Mối quan hệ giữa hợp tác nhân viên - AI, tác nhân gây căng thẳng công nghệ và sự gắn kết trong công việc: Góc nhìn lý thuyết Yêu cầu - Nguồn lực công việc

DOI 10.54404/jts.2026.217v.05
Từ khóa: Hợp tác nhân viên - AI căng thẳng công nghệ sự gắn kết trong công việc niềm tin năng lực sử dụng AI yêu cầu - nguồn lực công việc (JD-R) employee-AI collaboration technostressors work engagement AI self-efficacy Job Demands - Resources (JD-R)

Tóm tắt

Bài viết tập trung vào việc tìm hiểu mối quan hệ giữa hợp tác nhân viên - AI và sự gắn kết trong công việc với vai trò trung gian của tác nhân căng thẳng công nghệ, đồng thời xem xét tác động điều tiết của niềm tin vào năng lực sử dụng AI, theo mô hình Yêu cầu - Nguồn lực công việc (JD-R). Bằng phương pháp nghiên cứu định lượng dựa trên việc phân tích mô hình PLS-SEM kết hợp với dữ liệu khảo sát từ 329 nhân viên đang làm việc tại các công ty, tổ chức ở Việt Nam và có sử dụng AI trong công việc, kết quả nghiên cứu cho thấy: hợp tác nhân viên - AI có tác động hai mặt đến sự gắn kết trong công việc. Tác động này vừa trực tiếp thúc đẩy sự gắn kết, vừa gián tiếp làm suy giảm thông qua việc gia tăng căng thẳng công nghệ. Đồng thời, niềm tin vào năng lực sử dụng AI được chứng minh là có khả năng điều tiết, làm giảm tác động tiêu cực này. Nghiên cứu đã góp phần làm rõ bản chất hai mặt của hợp tác nhân viên - AI thông qua căng thẳng công nghệ trong khung JD-R, đồng thời xác định vai trò của niềm tin vào năng lực sử dụng AI như một nguồn lực giúp giảm thiểu tác động tiêu cực và nâng cao sự gắn kết trong công việc, từ đó cung cấp hàm ý quản trị cho các tổ chức trong việc xây dựng môi trường làm việc để gia tăng sự gắn kết của nhân viên.

Chia sẻ bài viết

Facebook X LinkedIn Email

Tài liệu tham khảo

1.
Bakker, A. B., & Demerouti, E. (2017). Job demands-resources theory: Taking stock and looking forward. Journal of occupational health psychology, 22(3), 273. https://doi.org/10.1037/ocp0000056
DOI: doi.org/10.1037/ocp0000056
2.
Bakker, A. B., Demerouti, E., & Sanz-vergel, A. (2023). Job Demands-Resources Theory: Ten Years Later. https://doi.org/10.1146/annurev-orgpsych-120920-053933
DOI: doi.org/10.1146/annurev-orgpsych-120920-053933
3.
Benlian, A. (2020). A daily field investigation of technology-driven spillovers from work to home. MIS quarterly, 44(3), 1259-1300. https://doi.org/10.25300/misq/2020/14911
DOI: doi.org/10.25300/misq/2020/14911
4.
Califf, C. B., Sarker, S., & Sarker, S. (2020). The Bright and Dark Sides of Technostress: A Mixed-Methods Study Involving Healthcare IT. MIS Quarterly, 44(2), 809-856. https://doi.org/10.25300/MISQ/2020/14818.
DOI: doi.org/10.25300/misq/2020/14818
5.
Cavanaugh, M. A., Boswell, W. R., Roehling, M. V., & Boudreau, J. W. (2000). An empirical examination of self-reported work stress among US managers. Journal of applied psychology, 85(1), 65. https://doi.org/10.1037/0021-9010.85.1.65.
DOI: doi.org/10.1037/0021-9010.85.1.65
6.
Chang, P.-C., Zhang, W., Cai, Q., & Guo, H. (2024). Does AI-Driven Technostress Promote or Hinder Employees’ Artificial Intelligence Adoption Intention? A Moderated Mediation Model of Affective Reactions and Technical Self-Efficacy. Psychology Research and Behavior Management, Volume 17, 413-427. https://doi.org/10.2147/PRBM.S441444.
DOI: doi.org/10.2147/prbm.s441444
7.
Chowdhury, S., Budhwar, P., Dey, P. K., Joel-Edgar, S., & Abadie, A. (2022). AI-employee collaboration and business performance: Integrating knowledge-based view, socio-technical systems and organisational socialisation framework. Journal of Business Research, 144, 31-49. https://doi.org/10.1016/j.jbusres.2022.01.069.
DOI: doi.org/10.1016/j.jbusres.2022.01.069
8.
Compeau, D. R., & Higgins, C. A. (1995). Computer self-efficacy: Development of a measure and initial test. MIS quarterly, 189-211. https://doi.org/10.2307/249688.
DOI: doi.org/10.2307/249688
9.
Demerouti, E., Bakker, A. B., Nachreiner, F., & Schaufeli, W. B. (2001). The job demands-resources model of burnout. Journal of Applied psychology, 86(3), 499. https://doi.org/10.1037/0021-9010.86.3.499.
DOI: doi.org/10.1037/0021-9010.86.3.499
10.
F. Hair Jr, J., Sarstedt, M., Hopkins, L., & G. Kuppelwieser, V. (2014). Partial least squares structural equation modeling (PLS-SEM) An emerging tool in business research. European business review, 26(2), 106-121.
11.
Hai, S., Long, T., Honora, A., Japutra, A., & Guo, T. (2025). The dark side of employee-generative AI collaboration in the workplace: An investigation on work alienation and employee expediency. International Journal of Information Management, 83, 102905. https://doi.org/10.1016/j.ijinfomgt.2025.102905.
DOI: doi.org/10.1016/j.ijinfomgt.2025.102905
12.
Hair, J. F. (2009). Multivariate data analysis.
13.
Hair, J. F., Risher, J. J., Sarstedt, M., & Ringle, C. M. (2019). When to use and how to report the results of PLS-SEM. European business review, 31(1), 2-24. https://doi.org/10.1108/EBR-11-2018-0203.
DOI: doi.org/10.1108/ebr-11-2018-0203
14.
Harunavamwe, M., Ward, C., & Marange, T. (2025). Influence of technostress on work engagement and workplace flourishing: The mediating role of perceived organizational support. Cogent Psychology, 12(1), 2561437. https://doi.org/10.1080/23311908.2025.2561437.
DOI: doi.org/10.1080/23311908.2025.2561437
15.
Henseler, J., Ringle, C. M., & Sinkovics, R. R. (2009). The use of partial least squares path modeling in international marketing. Trong New challenges to international marketing (tr 277-319). Emerald Group Publishing Limited.
16.
Hou, Y., & Fan, L. (2024). Working with AI: The Effect of Job Stress on Hotel Employees’ Work Engagement. Behavioral Sciences, 14(11), 1076. https://doi.org/10.3390/bs14111076.
DOI: doi.org/10.3390/bs14111076
17.
Huang, M.-H., Rust, R., & Maksimovic, V. (2019). The Feeling Economy: Managing in the Next Generation of Artificial Intelligence (AI). California Management Review, 61(4), 43-65. https://doi.org/10.1177/0008125619863436.
DOI: doi.org/10.1177/0008125619863436
18.
Jarrahi, M. H. (2018). Artificial intelligence and the future of work: Human-AI symbiosis in organizational decision making. Business horizons, 61(4), 577-586. https://doi.org/10.1016/j.bushor.2018.03.007.
DOI: doi.org/10.1016/j.bushor.2018.03.007
19.
Kim, D. G., & Lee, C. W. (2021). Exploring the roles of self-efficacy and technical support in the relationship between techno-stress and counter-productivity. Sustainability, 13(8), 4349.
20.
Klenert, D., Fernández-Macías, E., & Antón, J.-I. (2023). Do robots really destroy jobs? Evidence from Europe. Economic and Industrial Democracy, 44(1), 280-316. https://doi.org/10.1177/0143831X211068891.
DOI: doi.org/10.1177/0143831x211068891
21.
Kock, N. (2015). Common method bias in PLS-SEM: A full collinearity assessment approach. International Journal of e-Collaboration (ijec), 11(4), 1–10. https://doi.org/10.4018/ijec.2015100101
DOI: doi.org/10.4018/ijec.2015100101
22.
Kong, H., Yin, Z., Baruch, Y., & Yuan, Y. (2023). The impact of trust in AI on career sustainability: The role of employee - AI collaboration and protean career orientation. Journal of Vocational Behavior, 146, 103928. https://doi.org/10.1016/j.jvb.2023.103928.
DOI: doi.org/10.1016/j.jvb.2023.103928
23.
Lazarus, R. S., & Folkman, S. (1984). Stress, appraisal, and coping. Springer publishing company
24.
Leiter, M. P. (1991). Coping patterns as predictors of burnout: The function of control and escapist coping patterns. Journal of Organizational Behavior, 12(2), 123-144. https://doi.org/10.1002/job.4030120205.
DOI: doi.org/10.1002/job.4030120205
25.
Lepine, J. A., Podsakoff, N. P., & Lepine, M. A. (2005). A Meta-Analytic Test of the Challenge Stressor–Hindrance Stressor Framework: An Explanation for Inconsistent Relationships Among Stressors and Performance. Academy of Management Journal, 48(5), 764-775. https://doi.org/10.5465/amj.2005.18803921.
DOI: doi.org/10.5465/amj.2005.18803921
26.
Li, J.-M., Wu, H.-Y., Zhang, R.-X., & Wu, T.-J. (2025). From Synergy to Strain: Exploring the Psychological Mechanisms Linking Employee-AI Collaboration and Knowledge Hiding. The International Journal of Human Resource Management, 36(8), 1431-1457. https://doi.org/10.1080/09585192.2025.2512555.
DOI: doi.org/10.1080/09585192.2025.2512555
27.
Li, J.-M., Zhang, L.-X., & Mao, M.-Y. (2025). How does human-AI interaction affect employees’ workplace procrastination? Technological Forecasting and Social Change, 212, 123951.
28.
McGuinness, S., Redmond, P., Pouliakas, K., Kelly, L., & Brosnan, L. (2025). Technological change and the upskilling of European workers. IZA Discussion Papers.
29.
Molino, M., Ingusci, E., Signore, F., Manuti, A., Giancaspro, M. L., Russo, V., Zito, M., & Cortese, C. G. (2020). Wellbeing costs of technology use during Covid-19 remote working: An investigation using the Italian translation of the technostress creators scale. Sustainability, 12(15), 5911. https://doi.org/10.3390/su12155911.
DOI: doi.org/10.3390/su12155911
30.
Nguyen, K. M., Bui, T. T. M., Pham, H. T. T., Nguyen, L. X., Pham, H. T. X., Le Gia, L., & Nguyen, N. T. (2025). Fostering employees’ AI adoption in strategic marketing planning and decision making: A mixed-method study in Vietnam. Cognition, Technology & Work. https://doi.org/10.1007/s10111-025-00838-1.
DOI: doi.org/10.1007/s10111-025-00838-1
31.
Nguyen, P. N.-D., Nguyen, H. H., Giang, T. T., Duong, H. C., & Nguyen, L. D.-Y. (2024). Linking New Ways of Working to Employee Performance in Emerging Countries: The Interplay of Technostress, and Meaningful Work. Sage Open, 14(4), 21582440241289988. https://doi.org/10.1177/21582440241289988.
DOI: doi.org/10.1177/21582440241289988
32.
Nguyen, T. L., Nguyen H. C., Ngo T. M., Đoan H. H., Lai Q. H., & Hoa T. T. (2023). Nghiên cứu ảnh hưởng của gắn kết công việc tới hiệu suất làm việc của nhân viên nhân sự. (185), 70-88. Tạp chí Khoa học Thương mại. https://doi.org/10.54404/JTS.2023.185V.06.
DOI: doi.org/10.54404/jts.2023.185v.06
33.
Nguyen T. L., & Pham A. P. (2026). Tác động của căng thẳng công nghệ đến hành vi nghỉ việc thầm lặng của nhân lực ngành nhân sự và vai trò của kiệt sức công việc. Tạp chí Khoa học Thương mại, 64. https://doi.org/10.54404/JTS.2026.213V.05.
DOI: doi.org/10.54404/jts.2026.213v.05
34.
Nisafani, A. S., Kiely, G., & Mahony, C. (2020). Workers’ technostress: A review of its causes, strains, inhibitors, and impacts. Journal of Decision Systems, 29(sup1), 243-258. https://doi.org/10.1080/12460125.2020.1796286.
DOI: doi.org/10.1080/12460125.2020.1796286
35.
Nunnally, J., & Bernstein, I. (1994). The Assessment of Reliability. Psychometric Theory, 3, 248-292. Nyhan, RC, and HA Marlowe.(1997). Development And Psychometric Properties Of The Organizational Trust Inventory. Eval Rev, 21, 614-635.
36.
Pham, H. N., & Tran, T. T. L. (2025). Shaping the Labor Market of Vietnam in the Age of Artificial Intelligence: Comparative Insights from the European Union. Hasanuddin Law Review, 274-294. https://doi.org/10.20956/halrev.v11i3.5901.
DOI: doi.org/10.20956/halrev.v11i3.5901
37.
Podsakoff, P. M., MacKenzie, S. B., Lee, J.-Y., & Podsakoff, N. P. (2003). Common method biases in behavioral research: A critical review of the literature and recommended remedies. Journal of applied psychology, 88(5), 879. https://doi.org/10.1037/0021-9010.88.5.879.
DOI: doi.org/10.1037/0021-9010.88.5.879
38.
Pwc. (2025). PwC’s Global Workforce Hopes and Fears Survey 2025: Rewiring the future of work – Vietnam highlights: Rewiring the future of work [Survey report]. PricewaterhouseCoopers Vietnam
39.
Rodell, J. B., & Judge, T. A. (2009). Can “good” stressors spark “bad” behaviors? The mediating role of emotions in links of challenge and hindrance stressors with citizenship and counterproductive behaviors. Journal of applied psychology, 94(6), 1438. https://doi.org/10.1037/a0016752.
DOI: doi.org/10.1037/a0016752
40.
Schaufeli, W. B., Bakker, A. B., & Salanova, M. (2006). The Measurement of Work Engagement With a Short Questionnaire: A Cross-National Study. Educational and Psychological Measurement, 66(4), 701–716. https://doi.org/10.1177/0013164405282471.
DOI: doi.org/10.1177/0013164405282471
41.
Schaufeli, W. B., Salanova, M., González-romá, V., & Bakker, A. B. (2002). The Measurement of Engagement and Burnout: A Two Sample Confirmatory Factor Analytic Approach. Journal of Happiness Studies, 3(1), 71–92. https://doi.org/10.1023/A:1015630930326.
DOI: doi.org/10.1023/a:1015630930326
42.
Sharif, M. N., Zhang, L., Asif, M., Alshdaifat, S. M., & Hanaysha, J. R. (2025). Artificial intelligence and employee outcomes: Investigating the role of job insecurity and technostress in the hospitality industry. Acta Psychologica, 253, 104733. https://doi.org/10.1016/j.actpsy.2025.104733.
DOI: doi.org/10.1016/j.actpsy.2025.104733
43.
Shin, D., Kee, K. F., & Shin, E. Y. (2022). Algorithm awareness: Why user awareness is critical for personal privacy in the adoption of algorithmic platforms? International Journal of Information Management, 65, 102494. https://doi.org/10.1016/j.ijinfomgt.2022.102494.
DOI: doi.org/10.1016/j.ijinfomgt.2022.102494
44.
Sun, C., Zhao, X., Guo, B., & Chen, N. (2025). Will Employee-AI Collaboration Enhance Employees’ Proactive Behavior? A Study Based on the Conservation of Resources Theory. Behavioral Sciences, 15(5), 648. https://doi.org/10.3390/bs15050648.
DOI: doi.org/10.3390/bs15050648
45.
Tarafdar, M., Cooper, C. L., & Stich, J. (2019). The technostress trifecta ‐ techno eustress, techno distress and design: Theoretical directions and an agenda for research. Information Systems Journal, 29(1), 6–42. https://doi.org/10.1111/isj.12169.
DOI: doi.org/10.1111/isj.12169
46.
Truong Thi Le, H., Nguyen Ngoc, T., Tran Vu, P., & Le Tan, T. (2024). Impact of AI on Self-learning Capabilities of Employees in SMEs: A Case Study in Ho Chi Minh City, Vietnam. Journal of Resilient Economies (ISSN: 2653-1917), 4(2). https://doi.org/10.25120/jre.4.2.2024.4176.
DOI: doi.org/10.25120/jre.4.2.2024.4176
47.
Turja, T., Rantanen, T., & Oksanen, A. (2019). Robot use self-efficacy in healthcare work (RUSH): Development and validation of a new measure. AI & SOCIETY, 34(1), 137–143. https://doi.org/10.1007/s00146-017-0751-2.
DOI: doi.org/10.1007/s00146-017-0751-2
48.
UNDP. (2025). Artificial Intelligence Landscape Assessment (AILA): Shaping AI to be an empowering force for people and planet - Viet Nam 2025. United Nations Development Programme (UNDP) Viet Nam Country Office.
49.
Verma, S., & Singh, V. (2022). The employees intention to work in artificial intelligence-based hybrid environments. IEEE Transactions on Engineering Management, 71, 3266-3277.
50.
Wang, H., Ding, H., & Kong, X. (2023). Understanding technostress and employee well-being in digital work: The roles of work exhaustion and workplace knowledge diversity. International Journal of Manpower, 44(2), 334–353. https://doi.org/10.1108/IJM-08-2021-0480.
DOI: doi.org/10.1108/ijm-08-2021-0480
51.
Wu, T.-J., Liang, Y., & Wang, Y. (2024). The Buffering Role of Workplace Mindfulness: How Job Insecurity of Human-Artificial Intelligence Collaboration Impacts Employees’ Work–Life-Related Outcomes. Journal of Business and Psychology, 39(6), 1395–1411. https://doi.org/10.1007/s10869-024-09963-6.
DOI: doi.org/10.1007/s10869-024-09963-6
52.
Xia, M. (2023). Co-working with AI is a Double-sword in Technostress? An Integrative Review of Human-AI Collaboration from a Holistic Process of Technostress. SHS Web of Conferences, 155, 03022. https://doi.org/10.1051/shsconf/202315503022.
DOI: doi.org/10.1051/shsconf/202315503022
53.
Zhang, S., Guo, P., Yuan, Y., & Ji, Y. (2025). Anxiety or engaged? Research on the impact of technostress on employees’ innovative behavior in the era of artificial intelligence. Acta Psychologica, 259, 105442. https://doi.org/10.1016/j.actpsy.2025.105442.
DOI: doi.org/10.1016/j.actpsy.2025.105442
54.
Zhong, H., Zhu, Y., & Liang, X. (2025). The Impact of AI-Enabled Job Characteristics on Manufacturing Workers’ Work-Related Flow: A Dual-Path Perspective of Challenge-Hindrance Stress and Techno-Efficacy. Behavioral Sciences, 15(10), 1320. https://doi.org/10.3390/bs15101320.
DOI: doi.org/10.3390/bs15101320

Liên quan

Các bài khác trong số này

TẠP CHÍ SỐ 217

Xem số phát hành

Hiểu biết tài chính của lao động phổ thông trong các khu công nghiệp tỉnh Bắc Ninh: cấu trúc nhân tố và sự khác biệt theo nhân khẩu học

Lê Thị Phương Dung, Phạm Tiến Anh, Vũ Minh Thuý…

Nghiên cứu được thực hiện trên 305 lao động phổ thông tại các khu công nghiệp tỉnh Bắc Ninh nhằm khám phá các thành phần hiểu biết tài chính của nhóm lao động này. Dựa trên khung tiếp cận của OECD và sử dụng phương pháp...

Xem bài

Trách nhiệm xã hội doanh nghiệp và hành vi công dân tổ chức của nhân viên ngân hàng tại Việt Nam: vai trò trung gian của vốn tâm lý và điều tiết của bản sắc đạo đức

Phạm Quang Dũng, Trịnh Thị Ngân Yến, Đào Ngọc Bảo Nhi…

Nghiên cứu này nhằm mục đích đo lường ảnh hưởng của phản ứng của nhân viên đối với các hoạt động trách nhiệm xã hội doanh nghiệp đến vốn tâm lý và hành vi công dân tổ chức, dưới sự điều tiết của bản sắc đạo đức. Dữ liệu...

Xem bài

Tác động của phát triển tài chính, toàn cầu hóa và các cam kết quốc tế về khí hậu đến phát triển năng lượng tái tạo tại Việt Nam

Nguyễn Duy Linh, Nguyễn Lê Nhật Linh

Nghiên cứu đánh giá tác động của phát triển tài chính (FD), toàn cầu hóa (KOF) và cam kết khí hậu (CPS) đến phát triển năng lượng tái tạo (NLTT) tại Việt Nam giai đoạn 1995 - 2022. Dựa trên dữ liệu chuỗi thời gian, nghiê...

Xem bài

Thông tin trực tuyến và ý định lựa chọn ngành học đại học: tiếp cận từ mô hình xác suất xử lý thông tin

Hoàng Yến Phương, Hoàng Phương Dung, Phạm Thị Huyền

Trong bối cảnh thông tin trực tuyến ngày càng đa dạng và dễ tiếp cận, học sinh ngày càng có nhiều cơ hội tìm kiếm, đánh giá và so sánh thông tin trước khi lựa chọn ngành học đại học. Vì vậy, việc làm rõ cách học sinh xử...

Xem bài