《Journal of Innovation & Knowledge》：Agentic AI as a service innovation: A mixed-methods study of satisfaction, trust, and continued use
编辑推荐：
为解决 Agentic AI 服务化落地中“用户如何评价智能体特性并形成持续使用意向”的实证空白，本研究基于 52,370 条 Manus AI 用户评论，结合 LDA 主题建模与 PLS/XGBoost 分析，揭示了自主性、主动性等特质通过差异化路径（满意度/信任）驱动持续使用的机制，为服务创新管理提供了设计依据。
当 AI 拥有“主观能动性”：用户真的买账吗？
人工智能（AI）正经历一场从“被动工具”到“主动伙伴”的范式转移。Agentic AI（具智能体性的人工智能）的出现，标志着系统不再只是等待指令的代码，而是具备了自主性（Autonomy）、主动性（Proactivity）和目标导向性（Goal-directedness）的类代理实体。它们能自主决策、主动规划并协作完成任务，这被视为服务创新和数字化转型的下一个前沿。
然而，技术跑得快，用户未必跟得上。尽管 Agentic AI 在技术上突飞猛进，但关于“用户如何评价这些智能体特性”以及“为何愿意长期使用”的实证证据却严重匮乏。现有研究多聚焦于算法架构，而忽视了用户体验（User Experience）这一决定服务价值能否规模化实现的关键因素。如果用户对 AI 的“自作主张”感到不安，或对其“死磕目标”的持久性缺乏信任，再先进的技术也难逃被弃用的命运。这一研究空白，正是本研究切入的起点。
研究方法概览：从海量评论中“听”真话
为了填补上述空白，研究团队没有采用传统的小规模问卷，而是转向了用户生成内容（User-Generated Content, UGC）这一更真实、更具生态效度的数据源。他们从 Google Play 和 Apple App Store 爬取了关于 Manus AI（一款通用 Agentic AI 助手）的 52,370 条用户评论，构建了一个大规模的自然语言数据集。
研究采用了混合方法（Mixed-Methods）设计，先通过潜在狄利克雷分布（Latent Dirichlet Allocation, LDA）主题建模对评论进行定性挖掘，识别出用户自发讨论的智能体特性主题；在此基础上，构建理论模型，并利用偏最小二乘回归（Partial Least Squares regression, PLS）和 XGBoost 算法进行定量验证，分别评估了理论关系的解释力和预测力。
研究结果：是什么让用户“离不开”？
智能体特性的“双路径”驱动机制
研究最核心的发现是：不同的智能体特性通过不同的心理路径影响用户的持续使用意向，形成了清晰的“双路径模型”。
- •
通往“满意”的路径：自主性、主动性和目标导向性是用户满意度（Satisfaction）的强预测因子。用户非常看重 AI 能“自己干活”（Autonomy）、“想在我前面”（Proactivity）且“不跑偏”（Goal-directedness），这些特性直接提升了使用的愉悦感和效率感。
- •
通往“信任”的路径：适应性（Adaptability）、协作性（Collaboration）和持久性（Persistence）则主要塑造了用户的信任（Trust）。当 AI 能灵活调整策略（Adaptability）、像队友一样配合（Collaboration）且在遇到困难时不放弃（Persistence）时，用户才会觉得它可靠、可信赖。
谁才是持续使用的最终推手？
在“满意度”和“信任”这两个中介变量中，满意度被证明是持续使用意向（Continued Use Intention）的更强劲驱动因素。这意味着，对于 Agentic AI 服务而言，让用户感到“好用”、“省心”的体验感，比单纯建立“可信”的认知更能促使用户留下来。当然，信任是长期关系的基石，二者缺一不可。
结论与意义：设计“人本”智能体的指南
本研究证实，Agentic AI 作为服务创新的价值实现，高度依赖于用户采纳后的持续使用（Post-adoption Continued Use）。技术特性必须转化为用户可感知的价值（满意度）和安全感（信任），才能形成可持续的 engagement。
对于开发者和企业而言，这项研究提供了明确的设计指南：不要只堆砌技术特性。如果你想让用户“爽”（提升满意度），请重点打磨自主性、主动性和目标导向性；如果你想让用户“信”（建立信任），请确保系统具备良好的适应性、协作性和持久性。只有将技术能力与用户的心理评价机制对齐，Agentic AI 才能真正从实验室的“黑科技”变为服务场景中的“价值创造者”。
论文发表于《Journal of Innovation》，标题：Agentic AI as a service innovation: A mixed-methods study of satisfaction, trust, and continued use。
