安全专业人士对建筑行业中人工智能的接受程度：一种扩展的技术接受模型

《Safety Science》：Safety professionals’ acceptance of artificial intelligence in the construction industry: an extended technology acceptance model

本研究基于扩展的TAM模型，分析印度建筑安全专业人员采用AI技术的影响因素，发现信任、感知风险和社会影响显著提升采用意愿，而技术焦虑产生负面影响，隐私担忧未达显著水平，揭示“安全-隐私权衡”现象，为AI在建筑安全中的推广提供理论依据和实践建议。

　　
建筑行业人工智能采纳的影响因素研究及启示

摘要解读：
该研究聚焦印度建筑行业安全专业人员对人工智能技术的采纳意愿，通过结构方程模型验证了扩展技术接受模型（TAM）的有效性。研究发现信任、风险感知和社会影响是显著正向影响因素，而技术焦虑产生抑制作用。特别值得注意的是隐私担忧在印度语境下未呈现显著影响，揭示出安全需求与数据隐私之间的动态平衡。研究建议通过建立技术信任体系、优化风险沟通机制、强化行业示范效应等路径推动AI安全应用。

行业背景分析：
全球建筑业事故率持续居高不下，中国施工事故死亡率较其他行业高出40%，美国建筑工人致命伤害风险是普通行业5.5倍。这种高伤害率不仅造成人员损失，更产生显著经济负担，如Lestari团队（2019）测算的年均直接经济损失达行业总营收的2.3%。印度作为新兴基建市场，面临双重挑战：一方面，城镇化率以每年1.2%的速度增长，催生庞大的建筑需求；另一方面，行业安全事故率高达17.3%（Pillai & Matus, 2020），传统安全管理模式已显疲态。

技术应用图谱：
AI在建筑安全领域的应用呈现多维渗透特征：
1. 实时监控系统：基于计算机视觉（CV）的工地监控可识别PPE缺失、危险行为等违规操作，误报率低于传统人工巡检的62%
2. 预测性分析：机器学习（ML）模型通过历史事故数据训练，可提前72小时预警85%以上的高风险作业场景
3. 智能决策支持：自然语言处理（NLP）技术解析安全规程文档，生成定制化风险处置方案
4. 可穿戴监测：生物传感器实时追踪工人生理指标与作业位置，预防中暑、坠落等突发事故

采纳障碍的深层剖析：
研究揭示发展中国家AI采纳特有的复合型障碍：
1. 技术信任断层：62%的安全管理人员对AI决策的可靠性存疑（Dauda et al., 2024），主要源于系统透明度不足（47%受访者担忧）和算法黑箱问题（35%）
2. 风险感知错位：尽管AI可降低83%的常规风险（Kim et al., 2017），但专业群体对"技术失效风险"的评估存在系统性偏差，形成"安全悖论"——更关注技术故障而非实际收益
3. 社会文化张力：印度集体主义文化中，正式权威的示范效应（权重系数0.43）显著高于个体决策影响（系数0.28），但存在管理层与基层执行者认知鸿沟
4. 隐私安全悖论：研究数据显示隐私担忧系数仅为0.07，揭示出在生命安全优先的价值排序中，数据隐私让位于现场安全防护。这种选择与印度《数字个人数据保护法案》的执行力度（2023年合规率仅19%）形成有趣对照。

理论模型创新：
研究在经典TAM框架（ Davis, 1989 ）基础上进行三维拓展：
1. 信任维度：引入技术可信度（0.72载荷）和结果可信度（0.65）双指标体系，构建信任评估矩阵
2. 风险调节机制：开发风险感知指数（RPI），整合技术风险（权重40%）与操作风险（权重60%）
3. 社会影响网络：量化管理层示范效应（β=0.38）、同行影响（β=0.29）和行业规范（β=0.21）的三级传导模型

实证研究发现：
通过118份有效样本的结构方程建模显示：
- 信任对采纳意愿的直接影响系数达0.54，是核心驱动因素
- 感知风险与技术焦虑形成负反馈循环，焦虑每增加1个单位，易用性感知下降0.23个标准差
- 社会影响通过"规范遵循"路径间接作用，影响系数达0.31
- 隐私担忧的非显著性（p=0.87）揭示文化特异性：安全需求强度（0.83）与隐私敏感度（0.12）的比值达到6.9:1

实践启示：
1. 技术信任构建：
- 开发可视化决策日志系统，展示AI预警的逻辑链条
- 建立技术失效的"熔断机制"，在系统异常时自动切换至人工模式
- 实施季度技术审计，邀请第三方机构验证算法公平性

2. 风险沟通策略：
- 创建风险分级响应机制（高/中/低风险场景对应不同沟通策略）
- 开发风险认知模拟训练，通过VR技术重现典型事故场景
- 建立动态风险感知仪表盘，实时展示系统可靠性指标

3. 社会影响管理：
- 设计管理层示范计划，要求决策层首先使用AI系统
- 构建行业安全标杆案例库，包含20+个成功应用AI的工地实例
- 开发社交学习平台，建立跨企业经验共享网络

4. 技术焦虑缓解：
- 推行渐进式部署策略（试点→局部推广→全面覆盖）
- 建立AI辅助决策的"双确认"流程
- 开发操作简化工具包，将系统使用时间缩短至15分钟内

研究局限与拓展方向：
样本局限性体现在：
- 区域覆盖度：仅收集到孟买、新德里等3个主要城市的样本
- 专业背景：安全管理人员中具备计算机科学背景者不足8%
- 时间跨度：横截面数据无法捕捉采纳行为的动态变化

未来研究建议：
1. 开展多阶段追踪研究，观察采纳行为的时间衰减效应
2. 拓展比较研究，将印度案例与东南亚国家（越南、菲律宾）进行对比
3. 构建技术-组织-环境（TOE）整合模型，纳入政策支持度（如政府补贴比例）等调节变量
4. 开发文化适配指数（CAI），量化集体主义/个人主义文化对采纳的影响路径差异

该研究为发展中国家建筑行业数字化转型提供了关键理论框架，其揭示的"安全-隐私"权衡机制对智慧城市等新兴领域具有借鉴价值。建议技术供应商针对印度市场开发轻量化隐私保护方案，如采用联邦学习技术实现数据不出工地，同时通过区块链技术确保操作记录不可篡改，在满足隐私法规（如2023年实施的《数据保护法案》）的同时，保持系统的实时响应能力。