AI 时代，员工能动性去哪了

一、第一性原理：能动性不是态度，是两张网里的行动权

先把员工能动性（employee agency）从一句正面形容词还原成组织机制。回到组织研究的第一性原理：组织是信息网络加利益分配网络。信息网络负责把异质视角、坏消息、分歧往组织里流动；利益分配网络负责谁因为结果被奖励、被提拔、被给予机会。两张网一起，才构成一个能自我纠偏、能分配机会的实体。

员工能动性拆开看，正是员工在这两张网里自主发起、修正、拒绝连接、主张自身方向的能力。在信息网络里，能动性表现为员工能否主动发起沟通、质疑错误信号、把坏消息往上推；在利益网络里，能动性表现为员工能否对自己的绩效、薪酬、晋升方向有主张权。把这两条合起来，能动性的本质不是「员工积不积极」，而是组织把「发起权、判断权、申诉权」配置给了谁。

这个还原很重要，因为它直接决定了 AI 对能动性的作用方式。AI 不改变组织的两张网，它改变的是两张网的路由和计量仪器。一旦看清这一点，所谓「AI 让员工更有能动性」的朴素期待就会裂开：路由确实被重画了，但行动权同时也被收走了。

二、算法管理接管了路由权：从发起者退为接收者

AI 进入职场最显形的形态是算法管理（algorithmic management）：把任务分配、行为监控、绩效评价、甚至纪律处罚这些原本由人来做的职能，交给软件系统执行。它最早出现在外卖、网约车这类平台用工，如今已经渗入仓储、物流、呼叫中心、远程办公和知识工作。

问题不在「用系统管」本身，而在系统把路由权从员工手里挪走了。一个客服过去能判断哪类问题该升级、用自己积累的经验决定优先级；算法派单后，他面对的是系统排好的队列、固定的话术模板、实时的合规计分。他仍然在「工作」，但发起与判断的空间被压缩成系统允许的有限选项。Route 的归属变了：以前是人定路线、系统辅助；现在是系统定路线、人执行。

这恰恰对应第一性原理的判读：算法管理接管了信息网络的路由（什么信息被看见、以什么顺序处理）与利益网络的评价（绩效怎么算、谁被奖励）。当路由和评价都交给不互惠的观察者，员工的能动性就从「我发起行动」退化为「我接收指令」。这不是个别岗位的偶发，而是一种结构性的节点重配。

三、同一套技术，两种能动性命运：控制型 vs 赋能型

把 AI 讲成只会收走能动性的怪物，是偷懒；讲成只会放大能动性的救世主，也是偷懒。2026 年的实证把这两种叙事同时钉在了数据上。

放大的一端来自微软工作趋势指数：66% 的 AI 用户说 AI 让他们把更多时间投入高价值工作，最资深的「前沿专业人士」里这一比例达 80%。报告提出的「能动性方程式」说得直接，随着智能体接管更多执行类工作，人类获得更多能动性，即更多空间去定方向、做判断、对结果负责。这批人用 AI 的方式是主动的：53% 的前沿专业人士会在开工前先想清楚哪些环节交给 AI、哪些留给人；43% 会刻意不用 AI 做某些任务以保持手感。

收走的一端则来自被算法「重控」的工人。Lee 2026 对 27 个欧盟国家 50,462 名工人的研究显示，「重度受控型」工人自主权下降、工作 intensification 却没有补偿性加薪；即便用上 AI 的「被管理的增强型」，自主权仍持续受限。MDPI 对 441 名巴伐利亚酒店员工的研究更干净：算法控制与感知自主权显著负相关，而 AI 支持的技能发展与自主权、职业安全感均显著正相关。同一套技术，控制取向与发展取向带来相反的自主权命运。

两组证据合起来的结论只有一个：AI 不天然放大也不天然收走能动性，它放大的是组织喂给它的配置方式。把 AI 当成监控和约束的工具，它挤压自主权；把 AI 当成增强人的判断与发展的工具，它放大自主权。

四、数字鸿沟下的两极：被赋能者与被重控者

能动性在 AI 时代不是均匀分布的，它正在沿「算法控制暴露度与工具使用强度的组合」裂成两极。Lee 2026 的分类框架把工人分成四类，其中两极对比最刺眼。

一极是「数字赋能型」工人：他们高强度使用 AI 工具，但处在低算法控制的环境里，结果是相对本国中位数收入高出 21 个百分点，且自主权被保留。AI 在这里是放大器，把人的判断力扩展到更大范围的高价值工作。另一极是「重度受控型」工人：他们处在高算法控制的环境，结果自主权下降、工作 intensification，却没有换来补偿性的加薪溢价。中间的「被管理的增强型」即便用上 AI，自主权仍持续受限，说明单有工具不够，配置方式才是关键。

这对 HR 的含义是直接的。一个组织内部完全可能同时存在这两类人：知识工作者用 Copilot 扩权，一线员工被排班算法收窄。如果只看整体的「AI 采纳率」或「效率提升」，组织会误以为自己在赋能全员，实际上正在制造内部能动性的两极分化。能动的红利若只被少数人吃到，它就不是组织能力，而是组织裂隙。

五、微软的「能动性方程式」与转型悖论

微软 2026 报告里有两个看似矛盾的发现，放在一起才拼出全貌。一端是「能动性方程式」：智能体接管执行，人类获得更多能动性。另一端是「转型悖论」：67% 的管理者说自己的组织正在用 AI 转型，只有 32% 的个体感觉自己在转型。

悖论的根因在路由权的归属。AI 往往先被装进管理者的仪表盘与中层的数据流，让组织层面看到效率、成本、产能的信号，于是管理者确信「我们在变」；但一线员工面对的如果是更密的监控、更不透明的评价、更少解释权的算法派单，他的实际动作空间反而收窄，自然感觉「变的是上面的故事，不是我的工作」。

能动性的体感不来自组织宣布转型，而来自个体能否定方向、做判断、对结果负责。当组织的 AI 叙事跑在个体体感前面，那道缝就是能动性被悄悄收走的地方。一个组织如果只衡量管理者的转型信心、不衡量个体的行动空间，它监测的是自己想看的，不是真正发生的。

六、能动性悖论：效率红利与自主收窄并存

Frontiers 2026 对 41 篇文献做的结构化整合综述，把这种现象命名为「算法管理自主权悖论」：数字职场同时叠加两种相反的趋势，一方面算法让工人更灵活地选择何时登录、在哪工作、接哪些单，另一方面同一套系统又通过持续监控、不透明指标、行为 nudging、自动处罚与有限的申诉选项收窄自由裁量权。

综述的中等范围框架给出可操作的边界：算法管理最可能在三种条件下支撑可持续绩效。第一，员工保留有意义的方法权与决策权，而不是只在系统给定的选项里打勾；第二，监控是发展型而非惩罚型，指标里包含技能成长与职业安全感，而不只有产能与合规；第三，透明能通过解释、可申诉与人类复核变得可行动，而不是只公示一个分数。

这三条恰好对应第一性原理的三类权利：方法权与决策权是发起权，发展型监控是判断权，可解释可申诉是申诉权。综述用 41 篇文献的一致性结论确认了一件事：能动性的存亡不取决于算法有多先进，而取决于组织有没有把这三权写进设计。

七、三个被数据验证的管理误判

误判一，以为上了 AI 员工就更有能动性。现实是，当 AI 被用来监控和约束，它收走自主权。微软 66% 与 80% 的红利只属于主动配置的那批人；「重度受控型」工人的数据证明，另一批人正在失去自主权且无补偿。把「用了 AI」等同于「赋能了人」，是只看了一半证据。

误判二，以为整体效率提升就等于全员能动性提升。Lee 2026 的两极分化说明，同一个组织内部可以同时存在被赋能者和被重控者；只看汇总指标会漏掉内部裂隙。一个组织对能动性的监控如果只停在 AI 采纳率，它监测的是自己想看的，不是真正发生的。

误判三，以为转型悖论是员工的适应问题。当 67% 的管理者说在转型、只有 32% 的个体感觉在转型，落差不在员工不够积极，而在路由权没下放。组织把 AI 装进了管理者的仪表盘，却没把发起权、判断权、申诉权交还给一线。把它归因为「员工要适应」，等于把结构问题推给个人。

八、把能动性写进流程：留白

保住能动性的动作是具体的，不靠口号。第一，把「方法权与决策权是否被保留」写进 AI 落地评审。任何接管任务分配、绩效评价、排班的系统，必须说明员工在哪些节点仍能定方法、做判断、对结果负责；留不出空间的一票否决。这是发起权。

第二，推动监控从惩罚型转向发展型。要求算法管理系统的指标里包含技能发展与职业安全感，而不是只有产能与合规；参考 MDPI 2026 的发现，把「AI 支持的技能发展」当成能动性的杠杆来设计。这是判断权。

第三，建立可解释与可申诉通道。Frontiers 2026 的 41 篇综述结论很清楚，透明只有在能通过解释、申诉、人类复核变得可行动时，才转化为可持续绩效。对 AI 生成的差评、降薪、调岗等影响员工的结论，必须由一名人类管理者独立复核并允许员工申诉，AI 的判定不直接生效。这是申诉权。

员工能动性从来不是因为组织善良才存在，而是因为发起权、判断权、申诉权被写在结构里，组织才能自我纠偏。AI 没有改变这条底层逻辑，它只是把路由重画了一遍，让这三权更容易被悄悄收走，也更难推卸。一个组织若在 AI 时代继续把能动性当作员工态度，它守住的只是表态；若把方法权、发展型监控、可申诉通道写进流程，它守住的是两张网还能正常分配行动权的能力。善意与叙事在 AI 下不再够用，能接住能动性的，始终是那些被写死、被审计、被追责的结构。