This paper integrates the social information processing theory with the integrated model of individual growth at work to explore the impact mechanism of intelligent manufacturing informational faultlines on team creativity in new product development. It analyzes and empirically tests the mediating role of team thriving at work (team learning and team vitality) and the moderating role of human-AI collaboration. The empirical analyses of the hypotheses based on the data from 306 samples reveal that intelligent manufacturing informational faultlines positively promote team creativity in new product development; team learning and team vitality serve as mediators in the relationship between intelligent manufacturing informational faultlines and team creativity in new product development; additionally, human-AI collaboration not only reinforces the positive relationships between intelligent manufacturing informational faultlines and both team learning and team vitality, but also amplifies the mediating pathways through which intelligent manufacturing informational faultlines affect team creativity in new product development via team learning and team vitality.
Compared to existing literature, this study makes the following theoretical contributions: First, it advances the application and development of informational faultlines in the context of intelligent manufacturing and validates the theoretical model of the influence of intelligent manufacturing informational faultlines, human-AI collaboration, and team thriving at work on team creativity in new product development. This enriches the understanding of the theoretical implications of informational faultline theory and fills the gap in research on the impact of intelligent manufacturing informational faultlines on team creativity in new product development. Second, it uncovers the mediating role of team thriving at work (team vitality, team learning) in the relationship between intelligent manufacturing informational faultlines and team creativity in new product development, thereby further opening the "black box" of how intelligent manufacturing informational faultlines influence new product creativity. Third, it reveals the moderating role of human-AI collaboration in the relationship between "intelligent manufacturing informational faultlines—team thriving at work (team vitality, team learning)—new product creativity", providing a novel and important perspective for understanding the boundary conditions under which intelligent manufacturing informational faultlines affect team creativity in new product development.
This study offers three practical implications: First, when constructing innovation-oriented R&D teams, enterprises should actively incorporate intelligent technologies such as artificial intelligence and big data analytics. It is essential to recruit members who can complement the team's tasks with diverse expertise, functions, and proficiency in AI technologies. Furthermore, fostering cross-disciplinary and interdepartmental communication can be encouraged through measures such as implementing a cross-departmental job rotation system. Second, organizations should regularly organize professional development opportunities for members through specialized training, online courses, or short-term visiting scholar programs to facilitate the acquisition and assimilation of new knowledge and information. Additionally, team cohesion and emotional communication among members can be enhanced through team-building activities, quality development exercises, or creative workshops. Material incentives may also be employed to boost employee motivation. Third, organizations should periodically provide training related to collaborating with AI, including teaching employees to effectively integrate and utilize knowledge and resources from different subgroups through AI tools, as well as to enhance communication with other organizational members via AI systems.
开放科学(资源服务)标识码(OSID)：
全面深化创新驱动发展战略背景下,制造业发展方式正经历从传统效率导向“量驱动”增长模式向注重创新主导的“质驱动”智能制造模式转变[1]。数字技术驱动的“To C”智能制造企业只有持续产生新创意并将其转化为兼具新颖性和价值性的新产品,才能在激烈的市场竞争中立于不败之地[2]。不同背景、技能和经验团队具有多元化知识、思维和观点,能够为新产品研发和设计提供更富创意的独特解决方案[3]。兼具跨职能、跨学科、跨文化特征的多元化知识型团队是企业创新的基本单元[4],其多元化特征容易引发团队内部信息型断裂,即基于多重任务相关人口统计属性,如教育专业、职能背景或工作经验的一致性联合,从而将团队划分为若干同质子团队的假设分裂线[5]。随着智能制造在企业中的深入推进与广泛运用,人工智能等数字化技术深刻重塑组织结构和员工互动方式,团队成员的相关人口统计属性无法全面涵盖团队成员日益复杂的分化模式,也难以体现智能制造对人才能力的新要求[1]。鉴于此,本文探究智能制造情境下信息型断裂的运用和发展,可以为企业在新外部环境下实现高质量发展提供理论依据和实践指导。
智能制造信息型断裂能够汇聚AI计算能力及多元化知识型团队的知识专长以激发团队灵活性和发散性思维,且跨专业、跨职能、跨文化联合决策能够从更为全面和多元化视角理解与解读用户需求,从而使得新产品设计和研发兼具新颖性和价值性[2,6]。然而,以往研究主要聚焦传统制造情境下信息型断裂对绩效产出[3,7]与团队创造力[8]的影响,对新产品创造力的关注较少。此外,围绕传统制造情境对信息型断裂与团队创新产出关系的研究尚未达成一致性结论。部分研究发现,信息型断裂能够促进创造性想法涌现(刘新梅等,2023),但也有研究认为两者呈U型[3]、倒U型[8]或无显著性关系[9],还有研究认为信息型断裂会抑制团队创新活动开展[10]。可见,探究智能制造信息型断裂对团队新产品创造力驱动机制具有重要意义。
当前,关于团队断裂与团队产出间中介机制,学界主要从社会整合[7,10-14]和认知整合[2,9,15-17]视角展开。根据社会信息加工理论,团队中的社会信息线索如智能制造信息型断裂作为多元化团队普遍存在的现象,会塑造成员处理任务时的心态、认知和情感反应,并进一步影响其决策过程、具体行为及与同事的关系,进而影响新产品创造力[18]。相较于传统社会整合与认知整合视角,团队工作繁荣从工作心态视角,将社会因素与认知因素相结合,强调成员在工作中投入更多精力与热情,能够激发成员内在动力,使团队不断吸收新知识、调整策略和优化流程,因而工作繁荣对团队新产品创造力具有重要影响[19]。可见,探究团队工作繁荣(团队活力与团队学习)在智能制造信息型断裂与团队新产品创造力之间的中介作用,有助于深刻理解智能制造信息型断裂对新产品创造力的作用机制。
传统制造情境下的信息型断裂研究主要聚焦团队特征[16]、领导特征[8,20]及环境特征[21]等情境因素。随着智能制造在企业运营中的深度融合与广泛应用,AI技术在加快新产品开发流程领域展现出独特价值,但其难以独立完成复杂任务,且实现高度自动化过程往往需要大规模资金投入,因而人智协同成为组织内部重要情境因素[22]。根据个体成长整合模型,人智协同程度较高的智能制造信息型断裂能够增强团队协作与信息流通,提升员工解决复杂问题的能力,而且,智能系统允许员工根据个人偏好与能力进行人岗匹配,提高员工工作自主性和归属感,使员工在面对差异化信息时展现出兼具活力和学习能力的积极状态[23]。因此,关注人智协同在上述机制中的调节作用,可为理解智能制造信息型断裂影响团队新产品创造力的边界条件提供新视角。
综上所述,本文整合社会信息加工理论与个体成长整合模型,探讨智能制造信息型断裂对团队新产品创造力的影响机制,实证检验团队工作繁荣(团队学习与团队活力)的中介作用以及人智协同的调节作用,以期为智能制造企业创新团队管理、团队建制和人智协同等提供理论支撑和实践启示。
社会信息加工理论认为, 团队成员通过对所处社会环境中的信息进行加工和解读,进而决定其下一步行为[18]。智能制造信息型断裂具有社会属性,是指在智能制造环境中,团队成员根据教育专业、职能背景以及对智能技术应用的熟练程度等相关人口统计属性,在团队内部形成若干彼此同质、相对异质子团队的假设分裂线[5]。团队工作繁荣作为聚焦任务完成、强调知识共享及紧密协作的团队工作心态,包括团队活力与团队学习两个维度。其中,团队活力是指团队成员充满热情并热爱工作,而团队学习是指成员能够感知到彼此正在获取并运用知识与技能[19]。团队新产品创造力是团队成员在一定时期内通过协同合作与知识整合,依托团队内部多样化资源和能力,共同产出新颖、实用且具有市场应用潜力的产品创新成果[24]。根据社会信息加工理论,团队成员通过对团队中重要的社会信息线索(如智能制造信息型断裂)进行感知和解读,能够显著影响团队成员工作主动性和学习热情,进而作用于团队创新成果产出[18]。可见,团队工作繁荣是智能制造信息型断裂影响团队新产品创造力的关键因素。
由个体成长整合模型可知,能够对个体基本心理需求(如自主性、能力感和归属感)带来满足的组织情境因素,可以激发个体表现出更高的工作繁荣[25]。人智协同是员工与AI在工作过程中开展协同合作的行为,强调员工与AI之间通过共同工作达成协作智能,使得员工与AI技术之间达成安全、无缝、有效的团队合作[23]。根据个体成长整合模型,人智协同作为组织的重要情境因素,能够削弱由任务属性差异而导致的子团队分歧,满足员工归属感等基本心理需求,进而实现团队工作繁荣[23,25]。在人智协同程度较高的智能制造信息型断裂中,团队成员与智能系统之间的高效协同可提供必要的信息支持,辅助团队成员解决问题,提升团队学习活力,进而促使智能制造信息型断裂所带来的多元化认知资源在促进团队新产品创造力中发挥有效作用[22,26]。可见,人智协同能够调节智能制造信息型断裂对团队工作繁荣(团队活力与团队学习)及新产品创造力的影响效应。综上所述,本文构建智能制造信息型断裂通过团队工作繁荣影响团队新产品创造力的理论模型(见图1)。
图1 理论模型
Fig.1 Theoretical model
智能制造集成的人工智能、机器学习与大数据等前沿技术不仅改变了传统制造业工作流程与生产方式,也重新定义了信息型断裂对新产品创造力的影响。智能制造信息型断裂具有潜在负向影响,如可能会产生信息孤岛、加剧团队成员间误解或冲突、降低团队协调效率等[10]。本研究依据社会信息加工理论提出,智能制造信息型断裂具有的社会属性不仅可使同质性子团队形成更加紧密的社交联系,增强知识与技能深度共享与交流,而且还能通过跨子团队信息交流与技能互补,激发团队多元视角与创新思维,显著提升团队在新产品开发领域的整体绩效及创新能力[2]。首先,智能制造通过技术融合与信息优化打破传统信息型子团队间隔阂,促进不同职能团队间沟通与协作,从而显著提升团队新产品创造力与市场竞争力[9]。例如,营销团队通过市场调研或数据分析技术捕捉消费者最新需求,并将关键信息实时反馈给研发和生产团队,从而确保新产品设计与研发紧密贴合市场需求[2]。其次,智能制造信息型断裂促使团队更加重视对工程技术、信息科学、管理学和营销学等多学科的深度融合,通过打造有效沟通“桥梁”实现多学科知识互补与交叉创新,从而为新产品设计与开发提供坚实的多学科理论和实践基础[27]。同时,跨学科合作机制能够确保团队在产品研发过程中充分利用各学科优势,加速产品市场适应速度,提高产品创新性[24]。此外,基于成员教育专业、职能背景及对智能技术熟练程度等任务属性形成的子团队不仅在专业领域内部能促进深度技术探讨和知识积累,而且子团队间的健康竞争关系使得各子团队在彼此激励下能持续提升自身专业技能与技术创新能力,从而显著提高企业市场竞争力和产品创新性[15]。据此,本文提出如下假设:
H1：智能制造信息型断裂正向促进团队新产品创造力提升。
根据社会信息加工理论,本文认为团队学习在智能制造信息型断裂与团队新产品创造力关系中起中介作用。
智能制造信息型断裂不仅能重新定义团队内部异质性结构,还能显著促进团队学习。首先,智能制造信息型断裂更加凸显团队成员智能技术应用能力差异,且智能制造项目中技术的快速变化与高度整合要求团队不断适应和学习新技能与新方法,从而推动团队成员在持续知识交流与技能提升中实现快速成长[15]。其次,智能制造信息型断裂是在面对复杂任务需求时在团队内部出现的分化现象,而团队成员需要在解决问题过程中互学专长并持续进行知识技术交流,加强团队内部知识共享并提升团队学习能力[9]。此外,智能制造信息型断裂通过引入专业化分工增强团队成员之间的依赖性,促使成员在各自专业领域之外向他人学习,以便更好地解决跨领域复杂问题[27]。此时,团队成员不得不吸收与自己专业领域相异的新知识,并向他人传授自身专业知识,从而形成持续、双向学习的良性循环[8]。
团队成员通过相互交流分享知识、技能及经验,增强团队内部协作,促进跨领域知识融合,进而为新产品设计与开发提供广泛资源与思想基础[24]。首先,具备浓厚学习氛围的团队更有利于成员分享各自领域经验和知识,使团队在集体智慧指导下进行思考和决策,从而帮助团队更全面地理解和看待问题,为新产品创造性想法的涌现提供丰富的知识[2]。其次,团队成员通过相互评估和反馈、回顾和总结工作经验并从中汲取教训,能不断更新和修正本领域知识,从而提升团队新产品创造力和市场变化响应速度[3]。此外,团队学习能够使团队成员在面对新挑战和新问题时通过集体思维方式寻找多样化问题解决方案,从而促使团队成员多视角讨论新产品创意,提高产品设计创新性与市场竞争力[28-29]。据此,本研究提出如下假设:
H2：智能制造信息型断裂通过团队学习的中介作用对团队新产品创造力产生间接正向影响。
根据社会信息加工理论,本文认为团队活力在智能制造信息型断裂与团队新产品创造力关系中起中介作用。
基于教育专业、职能背景以及对智能技术应用熟练程度形成的智能制造信息型断裂通过构建共同任务目标和团队愿景,能增强团队成员情感联结、提高团队活力[2]。首先,智能制造信息型断裂是团队在执行复杂任务过程中出现的团队分化情形,成员为完成团队任务需要进行充分沟通与配合,投入更多时间和精力在集体工作任务上,此时团队成员对团队的认同感、归属感和满意度将进一步提升,进而激发团队活力[10]。同时,当团队成员追求共同目标获得成功时,团队成员获得的成就感和自豪感可将资源多样性转化为团队凝聚力,提升团队应对复杂任务的能力,并进一步增强团队活力和向心力[19]。其次,智能制造环境中技术与任务复杂性要求多学科知识与多技能协作,而团队成员根据各自教育专业和技术熟练程度等任务属性形成的专业化信息型子团队不仅能促进跨职能、跨领域知识交流,还能加深团队成员情感理解与尊重,从而提高团队整体活力[1]。
团队活力通过促进情感交流、提高互动频率及活跃团队氛围激发团队创造性思维,促进新产品创造与开发。首先,由团队活力产生的紧密情感联系不仅能够增强团队凝聚力、情感支持和组织承诺,激发成员工作积极性,还能使成员更加专注于团队共同任务和目标,更有动力迎接新挑战、探索新思路和尝试新方法,有效应对团队在新产品创新过程中可能遇到的障碍[30]。其次,团队活力关联的情绪共鸣和积极心态能提高团队成员工作热情和动力,使其在面对困难和挑战时更具有坚韧和创新精神,这不仅有助于团队在逆境中保持创造力,还能激励团队成员寻求创新方法与策略,进而推动团队新产品开发过程中的创意涌现和技术创新[31]。最后,团队活力所催生的积极情感氛围和团队整体活跃度有助于塑造更具包容性和支持性的工作环境。此时,团队成员的心理安全感显著提高,更愿意尝试不同创新策略和解决方案,尤其是当面对新产品开发高风险和高不确定性时,更有可能展现出卓越的创造性和适应性[32]。据此,本研究提出如下假设:
H3：智能制造信息型断裂通过团队活力的中介作用对团队新产品创造力产生间接正向影响。
根据个体成长整合模型,本文认为人智协同调节智能制造信息型断裂与团队学习之间的关系。智能制造信息型断裂整合跨职能、跨专业及人工智能等多种优势,能够促进成员间相互学习,但同时也可能由于任务表征分歧及对AI操作熟练程度不同等差异化任务属性而引发团队成员倾向于与同子团队内具有相似背景、观点和技能的成员进行沟通[17]。本研究认为,人智协同通过促进知识流通及强化团队共同目标等正向调节智能制造信息型断裂与团队学习关系。一方面,当人智协同程度较高时,智能制造信息型断裂中的即时通信等数字化技术作为知识和信息传递的“桥梁”,不仅能有效减少团队成员因专业背景和技能水平差异而带来的沟通障碍,还能通过智能化协作平台和工具,使团队成员更加直观、便捷地获取其他成员的专业知识和工作进展,从而促进跨职能、跨专业深度互动与相互学习[33]。此外,人智协同程度较高的团队通过强化整体目标和共同愿景来淡化子团队间界限,引导团队成员关注异质性知识和信息而非情感冲突,打破由职能背景、教育专业及对智能技术熟练程度不同所产生的隐性偏见,进而促进知识传递与团队学习[23]。另一方面,当人智协同程度较低时,智能制造信息型断裂中的不同子团队由于背景、职能差异及对智能技术掌握程度不同而倾向于形成封闭的小团体,使得团队内部异质性知识与技能无法得到共享与使用,而且可能因为彼此任务属性差异而形成消极认知和刻板印象,进一步抑制团队跨职能或跨领域学习动机[34]。据此,本研究提出如下假设:
H4：人智协同正向调节智能制造信息型断裂与团队学习关系,即人智协同水平越高,智能制造信息型断裂对团队学习的促进作用越显著。
根据个体成长整合模型,本文认为人智协同调节智能制造信息型断裂与团队活力关系。基于成员教育专业、职能背景及对智能技术应用熟练程度等相关人口统计属性差异形成的智能制造信息型断裂,在管理不当情境下有可能会疏远成员关系、阻碍团队协作,消磨团队成员工作热情[17]。本文认为,人智协同通过改善成员间情感交流和协作态度,增强团队动态互动与情感连结,从而正向调节智能制造信息型断裂与团队活力关系。首先,人智协同通过智能技术调节因任务属性差异所导致的知识和信息流通障碍,帮助团队成员面对信息型断裂时及时调整自身心态及与其他团队成员间的互动行为,促使团队成员打开心扉并跨越专业与职能边界进行沟通与交流,减少团队内社会分类与偏见,塑造积极团队情感氛围,进而提升团队整体活力[22,34]。其次,人智协同通过提供公平透明的表现评价和认可机制,改善智能制造信息型断裂中团队成员因任务属性差异引起的认知与情感冲突[23]。智能系统分析工具能够公正评估每位团队成员所作贡献,确保所有成员的努力与成就得到认可,避免因技能或背景差异而产生的潜在不公,提高团队成员归属感、凝聚力与信任度,从而增强团队活力[33]。然而,当人智协同程度不足时,智能制造信息型断裂由于缺乏有效的智能支持与人机协作机制,团队内部分裂会更加明显,成员间情感隔离与误解可能会加剧,从而阻碍团队成员之间的正向情感交流与协作。此时,团队有可能面临更多冲突和摩擦,导致整体活力和效率下降[34]。据此,本研究提出如下假设:
H5：人智协同正向调节智能制造信息型断裂与团队活力关系,即人智协同水平越高,智能制造信息型断裂对团队活力的促进作用越显著。
整合社会信息加工理论与个体成长整合模型,本文认为人智协同调节团队工作繁荣(团队学习与团队活力)在智能制造信息型断裂与团队新产品创造力之间的中介效应。人智协同程度较高的企业能够促进团队信息流动及成员间互动与协作。此时,智能制造信息型断裂将发挥其多元化认知资源及子团队结构优势,促进团队工作繁荣(团队活力与团队学习),进而提升团队新产品创造力[23]。一方面,在高度人智协同环境中,团队成员之间交流与合作更加顺畅,使得不同子团队成员能够跨越子团队界限分享各自领域知识与经验,这不仅能够加深成员之间的理解与信任,还能促进团队整体知识结构优化与体系更新[22]。此外,即便团队内部存在若干信息型子团队,高水平人智协同也能促使信息流动更为畅通无阻,从而将分化的子群凝聚成更有向心力的集体[33]。此时,各子团队的独特视角和专业知识能为问题解决和项目进展提供多样化解决方案,增强团队应对复杂问题的灵活性和响应速度,从而显著提升团队活力[10]。另一方面,团队通过及时更新与整合不同领域信息与知识,确保团队在集体智慧指导下能够有效利用和转化这些新知识与新技术,进而促进团队将更多创新想法转化为兼具实用性和价值性的新产品[32]。而团队活力提升促使团队成员在工作中表现出更高的积极性和工作热情,这不仅能够激发团队成员全身心投入创新活动,而且能够促进团队成员之间交流和互动,使成员更加积极主动地参与新产品创意[31]。此外,由团队学习与团队活力形成的双重促进效应使团队不仅能够在现有产品基础上作出渐进式创新,还能够探索全新产品领域,从而使团队在激烈的市场竞争中占据领先地位[30]。据此,本研究提出如下假设:
H6：人智协同正向调节团队学习在智能制造信息型断裂与团队新产品创造力之间的中介作用,即人智协同程度越高,团队学习的中介作用越强。
H7：人智协同正向调节团队活力在智能制造信息型断裂与团队新产品创造力之间的中介作用,即人智协同程度越高,团队活力的中介作用越强。
本研究采用滚雪球抽样法结合便利抽样原则,通过现场与线上发放电子问卷方式进行问卷收集,选取陕西、河南及山东等省份若干家智能制造企业知识型团队作为本次调研对象,被调研企业均采用先进信息技术和自动化设备,致力于通过智能化手段优化生产流程和提升产品质量。被调研团队覆盖信息技术、软件开发和工程制造等多个领域,不同行业和部门对新产品的定义有所不同,如具有先进技术特征的软件应用程序、具有创新功能或用户体验的软件产品或创新建筑设计方案等。首先,通过企业家协会和校友资源协助,联系到符合调研要求的企业。其次,由调研负责人向企业领导介绍调研情况,调研得到企业领导高度重视及人力资源部门大力协助。本研究采用多来源、多时点数据收集策略,分别从团队领导和团队成员两个角度进行数据收集,以降低潜在共同方法偏差影响并提高研究结论稳健性。
在时间点1,团队成员填写个人基本信息、手机号码后4位、领导工号、教育专业、职能背景、员工使用智能技术工作年限以及人智协同量表等。在时间点2,团队成员填写手机号码后4位、团队学习与团队活力量表,团队领导则填写个人基本信息、自身工号、团队特征属性,并对团队新产品创造力进行评价。本研究用手机号码后4位数字匹配团队成员在时间点1和时间点2的问卷,并通过团队领导填写自身工号以及团队成员填写领导工号的方式,实现团队领导与团队成员问卷数据的精准匹配。本研究在78个团队(共计416名员工)发放调研问卷,剔除回答质量差、回复率低于80%的无效问卷,最终得到57个团队(共计306名员工)的有效样本。团队成员有效问卷回收率为73.67%,团队领导有效问卷回收率为73.08%。样本特征信息如表1所示。
表1 样本特征
Table 1 Characteristics of samples
类别特征人数占比(%)性别男16453.59女14246.41年龄小于25岁7524.5125～35岁10935.6236～45岁9029.4145岁以上3210.46学历高中及以下196.21专科8126.47本科15650.98硕士4213.73博士82.61
(1)智能制造信息型断裂。本文借鉴Cooper等[21]的研究,选取教育专业、职能背景及员工使用智能技术工作年限作为个体任务相关属性,采用Average Silhouette Width算法计算智能制造信息型断裂强度。
(2)团队工作繁荣。本研究借鉴Porath等[25]的量表测量团队工作繁荣。其中,团队活力量表包括“作为一个团队,我们期待着每一天的到来”等5个题项。团队学习量表包括“作为一个团队,我们取得很大进步”等5个题项。
(3)人智协同。本研究采用Kong等[23]的量表测量人智协同变量,量表包含5个题项,其中典型题项如“AI参与我们的信息识别与评价过程”。
(4)团队新产品创造力。本研究采用Im等[24]开发并经过验证的跨领域测量量表,测量团队新产品创造力,典型题项如“与竞争对手相比,由您领导的团队生产的新产品能够满足顾客需求与期望”等。
(5)控制变量。借鉴已有研究,本文将领导性别和年龄、团队成立时间、团队规模、任期多样性、专业多样性及职能多样性设置为控制变量,以获取智能制造信息型断裂对团队工作繁荣及团队新产品创造力的影响[2,17]。
智能制造信息型断裂使用ASW算法计算得到,团队新产品创造力由领导直接打分,因而上述两个变量均不需要进行聚合检验。由于人智协同、团队学习及团队活力数据来源于个体,需将收集到的个体层面数据聚合到团队层面进行后续假设检验。本研究通过计算得到上述变量团队聚合检验指标值(见表2)。人智协同、团队学习与团队活力的Rwg均值分别为0.841、0.923、0.924,均大于0.7的标准;ICC1分别为0.247、0.392、0.384,均大于0.12的标准;ICC2分别为0.638、0.776、0.770,均大于0.5的标准。可见,人智协同、团队学习与团队活力聚合检验指标值均符合条件,数据可以聚合到团队层面。
表2 变量测量题项、因子载荷与聚合检验结果
Table 2 Measurement items and factor loadings of variables and aggregation test
变量 测量题项 因子载荷 RwgICC1ICC2人智协同AI参与我们的决策过程0.9410.8410.2470.638AI参与我们的预测过程0.927AI参与我们的问题解决过程0.911AI参与我们的信息识别和评价过程0.918AI参与我们的问题、机会或风险识别过程0.890团队学习我们发现我们团队经常学习0.8520.9230.3920.776随着时间推移,我所在团队持续学到很多0.815我们看到我们团队在不断进步0.876作为一个团队,我们取得很大进步0.918我们团队没有在学习0.886团队活力我们团队充满活力0.8420.9240.3840.770我们团队精力充沛、充满能量0.833我们团队是警觉和清醒的0.815作为一个团队,我们期待着每一天的到来0.907我们团队精力不太充沛0.901团队新产品创造力与竞争者相比,您领导的团队最终产生的关于新产品的创意或构念:确实不是平庸之作0.795可以说是革命性的产品创意0.836非常激励人心0.843展现出区别于以往问题的解决思路0.788确实是消费者所需要和期待的产品创意0.826满足消费者需求0.858对消费者来说是非常有用的产品0.876
本研究对变量信效度进行检验。首先,选取国际期刊上广泛认可的成熟量表,结合本土文化情境与具体语境对量表进行修订,具体变量题项与因子载荷见表2。其次,人智协同、团队学习、团队活力与团队新产品创造力的Cronbach′s α系数分别为0.942、0.763、0.757和0.918,均超过0.7的标准,说明问卷具备较高的内部一致性。此外,上述变量的平均方差提取量(AVE)分别为0.842、0.757、0.740和0.693,均大于0.5的标准,表明问卷聚合效度较好。最后,各变量AVE平方根均显著高于其与其它变量的相关系数,表明变量之间具有较好的区分效度。
本研究采用多时点和多来源问卷填写程序降低潜在共同方法偏差的影响,并使用Harman单因子法对变量进行偏差检验。该方法是将所有测量题项进行未旋转探索性因子分析,评判标准为:若存在一个主导因子方差解释率超过40%,则认为存在共同方法偏差问题;反之,则不存在。本研究使用SPSS计算所有题项的Harman单因子,检验结果显示第一个因子总方差解释率为24.17%,低于40%,说明本研究数据不存在严重的共同方法偏差问题。
表3为各变量的均值、标准差、相关系数及AVE平方根。可以看出,本研究中各变量均值和标准差均在合理范围内。此外,核心变量间相关系数符合本研究假设预期,如智能制造信息型断裂与团队新产品创造力相关系数为正(β=0.240,p<0.05),为后续假设检验提供了基础。
表3 均值、标准差、相关系数及AVE平方根值
Table 3 Means, standard deviations, correlation coefficients, and square roots of AVE
变量 1234567891011121.Age-2.Gender-0.038 -3.TT0.1160.200-4.TS0.0990.487** 0.293*-5.TD0.2220.0630.1950.255-6.PD0.266*-0.0380.0770.451**0.190-7.FD0.0630.1280.282*0.552**0.305* 0.276*-8.IF0.225-0.390**-0.016-0.102-0.075-0.0620.050-9.HI0.096-0.293*0.170-0.133-0.193-0.0690.035 0.438**0.91810.TL-0.023-0.387**0.005-0.111-0.313*-0.038-0.0820.485**0.556**0.87011.TV-0.043-0.265*0.026-0.013-0.306*0.033-0.0740.476**0.501**0.510**0.86012.NP-0.101-0.126-0.053-0.156-0.287*-0.327*-0.1570.240*0.396**0.413**0.326*0.833MEAN2.3731.4227.2815.3682.7110.6720.6620.4685.0725.1025.1845.040SD0.5430.3601.7801.2552.2240.0760.0850.0620.5780.4190.4110.593
注:Age、Gender分别为团队领导年龄和性别,TT为团队成立年限,TS为团队规模,TD为任期多样性,PD为专业多样性,FD为职能多样性,IF为智能制造信息型断裂,HI为人智协同,TL为团队学习,TV为团队活力,NP为团队新产品创造力,加粗值为变量AVE平方根,*表示p<0.05,**表示p<0.01,下同
(1)直接效应和中介效应检验。由表4可知,在控制变量基础上加入智能制造信息型断裂,模型M2结果显示智能制造信息型断裂与团队新产品创造力具有显著正向关系(β=0.242,p<0.05),假设H1得到验证。模型M3结果显示,智能制造信息型断裂正向促进团队学习(β=0.377,p<0.01)。模型4同时以自变量和中介变量预测因变量,智能制造信息型断裂与团队学习对团队新产品创造力依然具有显著正向促进作用(β=0.107,p<0.05;β=0.396,p<0.05),表明团队学习部分中介智能制造信息型断裂与团队新产品创造力之间的关系,假设H2得到验证。模型M5结果显示,智能制造信息型断裂正向促进团队活力(β=0.450,p<0.01)。模型6显示,智能制造信息型断裂与团队活力均对团队新产品创造力具有显著正向促进作用(β=0.191,p<0.05;β=0.297,p<0.05),表明团队活力部分中介智能制造信息型断裂与团队新产品创造力之间的关系,假设H3得到验证。
表4 分步线性回归结果
Table 4 Stepwise linear regression results
变量 M1M2M3M4M5M6M7M8M9M10M11M12NPNPTLNPTVNPTLTLTLTVTVTVAge0.0250.013-0.078 0.044-0.1360.053-0.078-0.094-0.139-0.136-0.150-0.206*Gender-0.227-0.206-0.337*-0.072-0.189-0.150-0.337*-0.271-0.261*-0.189-0.129-0.116TT0.0230.0230.114-0.0220.113-0.0110.1140.024-0.0010.1130.0320.002TS0.2220.2130.2100.1300.2290.1450.2100.2310.320*0.2290.2480.356*TD-0.243-0.237-0.285*-0.125-0.277*-0.155-0.285-0.205-0.045-0.277*-0.205-0.008PD-0.376*-0.366*-0.027-0.355*0.074-0.388*-0.027-0.012-0.0090.0740.0880.092FD-0.080-0.084-0.107-0.042-0.158-0.037-0.107-0.136-0.239*-0.158-0.184-0.311**IF0.242*0.377**0.107*0.450**0.191*0.377**0.2560.1720.450**0.340*0.238*TL0.396*TV0.297*HI0.365**0.550**0.330*0.556**IF×HI0.447**0.512**R20.1960.1970.3920.2930.3680.2530.3920.4850.6410.3680.4440.679F1.7061.475*3.862**2.163*3.500*1.7673.862**4.913**8.231**3.500**4.178**9.725**
(2)调节作用检验。由表4模型9可知,在加入控制变量后,智能制造信息型断裂与人智协同交互项对团队学习具有显著正向影响(β=0.447,p<0.01),假设H4得到验证。由模型12可知,智能制造信息型断裂与人智协同交互项对团队活力具有显著正向影响(β=0.512,p<0.01),假设H5得到验证。
进一步地,通过绘制简单斜率直观展示人智协同的调节效应。图2表明,当人智协同程度较高时(+1SD),智能制造信息型断裂对团队学习具有较强促进作用(简单斜率b=0.619,p<0.01);当人智协同程度较低时(-1SD),智能制造信息型断裂与团队学习间关系不显著(b=-0.740,p>0.05),假设H4得到再次支持。图3表明,高人智协同影响下,智能制造信息型断裂对团队活力具有较强促进作用(b=0.785,p<0.01);低人智协同作用下,智能制造信息型断裂对团队活力的影响不显著(b=-0.309,p>0.05),假设H5再次得到支持。
图2 人智协同对智能制造信息型断裂与团队学习的调节作用
Fig.2 Moderation effect of human-AI collaboration on the relationship between intelligent manufacturing informational faultlines and team learning
图3 人智协同对智能制造信息型断裂与团队活力的调节作用
Fig.3 Moderation effect of human-AI collaboration on the relationship between intelligent manufacturing informational faultlines and team vitality
(3)有调节的中介效应检验。本研究采用Boostrap法检验以团队学习和团队活力为中介变量、以人智协同为调节变量的被调节的中介效应,设定样本量为5 000,置信区间为95%。由表5可知,当人智协同程度较高时,团队学习中介路径的间接效应显著为正(β=0.230,置信区间为[0.066,0.375],不包含0)。当人智协同程度较低时,该路径的间接效应不显著(β=-0.028,置信区间为[-0.238,0.184],包含0),假设H6得到验证。同理,当人智协同程度较高时,团队活力中介路径的间接效应显著为正(β =0.117,置信区间为[0.019,0.239],不包含0)。当人智协同程度较低时,该路径的间接效应不显著(β =-0.033,置信区间为[-0.106,0.134],包含0),假设H7得到验证。
表5 被调节的中介效应检验结果
Table 5 Test results of moderated mediation effects
中介变量人智协同EffectBootLLCIBootULCI团队学习低水平(-1SD)-0.028-0.2380.184高水平(+1SD)0.2300.0660.375团队活力低水平(-1SD)-0.033-0.1060.134高水平(+1SD)0.1170.0190.239
(4)异质性分析。由于智能制造情境在不同行业类型和团队类型间具有差异性,因而本文进行分组分析以揭示不同情境下智能制造信息型断裂对团队新产品创造力的差异化影响。首先,本文对信息技术行业和制造业等不同行业类型进行分组分析。结果显示,智能制造信息型断裂对新产品创造力的正向影响在信息技术行业组(β=0.253,p<0.05)高于工程制造行业组(β=0.217,p<0.05),这与信息技术行业对智能制造技术和知识共享的高度依赖有关。其次,本文对研发类、技术类和设计类团队进行分组分析。结果显示,智能制造信息型断裂对新产品创造力的正向影响在研发类团队(β=0.248,p<0.05)高于技术类(β=0.237,p<0.05)与设计类团队(β=0.234,p<0.05)。这是因为,研发类团队更注重技术创新和知识整合,而技术类和设计类团队虽然也受益于智能制造技术,但由于其工作重点更多集中在技术优化和设计改进,因而智能制造信息型断裂对新产品创造力的促进作用相对有限(由于篇幅所限,本文不再一一列示异质性分析结果)。
本文基于社会信息加工理论,探究在人智协同调节机制作用下,智能制造信息型断裂通过团队工作繁荣(团队学习与团队活力)的双通道中介作用对团队新产品创造力的驱动作用。利用57个团队样本数据对假设进行检验,得出如下结论:①智能制造信息型断裂正向促进团队新产品创造力;②团队学习与团队活力在智能制造信息型断裂与团队新产品创造力关系中起部分中介作用;③人智协同不仅会强化智能制造信息型断裂与团队学习和团队活力之间的正向关系,还会正向强化智能制造信息型断裂通过团队学习与团队活力影响团队新产品创造力的中介路径。
(1)推动信息型断裂在智能制造情境下的应用与发展,并验证智能制造信息型断裂、人智协同与团队工作繁荣(团队学习/团队活力)对团队新产品创造力的作用,丰富了对信息型断裂理论内涵的认识,弥补了智能制造信息型断裂对团队新产品创造力影响研究的不足。一方面,现有研究关于信息型断裂的认识侧重于传统制造业情境中基于教育专业、职能背景及工作年限等特征形成的团队内部分化模式[5]。随着智能制造的深入推进,员工与AI多方互动关系已成为主流,逐步取代传统仅局限于部分任务相关属性的群体分层模式,增加了如员工对智能技术使用熟练程度等多维、复杂的交互网络[1]。鉴于此,本研究提出智能制造情境下新型信息型断裂的构念,推动信息型断裂的情境化应用与发展。另一方面,以往研究表明,新产品创造力对研发团队生存与发展至关重要[24],但关于信息型断裂与团队创新产出尤其是新产品创造力的研究仍处于探索阶段,且研究结论并不一致[3,9-10]。本文深入探究智能制造信息型断裂如何影响团队新产品创造力,有效弥补了智能制造信息型断裂对团队新产品创造力作用关系探讨的不足,响应了学界关于深化新产品创造力研究的迫切需求[28]。
(2)挖掘团队工作繁荣(团队活力、团队学习)在智能制造信息型断裂与团队新产品创造力关系间的中介作用,进一步打开智能制造信息型断裂影响团队新产品创造力的“黑箱”。传统制造情境下信息型断裂中介机制研究主要集中于团队社会整合[7,11,13]或认知整合过程视角[9,15-16],忽视了团队工作繁荣(团队活力、团队学习)如何受到智能制造信息型断裂影响及其对团队新产品创造力的促进作用。团队工作繁荣作为重要的团队工作心态,塑造成员处理团队任务时的态度并影响其与同事的互动关系,因此对团队新产品创造力具有重要影响[19]。基于此,本研究选取能够综合反映认知因素和情感因素的团队工作心态,构建并验证智能制造信息型断裂通过团队学习与团队活力对团队新产品创造力的“双通道”中介机制。该发现不仅深化了对智能制造信息型断裂与团队新产品创造力之间复杂路径机制的认识与理解,还为全面、系统和深入从团队工作心态视角探索智能制造信息型断裂中介机制提供了启发和借鉴,也进一步拓展了团队层面工作繁荣影响机制与前因影响因素研究。
(3)揭示人智协同在“智能制造信息型断裂—团队工作繁荣(团队活力、团队学习)—新产品创造力”作用关系中的调节作用,为探究智能制造信息型断裂的边界条件提供了新视角。已有研究从团队特征[16]、领导特征[8,20]及环境特征[21]等对传统制造情境下信息型断裂与团队过程或产出关系的调节作用进行探究。随着智能制造的深入推进,人工智能应用正日益凸显其在提升企业决策质量、缩短新产品上市时间及优化客户服务体验等方面的显著效能,但AI在处理复杂任务时仍显不足,且其自动化高级阶段需要巨额资本的持续注入[23]。基于此,能够同时发挥AI潜力并利用人类创造力与灵活性来应对复杂任务的人智协同模式正逐渐演变为工作环境中的新常态[1]。因此,本文引入人智协同既是解决复杂多变环境下智能制造信息型断裂引发多重矛盾需求的关键切入点,也深入、具体回答了智能制造信息型断裂如何促进团队工作繁荣、进而提升团队新产品创造力。上述发现为组织充分发挥智能制造信息型断裂的积极效应提供了理论依据,也进一步拓展了智能制造信息型断裂的作用边界。
根据上述研究结论,本研究提供如下启示:
(1)企业构建创新研发类团队应积极采用人工智能、大数据分析等智能技术,吸收对团队任务形成互补的多元化教育专业、职能背景和熟练运用AI技术的团队成员,通过定期举办内部创新研讨会或实施跨部门轮岗制度等方式鼓励跨专业和跨部门沟通,以此应对研发工作对高效信息处理和决策制定的需求。
(2)团队可定期组织成员通过专业培训、在线课程或短期访学等方式进行专业技能学习与培训,使成员得以接触和吸收新知识与新信息,以适应智能制造环境下的持续变革和要求,从而为新产品创新性想法的涌现提供丰富的知识基础。同时,通过团建活动、素质拓展或创意工作坊等方式增进成员间情感交流,通过物质奖励等激励措施充分调动员工工作热情,助力团队在面临创新任务挑战时获得有力支持与协助。
(3)组织应定期为员工提供与AI协作的相关培训,包括通过AI工具进行有效整合与利用不同子团队知识和资源,以及通过AI系统加强与组织内其他成员的沟通与交流,从而促使多元化团队将更多创新想法转化为相应产品、服务或流程。
本研究存在以下不足:首先,新产品创造力由团队领导打分,具有一定主观性,未来可通过收集原始数据和二手数据相结合的方式对新产品创造力进行客观测量。其次,数据获取存在一定局限性。未来可采用更广泛的样本,提高研究结论的普适性。最后,尽管使用多来源、多时点数据收集策略能够在一定程度上降低同源方法偏差问题,但无法完全验证因果关系,且无法做到完全排除共同方法偏差问题,未来可采取实验研究对因果关系进行验证。
[1] 高中华, 徐燕. 智能制造师徒关系理论构建及对团队双元创新的驱动机制[J]. 心理科学进展, 2023, 31(8): 1411-1428.
[2] XI C, QU X. The effects of knowledge hiding on new product creativity in informational faultlines[J]. Journal of Knowledge Management, 2025, 29(1): 72-91.
[3] VANDEBEEK A, VOORDECKERS W, HUYBRECHTS J, et al. Knowledge management in boards of directors: effects of informational faultlines[J]. Journal of Knowledge Management, 2024, 28(11): 132-154.
[4] 陈超, 张树满. 团队成员工作重塑差异对团队创造力的“双刃剑”效应: 团队横向监督的调节作用[J]. 科技进步与对策, 2024,41(1): 1-9.
[5] BEZRUKOVA K, JEHN K A, ZANUTTO E L, et al. Do workgroup faultlines help or hurt? a moderated model of faultlines, team identification, and group performance[J]. Organization Science, 2009, 20(1): 35-50.
[6] 张骁, 刘润喆, 吴小龙, 等. 元赋能:工业互联网平台驱动企业商业模式创新能力构建研究[J]. 管理世界, 2024, 40(7): 26-45.
[7] THATCHER S M B, MEYER B, KIM Y, et al. A meta-analytic integration of the faultlines literature[J]. Organizational Psychology Review, 2024, 14(2): 238-281.
[8] YAO J, LIU X, HE W. The curvilinear relationship between team informational faultlines and creativity: moderating role of team humble leadership[J]. Management Decision, 2021, 59(12): 2793-2808.
[9] QU X, LIU X. Informational faultlines, integrative capability, and team creativity[J]. Group &Organization Management, 2017, 42(6): 767-791.
[10] XI C, QU X, LIU Q. Modeling informational faultlines: team epistemic motivation, team behavioural integration process, and team innovation stages[J]. Thinking Skills and Creativity, 2024, 51(1): 1-12.
[11] ANTINO M, RICO R, THATCHER S M B. Structuring reality through the faultlines lens: the effects of structure, fairness, and status conflict on the activated faultlines-performance relationship[J]. Academy of Management Journal, 2019, 62(5): 1444-1470.
[12] SPOELMA T M, ELLIS A P J, CHEN G. Fuse or fracture? threat as a moderator of the effects of diversity faultlines in teams[J]. Journal of Applied Psychology, 2017, 102(9): 1344-1359.
[13] JIANG Y, JACKSON S E, SHAW J B, et al. The consequences of educational specialty and nationality faultlines for project teams[J]. Small Group Research, 2012, 43(5): 613-644.
[14] THATCHER S M B, PATEL P C. Demographic faultlines: a meta-analysis of the literature[J]. Journal of Applied Psychology, 2011, 96(6): 1119-1139.
[15] LIU X, ZHANG X, ZHANG X. Faultlines and team creativity: the moderating role of leaders' cognitive reappraisal[J]. Small Group Research, 2021, 52(4): 481-503.
[16] CHEN H, LIANG Q, ZHANG Y. Facilitating or inhibiting? the double-edged effects of faultlines interaction on group creativity-evidence from China[J]. Chinese Management Studies, 2019, 13(4): 802-819.
[17] MA H, XIAO B, GUO H, et al. Modeling entrepreneurial team faultlines: collectivism, knowledge hiding, and team stability[J]. Journal of Business Research, 2022, 141: 726-736.
[18] SALANCIK G R, PFEFFER J. A social information processing approach to job attitudes and task design[J]. Administrative Science Quarterly, 1978, 23(2): 224-253.
[19] WALUMBWA F O, MUCHIRI M K, MISATI E, et al. Inspired to perform: a multilevel investigation of antecedents and consequences of thriving at work[J]. Journal of Organizational Behavior, 2018, 39(3): 249-261.
[20] 张毅, 黄福华, 朱桂菊. 团队断裂带对团队创新绩效的影响——双元领导的调节作用和创造性综合的中介作用[J]. 管理科学学报, 2022, 25(1): 107-126.
[21] COOPER D, PATEL P C, THATCHER S M B. It depends: environmental context and the effects of faultlines on top management team performance[J]. Organization Science, 2014, 25(2): 633-652.
[22] 尹萌, 牛雄鹰. 与AI“共舞”:系统化视角下的AI—员工协作[J]. 心理科学进展, 2024, 32(1): 162-176.
[23] KONG H, YIN Z, BARUCH Y, et al. The impact of trust in AI on career sustainability: the role of employee——AI collaboration and protean career orientation[J]. Journal of Vocational Behavior, 2023, 146: 103928.
[24] IM S, MONTAYA M M, WORKMAN J P. Antecedents and consequences of creativity in product innovation teams[J]. Journal of Product Innovation Management, 2013, 30(1): 170-185.
[25] PORATH C, SPREITZER G, GIBSON C, et al. Thriving at work: toward its measurement, construct validation, and theoretical refinement[J]. Journal of Organizational Behavior, 2012, 33(2): 250-275.
[26] WILSON J, DAUGHERTY P R. Collaborative intelligence humans and AI are joining forces[J]. Harvard Business Review, 2018, 96(4): 114-124.
[27] 屈晓倩, 刘新梅, 雷宏振. 外部视角下信息型断裂影响团队创造力的作用机理研究[J]. 管理学报, 2020, 17(4): 536-543.
[28] NAKATA C, RUBERA G, IM S, et al. New product creativity antecedents and consequences: evidence from South Korea, Japan, and China[J]. Journal of Product Innovation Management, 2018, 35(6): 939-959.
[29] 陈超, 张树满. 互动公平差异、团队工作繁荣与团队创造力——基于团队自主权的调节作用[J]. 科技进步与对策, 2023, 40(18): 142-150.
[30] KLEINE A K, RUDOLPH C W, ZACHER H. Thriving at work: a meta-analysis[J]. Journal of Organizational Behavior, 2019, 40(9-10): 973-999.
[31] BALKUNDI P, HARRISON D A. Ties, leaders, and time in teams: strong inference about network structure's effects on team viability and performance[J]. Academy of Management Journal, 2006, 49(1): 49-68.
[32] HMIELESKI K M, COLE M S. The contingent effects of intrateam abusive behavior on team thriving and new venture performance[J]. Journal of Management, 2023, 49(2): 808-838.
[33] ANTHONY C, BECHKY B A, FAYARD A. "Collaborating" with AI: taking a system view to explore the future of work[J]. Organization Science, 2023, 34(5): 1672-1694.
[34] BECHKY B A. Sharing meaning across occupational communities: the transformation of understanding on a production floor[J]. Organization Science, 2003, 14(3): 312-330.