生成式AI采纳中的员工隐私计算与技术抵抗行为演化博弈 .docxVIP

PAGE2

生成式AI采纳中的员工隐私计算与技术抵抗行为演化博弈

摘要

本文聚焦生成式人工智能在组织内部采纳过程中，员工基于隐私计算产生的技术抵抗行为及其演化规律，运用隐私计算理论、演化博弈论与理性行为理论，构建“隐私计算—抵抗行为演化—化解机制”的理论分析框架。研究首先揭示员工在生成式AI采纳中感知收益与感知风险的隐私计算结构，进而剖析技术抵抗行为从个体心理抵触到群体扩散的生成逻辑。在此基础上，建立员工群体采纳与抵抗策略的演化博弈模型，求解复制动态方程与演化稳定策略，分析隐私计算参数对演化均衡的驱动作用。最后，提出基于隐私计算干预的化解模型，从降低感知风险、强化感知收益、重塑博弈支付结构三条路径重构演化动力。研究结果表明，员工技术抵抗行为的演化方向取决于隐私计算中的风险收益比与群体初始状态，通过隐私增强技术、透明化管理和收益再分配机制可有效化解抵抗，促进生成式AI的良性采纳。全文共八章，依次为绪论、文献综述、核心概念与理论基础、问题解析、演化博弈机制阐释、化解模型建构、结论与启示及研究局限与展望，形成“问题提出—理论分析—模型建构—对策设计”的完整逻辑链条。

第一章绪论

1.1研究背景

生成式人工智能的迅猛发展正深刻重塑组织信息系统的运行范式，从智能客服到代码生成，从文档撰写到决策辅助，这类工具正以前所未有的速度嵌入员工日常工作流。然而，组织在推动生成式AI采纳时，普遍