正面评分，隐藏担忧：AI 中介的组织倾听中员工意见披露
Positive Ratings, Hidden Concerns: Employee Voice Disclosure in AI-Mediated Organizational Listening
浏览论文内容
中文总结 AI 辅助
本研究通过实地调查揭示，在AI中介的组织倾听中，员工常以正面评分伴随隐藏担忧，形成有界披露，并提出了相关理论模型与命题。
中文摘要 AI 辅助
组织开始通过会话式 AI 代理以及结构化调查来倾听员工意见。关于当披露带有层级风险时，这些渠道会如何改变员工所说内容，目前知之甚少。我们在一家全球管理咨询公司内部进行了一项实地研究，其流程在同一会话中先进行预调查，然后进行同主题的自适应 AI 语音访谈。在 44 次首次会话访谈（132 个匹配的主题观察）中，根据有利度阈值，20-41% 的会话显示出有利评分与随后提出的实质性担忧同时出现。Gioia 分析基于 65 次符合条件的会话中的 158 条保护性引述。披露很少毫无防备地出现：员工软化担忧、转移责任并限制其深入程度，这种保护性工作与倾听结构的感知合法性相关。我们开发了一个有界披露的扎根模型，并为声音、渠道和倾听研究提出了四个命题。我们认为，沉默可以在表达中持续存在。
英文摘要
Organizations started listening to employees through conversational AI agents alongside structured surveys. Little is known about what these channels change in what employees say when disclosure carries hierarchical risk. We report a field study inside a global management consulting firm whose process pairs a pre-survey with an adaptive AI voice interview on the same themes within one session. Across 44 first-session interviews (132 matched theme observations), 20-41% of sessions showed a favorable rating co-occurring with a substantive concern voiced later, depending on the favorability threshold. The Gioia analysis drew on 158 protective quotes from 65 eligible sessions. Disclosure rarely arrived unguarded: employees softened concerns, deflected accountability, and bounded how far they went, and this protective work tracked the perceived legitimacy of the listening structure. We develop a grounded model of bounded disclosure and derive four propositions for voice, channel and listening research. Silence, we argue, can persist inside expression.
发表机构
- TUM（慕尼黑工业大学）
- LMU（慕尼黑大学）
- MIT（麻省理工学院）
机构由 AI 辅助整理，请以论文原文为准。
