摘要：在当今社会，工作已不仅是谋生手段，更成为个体身份认同与人生意义的核心源泉。而如今，生成式人工智能（GenAI）正以前所未有的速度与广度重塑我们熟悉的工作环境。与历史上任何一代技术革命不同，GenAI展现出的认知能力、创造潜能以及人际互动特质，正在模糊人机界限的
在当今社会，工作已不仅是谋生手段，更成为个体身份认同与人生意义的核心源泉。而如今， 生成式人工智能（GenAI） 正以前所未有的速度与广度重塑我们熟悉的工作环境。与历史上任何一代技术革命不同，GenAI展现出的认知能力、创造潜能以及人际互动特质，正在模糊人机界限的传统边界，甚至从根本上重新定义了工作的知识基础、任务构成及其社会属性。
这场技术变革既是机遇也是挑战。一方面，GenAI能显著提升劳动者的生产效率与工作表现；另一方面，它也可能威胁劳动者的专业技能、工作自主权以及建立人际联系的能力，从而对劳动者的心理健康构成潜在威胁。
在这样的背景下， 如何在拥抱技术进步的同时保护劳动者的心理健康？ 在人工智能与人类协作的新时代， 如何构建真正以人为中心的工作环境？ 面对GenAI带来的双重效应， 如何应对策略来平衡技术创新与人文关怀 ？ 这些问题不仅关乎企业效能，更关乎每一位劳动者的尊严与福祉，值得我们深入探讨。
追问快读：
1. 生成式人工智能（GenAI）通过模仿传统上被视为人类独有的认知、创造和人际能力，挑战传统人机界限，重塑工作场景和工作本身。
2. GenAI融入工作环境后，既增强甚至替代人类工作能力，同时改变工作所需的知识、包含的任务以及社会特征。
3.虽然GenAI的应用能在心理层面使工作者受益，但也可能通过削弱工作者对能力、自主性和人际关系的基本心理需求，引发心理威胁。
4.工作者可采用五种应对策略（直接解决、象征性自我完成、解离、逃避和流动补偿）来应对GenAI带来的心理威胁，保护自己的职业身份。
GenAI如何改变工作
工作不止是一种经济活动，也是身份认同、意义来源和社交回报的源泉。GenAI正在被迅速采用——其速度比互联网和个人计算机在引入时的速度更快——并通过增强或替代劳动者，迅速重塑工作场景。数百年来，工作的本质不断被技术创新所改变，而GenAI进一步突破了传统边界，它不仅限于自动化常规体力劳动，还展现出认知、创造和人际交往等曾被认为是人类特有的能力。
GenAI拟人化的对话交互和说服能力，模糊了人机边界，让人将其视为具有能动性的实体，并可成为社交活动中的参与者。相较于日历应用程序，人们更倾向赋予能安排日程的虚拟助手以意图和心理状态。 在与GenAI交互时，人们更可能遵循社会规范，并像判断其他社会参与者那样，根据意图是否和善、能力是否胜任来感知GenAI，这两点和以往任何工具都不一样。
▷ 图1：GenAI对工作和劳动者的影响。
GenAI具备重塑知识、任务与社会三大工作特征的潜力。越来越多的实证证据表明，GenAI为各种任务、多个岗位带来了能力和效率的提升。相比之下，我们对GenAI如何改变劳动者的自我认知改变，继而引发心理威胁和挑战的理解仍然不足。鉴于GenAI融入工作场景的速度与潜力，以及劳动者对在职业和个人生活中“传统”AI的抵触与恐惧，理解这些挑战和心理威胁至关重要。
▷ 表1. GenAI改变工作特征
工作特征
影响
知识特征
工作复杂性与信息处理
支持高级认知能力及更复杂任务和大规模（多模态）数据/信息处理
需要适应GenAI的功能/界面并解释GenAI的输出
技能多样性与专业化
新的GenAI特定技能和岗位，如提示工程、输出解释/检查以及GenAI的系统整合与监督
从传统常规技能转向专业能力
任务特征
任务多样性与任务重要性
重复性/常规性/非核心任务的自动化
更加重视和聚焦核心任务和/或高价值任务（例如，战略、创意）
通过自动化/外包常规任务，在工作流程构建和任务优先级排序方面更具灵活性
基于数据驱动、实时洞察的决策支持和建议
社会特征
社会支持与反馈
即时和实时反馈、学习机会以及提高生产力的资源
相互依赖与合作
GenAI作为与个人工作者和团队合作的助手、同事以及共同创造者
而当劳动者感到自己非但未被GenAI赋能，反而可能被其取代时，恐惧情绪可能会放大。 例如，应对GenAI所构成的存在性威胁，好莱坞编剧组织了为期148天的工会罢工，旨在捍卫职业身份、协商对GenAI使用其作品的所有权，并确保未来的职业可持续发展。
GenAI的使用和参与，正在给劳动者自我认知和专业身份带来切实的心理影响，我们需要理解这一技术如何改变了人们对自身及其角色的感知与定位。
劳动者如何在心理层面
从GenAI中获益
预测GenAI对工作者的影响，主要基于两个心理学理论：自我决定理论（Self-determination，SDT）和基本心理需求理论（basic psychological needs，BPNT）。这些理论认为， 劳动者的工作动机、满意度、幸福感和绩效，取决于满足三种基本心理需求的能力，即胜任感、自主性和归属感；相反，这三种需求受挫会导致幸福感降低和工作能力受损。 通常，需求满足与积极结果更强相关，而需求挫败与消极结果相关。
GenAI能够在工作数量、质量、意义以及职场人际关系等方面，提供普遍性和针对性的帮助，从而满足人们对胜任感、自主性和归属感的基本需求。
首先，GenAI能够强化工作能力和技能，增强劳动者的胜任感，提升其创造力、决策能力、复杂问题解决能力，从而优化工作质量。 例如，销售助理可借助大语言模型回答产品问题并提供专业推荐；无编程经验者也能利用GenAI分析消费者评论、生成产品图像和创建商业材料。这些增强和改进，可以赋能和激励劳动者，提高他们的满意度和幸福感，促进个人和职业成长。
其次，集成GenAI带来的能力提升，体现在劳动者平均生产力和绩效的提高，但这些提升并非均匀分布。 技能较低的劳动者主要从客户支持、写作、软件开发和咨询中获益，而技能较高的劳动者则在投资创业决策和科学发现等复杂任务中获益。高技能劳动者的独特益处，可归因于他们更专业的领域知识，这使他们能够更准确地评估GenAI的输出质量并有效实施。
▷ 表2. GenAI的生产力效应
信息工作者的生产力
文档数量增加10%，电子邮件数量减少11%（电子邮件处理时间减少4%），具体变化取决于任务和组织环境
提高了个人创造力、故事质量和娱乐性，尤其是在创造力较低的作家中
通过与GenAI的协作，完成时间减少36%，输出质量提高，用户满意度提升，但内容多样性降低
完成时间减少37%，输出质量提高；对低技能劳动者而言效益更高
数字艺术创作
艺术家生产力提高25%，作品接受度（同行评价）提高50%；平均新颖性降低
广告创作
包含GenAI的团队产生广告有更高文本质量但图像质量较低
在包含GenAI的团队，个体广告产出比纯人类团队增加了60-73%；团队总产出没有差异
包含GenAI的团队增加了以内容/流程为导向的沟通（消息量增加了45%），同时减少了社会/情感沟通
咨询
完成任务量增加2.2%，任务完成速度提升25.1%，质量提升 40%，其中表现较低的顾问的输出量增加43%（较高的则为17%）
软件开发
完成任务量增加了26.08%，在经验较少的开发者中生产率提升更为显著
感知到的生产力（努力程度、质量和速度）的微小改进，其中 57.4%的开发者认为GenAI使他们更有效率
客户支持
劳动生产率提高14%，其中新手/低技能劳动者提高34%，而经验丰富的劳动者提高幅度较小
产品创新
使用GenAI的劳动者个人在解决方案质量上提高0.37个标准差，与没有使用GenAI的团队相当（即与传统团队的输出质量匹配）
使用GenAI的劳动者个人完成时间减少了16.4%
使用GenAI的团队产生解决方案中最好的10%包含的可能性是未使用GenAI团队的约3倍
创业决策
高绩效企业家利润提升15%，低绩效者下降8%；无整体/平均效应
材料研发
材料发现量增加44%，专利申请量增长39%，下游产品创新增长 17%；顶尖科学家的产出几乎翻倍，但底层三分之一的科学家几乎未受益
投资决策
更好的处理财务信息和投资决策；具有更高财务专业知识的人受益更多
其三，GenAI可通过代为执行单调重复的常规性任务，增强劳动者的自主性。 将这类任务交给GenAI，可以减轻认知负荷，使劳动者摆脱枯燥工作，转而专注于更具价值的活动，如创造性思考和批判性分析。例如，用户体验设计师可借助GenAI自动处理数据分类、行为预测和洞察提取等流程，腾出时间用于产品优化和战略决策。这不仅提升效率，还能增强工作满足感和意义感。
最后，GenAI通过强化任务的社交属性并提升劳动者的社交技能，满足了其归属感的心理需求 ，从而有利于他们在组织内外的职业关系。GenAI可以让入职流程个性化，以保持新劳动者的参与度并降低离职率。而类似人类的对话能力，能够带来积极的情感体验（如，提高热情、参与度），减少挫败感，并模拟多人协作的激励效果。与GenAI共事的专业人士报告说，其情感收益与在人类团队中经历的相当甚至更高，这表明GenAI可以作为一名“赛博队友”，有效满足劳动者的社会联系和归属感需求。
GenAI给劳动者
制造的三种心理威胁
基于SDT和BPNT理论的预测，GenAI融入工作场景可能会损害胜任感、自主性和归属感这三种基本心理需求，继而引发心理威胁，表现为实际与理想能力、技能、控制感以及社会联接之间的实际或感知差异。特别值得注意的是，GenAI对人类的增强和替代，会影响工作的知识、任务和社会特征，并威胁其胜任感、自主性和归属感。
胜任感
GenAI的采用可能通过两种方式挫败劳动者的胜任感：一是取代或重新定义他们现有的能力与技能，二是创造出对发展新能力或掌握新技能的要求与期待。
例如，劳动者可能需要提高数字素养或深化专业知识，以便识别GenAI的幻觉。GenAI的创造力、分析性和沟通能力可能使劳动者感到自身能力不足。 自动化常规任务和支持更复杂任务的过程，会减少劳动者使用和提升技能的机会，进而导致劳动者认为职业成长中出现了职业成长停滞或技能退化。
对于低技能劳动者而言，GenAI虽然可以提高生产力，但也会威胁其胜任工作的心理需求。对GenAI依赖增加，会导致认知卸载，从而阻碍任务相关技能和领域知识的培养。 例如，没有数据科学培训的咨询师在接受简短培训后使用ChatGPT，在数据科学和统计问题上的表现能与数据科学家相当。但当他们无法再使用模型时，就无法完成任务，说明他们依赖模型完成工作，而非掌握了相关技能。
随着劳动者越来越多地将任务外包给GenAI而非掌握相关技能，GenAI就会更多地削弱他们的基础技能（如批判性问题解决能力），并阻碍其职业发展。 一旦出现GenAI无法解决的意外问题，低技能劳动者可能难以应对，从而导致无力感或沮丧感。同时，任务自动化，会加剧劳动者对被GenAI替代的担忧，并使其感到自身角色变得多余，威胁职业认同。
而对于高技能劳动者而言，工作场景整合GenAI带来了不同的挑战和威胁。高技能劳动者通常投入大量资源发展专业技能，但GenAI在执行复杂任务（如科学研究、战略决策）方面的能力不断增强，可能会带来技能贬值，挫败其胜任感，并威胁职业认同。一些高技能、高绩效的劳动者，可能会将GenAI视为对其专业优势的潜在威胁，担忧社会地位不保。
此外， 高技能劳动者往往高估自己的专业知识，并可能认为GenAI“不适合”提升他们的能力和工作，从而产生“专业知识悖论”。他们可能因自认为拥有深厚的领域知识，而忽视或拒绝使用GenAI。
事实上，当前定义职业身份的技能组合，与有效使用GenAI所需的新技能之间，往往存在错配。GenAI的整合也可能扰乱既定的工作流程，进而挫败高技能劳动者的胜任感，并削弱支持高绩效的结构。由于高技能劳动者未能及时掌握新角色所需的GenAI相关的新技能，其职业发展可能阻滞，甚至在GenAI驱动的工作环境中被边缘化。这不仅延缓了GenAI的全面融入，还使原本的专家群体在技术变革中逐渐失去优势。
自主性
当由GenAI驱动的系统自主决策时，劳动者可能因失去对任务和工作流程的控制，感到自主性需求受挫，产生失控感，并表现出反抗行为 ，特别是在劳动者重视手动操作或强烈认同自己的工作的情况下。
例如，在使用GenAI创建内容时，自主性需求可能会受到损害。劳动者会认为自己的贡献不如GenAI；或将自己视为编辑而非共同创造者；或认为输出更多是机器生成的，而非由于人类自身的创造力。这些认知会降低劳动者对工作成果的心理所有权。而感知到被排除在决策过程之外、贡献被贬低，也可能会进一步威胁劳动者的职业认同。
如果整合GenAI是强制性的而非自愿的，自主性需求可能会进一步受挫，甚至视GenAI系统为“算法囚笼”。 GenAI强制性的标准化流程，效率优先而灵活性及适应性不足，会限制劳动者根据个人或情境需求调整工作的能力。 在极端情况下，某些系统可能会实施不安全的劳动实践，而直接伤害到劳动者。例如，亚马逊曾经的生产力系统，被发现会增加工作场所受伤的风险*。
* 美国参议院委员会报告指出，亚马逊为保持生产力，未采纳内部研究关键安全建议。2021年和2020年的两项内部研究“Project Elderwand”和“Project Soteria”发现，工作速度与受伤风险增加存在直接联系：每10小时轮班的重复运动超过1,940个重复运动，从而增加了背部受伤的风险。但公司因“技术原因”未采取行动。报告还称亚马逊操纵伤害数据，使其仓库看起来比实际更安全。尽管亚马逊否认，但报告的发布引发了对企业责任、生产力与员工福利平衡的讨论，且公司未来可能面临更严格监管和立法行动。来源：Newsweek
当劳动者认为自己无法影响GenAI的工作流程或任务执行方式，他们的控制感可能被进一步削弱。这种失控感会引发心理威胁，并这种失控感会疏远他们曾经认为有意义的工作过程。有些情况下，即使劳动者对这些输出的个人贡献和控制有限，他们仍需对GenAI的输出负责，由此出现了责任感和能动性分离的现象。
而最严重的自主性威胁，则发生在GenAI被用于监控的情况下。许多雇主正在通过键盘敲击和鼠标移动来追踪劳动者的活跃和闲置时长，来监控劳动者。这种持续监控的GenAI工具，进一步增加了劳动者的压力和焦虑，也降低他们的工作满意度。
归属感
GenAI可能通过影响工作中的社会结构和社交动态，威胁劳动者在工作中的归属感这一心理需求。无论它增强人类能力还是取代劳动者，GenAI的整合都可能带来负面影响：一方面它会削弱劳动者建立有意义的人际关系的机会，降低与同事之间的团结感；另一方面，还可能放大不同劳动者之间的差异，破坏凝聚力。同时， GenAI通过自动化原本需要人际协作的任务（如提供信息）或直接取代人类劳动者，减少了人际互动和团队合作的机会，容易引发劳动者的社会孤立感。
此外，GenAI的使用还 可能改变劳动者对工作的印象 ，侵蚀社会规范，甚至 加剧对其他劳动者的物化（objectification） 。当劳动者将同事逐渐同化为他们所依赖的GenAI系统时，同事关系可能“非人化”。也就是说，劳动者开始以类似对待GenAI的方式看待同事，认为同事缺乏温暖、同理心或能动性等人性特质。这种“非人化”的认知，可能会导致对人类同事产生负面的态度和行为，恶化人际关系质量，降低归属感，并减少帮助他人的意愿。如果劳动者认为GenAI的决策不公平，亲社会动机也可能受到抑制。最后，人机协作中的冲突，会对团队凝聚力和工作产生负面影响。
GenAI的应用可能会加剧劳动者之间的分化，进一步削弱劳动者的归属感并引发心理威胁。首先，不同劳动者使用、使用和培训GenAI上的机会差异，可能会造成不平等，破坏团队凝聚力。 一些劳动者可能过度依赖GenAI或对其输出缺乏审查，这会影响团队绩效。 其次， 劳动者之间对GenAI使用方式的不同认知也可能引发矛盾 。例如，高技能、经验丰富的劳动者认为，低技能、年轻的劳动者使用GenAI的方式缺乏意义；而低技能、年轻的劳动者则认为，高技能的劳动者过于遵循惯例与既往经验。这些生产力和绩效的差异，可能让劳动者觉得GenAI会不公正地使某些岗位获益，从而滋生怨恨或嫉妒，影响协作和团队关系。
劳动者该如何应对
人工智能带来的心理威胁
面对GenAI对知识、任务和社会特征的影响以及由此产生的心理威胁，劳动者可采用一系列应对策略，来缓解自我认知失调，维护职业身份和幸福感。然而，目前关于劳动者如何应对工作中和GenAI相关的负面影响和威胁的研究很少，主要集中于个别案例或单一干预措施，如自我肯定。
心理学和消费者研究发现，与智力、权力感和归属感相关的自我认知失调，这会触发劳动者采取行动以弥补这些差距。这些失调与胜任感、自主性和归属感这三种心理需求相关联。研究总结了五种应对策略：直接解决、象征性自我完成、解离、逃避主义和流动补偿。这些策略为理解劳动者如何应对GenAI引起的心理威胁提供了一个框架。
应对策略
胜任感
自主性
归属感
直接应对
Direct resolution
技能提升（即学习如何有效使用GenAI）或调整工作流程，以重新在工作任务中获得胜任感和掌控感
通过GenAI调整工作流程/任务，以保持对工作过程的控制感，并保留（最终）决策权
与同事合作，共同学习、实施和改进生成式人工智产生的解决方案
象征性自我完成
Symbolic self-completion
强调人类专业知识和领域知识，这些知识可以补充GenAI的输出，但无法被其复制或模仿
在GenAI相关任务中强调任务或责任的所有权，通过担任领导或决策者来维持控制
强调人类驱动的成就和贡献对团队/组织的价值，以加强社
会认可和归属感
解离
Dissociation
避免依赖GenAI的任务，以免暴露技能差距，保护胜任感和掌控感
避免由GenAI自动化，不涉及人类决策的任务，以抵抗由GenAI强加的控制
相对于涉及GenAI的工作和沟通，更倾向 于人与人之间的团队合作和沟通
逃避主义
Escapism
与有挑战的技能保持距离，通过减少努力或将GenAI相关任务和责任委托给他人来实现
避免让员工感到失控的情况、任务或责任，通过长时间休息或要求重新分配来实现
与需要与GenAI显著合作的环境隔离，更倾向于
独立项目而非与涉及GenAI的团队合作
流动补偿
Fluid compensation
注意力转向技能不受影响或具有独特人类特征的任务和领域（例如，创造力、同理心）
注意力转向决策和控制仍由人类主导的角色或任务（例如，战略或咨询任务）
注意力转向需要人类互动和协作的任务或领域
（例如，面向客户的角色）
当人们在现实自我与理想自我之间，或当前技能能力与所需技能能力之间出现差异时，可以通过利用技能建设工具（如培训项目或绩效提升资源），来直接解决GenAI带来的威胁。
在组织环境中，象征性自我完成现象较多见，例如，那些缺乏客观成功指标的专业人士更倾向于在线上交流中强调头衔或资历。
当身份威胁由情境线索（如代表性不足）触发时，劳动者可能会产生心理上的疏离感，减少对相关领域的认同或心理投入。
逃避主义通常发生在压力持续存在且支持有限的工作环境，它们通常对劳动者产生负面影响。当劳动者情绪耗竭时，逃避行为可能导致他们不再关心工作表现，或与客户和同事疏远。在极端情况下，劳动者可能完全脱离工作，在工作时间浏览社交媒体或从事其他与工作无关的活动。
流动补偿可以通过强化自我认知中未受威胁的部分，来减轻身份威胁的影响。这种方法有助于恢复工作效率并减少威胁情境中的压力。例如，营销人员可能会转移自身认同，从为具体的营销素材创作，转移到指导营销活动策略上。
象征性自我完成，可能是对劳动者成本最低的策略，它仅需较少的努力和资源即可恢复胜任感、自主性和归属感。 而直接解决和流动补偿，通常需要劳动者投入更多的时间和个人资源，依赖组织支持（如培训或资源）才能完全有效。相比之下，解离和逃避主义可以帮助劳动者立即与威胁来源保持距离，但代价可能是降低工作参与度、错失个人成长机会以及减弱与工作的联系感。
理解并识别这些策略，对于管理劳动者的生产力、动机和士气至关重要。通过分析这些策略的触发因素、成本和收益，组织可以更好地设计干预措施，引导劳动者采取具有积极的补偿性策略。
GenAI对劳动者的心理影响，并非简单的非黑即白；劳动者的应对策略亦然。 有的威胁可能促使劳动者追求积极结果并采取行动解决威胁根源（如通过直接解决），有的则通过避免消极结果并调节威胁引发的情绪反应（如通过逃避）。与能力相关的威胁使人们关注积极结果，而与个人控制丧失和社会排斥相关的威胁则使人们倾向于避免消极结果。
例如，在分析任务上被GenAI超越，可能使劳动者感到其能力受到质疑，从而激励他们参加分析课程以提升技能、重获胜任感。但当GenAI成为决策中心时，劳动者若感到被排除在战略讨论之外，他们则可能会选择退缩、避免参与讨论，并利用工作时间浏览无关内容，以分散注意力、缓解压力和应对自我差异感。未来研究需要进一步确定，哪些变量（例如感知到的控制力、强度）可以预测劳动者在应对心理威胁时选择何种补偿性策略。
未来工作的可能面貌
“人类历史是一部进化与替代的故事”。许多技能和岗位将被GenAI所取代。但组织和劳动者像应对以往技术创新一样，通过适应变化创造对新的技能和角色需求并加以发展。 随着GenAI开始重新定义工作及其心理意义，组织可以主动塑造其与劳动者的关系。
通过在GenAI的设计、开发和部署中融入心理学知识，组织可以赋能劳动者，缓解威胁，并提升工作场景中的个体和社会幸福感。专注于GenAI素养、技术和人际交往技能的培训和技能发展的培训项目，能够增强劳动者的胜任感，使他们能够与GenAI高效协作，并创造“人+GenAI”的协同效应。
向劳动者解释GenAI如何做出决策和生成输出，可以提升人机协作的兴趣和效能。当劳动者能够准确评估自身能力时，与GenAI的互补性将达到最佳。 通过技能评估和针对GenAI的个性化培训，组织可以为劳动制提供定制化学习路径和反馈。
组织还可以通过允许劳动者参与GenAI整合和任务设计（即工作重塑）来增强自主性，并让他们对工作产生归属感和控制感。 GenAI与人类的协作可以通过增加社交机会和改善沟通，来加强工作中的相关性和社会联系。
工作时人际关系中的支持性行为（如提供反馈、分享知识、展现同理心和真诚兴趣、鼓励协作），有助于满足劳动者的三种心理需求，从而提升幸福感和工作效率。 具有良好的人际沟通能力、同理心和情商的管理者，以及协作性组织文化（与更权威性的组织文化相比），会让GenAI成为劳动者的伙伴而非“算法囚笼”，从而赋能劳动者，并缓和GenAI带来的心理风险。
尚未解决的问题：
GenAI对不同职业、任务、角色和行业的影响有何差异？
未来的通用技能和GenAI专项技能将呈现何种形态？劳动者应如何获取并发展这些技能？
GenAI的采用会提升还是降低劳动者知识与技能水平？
劳动者在面对不同心理威胁时，是否会采取不同的应对策略？
当GenAI发展为类人同事时，劳动者将如何与之互动和协作？
组织如何有效缓解心理威胁，同时最大化GenAI带来的益处？
组织如何在GenAI驱动的人类能力增强与岗位替代之间取得平衡？
哪些因素导致劳动者对职场中GenAI的抗拒或接受？
组织应如何应对并减少劳动者对GenAI使用的抵触情绪？
GenAI在职场长期整合后，将对劳动者、工作性质及组织产生哪些长远影响？
结论
GenAI正在重塑工作的执行方式和工作体验。除了自动化常规任务外，GenAI还执行了以往被认为专属于人类的认知、创造和人际交往功能。GenAI的能力重新定义了工作角色和所需技能组合，挑战了劳动者的专业知识、自主权和社交归属感。GenAI提高了劳动者的生产力、创造力和协作能力，同时引发了心理威胁，这些威胁削弱了他们对于胜任感、自主性和归属感的基本心理需求。
面对这些威胁，劳动者常采取五种补偿策略：直接解决、象征性自我完成、解离、逃避主义和流动补偿。每种策略对劳动者的动机、工作效率和长期发展都有不同的影响。理解和积极应对这些心理风险和反应，对于创建能够充分发挥GenAI潜力的，有道德的工作场景至关重要。
科学家、组织和政策制定者需要协同合作，共同识别、设计和实施能满足劳动者心理需求、让劳动者更加适应的系统与结构，从而引导GenAI成为有意义且充实的工作的补充而非威胁。
译者后记
内卷or躺平，是等待AGI出现，还是在当下和GenAI合作获得更高的生产力？该综述列出了现有关于GenAI对劳动者心理健康的影响，提出了有待回答的问题。文中给出的几种应对策略，笔者觉得有些觉得纯属白左特色，比如逃避主义，有些则属于鸵鸟政策，比如解离。
之所以推荐这篇综述的翻译，是为了让国内学术界，企业界熟悉相关，并促成更多该类型的研究。无论是管理学为了提升员工工作效率，降低离职率，还是心理学界考察工作相关的精神疾病，工作满意度等，都离不开文中列出的胜任感，自主性和归属感。这三个关键变量的指出，让这类研究的设计，能够基于上述三个变量构建因果图，从而更加有的放矢。
除了对学术界的启发，希望该文能为企业管理者，人力资源相关从业人员提出警示，GenAI带来的不仅仅是生产效率的可能提升（尽管有研究指出这只对经验丰富的劳动者适用），也可能会给劳动者带来心理困扰，从而影响劳动者的工作积极性和绩效，而学术界也已给出了几种可能的解决之法。
来源：博识雅士