批评他人而产生愧疚情绪，也不会因被质疑而陷入局促，更不会因自我突破获得成就感。这种情感反馈的真空状态，形成了职场中一种独特的困境。我们既无法通过观察AI的情绪变化来调整沟通策略，又本能地恐惧被AI照见自身的局限。由此，我们不得不重视AI同事的反馈，被动地被裹挟进“比较”的漩涡，以求“自保”。

此外，AI在超速运算、海量数据处理、深度学习、实时迭代与精准模式识别等领域展现的技术优势，客观上为个体标定自身能力边界，提供了权威参照框架。这种参照不仅满足了人类对客观评价的内在需求——通过算法的镜像效应获取能力认证，更形成了一种进化适应机制：将AI的算法优势视为自我提升的压力源于学习标的，从而超越潜意识主动发起人机比较行为。

职场地位重塑

——SEM模型揭示人机博弈

接着，我们还须回答另一个关键问题：人机社会比较人类会不会产生嫉妒情感？学者亚伯拉罕·泰瑟（Abraham Tesser）的自我评价维护模型（Self-Evaluation Maintenance Model，SEM）为解析人机嫉妒现象提供了线索。

SEM模型揭示了人类通过社会比较维持自我价值感的双重路径：当比较对象在高自我关联领域展现优势时，将激活防御性对比效应，引发系统性自尊维护行为——典型表现为对优势他者的嫉妒情绪与认知贬损。例如，当同事获得关键项目奖励可能威胁自身晋升轨迹时，个体倾向于通过否定对方成就价值或强化自我优越感进行心理补偿。在低关联领域则激活反射效应，个体通过建立与成功他者的象征性联结实现自我价值提升。典型例证包括将知名校友的成就纳入自我概念框架，或通过偶像光环构建延伸性自我认同。这一经典理论框架在数字技术重构的社会互动场景中正经历范式转型。

AI同事的介入催生了社会比较对象的本质性转变。其特殊性体现为功能-情感距离的悖论：一方面，AI通过高频协作（如实时数据协同、任务流程耦合）与人类形成工具性亲密关系，产生功能层面的“近距性”；另一方面，尽管在互动过程之中人类在潜意识里会把它们当作社会实体，但由于缺乏情感互惠与身份认同，始终维持着情感层面的本质性疏离。这种矛盾定位导致个体对AI的认知在“协作伙伴”与“他者工具”间持续摇摆，成为影响SEM机制运行的关键情境变量。据此，我们在SEM模型的基础上提出一个人机关系的嫉妒模型，即嫉妒情绪强度是能力重叠度和自我效能的函数：

嫉妒强度=(AI能力×领域关联度)/人机协作自我效能感

其中：

AI能力：指AI在特定任务或领域中所展现的能力水平，其范围涵盖从提供工具性辅助到实现主体性替代。

领域关联度：描述员工的工作领域与AI能力应用领域之间的关联程度，其范围涵盖从互补性支持到替代性威胁。

人机协作自我效能感：指个体在与AI协作过程中，对自身有效完成协作任务的能力所持有的信念水平，从低自信到高自信。

能力重叠度取决于领域关联度和AI功能。领域关联度取决于员工与AI同事在任务目标、岗位职责、工作内容等方面的重叠度。重叠度越高意味着AI同事对员工的替代性越高，互补性越低。反之，如果二者的互补性越高、替代性越低，则重叠度越低。关于AI功能，微软大中华区现代化办公事业部总经理缪臻颖将之概括为“知人成事”四个字——“知人”维度，生成式AI的认知引擎可解构用户深层意图，实现需求预判；“成事”层面，智能工作流引擎能自主执行从多源数据融合到方案迭代优化的全周期任务。据此，我们基于领域关联度和AI功能两个维度，建立如下分析框架（见图1），分成四种类型，分别讨论不同人机协作自我效能感的员工对AI同事的嫉妒情绪。

模式一：高相关领域，高AI功能

当AI在个体职业身份的核心能力领域（如医生的病理诊断、律师的法律推理、程序员的算法优化）展现出系统性优势时，将引发深层的能力焦虑。这种焦虑不仅涉及技能层面的对比和反差，更动摇了“人类作为独特智能体”的本体论假设。特别是当个体与AI互动中的自我效能感低时，将强化其嫉妒感。

在职业核心能力被AI全面赶超，从业者会经历三重心理落差：能力落差引发的嫉妒，当AI在处理速度、判断精准度、创新维度形成绝对优势时，从业者可能会产生“既生瑜何生亮”的相对剥夺感；价值落差催生的焦虑，当“吃饭本事”遭遇技术替代，个体可能会陷入“职业护城河被攻破”的生存恐惧；认知落差导致的心理防御，当专业权威遭遇算法解构，个体就可能启动“机器缺乏创造力”的心理辩护机制，甚至产生“拔掉电源线”的强烈想法。

南洋理工大学研究团队通过对照实验揭示了这种嫉妒的具象化过程：当实验对象发现自己的工作绩效由AI系统评估时，即便AI的判断客观精准，被试者仍会陷入自我怀疑的循环。研究者称这种心理反应为披露效应（Disclosure Effect）——当人类意识到自身在专属领域被AI全面超越时，表面上通过贬低技术价值来维护尊严，本质上却是嫉妒情绪的行为投射：既恐惧被技术取代的职业危机，又抗拒承认智能机器的专业优势，陷入“否定技术—自我怀疑”的矛盾循环。

模式二：低相关领域，高AI功能

当人工智能在职业核心能力的非关联领域（如数据处理、行政支持等边缘场景）展现出超常技术效能时，基于SEM模型，反射效应被激活，催生“技术赋能—价值重塑”的协同效应，推动人机协作模式向“智能增强”范式跃迁。这种情境下，AI的卓越表现不仅不会引发嫉妒，反而借助能力互补激发员工对技术的欣赏之情，通过三种机制强化人类对自身核心价值的深层认同。

首先，AI激发认知溢出效应，实现从效率提升到能力延展。AI作为“外脑”在低关联领域的高效运作，会产生跨领域认知溢出。例如，营销策划师借助AI精准客户画像，结合自身市场洞察，能制定更具战略深度的方案。这一过程遵循效能外溢理论——技术在边缘领域的赋能，通过优化时间分配，让人类将精力聚焦于高阶认知活动，间接提升对核心能力的自我评价。其次，AI驱动能力校准机制，实现从功能替代到价值升维。当AI在非核心领域展现绝对优势时，人类会启动认知重构，重新校准能力边界。如财务人员使用AI审计系统（数据核对效率提升8倍）后，工作定位从“数据核对员”升级为“风险洞察师”，重点关注供应链金融风险。这种认知升级遵循价值再定位法则：技术替代释放的认知资源被定向投入到AI弱势领域（如非标准化决策、跨领域关联分析）。再次，AI发挥部署效应，实现从绩效反馈到能力进化。技术赋能逻辑激活“部署效应”，AI通过行为跟踪、自动化评估等数据驱动的精准反馈，帮助员工识别能力短板，明确改进方向，进而直接、有效地提升个人工作绩效。

总而言之，在“智能增强”范式之下，AI在非核心领域的卓越表现犹如一把“认知杠杆”，拓展了人类的能力边界。它通过技术赋能，充分释放了人类在复杂决策、情感共鸣、创新创造等方面的独特生物智能优势，成功实现了“机器效率”与“人类智慧”的共生进化。这一范式彻底打破了“技术替代”的零和思维困局，为智能时代的职业发展开辟出了一条充满机遇的全新道路。

模式三：低相关领域，低AI功能

当AI应用于职业核心能力的低关联领域（如行政后勤文档处理、零售业基础库存管理）且技术能力有限时，人类对其的心理预设呈现“聊胜于无”的工具化特征。基于SEM模型，反射效应与比较效应在此双双失效，形成独特的认知中性化状态，使人机交互陷入仪式性、边缘化的特殊模式。

AI在边缘领域的低效表现无法反向凸显人类专业价值。与高相关领域中医生纠正AI误诊后产生的职业自信增强不同，低关联领域的错误修正仅触发“技术维护”程序性反应，不引发任何自我概念的重构。例如文秘人员修正AI格式错误时，仅将其视为“设备故障处理”的程序性操作，而非“职业能力优越性”的证明。这种认知归因差异导致专业价值强化效应缺失。

由于AI功能局限于机械性操作（如仓库盘点机器人不涉及供应链策略制定），从业者缺乏将自身技能与AI效率对比的动机。某零售店员使用库存机器人时，关注点仅停留在“今日漏盘数量”的量化指标，而非思考“人类盘点经验是否被技术超越”的质性命题。这种认知惰性源于领域关联度的天然屏障，使技术比较始终停留在表层绩效维度。

当技术既不构成职业威胁，也无法提供价值背书时，AI被彻底归入“功能性工具”的认知图谱——如同看待打印机或扫描仪，其存在意义仅限于完成特定机械任务。这种认知中性化状态揭示了人机协作的隐性困境：当AI既不构成专业挑战，亦无法提供认知赋能时，人类会通过工具化认知维持心理平衡。这种平衡虽能缓解短期焦虑，却可能阻碍组织对AI潜在价值的深度挖掘，形成“低水平人机共存”的锁定效应。

模式四：高相关领域，低AI功能

当AI在个体职业核心能力领域仅具备基础功能时，其技术局限性非但不会引发职业焦虑，反而会成为强化人类专业价值的催化剂，形成独特的“技术反衬效应”。高自我效能感者更倾向于将AI劣势视为“证明自身价值的机会”，可能表现出更强的优越感和合作主导性。

首先，人类专业权威性凸显。AI的功能短板会直接反衬出人类的专业深度，其本质源于两种认知范式的根本差异：AI依赖标准化数据训练形成的“模式识别”范式，而人类擅长在非结构化信息中建立跨领域关联。例如在金融领域，当AI风险评估模型遗漏“区域政策变动对供应链的隐性影响”时，资深分析师通过地缘政治博弈与产业周期波动的交叉验证，不仅修正了技术误差，更彰显了人类在情境化决策中的不可替代性。这种技术盲区的暴露，反而强化了从业者对自身专业价值的本体论认知——正如认知科学家唐纳德·霍夫曼所言，人类“直觉智能”在模糊决策中的优势，恰是AI“理性计算”难以企及的认知维度。

其次，推进职业安全感重建。随着生成式人工智能的发展及算力的指数级提升，AI的功能边界持续拓展，无形中催生了“技术万能主义”的集体想象。企业或为降本增效，或为获取数字化补贴，纷纷部署本地AI系统，这种AI膜拜加剧了个体的被替代焦虑。与此同时，部分管理者将AI视为万能解决方案，产生不切实际的绩效期待，通过绩效标准膨胀将压力转嫁至员工，进一步加剧了职场焦虑。然而，当程序员发现AI代码生成工具在处理复杂算法时频繁出现逻辑漏洞，或律师发现法律AI在制定非标合同时无法理解商业实质，这种技术局限反而成为职业安全感的锚点。

再次，人类主导型协作模式构建。在低能力AI场景下，人类从业者更倾向于将AI定位为“需要指导的学徒”。例如，当建筑设计师发现AI布局规划系统无法理解空间流动性与人文需求的关联时，会主动介入AI的工作流程，通过设定约束条件、修正初始参数等方式引导技术输出。这种“人类主导—AI辅助”的协作模式，本质上是将技术纳入人类决策框架，既保持了人类对关键环节的控制权，又通过技术工具放大了专业能力，标志着人机关系从“替代逻辑”向“赋能逻辑”的转向。

数字自信：

破解人机协作裂痕的协同框架

当人类与AI成为同事，在能力关联领域产生的自我评价失衡所触发的嫉妒，正成为组织中最隐秘的裂痕。这种裂痕从三个方面侵蚀着组织根基。

嫉妒的破坏作用

其一，人机协作的隐性排斥。关联领域的能力落差所引发的嫉妒，直接制约着人类对AI同事的接纳。德国达姆施塔特工业大学的编程实验为此提供了实证注脚：当AI代理主动提供帮助时，具备高级AI知识的开发者因感知到强烈的“能力威胁”，其基于能力的自我评价显著降低17.2%，最终导致系统满意度下降16.3%。这种“知识诅咒”效应揭示了一个悖论——人类在专业领域的认知优势反而加剧了对AI协作的抗拒，致使技术赋能转化为心理负能。当技术越精准地突破人类的能力护城河，越会激发防御性排斥行为，人际间的社会阻抑效应也会复制到人机关系之中，最终使人机协同系统陷入“功能强大却效能低下”的困境。

其二，数字化转型的隐性阻力。中层管理者与基层员工对AI的嫉妒性排斥，已成为企业部署功能强大AI的深层障碍。正如某制造企业引入智能排产系统后，生产主管因忌惮系统对其经验价值的消解，故意输入失真参数致使排产失效。这种非技术性抵制的本质，是围绕“能力定义权”的争夺——当人类的核心能力被算法解构，其职业身份认同便遭遇根本性挑战。这触发了“部署-披露悖论”：组织部署AI时期待的效率增益（部署效应），常常被员工在解读AI能力反馈时产生的认知失调（披露效应）所抵消。

其三，自我物化的认知陷阱。面对AI的效率霸权，人类可能陷入“以算法标准证明自身价值”的逻辑漩涡。正如销售团队为抗衡AI客服的业绩，将情感话术拆解为响应时长、语调起伏等27项量化指标进行自我规训，这种普罗克鲁斯特斯式的自我规训（指削足适履以适应外部标准），迫使个体主动躺上技术殖民者的认知铁床：或自断手足般截断创造性思维以适配算法标准，或扭曲拉伸行为模式以迎合数据模板，最终将鲜活的生命体验降维为可计算的符号残片。

破解嫉妒困局的治理框架

首先，在高关联领域构建“认知缓冲—价值重锚”双轨机制。组织必须承认嫉妒的客观性，正视员工在核心能力领域与AI对比时的心理失衡，避免以“效率优先”掩盖情绪危机。当员工陷入“贬低技术—自我怀疑”的恶性循环时，需通过“认知引导+文化关怀+技能升级”的组合干预阻断循环链，提升人机协作的自我效能感。同时，组织需戒除“技术崇拜”文化，避免过度强调AI的先进性而贬低传统工作价值，防止从事非技术性工作的员工贡献被系统性低估。

其次，在低关联领域激活“技术赋能—能力升维”正向循环。强化AI在非核心领域的高效运作以释放人类认知资源，将主要精力聚焦于高阶决策，形成技术赋能与能力升级的良性互动。建立“AI效率域—人类智慧域”的互补图谱，明确AI在标准化任务（如数据清洗）中的效能优势，同时确保人类专注于非标准化场景（如跨领域创新），通过能力互补强化人类对自我核心价值的认同与职业自信。将AI创造的效能红利转化为员工发展资本，鼓励其主动校准能力边界，将技术效能转化为个人绩效的增量杠杆。此外，需警惕AI对个体判断力的反噬，避免过度依赖导致独立判断力下降。

再次，引导员工拥抱AI技术变革。组织须清醒地认识到，无论认知中性效应（低能力低关联）还是技术反衬效应（低能力高关联），其本质都是阶段性认知红利。因此，组织应积极引导员工意识到AI当前缺陷（如逻辑断层、语义偏差、上下文断裂）的暂时性，避免将算法局限误判为人类永恒优势，从而丧失推动AI进化的主动性。组织应大力推行“员工AI共创计划”，鼓励一线人员参与算法优化（如客服人员标注AI无法识别的客户情绪关键词），将技术接纳转化为职业能力迭代的驱动力。唯有保持批判性接纳姿态——既承认技术短板，又主动参与AI的调试与训练，才能将“反衬效应”转化为人机共生的长期优势。

最后，打破普罗克鲁斯特斯式的自我规训，使个体从技术殖民者的认知铁床上站起来。组织需高度警惕将人类独特能力（如创意、情感共鸣）强行纳入算法框架的倾向，积极培育员工的数字主权意识。通过“技术反哺”设计让员工成为AI的“定义者”而非“被定义者”，赋予员工在人机协作中的主动权与创造力。同时，防范利用AI发展的谄媚机制，避免AI被训练成迎合领导偏好的工具（如生成符合领导风格的汇报内容），将人机协作异化为“表演式”工作，确保人机协作的公正性与有效性。

化解人机嫉妒的本质，是完成从“技术恐惧”到“数字自信”的认知跃迁。这一过程植根于本文发展的人机协作嫉妒模型（嫉妒强度=[AI能力×领域关联度]/人机协作自我效能感）的底层逻辑：人类通过社会比较维持自我价值的双重路径，在人机协作中演化为“能力关联度”驱动的认知分野——高关联领域的AI优势触发防御性焦虑，本质是对职场主导权的争夺；低关联领域的技术效能则通过反射效应激发赋能认知，暗含权力结构从“经验垄断”向“技术—人力协同”的迁移。这种关联性差异，决定了嫉妒治理的分野路径。当组织不再将AI视为“抢饭碗的对手”，而是“照镜子的伙伴”，当员工有足够的自信不再用算法解剖自身最珍贵的直觉体验，而是与AI共建认知共生体，人机协作才能真正释放指数级价值。这不仅是技术革命，更是职场权力文明的深层重构。在数字洪流中，我们既要警惕成为普罗克鲁斯特斯之床的受害者，更要成为重塑人机关系认知边界的建构者，最终实现“人类智慧为体，机器智能为用”的共生文明。