《Frontiers in Artificial Intelligence》：Applications, ethics, and future agenda of generative artificial intelligence (GenAI) in tourism and hospitality: a systematic review
生成式人工智能（GenAI）正在重塑旅游信息的产生、交换与消费方式，然而其应用场景、伦理后果以及对服务真实性的影响却分散于快速增长的研究文献之中。本研究遵循PRISMA 2020协议，从Web of Science核心合集（Web of Science Core Collection）和Scopus中识别出3,825条记录，并对461篇文献进行主题综合，回答三个问题：GenAI在旅游与酒店业的供给端和需求端何处创造价值；其应用伴随哪些伦理风险与组织困境；机器干预如何在服务接触中与互动真实性（interactional authenticity）相冲突。综合结果表明，GenAI是一把双刃剑。在需求端，对话式与多模态系统降低了信息搜索与决策成本；在供给端，自动化内容生成释放了运营能力——然而这些收益与算法偏见和幻觉（hallucination）、隐私权衡以及员工技能退化并存。在服务互动中，机器生成共情的计算本质可能引发期望违背（expectancy violation）和算法厌恶（algorithm aversion），削弱酒店业所依赖的人际真实性。本综述将这些发现整合为一个嵌入人机协作社会技术解释框架的效能-风险对冲框架（efficacy-risk hedging framework），并推导出分层的人机协同治理模型（tiered human-in-the-loop governance model）。其主要贡献在于将应用层面收益、系统性风险与真实性冲突纳入一个循证框架，每项主张均锚定于文章层面的证据计数。
1 引言
自2022年底生成式人工智能模型出现以来，以这些工具为代表的技术进步已改变了信息产业的运作范式。与传统算法主要依赖历史数据进行概率预测不同，GenAI具备语义理解与多模态生成能力。算力的增强推动人工智能系统从辅助工具转变为内容生产与对话互动的直接参与者。随着这些系统获得独立执行创造性任务的能力，旅游服务中信息传递与价值分配已转向算法驱动范式。
由于旅游服务是典型的体验型商品，其核心价值交付高度依赖人际互动与真实信息的流通。GenAI的部署打破了供需之间原有的均衡，改变了行业运作机制。在游客端，多模态对话系统将单向关键词搜索转化为定制化互动，重塑信息检索路径。同时，为应对劳动力供给的不稳定性，企业引入自动化技术处理客户咨询并生成营销内容，以维持服务流程的稳定性。AI驱动的合成服务体验正逐步渗透人类主导的服务空间，模糊了技术与服务行为之间的边界。
伴随GenAI技术的广泛应用，2023至2026年间实证研究大量涌现，若干综述已开始绘制该领域版图。既有综述在范围与方法上与本综述存在差异：部分为专家议程文章而非系统性综合；部分聚焦于ChatGPT或对话式AI；综合型综述或止步于2024年的证据，或侧重文献计量图谱而非主题综合。尚缺乏一篇覆盖全类别生成技术、贯穿完整游客旅程、将应用层面收益与系统性风险纳入统一分析框架，并以文章层面证据计数支撑每项主题主张的综述。现有研究亦多将GenAI视为外生变量，沿用成熟的技术接受模型测量用户采纳意愿，或集中于算法推荐中的偏见与幻觉风险。由于缺乏综合分析框架，现有文献难以解释技术效率与伦理规范之间的冲突：定制化服务的精确性常与用户对隐私保护的心理需求相冲突，从业者面临GenAI干预时的职业不安全感与技能过时风险亦未得到系统性解决。此外，合成内容的使用倾向于稀释旅游业所强调的真实性，进而引发消费者的算法厌恶与信任侵蚀。在自动化环境中维持服务的情感价值，是当代旅游与酒店管理研究亟待突破的关键瓶颈。
针对上述理论空白，本研究系统性地综述并综合了实证证据。本综述的主要贡献在于构建了一个整合的功效-风险对冲框架：它将应用层面收益、系统性伦理风险与真实性冲突纳入统一的社会技术解释框架，每个组成部分均锚定于文章层面的证据计数。为构建合理的人机协作模型，同时提升运营效率并明确未来演进方向，本综述回答三个核心问题：第一，在旅游与酒店业的供给端和需求端，GenAI主要在哪些具体场景中得到应用，其应用价值如何实现？第二，该技术的应用带来哪些伦理风险（如认知偏见与隐私权衡）与组织管理困境？第三，在以人为中心的旅游服务中，技术干预如何与互动真实性相冲突？所综述文献的方法论局限与未来研究议程将在后续讨论中分别展开。
2 文献综述
探究技术应用与伦理挑战之间的相互作用，需要对现有实证证据进行系统性综述。构建整合多维度视角的社会技术评估模型，依赖于对这些证据的系统性提取与重组。本节阐述文献获取与筛选程序，通过分析元数据特征刻画该领域的演进轨迹，为后续主题讨论奠定实证基础。
2.1 GenAI在旅游与酒店业中的采纳与价值创造
自2022年底生成模型公开发布以来，关于其旅游应用的研究已从探索性评论扩展为大规模实证基础。需求端文献考察对话式与多模态系统如何重塑信息搜索与行程规划。早期研究记录了从关键词搜索向自然语言对话的转变，并表明感知有用性、信任与易用性驱动采纳；后续研究日益强调接受的权变性：游客使用这些系统获取灵感与比较，但在涉及预订或风险的决策中会对推荐进行严格审视。近期贡献进一步扩展了该研究脉络，包括对AI生成旅游信息事实质量的评估、从在线旅游社区向生成式服务转移行为的证据，以及人机互动模式类型学。在供给端，研究考察了自动化评论分析、营销内容生产、宾客服务响应与后台功能，记录了效率提升，同时指出AI生成内容与专业内容在品牌传播方面存在有意义的差异。
2.2 旅游与酒店业中的GenAI伦理
第二条研究脉络关注生成系统的伦理后果。研究记录了幻觉或过时信息如何破坏信任并扭曲决策，流行度偏见如何将需求集中于已过度拥挤的目的地，以及文化与身份偏见如何进入生成的旅游目的地意象。隐私研究表明，个性化依赖于日益细粒度的个人数据，隐私担忧会放大威胁感知并导致使用回避；近期研究将信任与不信任配置为不同的机制而非对立面。组织研究脉络记录了员工中的职业不安全感、技术过载、技能侵蚀与问责模糊性，日益增长的治理文献将这些风险转化为负责任AI要求。后续分析将这些维度组织为明确的三层分类并附证据计数，从而区分综合维度与旅游领域研究不足的维度。
2.3 真实性与人机互动
第三条研究脉络考察机器生成沟通取代人类情感劳动时会发生什么。准社会互动研究表明，拟人化线索可与对话代理产生情感纽带，但机器作者身份的披露与脚本化共情的检测可引发期望违背与算法厌恶。真实性文献区分了客观真实性、建构真实性、存在真实性、品牌真实性与互动真实性；在算法服务情境中，最受冲击的是互动真实性与品牌真实性，因为处于风险中的是交流本身的感知真诚度——而非被游览的客体。这一脉络引出了贯穿本综述的人机协同问题：哪些互动可以委托给机器而不侵蚀酒店业以人为本的基础。
2.4 既有综述与本研究的定位
若干近期综述绘制了相邻领域。专家议程文章概述了机遇与挑战但未进行系统检索。系统性工作或聚焦于ChatGPT或对话式AI，或侧重文献计量图谱而非主题综合。相较于这些综述，本研究在比较的每个维度上均存在差异：覆盖更长的发表窗口（2021年至2026年9月9日），在PRISMA协议下检索两个综合数据库（Web of Science核心合集与Scopus），并综合了规模显著更大的461篇文献样本；与专家议程文章相比，其主题主张植根于系统筛选、质量评估与文章层面证据计数。由此产生三个空白：第一，尚无综述覆盖全类别生成技术——文本、图像与多模态——贯穿完整游客旅程；第二，绘制领域地图的综述很少将应用层面收益与系统性风险纳入统一分析框架；第三，主题主张很少锚定于文章层面证据计数与质量评估。引言中界定的三个研究问题旨在弥合这些空白。
2.5 整合性社会技术框架
本综述综合的实证发现可组织于一个统一的社会技术框架之中，涵盖行动者、层级与机制。行动者包括游客、一线员工、企业与目的地管理组织、目的地与当地社区以及监管者。分析在四个层面运作：个体层面（心理机制）、互动层面（服务接触）、组织层面（工作设计与治理）以及制度层面（监管与产业结构）。框架核心是一个由GenAI可供性与约束定义的技术层：语义理解、多模态生成与个性化的可供性实现了低成本、情境感知的内容生产；幻觉倾向、不透明性与缺乏空间感知的约束限制了这些系统所能交付的内容。
心理机制层在技术层与可观察结果之间起中介作用。主导文献的采纳理论——TAM与UTAUT——捕捉了需求端对有用性与易用性的基线评估。资源保存理论与技术威胁规避理论将该逻辑扩展至威胁评估：员工权衡技术辅助与替代风险，游客权衡个性化与隐私损失。在互动层面，准社会互动理论解释了拟人化线索如何产生情感纽带，期望违背理论解释了计算起源的披露为何打破这些纽带，具身认知视角解释了情感复杂的情境为何超越无实体模型的能力。这些理论因此并非竞争性解释，而是在同一社会技术系统不同层面运作的互补机制：采纳理论作用于效用层，资源与威胁理论作用于评估层，互动理论作用于情感层。
组织过程层将这些机制转化为设计选择：人机之间的任务分配、披露政策、隐私控制、培训与审计安排。结果随后作为所有层面的联合产物出现：一方面是效率提升与决策成本降低，另一方面是信任侵蚀、职业不安全感、技能过时、真实性丧失以及空间或文化不平等。边界条件调节整个系统：任务卷入度、披露、数字素养、文化、企业规模与监管情境决定在给定情境中哪些结果占主导。
3 文献筛选与元数据分析
3.1 基于PRISMA声明的文献检索与筛选过程
本研究采用PRISMA 2020框架以确保筛选过程的透明度与结果的可复现性。由于生成式AI研究在学科间快速扩散，文献从两个多学科数据库中检索：Web of Science核心合集与Scopus。检索分两轮进行。首轮检索截止日期为2026年3月22日；补充轮于2026年9月9日进行，以应对初始关键词集可能遗漏使用相关技术术语的研究之风险。补充查询增加了基础模型、GPT-3、GPT-4、GPT-5、生成式智能体、扩散模型、文生图系统与AI生成内容等术语，并在两个数据库中运行。两轮均覆盖2021年1月1日至补充检索日期的记录。检索阶段未施加语言或文献类型限制。跨数据库重复记录按DOI去除，无DOI时按规范化标题去除。未进行前向与后向引文检索，此点已在局限性中说明。
首轮检索获得742条记录。补充轮从Web of Science核心合集获得1,500条记录，从Scopus获得2,325条记录（共3,825条）；去除跨数据库1,283条重复后，剩余2,542条唯一记录，其中765条已在首轮评估。其余1,777条记录进入下述筛选程序。研究团队应用包含五个排除类别的层级排除程序，每个类别由明确的决策规则定义。
无效文献类型、情境外、干预外、缺乏学科视角与焦点外五个类别依次排除不符合条件的记录。文献筛选遵循两阶段独立重复筛选程序。首轮中，两位研究者独立筛选742条记录的标题与摘要，原始一致率为95.69%，Cohen's kappa为0.91，分歧通过第三位研究者讨论解决。此轮排除362条记录。补充轮中，同一组研究者独立筛选1,777条新识别记录，一致率为94.1%，kappa为0.80，排除1,544条，保留233条。第二阶段对保留记录全文按相同标准评估。首轮此阶段排除152篇文章，剩余228篇合格出版物，一致率91.84%，kappa为0.83。补充轮中233条保留记录全部确认为合格。合并两轮，最终纳入461篇出版物进行主题综合与理论建构。
3.2 数据提取与主题编码
开发了结构化提取表并在Microsoft Excel与Python（pandas）中实施。对每篇纳入出版物，编码者记录七个字段：研究区域、研究方法、所考察的游客旅程阶段、GenAI应用场景与价值创造、伦理风险与管理困境、对真实性与人情味的反思以及作者提出的研究议程。编码程序结合演绎与归纳策略。三个研究问题提供初始高阶类别；应用场景、伦理维度与真实性相关主题通过迭代阅读编码摘要进行归纳细化。两位编码者接受编码协议培训并完成20条记录的试点轮以校准解释。编码分歧通过讨论解决，未达成共识时由第三位编码者仲裁。为评估主题编码信度，两位编码者独立编码50条记录的随机子样本：研究方法一致率92.0%（kappa=0.87），旅程阶段一致率80.0%（kappa=0.69），章节分配精确匹配一致率60.0%，子样本中至少一个重叠章节的比例为100%；其余分歧通过共识解决。矛盾发现与阴性案例未被丢弃：它们保留在提取矩阵中，并在限定主导模式之处予以报告。
3.3 质量评估
为避免将一切证据视为同等可信，遵循混合方法评估工具的逻辑进行了设计敏感的质量评估。应用四套设计特定检查表：定量研究评估抽样与样本量、测量质量以及分析与研究问题的匹配度；定性研究评估数据收集与分析程序的充分性以及编码者信度或成员核查等严谨性措施的存在；混合方法研究评估定量与定性组件整合的理据；理论或综述出版物评估检索的系统性与理论论证的清晰度。两位评审者依据标准化数据提取表中记录的方法学信息，将461篇出版物各自独立评为高、中或低质量，分歧通过共识解决。分布为12篇高质量（2.6%）、395篇中质量（85.7%）与54篇低质量（11.7%）。综合中的解释权重主要赋予高质量与中质量证据。
3.4 核心文献描述性统计分析
基于PRISMA筛选过程，最终纳入的461篇出版物构成后续主题讨论的基础文献语料。其中398篇报告实证研究（270篇定量、77篇混合方法与51篇定性研究），63篇为理论或综述出版物。本综述的分析单位是出版物。考察近期文献的时间分布表明，实证研究的激增并未与2022年底GenAI模型的出现同步发生，而是呈现具有明显时滞效应的非线性增长轨迹。2023年（14篇）与2024年（58篇）发表量相对较低。发表量随后急剧上升至2025年的172篇与2026年补充检索日期时的210篇（含7篇2027年早期访问记录），且2026年数据仅覆盖部分年份。
尽管研究体量大幅扩张，方法选择仍高度同质化与过度简化。定量分析（270篇）与混合方法（77篇）构成当前研究的主导路径。多数文献习惯性地将GenAI还原为静态自变量，采用TAM或UTAUT，利用结构方程模型批量检验消费者的感知有用性或采纳意愿。这种高度标准化的定量范式虽快速积累了该领域的实证基线，却将高度动态的自然语言互动还原为静态测量条目，忽视了人机协作中固有的复杂心理协商。相比之下，纯定性研究（51篇）与理论综述（63篇）仍处于边缘地位。方法失衡凸显了学术界超越单一效率指标、转向涵盖管理科学与技术伦理的更复杂视角的迫切需求。
将技术应用与方法论投射到旅游服务旅程的具体阶段，显示出文献分布的显著时空不对称性。聚焦出行前阶段的研究（229篇）高度饱和，约占总体样本的一半。随着游客进入出行中阶段——该阶段本质上涉及物理目的地——相关研究数量相对较少（40篇）。聚焦出行后阶段的研究（45篇）同样占比较小。此外，131篇出版物将GenAI应用泛化至整个游客生命周期，16篇完全未指明应用阶段。这些分布特征共同确认，当前研究范围大体局限于数字设备上的信息互动，尚未实质性渗透至定义旅游业为有形体验经济的核心物理空间。
4 生成式人工智能的应用场景与价值
旅游业的基础运作逻辑依赖信息传递与供需匹配——这一信息交换基础正被GenAI模型的部署所重构。在此背景下，技术干预引发了信息获取与内容生产的双向结构性变革。在需求端，游客的信息检索逐步从局部关键词匹配转向自然语言对话；在供给端，企业的内容生产模式同步向自动化算法生成迁移。应用证据库涵盖427篇编码至需求端或供给端主题的出版物，其中67篇同时编码至两端。
4.1 需求端视角下的游客信息搜索与行程规划
本节综合基于265篇编码至需求端主题的出版物。旅游产品的无形性迫使游客进行密集的出行前信息搜索以对冲决策风险。受关键词匹配逻辑约束，传统在线旅游平台与搜索引擎要求用户将系统化旅行意图解构为碎片化搜索标签。制定这些搜索查询实质上迫使用户承担意图转译成本与信息过滤压力。游客必须在多个网页间反复交叉验证信息节点，这种被动信息获取模式易引发信息过载，提升出行前决策的认知消耗。
交互界面的迭代改变了信息搜索行为。GenAI以具备情境理解能力的动态中介身份介入行程规划。对话场景从根本上重塑了人机适配。在单一对话框中使用日常语言，游客可以表达涵盖预算约束、具体偏好与时间安排的综合需求。接收非结构化指令后，GenAI模型通过语义对齐机制解析真实意图，在多轮对话中维持情境记忆以执行动态修正。算法自主提取并整合分散的网络知识，将此前需人工筛选的碎片化内容重构为结构化方案，降低了出行前阶段的信息验证与比较成本。
超越文本处理，多模态内容的叠加生成改变了信息传递效能。当纯文本指南融入视觉图像、地理坐标与动态交互反馈时，游客对未知目的地的认知障碍相应降低。多维信息呈现增强了行程规划的效用，同时放大了用户对推荐方案的沉浸感知。随着繁琐的数据过滤与内容拼接任务转移至AI智能体，游客从处理海量信息的压力中解放出来。基础认知劳动的卸载使个体将心智带宽集中于对推荐的深度评估，其参与焦点从信息收集者转变为评估生成方案的决策者。
然而，信息处理效率的跃升并未完全消除决策障碍。尽管GenAI在旅行灵感的广泛探索中显示广泛接受度，但当涉及高卷入度决策——如具体预订——时，推荐输出面临严格审视。面对系统频繁生成的同质化建议，游客在尝试缩小选项范围时偶尔陷入新的选择过载困境。因此，个体数字素养、算法信任与既有目的地知识共同约束人机互动模式的最终效能。
4.2 供给端视角下的运营效率优化与内容生产
本节综合229篇编码至供给端主题的出版物。需求端行为模式的转变伴随着供给端的同步运营重构。面对消费者对全天候实时互动与定制化的期望，依赖密集人力的传统服务响应机制面临关键瓶颈。为突破这些产能约束，旅游企业与目的地管理组织正逐步将GenAI纳入支撑其基础运营的关键基础设施。凭借深度语义解析与内容生成能力，GenAI模型正接管部分知识密集与情感密集劳动，触发服务价值链的重构。
在客户关系管理的微观互动中，算法系统自主生成符合品牌声音的标准化文本，为特定设施或设备故障提供定制化响应。情感劳动向AI智能体的转移减轻了一线从业者的认知负荷，使其精力回流至处理复杂的线下客户投诉。跨语言生成能力消解了目的地管理组织面临的文化传播壁垒，多模态技术降低了视觉宣传物料的生产成本。算法驱动的内容矩阵赋予企业进行高频营销测试的能力，将目的地营销从经验主导阶段推进至数据协同的超个性化阶段。
前端服务的升级要求内部管理架构同步对齐。针对行业劳动力短缺的结构性困境，企业引入生成式工具优化知识积累与培训流程——如自动起草标准操作规程或构建模拟投诉场景以辅助新员工培训。管理权威的数字化扩展改变了既有工作范式。从资源保存理论视角看，当在线旅行社员工权衡技术辅助收益与潜在替代风险时，对工作资源损失的预期易诱发深层的职业不安全感。这种认知层面的心理焦虑实质性地转化为离职意愿。组织支持在应对这一技术适应性危机中发挥缓冲作用，考验企业重塑人机协作边界的治理能力。
虽然自动化工具推动内容生产效率，但这种单一效率驱动的运营逻辑与旅游业对个性化体验的需求存在张力。过度依赖算法批量生成的文本表现为语义同质化，长期互动易稀释鲜明的品牌声音。此外，当面对过于完美、无瑕疵的标准化内容时，具备高数字素养的消费者易产生恐怖谷效应。非人智能体深度介入带来的体验扭曲挑战了旅游业所依赖的人际服务核心。因此，在最大化运营能力的同时于服务互动中保持人际真实性，是推进智能化战略的核心管理挑战。
5 技术应用衍生的伦理风险与组织管理困境
GenAI引入旅游业虽提升了信息处理效率，但底层模型是携带固有不确定性与偏见的概率系统，其缺陷以伦理与管理困境的形式传播至服务场景。为组织这一领域，本研究采用基于所综述样本证据覆盖度的三层伦理分类。第一层包含语料中证据充分、下文深度综合的风险维度：认知与决策偏见（112篇）、隐私与安全担忧（83篇）以及从业者与组织困境（73篇）。第二层包含旅游特定语料中证据增长但较薄的维度，予以概述而非深度综合：法律责任与问责（28篇）、目的地错误信息与捏造内容（20篇）、供应商依赖（19篇）、模型训练与推理的环境成本（5篇）、可及性与数字鸿沟（5篇）、网络安全（1篇）与提示操纵（1篇）。第三层包含更广泛AI文献中提出但本语料中尚无证据的担忧——版权归属、捏造评论、深度伪造、文化挪用、员工监控与技术权力集中（各0篇）——因此将其作为研究议程而非综合发现。相同风险对不同利益相关者的影响不对称：游客承受错误信息、隐私损失与信任侵蚀；员工承受职业不安全感、技能过时与监控；企业承受合规负担、供应商依赖与责任；目的地与当地社区承受流行度驱动的空间集中、文化误述与环境负荷；监管者面对问责与披露问题。
5.1 算法信息扭曲引发的认知与决策偏见
本节证据包含112篇出版物。主导发现——幻觉与算法偏见扭曲目的地可见性并削弱游客信任——跨设计一致。旅游产品的无形性决定了游客依赖准确信息以对冲未知风险。基于概率分布的GenAI模型文本生成机制为信息获取过程引入了新的不确定性。在输出连贯文本的同时，GenAI易捏造非事实内容——文献中称为"AI幻觉"。当游客将虚假或过时信息应用于行程规划时，其心理预期与实际环境之间产生偏差。这种预期差距的直接后果表现为用户对技术系统的信任与感知有用性显著下降。信息扭曲引发的认知失调不仅干扰个体决策，还促使用户对平台形成防御性心理机制，从而降低整体服务评价。尤其对缺乏目的地背景知识的游客，盲目跟随系统推荐意味着承担更高的旅行风险与沉没成本。
一旦经算法推荐系统放大，个体层面的认知偏见客观上扰乱了游客流的空间分布。由于生成模型基于既有网络文本训练，算法在处理推荐请求时自然赋予传统地标与热门旅游枢纽不成比例的权重。在这种流行度偏见驱动下，系统输出高度同质化的行程建议。图像生成的平行逻辑同样运作：GenAI建构的目的地视觉内容频繁复制特定文化刻板印象，未能真实捕捉当地多样性。当大量游客基于高度冗余的信息做出旅行决策时，客流过度集中于少数景区。这种过度集中的客流增加了热门目的地的环境负担，同时使新兴或边缘化社区难以获取相应旅游收益，干扰了旅游业空间平衡发展的战略目标。
源于算法逻辑的数据偏见造成了文化表征与资源配置的不平等。主流GenAI模型的训练语料高度集中于特定区域与语系，导致系统在处理跨文化信息时携带文化与人口偏见。在这些偏见驱动下，描述目的地形象的系统常将积极特征归于发达地区，同时将偏见标签附加于发展中国家或少数民族社区。这种扭曲的客观目的地形象阻碍了不同文化间的真实交流。在产业供给端，开发与微调底层GenAI模型需要大量计算与资本投入，隐含地提高了小型旅游企业或少数族裔经营者的技术采纳门槛。资源获取能力的差异扩大了不同规模企业间的数字鸿沟，限制了边缘化社区利用新技术进行文化传播的能力，迫使学术界与产业界将社会公平作为算法部署阶段的核心考量嵌入。节俭AI路径——利用既有基础模型与轻量微调而非自建模型——为资源受限的酒店组织提供了缩小采纳鸿沟的手段。
5.2 数据驱动情境下的隐私权衡与安全考量
本节综合83篇出版物。实现精准行程规划依赖于挖掘海量游客行为数据与细粒度偏好。由于系统输出个性化程度与用户输入广度正相关，这一底层运作逻辑固化了定制化服务与个人信息保护之间的结构性矛盾。在旅游服务场景中，获取高度匹配的推荐要求游客将敏感信息——如预算约束、独特饮食习惯乃至随行家庭成员的人口特征——主动嵌入提示词。由于个人数据构成需要保护的心理与物理资源，游客在从GenAI提取搜索便利时实质上接受了隐性的隐私权衡。为追求超个性化而过度提取用户数据，已与技术威胁规避理论所概述的机制相关联，促使游客在初始采纳阶段形成防御性心理屏障。尽管稳健的隐私保护设计可正向影响用户的感知信任，但数据收集的边界与理据仍是决定这些系统能否广泛采纳的绝对前提。
自然语言界面的拟人化特征在有效降低沟通壁垒的同时模糊了常规信息检索与私人对话之间的界限，导致游客无意中过度分享私人细节。随着互动加深，数据安全与隐私泄露的潜在风险逐渐浮现，转化为抑制技术采纳的核心变量。基于扩展平行过程模型的研究表明，当面对GenAI等不透明系统时，隐私与安全担忧放大游客的威胁感知，从而诱发使用回避等适应不良行为。在特定旅游规划情境中，感知隐私风险不仅降低对推荐的信任，还作为负面调节变量，主动阻碍社交临场感与游客持续使用意愿之间的转化路径。数据安全焦虑引发的认知与情感屏障塑造了用户对GenAI的忠诚度与最终行为意图。
数据驱动模式固有的安全考量延伸至产业供给端，构成旅游企业推进智能化战略的严峻壁垒。在规划GenAI整合时，酒店与目的地管理组织不仅受制于初始部署的资本成本，还面临严重的潜在数据合规风险。缺乏明确的算法监管与数据保护指南，从业者对利用消费者数据训练领域特定大模型的合法性保持高度审慎。围绕隐私泄露与伦理问责的普遍行业担忧严重抑制了企业利用新技术优化客户服务与营销运营的意愿。在人力资源招聘等后台运营中，确保系统在处理候选人敏感信息时遵循数据保护与透明度原则，考验着组织治理的合法性。
算法模型在信息处理过程中的固有黑箱性是驱动公众技术焦虑的另一个关键机制。一旦游客输入敏感数据，他们对系统如何分配各特征权重以最终生成推荐一无所知；这种可解释性的缺失严重限制了用户的控制感。源于算法透明度缺失的心理焦虑积极稀释了GenAI在激发旅行灵感方面的正向效用。为重建人机互动的基础信任，学者建议在算法部署阶段引入可控性与透明度特征，赋予用户干预或追溯推荐生成逻辑的能力。提升系统可解释性既是缓解用户数据焦虑的有效机制，也是旅游业将GenAI从不透明的数字中介转变为可靠决策工具的必要前提。
5.3 自动化冲击下的从业者困境与组织适应性
本节证据库包含73篇出版物。GenAI在提升运营自动化水平的同时，重新定义了旅游业传统的雇佣关系与工作流程。重复性行政任务与基础宾客咨询的替代改变了员工对职业轨迹的预期。面对GenAI干预，在线旅行社员工重新评估当前职位的稳定性。当一线员工感知到技术的潜在替代风险高于辅助收益时，深层的职业不安全感易被触发。这种焦虑超越心理不适，积极转化为离职意愿，标志着技术部署正在瓦解传统的劳资心理契约。尽管组织支持在一定程度上缓解员工的技术焦虑，但无法完全抵消因工作职责重构引发的技能恐慌。
技能结构失衡与随后的侵蚀风险构成技术干预后从业者的另一核心挑战。由于GenAI承担了大量入门级信息处理工作，从业者易对算法生成的标准化方案形成过度依赖，导致其处理复杂、非标准化客户投诉的实际能力下降。长期认知卸载会削弱员工的批判性思维与决策敏感性，存在诱发技能过时的风险。在高度依赖人际共情的服务补救阶段，算法模板确保了快速响应时间，但同时限制了个人创造力的空间，结构性损害了行业赖以生存的专业服务门槛。这种技能退化降低了个体市场竞争力，也为企业面对未来危机或非常规紧急事件注入了潜在结构性风险。
随着人机协作成为常态，服务交付中问责的模糊性日益浮出水面，对内部制度框架构成严峻考验。当自动回复或智能推荐引发客户纠纷时，厘清责任归属——底层算法提供商、一线操作员还是组织管理层——在学术界与产业界均处于行政未定义状态。权责错位与一线员工的决策犹豫以及基于承担算法错误后果焦虑的回避行为相关联。为弥合这些制度空白，部分组织尝试整合OECD人工智能原则等国际伦理框架指导日常运营，但实际实施仍受制于透明度不足与合规路径模糊的双重困境。
在推进智能化转型的同时，组织必须同步防范技术黑箱诱发的管理失败风险。当GenAI应用于招聘筛选、绩效评估或标准操作规程生成时，其决策逻辑的不透明性加剧了管理决策中的潜在偏见。算法透明度的缺失放大了员工对内部治理公平性的怀疑，积极侵蚀组织的根基信任。为维持运作机制的合法性，企业亟需构建可解释的负责任AI框架，确保技术采纳不以社会公平与员工福祉为代价。提升系统可解释性并纳入参与式管理机制，已成为旅游业实现技术适应性并迈向可持续组织发展的必要路径。
6 服务互动中真实性与情感价值的冲突
GenAI在旅游业的应用范围已从基础信息检索扩展至前端服务互动。作为本质上运作于体验经济的行业，旅游与酒店服务高度依赖人际互动以传递情感关怀。随着GenAI模型广泛部署——承担传统上由人类主导的沟通角色——机器干预侵入了旅游业所倡导的"以人为本"核心属性。旅游研究中的真实性是一个争议性建构，所综述文献中的使用方式各异。客观真实性涉及被游览客体与场所的真实性；建构真实性将真实性视为被投射与协商的而非给定的；存在真实性指旅游活动激活的真实自我状态；品牌真实性涉及品牌行为是否被感知为一致、真诚且忠于其身份；互动真实性——最受算法干预冲击的维度——涉及服务接触中人际交流的感知真诚度。在本综述中，除非另有说明，真实性与服务真实性术语指互动真实性与品牌真实性，因为第6节考察的冲突产生于服务互动层面而非被游览客体层面。
