推还是拉？通过PPM框架理解从人类服务到通用人工智能（GAI）代理的意图转换

《Computers in Human Behavior》：Push or Pull? Understanding Switching Intentions from Human Services to GAI Agents Through the PPM Framework

用户从传统人工服务转向生成式AI代理的驱动机制研究基于PPM框架，通过五国451份问卷的PLS-SEM分析，发现功能、情感和社会不满显著推动转换意图，其中情感能力对吸引力影响最强，惯性阻碍转换而主观规范正向调节。理论扩展PPM至AI知识服务，实践需提升同理心、降低转换成本并考虑数字素养差异。

　　

孙春妮|周淑华

中国西安交通大学新闻与新媒体学院

摘要

随着人工智能的迅速发展，像ChatGPT这样的生成式AI代理正在改变知识的获取和生成方式，这引发了关于用户为何以及如何从传统的人工服务转向AI驱动系统的关键问题。本研究应用了“推-拉-固定”（Push–Pull–Mooring, PPM）框架来分析用户从传统人工服务转向生成式AI代理的决策因素。数据来自五个国家（美国、英国、新加坡、中国和巴基斯坦）的451份有效调查问卷。通过使用偏最小二乘结构方程模型（Partial Least Squares Structural Equation Modeling, PLS-SEM），本研究评估了一阶和二阶构念。结果显示，功能上的不满、情感上的不满以及社会上的不满显著增加了用户的转换意愿，而感知到的效率低下并未产生显著影响。在“拉力”方面，由感知智能、易用性和情感能力驱动的吸引力被认为是转换的最强预测因素。值得注意的是，情感能力的影响比功能因素更为显著，这突显了在生成式AI代理中情感设计的重要性。在“固定”因素中，转换成本和习惯性依赖形成的惯性对转换行为产生了负面影响，而主观规范通过增强社会影响起到了积极的调节作用。从理论角度来看，本研究通过将情感能力识别为技术采纳中的新“拉力”因素，扩展了PPM框架在AI中介知识服务中的应用。从实践角度来看，研究结果强调了提高共情响应能力、通过用户友好的引导流程降低转换成本以及根据地区数字素养差异调整策略的必要性。这些发现为理解用户在智能时代从人工服务转向生成式AI代理的行为提供了跨文化视角。

章节摘录

由生成式人工智能技术支持的机器人服务

Wirtz等人（2018年）将生成式AI驱动的服务机器人或生成式AI代理定义为能够模仿人类行为并参与复杂交互以提供多种服务的自主适应系统。这一定义涵盖了服务机器人在零售、医疗保健、社交互动和餐饮等领域的应用。近年来，这些领域中服务机器人的部署引起了学术界的广泛关注。Keyser和Kunz（2022年）综合了173项相关研究

推动因素——不满

作为推动因素，不满在服务转换行为研究中起着关键作用。长期以来，服务满意度一直被认为是影响用户持续使用产品或服务的核心因素（Prokop & Tepe, 2022）。先前的研究一致表明，满意度与用户继续使用产品或服务的意愿呈正相关（Piehler等人，2016；Liang & Zhang, 2012）。然而，最近的研究越来越强调

样本与数据收集

本研究采用调查方法来考察用户从传统知识生产服务向生成式AI代理服务的转变情况。为了确保样本的广泛代表性及普遍性，调查在多个国家和地区进行，包括美国、英国、新加坡、中国和巴基斯坦。尽管研究涵盖了五个国家的参与者，但样本分布并不均衡，无法支持全面的跨文化分析

测量模型

为了评估测量模型的适用性，根据PLS-SEM的既定指南，对模型的可靠性、收敛效度、区分效度和整体拟合度进行了评估。

讨论与结论

随着人工智能技术的不断进步，理解影响用户从人工服务转向AI驱动系统（如生成式AI代理）的因素变得越来越重要。本研究基于“推-拉-固定”（PPM）框架，探讨了不满、效率低下、吸引力、惯性和社会影响如何共同影响用户的转换意愿。研究结果证实了PPM框架在解释知识服务迁移方面的有效性

作者贡献声明

孙春妮：撰写——初稿。周淑华：撰写——审稿与编辑

未引用的参考文献

Endacott和Leonardi, 2022; De Keyser和Kunz, 2022; Ferrari等人, 2023; Kim等人, 2020; Marco和Mongeau, 2022; Spence等人, 2019; Venkatesh等人, 2012; Whang和Luna, 2024.

利益冲突声明

作者声明在本文的研究、作者身份及发表方面不存在任何潜在的利益冲突