编辑推荐：
在服务实践中，人工智能服务机器人故障频发，严重影响服务质量。研究人员基于心智感知理论，探究机器人服务故障分类及其对消费者行为的影响。结果发现可分为能力故障和体验故障，且能力故障影响更大，拟人化程度会调节其影响。这为机器人服务管理提供了新视角。
随着数字技术的飞速发展，人工智能服务机器人在旅游、酒店、餐饮等众多服务行业中得到了广泛应用。从智能语音助手到送餐机器人，它们的身影随处可见，为人们的生活带来了诸多便利。全球服务机器人市场也呈现出蓬勃发展的态势，预计从 2022 年的 195.2 亿美元增长到 2029 年的 573.5 亿美元，年复合增长率高达 16.6%。然而，即便配备了先进的人工智能技术，这些机器人在实际服务过程中却常常状况百出。就像日本 Henn-na 酒店的虚拟语音助手机器人 Churi，因误将客人的呼噜声当作求助请求，在夜间频繁打扰客人，最终只能被停用。
面对这些问题，传统的服务故障概念和分类方法却难以适用。以往研究多将人类服务故障的概念和分类直接套用到机器人服务上，比如简单地将其分为过程故障和结果故障，却忽略了机器人服务与人类服务的本质区别。在实际服务场景中，机器人与顾客的互动属于准社会互动，和人与人之间的互动有着天壤之别。因此，深入了解机器人服务故障的独特特征及其对消费者行为的影响迫在眉睫，这不仅关系到服务质量的提升，更关乎机器人服务行业的长远发展。
国内的研究人员针对这一困境展开了深入研究。他们以心智感知理论为基础，开展了一系列混合方法研究，旨在揭示机器人服务故障的分类、影响消费者行为的内在机制以及拟人化在其中的调节作用。该研究成果发表在《Acta Psychologica》上，为解决机器人服务故障问题提供了全新的思路和方法。
研究人员主要运用了以下几种关键技术方法：
- 文本挖掘与词共现网络分析：从携程上收集了大量酒店机器人服务的负面评价，通过文本挖掘技术，结合词共现网络分析，对数据进行筛选和处理，以探究机器人服务故障的类型。
- 回归分析：利用同一数据集，计算文本中的负面情绪，并将消费者评价作为再使用意愿的代理变量，运用回归分析来研究不同故障类型对消费者行为的影响。
- 行为实验：招募 260 名中国东部地区的本科生参与实验，设置不同的服务故障场景和机器人拟人化条件，通过控制变量法来验证研究假设。
研究结果如下：
- 机器人服务故障分类（Study 1）：通过对 51,654 条携程酒店评论进行词共现网络分析，研究发现机器人服务故障可分为两类。能力故障（agential failures）是指机器人在规定时间和空间内缺乏必要的系统和信息支持，无法高效提供服务，如机器人送餐速度慢、人脸识别响应迟钝等，这涵盖了研究中确定的 “准确性和效率”“服务场景和系统” 两个集群。体验故障（experiential failures）则是指机器人无法根据个体消费者的需求提供个性化适应和情境学习，导致缺乏情感参与和逻辑响应，使顾客不满，例如机器人提供的礼物建议缺乏针对性、互动缺乏人性化等，对应 “分析服务载体”“智能化服务交互” 两个集群。
- 不同故障对消费者的影响（Study 2）：以过滤后的携程评论为数据，将评论分数作为消费者不满和再使用意愿的代理变量进行回归分析。结果表明，能力故障比体验故障更能引发消费者的负面情绪，导致更低的评价。具体数据显示，能力故障相关的评分（Magential = 2.77）显著低于体验故障（Mexperiential = 3.33；t = 10.92，p < 0.001），且负面情绪在故障类型与再使用意愿之间起中介作用。
- 拟人化的调节作用（Study 3）：通过行为实验，研究人员发现拟人化在服务故障与负面情绪、再使用意愿之间起调节作用。在非拟人化机器人的情况下，能力故障引发的负面情绪显著高于体验故障（Mexperiential = 2.54 vs. Magential = 3.84）；而在拟人化机器人中，体验故障会使消费者产生更强烈的负面情绪（Mexperiential = 3.86 vs. Magential = 3.46），进而对再使用意愿产生更大的负面影响。
研究结论与讨论部分指出，该研究基于心智感知理论提出的机器人服务故障分类，丰富了机器人服务的理论研究。同时，明确了负面情绪的中介作用以及拟人化的调节作用，为服务营销理论在人工智能领域的发展提供了新的视角。在实践方面，这一研究成果对服务企业有着重要的指导意义。企业可以依据不同的故障类型制定针对性的策略，有效缓解消费者的负面情绪，提高顾客忠诚度。例如，在设计机器人时，对于从事体验服务的机器人，应合理控制其拟人化程度，避免因拟人化过高而加剧体验故障带来的负面影响。总之，该研究为理解和管理机器人服务故障提供了有价值的参考，推动了机器人服务行业的健康发展。
