你愿意原谅那些使用生成式人工智能的“医生”吗？在在线健康咨询服务出现故障后，如何修复信任关系？

《Frontiers in Psychology》：Are you willing to forgive generative AI doctors? Trust repair after failures in online health consultation services

信任修复与行为意图：生成式AI医生服务失败后的归因、社会支持与拟人化影响

　　随着人工智能技术的不断发展，生成式人工智能医生（Generative AI Doctors, GAI doctors）在在线健康咨询服务（Online Health Consultation Services, OHCSV）中的应用日益广泛。这些AI医生基于先进的算法，能够通过分析用户输入和检索相关医学知识，提供预设的回复。相比传统的人类医生，GAI医生具有全天候服务、突破地域限制以及补充医疗资源不足的优势。然而，用户对AI医生的信任是其广泛应用的基础，一旦出现信任危机，例如因系统错误导致的诊断偏差或建议不足，可能显著影响用户继续使用这些系统的意愿。因此，研究如何在AI医生服务失败后修复信任，具有重要的理论和实践意义。

在本研究中，我们探讨了归因风格、社会支持和拟人化对用户信任修复及行为意向的影响。研究采用了一个2×2×2的被试间实验设计，共招募了512名参与者。归因风格分为内部归因（将服务失败归因于AI系统自身）和外部归因（将失败归因于用户提供的信息不足）；社会支持则分为信息性支持（提供专业建议和解释）和情感性支持（表达关心与理解）；拟人化则分为具有人类特征的AI医生和标准的非拟人化AI医生。实验结果表明，参与者在内部归因、情感性支持或拟人化条件下报告了更高的信任修复水平。拟人化不仅增强了用户对AI医生的信任，还影响了归因风格和社会支持在信任修复中的效果。此外，研究发现归因风格与社会支持之间存在有趣的交互作用：在内部归因的情况下，信息性支持更为有效；而在外部归因的背景下，情感性支持则更有利于信任修复。最后，社会支持对行为意向的影响完全通过信任修复间接实现，这表明信任修复在用户行为决策中起着关键作用。

在探讨信任与信任修复的概念时，我们可以发现，信任不仅仅是对AI医生能力的认可，更是一种在不确定和脆弱情境下，用户相信其能够帮助实现自身目标的态度。然而，信任修复则是在信任被破坏后，通过特定的策略或行为，使用户重新建立对AI医生的信任。这通常涉及对失败原因的归因、对关系的修复以及对环境的支持。在人机交互（Human-Machine Interaction, HMI）领域，信任修复的研究主要集中在归因机制、社会均衡机制和结构机制。归因机制强调用户如何解释失败的原因，这在信任修复过程中起着关键作用；社会均衡机制关注通过缓解负面情绪来修复受损的关系；而结构机制则强调外部环境对信任修复的支持作用。

在归因理论的视角下，AI医生的归因方式对用户信任修复的影响显著。内部归因意味着AI医生主动承认错误，表现出对服务失败的责任感，这往往能增强用户对AI医生的信任。相比之下，外部归因将失败归因于用户自身，可能导致用户认为AI医生不负责任或缺乏能力。然而，研究也指出，归因方式并非总是直接影响信任修复的效果，其作用可能因AI医生的拟人化程度而有所不同。在拟人化较高的情况下，用户更容易接受外部归因，认为AI医生具有一定的“人性”，从而更愿意给予理解与原谅。而在非拟人化的背景下，用户更倾向于认为AI医生是技术工具，因此内部归因更能体现其责任感，从而更有效地修复信任。

社会支持在信任修复中同样发挥着重要作用。信息性支持通过提供详细的解释和专业建议，帮助用户理解AI医生的错误并找到解决方案，从而增强其对AI医生的信任。情感性支持则通过表达关心、理解与安慰，缓解用户的情绪压力，使其感受到被重视和被支持。然而，本研究发现，在AI医生服务失败的情境下，情感性支持比信息性支持更有效。这可能是因为用户在面对失败时，更需要情感上的共鸣和心理上的安慰，而非仅仅是信息上的补救。尽管信息性支持有助于用户解决问题，但情感性支持在修复信任方面具有更强的影响力。

此外，研究还发现拟人化在信任修复过程中具有独特的作用。拟人化AI医生因其具有人类特征，如情感表达和社交互动能力，能够更好地与用户建立情感联系，从而提升其可信度和亲和力。这一发现与之前的理论一致，即拟人化有助于增强用户对AI的信任。在健康咨询的特殊情境下，用户往往更加关注AI医生的可靠性，而拟人化能够有效缓解他们对AI医生的不信任感。因此，设计具有拟人化特征的AI医生，不仅能够增强用户的信任，还可能提高其对AI服务的容忍度。

值得注意的是，归因风格、社会支持和拟人化之间的交互作用对信任修复具有重要影响。研究发现，当AI医生具有拟人化特征时，外部归因比内部归因更有利于信任修复；而在非拟人化的背景下，内部归因则更有效。这表明，用户对AI医生的信任修复方式可能受到其是否具有拟人化特征的影响。拟人化能够改变用户对AI医生的认知框架，使其更倾向于采用“人类启发式”来评估AI医生的行为，从而接受更宽松的归因方式。相反，非拟人化的AI医生则更容易被用户视为技术工具，因此更需要通过内部归因来展示其责任感。

同样，归因风格与社会支持之间的交互作用也对信任修复产生了影响。在内部归因的情况下，信息性支持更能促进信任修复，因为用户能够更清楚地了解失败的原因，并得到相应的解决方案。而在外部归因的情况下，情感性支持则更有效，因为它能够缓解用户的负面情绪，增强其对AI医生的认同感。这一发现表明，AI医生在面对服务失败时，可以灵活调整其支持策略，以适应不同的归因方式，从而更有效地修复信任。

此外，研究还发现，社会支持对行为意向的影响完全通过信任修复实现。这意味着，即使AI医生提供了情感性或信息性支持，如果用户未能修复对AI医生的信任，其行为意向可能不会受到显著影响。因此，信任修复在用户是否继续使用AI健康咨询服务中扮演着关键角色。这为AI医生的设计提供了重要启示，即在服务失败后，不仅要关注如何修复信任，还要通过有效的支持策略来促进用户的再次使用意愿。

本研究的理论贡献在于，它扩展了信任修复领域的研究，尤其是在健康咨询的背景下。以往的信任修复研究多集中于非健康服务场景，而本研究则关注了AI医生在健康咨询中的信任修复机制。此外，研究首次系统地探讨了社会支持在信任修复中的作用，以及其与归因风格和拟人化之间的交互影响。这些发现为信任修复理论提供了新的视角，并为AI医生的设计与优化提供了实践指导。

从实践角度来看，研究结果表明，AI医生在服务失败后，应根据其是否具有拟人化特征，灵活调整归因方式和支持策略。例如，如果AI医生具有拟人化特征，那么在服务失败时，使用外部归因和情感性支持可能更有效；而在非拟人化的场景下，内部归因和信息性支持则更具优势。此外，研究还指出，AI医生不应总是承担全部责任，而是可以根据失败的原因，选择更合适的归因方式和支持类型，以实现更有效的信任修复。

然而，本研究也存在一些局限性。首先，实验设计采用了横断面的方式，未能充分考察用户在长期使用AI健康咨询服务过程中信任的变化。因此，未来研究可以采用纵向设计，追踪用户在不同时间段的信任变化，以更深入地理解信任修复的动态过程。其次，研究主要关注了归因风格、社会支持和拟人化对信任修复的影响，但未探讨个体特征，如AI素养、在线医疗经验或社会经济地位，是否会对信任修复产生影响。未来研究可以进一步探索这些变量如何与信任修复机制相互作用，从而更全面地理解用户对AI医生的信任修复过程。

总的来说，本研究揭示了AI医生在服务失败后，如何通过归因风格、社会支持和拟人化来修复信任，并影响用户的行为意向。这些发现不仅为AI医生的设计提供了理论依据，也为优化其与用户之间的互动方式提供了实践指导。未来的研究可以进一步拓展这些发现，探索更复杂的信任修复机制，并结合真实应用场景，验证AI医生在实际服务中的信任修复效果。