讲座题目：
无师之徒：人工智能介导新员工入职引导的经验证据
The Apprentice Without the Master: Evidence from AI-Mediated Newcomer Onboarding
主 讲 人：李琦 香港中文大学（深圳） 助理教授
讲座时间：2026年9月17日10:00-11:30
讲座地点：学院南路校区主教学楼615
主 持 人：嵇月婷 中央财经大学商学院 副教授
主讲人介绍：
李琦，香港中文大学（深圳）经管学院管理系助理教授，康奈尔大学商学院组织管理系博士，曾就读于哈佛大学肯尼迪学院公共管理（MPA）专业和Babson College工商管理（MBA）专业。研究方向包括战略管理、组织行为、战略性人力资源管理、技术创新（AI）、企业社会责任等。
李琦博士学术著作曾发表在美国管理学顶级期刊Organization Science 《组织科学》，Academy of Management Journal 《管理学会学报》, 斯坦福社会创新杂志，并有多篇教学案例入选哈佛商学院案例库。曾获中国国际管理研究学会（IACMR）最佳博士论文奖、最佳评审人奖、中国国家优秀自费留学生奖等荣誉；2020年入选深圳市“孔雀计划”海外高层次人才和龙岗区深龙英才计划；2022年获美国专注全球商学院与商科教育深度资讯的专业媒体 Poets & Quants 评选为“全球最佳本科商学院教授”；2024年，作为商业指导教师引领港中文学生创业团队荣获由中国教育部联合十二个国家部委及上海市人民政府组织举办的中国国际大学生创新大赛银奖；2025年受邀担任大学开放日经管学院公开课授课教师。
摘要：
Companies use newcomer onboarding programs to build newcomers’ task skills and shape their identification with the occupation. Historically, these two distinct outcomes tend to move together—well-designed onboarding programs tend to improve both. We ask whether this alignment is inherently linked, or whether it is contingent on the fact that human instructors have traditionally bundled the activities that produce both outcomes within the same interactions. The growing adoption of AI-mediated onboarding provides an opportunity to examine this question. We probe it using two complementary studies at a large teleservice company that introduced a generative-AI training tool into newcomer onboarding. Study 1 is a field experiment involving 503 recruits; Study 2 is a difference-in-differences analysis involving an additional 439 recruits from a second office. Across both studies, AI deployment substantially improves task skill acquisition while reducing occupational identification. These effects vary systematically with newcomers’ prior occupational experience: the skill benefit concentrates among experienced newcomers, whereas the identification cost concentrates among those entering the occupation for the first time. Mechanism analyses of survey evidence further suggest that AI improves task skills partly through more timely feedback and reduces occupational identification partly through intensified felt dehumanization. Our findings contribute to socialization theory by showing that two central outcomes of onboarding can diverge when onboarding interactions are reorganized. This study also extends research on technology-mediated socialization by demonstrating that AI can simultaneously enhance task skill learning and weaken occupational identification. As AI onboarding spreads, newcomers without prior occupational experience may face systematic disadvantages.
摘要（中文）：
企业通过新员工入职引导项目，培养新员工的岗位技能，并塑造其职业认同。以往研究中，这两类结果往往同向变化：设计良好的入职引导通常能同时提升二者。本文探讨：这种同向性是二者固有的内在关联，还是源于传统模式下，由人类导师在同一互动过程中同步开展两类培育活动。人工智能介导的入职引导日益普及，为检验该问题提供了研究场景。
本文在一家大型电话服务企业开展两项互补研究 —— 该企业将生成式人工智能培训工具引入新员工入职流程。研究 1 为田野实验，样本包含 503 名新入职人员；研究 2 采用双重差分模型，来自另一个分支机构的 439 名新员工作为补充样本。两项研究一致发现：引入人工智能能够显著提升新员工的岗位技能习得，但会削弱其职业认同。该效应随新员工过往职业经验呈现系统性差异：技能提升效应主要体现在有从业经验的新员工群体，而职业认同受损效应集中于初次进入该行业的新人。
基于问卷数据的机制分析进一步表明：人工智能一方面通过更及时的反馈提升岗位技能；另一方面会加剧个体感受到的去人性化感知，进而降低职业认同。本研究拓展了组织社会化理论，证明当入职互动模式重构时，入职引导的两大核心结果可能出现背离。同时，研究丰富了技术介导社会化的相关文献，揭示人工智能可以在强化岗位技能学习的同时削弱职业认同。随着人工智能入职方案的普及，无行业经验的新入职者或将面临持续性的劣势。
审核：林嵩
