AI 如何赋能组织沟通？从信息传递到绩效提升的六个关键环节（2025 最新研究）

  • 2025-09-26
  • AI 力论文解读

沟通不止是简单的信息交换，也并非单向的命令传递，更是组织运行和发展的核心资源。组织沟通是一个“集体创造与协商”的过程，它构建了人与人之间的协作、信任和文化。在全球化、市场化和数字化交织的环境中，高效的沟通比以往任何时候都更加重要。

生成式 AI 的发展和应用，为优化组织沟通流程带来了前所未有的机遇。尽管已有不少研究认识到 AI 在自动化任务和优化流程上的潜力，但对于 AI 究竟如何具体地影响沟通的每一个核心环节，以及最终如何转化为可衡量的组织成果，学界仍存在研究空白。

2025年1月发表于 Administrative Sciences 期刊上的论文《人工智能对组织领导中沟通动态与绩效的影响》，旨在为这一问题提供可能的答案。这项研究不再将 AI 视为一个孤立的技术工具，而是系统地探究其在组织沟通全流程中的作用。研究通过分析六个关键的沟通维度，来评估 AI 是否能够通过提升内部沟通效率和减少信息传递中的错误，从而显著提高员工的整体绩效。

1. 组织沟通的六个核心环节

为了系统地评估 AI 的影响，该研究将复杂的沟通流程拆解为六个环环相扣的阶段，并逐一分析了 AI 在每个阶段的赋能作用。

1. 信息传递：作为沟通的起点，传统方式可能因信息延迟、不准确或内容泛泛而效率低下。AI 辅助沟通能推动信息流的速度、准确性和个性化，确保在恰当的时间将最相关的信息推送给最需要的人，从而提升信息传递的一致性和有效性。

2. 信息接收：信息发出后，对方能否有效接收是关键。研究指出，理想的信息应被“最小化失真地”解读。AI 可以通过个性化适配和语义增强来改善信息的接收质量，帮助接收方在海量信息中快速抓住核心，减少因信息过载或表达模糊导致的噪音和误解。

3. 理解与反馈：有效的沟通是双向的。仅仅接收到信息还不够，确保对方准确理解同样重要。 AI 可以在此环节提供实时澄清，并辅助生成结构化的反馈建议，让反馈过程更高效、更具建设性。例如，当员工对某项任务有疑问时，AI 可即时提供相关解释或背景资料。

4. 信息接受：在推动组织变革时，员工是否从内心“接受”信息至关重要。研究强调，信息的接受度很大程度上取决于它是否能与受众的期望产生共鸣。AI 能够帮助管理者根据不同团队或个人的需求，量身定制沟通内容，清晰地阐述变革的背景与理由，从而有效降低抵触情绪，提高信息的接受度。

5. 说服：沟通往往带有说服的目的，以促使他人采取行动。AI 可以基于历史数据和员工的行为模式分析，生成更具逻辑性和感染力的表达方式。研究提到，组织可以通过 AI 工具管理不同受众的态度和关系，让沟通信息成为有力的说服工具。

6. 引发反应：沟通的最终目的是“引发反应”，即促使行为或态度的改变。 AI 不仅能发出信息，还能实时追踪受众的反应。例如，基于邮件打开率、链接点击率、情绪反馈等数据，动态优化下一步的沟通策略，更有效地促进行动的发生。

基于这一分析框架，研究提出了六个待检验的核心假设：

  • 假设一（H1）：使用 AI 进行告知对工作绩效有积极影响。

  • 假设二（H2）：使用 AI 辅助的信息接收对工作绩效有积极影响。

  • 假设三（H3）：使用 AI 辅助的信息理解对工作绩效有积极影响。

  • 假设四（H4）：使用 AI 辅助的信息接受对工作绩效有积极影响。

  • 假设五（H5）：通过 AI 生成的信息进行说服对工作绩效有积极影响。

  • 假设六（H6）：使用 AI 辅助的沟通来引发应对工作绩效有积极影响。

2. 研究方法：如何分析沟通环节与工作绩效的关系？

为验证上述假设，研究采用定量分析方法。

  • 数据收集：通过自填问卷的方式收集数据。研究团队从 650 名员工中筛选，最终收集了 203 份可供分析的有效问卷。

  • 研究对象：样本来自一家在东欧（罗马尼亚、保加利亚、匈牙利）运营的大型罗马尼亚食品工业公司。样本覆盖了人力资源、分销、物流、沟通、生产和营销等六个部门，确保研究结果具有广泛的代表性。

  • 数据分析：研究团队使用偏最小二乘结构方程模型（PLS-SEM）来分析沟通维度与绩效之间的关系。

参与者画像

  • 年龄：样本中近一半（49.3%）的员工年龄在 25 至 44 岁之间，代表了组织中经验和活力兼备的核心生产力人群。

  • 性别：超过六成（60.6%）参与者是女性。

  • 一线员工比例：绝大多数（86.2%）的参与者身处“执行”岗位，而非管理层。这意味着，研究结果主要反映了技术在基层实施时员工的真实感受和所受影响。

  • 教育背景：超过半数（55.7%）的员工拥有高中学历，这表明研究的发现并不局限于高学历的知识型员工，具有更广泛的适用性。

3. 研究发现：从发送信息到提升内容说服力

实证数据为研究模型提供了强有力的支持，并揭示了 AI 在不同沟通环节中差异化的影响力。

1. 沟通基础：信息传递

信息传递环节对工作绩效的提升确有统计上的显著影响（p < 0.001），但其影响系数（β值）为 0.179，在六个环节中相对温和。这表明，有效的信息传递是提升绩效的必要基础，但它本身更像是一个起点，其最大价值在于为后续更深入的沟通环节铺平道路。

2. 关键环节：信息接收与信息接受

相比之下，信息接收（β = 0.327, p = 0.008）与“信息接受（β = 0.296, p = 0.002）这两个环节对工作绩效则表现出非常强的正面影响。这印证了经典沟通理论：信息不仅要被“听到”，更要被“听进去”并获得认同，才能转化为有效的行动。AI 的作用正是通过个性化和优化，确保信息在传递过程中不失真、不被误解，从而提高接收和接受的质量。

3. 催化剂：理解与反馈

理解与反馈环节同样对绩效有显著的积极影响（p < 0.001）。然而，其影响路径的强度相对较弱。研究者据此推断，该环节可能更多地扮演了一个“催化剂”的角色。也就是说，员工只有在真正理解了信息并获得了有效反馈后，才能更好地“接受信息”并“引发反应”，从而间接地推动绩效提升。这意味着，那些能够提供实时问答、辅助反馈的 AI 工具，虽然不直接产出业绩，但它们是提升整个沟通系统效率的关键“催化剂”，值得投资。

4. 驱动力：说服与引发反应

数据显示，说服是所有六个因素中对绩效潜在影响力最强的环节（β = 0.430, p = 0.002）。同时，引发反应也具有强大的正面影响（β = 0.290, p = 0.019）。这有力地证明了沟通的最终目的在于促成行动。AI 通过分析数据和员工偏好，能够生成更具说服力的信息，从而有效地激发积极行动。

这意味着，组织中的 AI 应用不能止步于简单的信息分发，还需要转向更高价值的“内容说服力”打造上。例如，赋能销售团队用 AI 生成更具说服力的客户沟通方案，或帮助管理者撰写更有感召力的动员邮件。

整体结论

研究提出的六个核心假设（H1-H6）均得到了数据的支持，证实了 AI 在组织中的变革性作用。AI 辅助的沟通可以系统性地优化整个沟通链条，积极地影响员工的行为，最终转化为更高的生产力和组织效率。

4. 结语：将 AI 嵌入组织沟通

这项研究的价值不仅在于其实证数据的结论，更在于它为我们理解技术与组织的关系提供了具有深度的新视角。

将 AI 放入更广泛的组织背景中

过去的研究可能孤立地看待 AI ，例如将它看作一个客服聊天机器人或邮件分类工具。该研究则将 AI 辅助视为影响整个组织内部沟通生态的变量。研究探讨了从领导者发布信息，到员工接收、理解、接受，并最终采取行动的全过程 ，以及 AI 在每一个环节中如何发挥作用。这提供了更系统的视角，将技术、人、组织绩效三者紧密联系起来。

拓展了现有的经典沟通理论

  • 信息流理论（Information Flow Theory）：信息流理论旨在探讨信息如何在组织内有效传递。该研究证明了 AI 能通过个性化和优化信息内容，减少信息过载，让信息“流动”得更顺畅、更精准，从而提升员工绩效。

  • 说服理论（Persuasion Theory）：说服理论旨在研究如何让信息更有说服力 。该研究验证了有说服力的信息确实能提升工作绩效，同时拓展了该理论的应用场景。 AI 可以通过分析员工的行为和偏好，自动生成量身定制的、更有说服力的信息，从而放大说服效果，这是传统沟通方式难以企及的。

给管理者的建议

基于这些发现，该研究为希望利用 AI 提升组织效能的管理者提供了行动指南：

  • 进行战略性整合：引入 AI 并非简单地购买一个软件。管理者需要投资于那些能够进行实时分析、自适应信息推送和自动化反馈的智能平台，并将其视为一项深刻的组织战略变革。

  • 坚持合规与透明：管理者需要建立透明的 AI 使用规则，并充分保护公司与员工的隐私，这有助于建立员工的信任。

  • 赋能于人：技术的成功最终取决于人。管理者需要设计并推行有效的培训项目，帮助员工掌握与 AI 协作的技能、理解 AI 的逻辑，从而建立整个组织使用新技术的信心和能力。

研究揭示了 AI 在沟通六大环节的赋能作用，但这并非自动发生。要充分释放 AI 在高效“说服”与清晰“信息传递”中的力量，就要求员工具备与 AI 高效对话的能力——高水平的提示词素养（Prompt Literacy）。UMU 致力于赋能 AI 时代的组织转型，提升从高管到一线员工的 AI 力（AI Literacy），让 AI 辅助优化组织沟通文化，推动组织的生产力、创造力和工作体验提升。UMU 出品的📖发展大模型时代的 AI 力系列课程，正是为了解决这一挑战而生。课程提供的不是零散的技巧，而是一套基于实证研究验证的、引导学员建构式使用大模型的方法论。

UMU ALT 团队由来自清华大学、北京大学、中国人民大学、康奈尔大学、佛罗里达大学等全球知名高校的博士组成，专注于深入解析 AI 与组织、管理、人力资源等领域的交叉研究。我们系统梳理大量相关学术论文，提炼其中的研究方法与核心洞见，并将其转化为企业可实际应用的知识资源。欢迎关注 AI 力论文研究合集。同时，我们结合学术成果、行业领袖建议及最佳实践访谈，推出了📖《发展大模型时代的 AI 力》在线系列课程。该课程旨在帮助企业全面理解 AI 技术演进对组织架构、管理模式及员工能力所带来的深远影响，助力组织构建面向未来的 AI 竞争力。欢迎点击文末“阅读原文”，深入了解课程内容，或📖 联系 UMU 专属顾问，开启您的 AI 转型之旅。

参考文献：

Florea, N. V., & Croitoru, G. (2025). The impact of artificial intelligence on communication dynamics and performance in organizational leadership.Administrative Sciences, 15(2)，33.

下一篇： AI 时代的管理革命：从任务管理者转向人员领导者（学术论文研读）