生成式人工智能的使用与即兴创作能力：技术可行性的中介作用以及任务不确定性的调节作用

《Technovation》：Generative AI usage and improvisation capability: The mediating role of technological affordances and the moderating role of task uncertainty

生成式AI通过任务、创意和协作导向的使用模式，借助快速构思、内容个性化与协作支持等技术赋权，提升员工应对不确定任务时的即兴能力，且效果在任务不确定性高时更显著。

　　

Fang Tang|Bo Li|Feng Yao|Zhongshan Zhang|Renqi Zhu

国防科技大学系统工程学院，中国长沙

摘要

生成式人工智能（AI）在知识密集型工作中应用日益广泛，但其对员工即兴能力的影响——这种能力对于适应性和创新性成果至关重要——尚未得到充分理解。本研究探讨了三种不同的AI使用模式（任务导向型、创造力导向型和协作导向型）如何与个体即兴能力相关联，这些关联通过关键的技术功能（快速构思、内容个性化及协作支持）实现，并受到任务不确定性的调节。通过对中国500名知识工作者进行的三波时间滞后调查，我们发现这三种类型的AI使用都与即兴能力呈正相关。技术功能在一定程度上中介了这些关系，揭示了AI如何促进自发的问题解决和创新。此外，任务不确定性增强了AI使用与即兴能力之间的联系，在高度不确定的任务环境中这种效应更为显著。我们的模型解释了即兴能力变异的47%。这些发现为技术赋能的适应性研究提供了贡献，并为技术驱动和咨询导向的知识密集型行业中的组织提供了实用见解，有助于他们利用生成式AI提升适应性能，同时也适用于类似的高AI采用率环境。

引言

生成式人工智能（AI）凭借其创建文本、图像、代码等内容的能力，迅速成为知识密集型工作中的新型数字工具，能够支持信息搜索、内容创作和互动（Sarkar和Bates，2024；Sun和Zhou，2024）。从起草报告到头脑风暴创意，生成式AI工具（如ChatGPT、GitHub Copilot、DALL-E）可以提升员工的工作流程和组织效率（Gezdur和Bhattacharjya，2025；Shao等人，2025）。同时，员工的即兴能力受到更广泛的社会技术环境的影响，包括其他数字技术（如分析和企业协作平台）和组织因素（如领导力和环境不确定性）。因此，我们的目标不是将即兴能力单纯归因于AI，而是探讨不同类型的AI使用模式是否以及如何超出基本解释范围地与即兴能力相关联。即兴能力被定义为在面对意外挑战时自发适应和创新的能力，在当今动态且不确定的工作环境中这一点尤为重要（Wang等人，2025；Yang等人，2025）。了解AI使用如何促进这种能力对于希望利用技术打造更具韧性和创造力的劳动力的组织至关重要。

即兴能力至关重要，因为快速的市场变化、技术颠覆和复杂问题往往要求员工实时创造性地应对，而不仅仅是依赖预先计划的流程。先前的研究强调即兴能力对组织敏捷性和创新的重要性（Liu等人，2024；Sumbal等人，2024）。生成式AI凭借其快速获取知识、生成想法和支持协作的能力，可以帮助员工在意外情况发生时整合和重组知识资源（Fiorini和Malt，2023）。然而，现有关于工作场所中AI的研究主要集中在自动化、采用率和生产力提升方面，对即兴能力等适应能力的影响研究较少（Sarkar和Bates，2024；Yang等人，2025）。

尽管人们对工作场所中生成式AI的兴趣日益增加，但仍存在一些空白。首先，现有研究主要关注AI和其他数字技术的采用、自动化和生产力成果，而生成式AI使用对员工适应能力（尤其是即兴能力）的影响缺乏直接的实证研究（Palamara和Deal，2020；Sumbal等人，2024）。其次，将生成式AI使用与即兴能力联系起来的机制需要更明确的理论阐释。我们采用技术功能视角，该视角通过技术特征与用户在特定情境下的目标和能力之间的关系来解释结果（Leonardi和Vaast，2017）。在本研究中，我们重点关注三种核心的生成式AI功能——快速构思、内容个性化和协作支持，因为它们直接对应于即兴能力的核心行动要求（快速选项生成、情境特定调整和时间压力下的协调）。第三，我们对生成式AI在何时最有助于即兴能力的边界条件了解有限。我们提出任务不确定性是一个关键的情境变量：当任务不可预测且模糊时，员工应从AI提供的功能中获得更大的即兴效益，而当任务常规且确定时则不然（Kellogg等人，2025）。

为了解决这些空白，本研究基于技术功能视角和情境逻辑构建了一个理论模型。我们提出，生成式AI的使用——通过三种使用模式（任务相关、创造力相关和协作相关）——通过三种核心技术功能（快速构思、内容个性化和协作支持）间接提升员工的即兴能力。此外，基于技术效应的情境观点，我们认为任务不确定性加强了AI使用与即兴能力之间的关系，因为不确定的任务会增加信息处理和协调的需求。此外，制度和监管安排可能影响组织可使用的生成式AI服务及其部署方式；例如，中国于2023年制定了全国性的公共生成式AI服务管理措施。因此，我们将我们的发现置于中国知识工作背景之下，并呼吁进行跨文化复制研究，以明确测试文化和监管边界条件。因此，本研究探讨了以下研究问题：（1）生成式AI的使用如何影响员工的即兴能力？（2）核心技术功能在调节生成式AI使用对即兴能力的影响中起什么作用？（3）任务不确定性如何调节生成式AI使用与即兴能力之间的关系？我们通过对中国500名经常在工作中使用生成式AI工具的知识密集型行业员工进行的三波时间滞后调查来验证这一模型。

本研究为三个相互关联的研究领域做出了贡献。首先，它通过理论化和测试技术赋能的先决条件——生成式AI使用模式——来扩展关于组织即兴能力的研究。其次，它通过区分任务导向型、创造力导向型和协作导向型的使用模式，并考察它们与适应能力结果之间的关系，为生成式AI和技术使用的研究做出了贡献。第三，它通过具体化和测试基于核心功能的中介机制（使用 → 功能 → 即兴能力）并确定任务不确定性作为边界条件，推动了技术功能视角的发展。在实际应用中，这些发现主要为技术驱动和咨询导向的知识密集型行业的组织提供了见解，建议他们培养有目的的生成式AI使用，并支持员工在高度不确定的任务中利用AI提供的功能，同时谨慎地将其扩展到类似的高AI采用率情境。

本文的其余部分安排如下。第2节阐述理论背景和假设。第3节描述研究设计、测量方法和分析方法。第4节报告实证结果。第5节讨论理论和实践意义及局限性。第6节提出未来研究的方向。

理论部分

理论和假设

我们的理论逻辑分为两个步骤构建。为确保读者清晰理解，我们明确区分了模型中的三个核心概念：（1）生成式AI使用指的是员工与技术的实际互动模式（他们实际做了什么）；（2）感知到的功能代表了员工认为由生成式AI使其能够做的事情；（3）即兴能力

参与者和研究程序

我们在中国进行了一项时间滞后的实地调查来验证我们的假设，研究对象是知识密集型行业（如技术、咨询、营销）的全职员工，这些行业普遍使用生成式AI工具。采用分层随机抽样方法以确保在不同人口统计特征（年龄、性别、教育水平）、行业和组织规模方面的代表性。

描述性统计

表2展示了关键变量的均值、标准差、范围和皮尔逊相关性：生成式AI使用维度（任务相关、创造力相关、协作相关）、技术功能（快速构思、内容个性化、协作支持）、任务不确定性和个体即兴能力。均值在7点量表上介于4.8到5.5之间，标准差为1.1–1.4，范围覆盖了大部分量表。所有相关性均为正向且显著

讨论

本研究探讨了生成式AI使用与动态工作环境中员工即兴能力之间的关系。通过三波实地调查，我们将技术功能视角与情境逻辑相结合。结果显示生成式AI使用与即兴能力之间存在正相关关系。这种关系部分通过核心技术功能实现，并在任务不确定性较高时更为显著。重要的是，我们认为这些发现具有

结论

本研究通过理论化和测试基于核心功能的中介机制以及任务不确定性边界条件，探讨了生成式AI使用与员工即兴能力之间的关系。通过对中国500名知识工作者进行的三波时间滞后调查，我们发现任务导向型、创造力导向型和协作导向型的生成式AI使用与即兴能力呈正相关，这部分是通过快速构思、内容个性化和协作支持实现的

资金

无。

CRediT作者贡献声明

Fang Tang：概念化、数据整理、形式分析、方法论、软件编写——初稿。Bo Li：监督、验证。Feng Yao：监督、验证。Zhongshan Zhang：监督、验证。Renqi Zhu：形式分析、调查、监督、验证、写作——审稿与编辑。

利益声明

作者声明没有已知的竞争性财务利益或个人关系可能影响本文的研究结果。

致谢

国家社会科学基金 [2025-SKJJ-B-047]