阐明人工智能技术压力对客户满意度的双重影响：情感反应与使用自愿性的作用

《Information & Management》：Elucidating the Bifurcated Effects of Artificial Intelligence Technostress on Customer Satisfaction: The Role of Affective Reactions and Voluntariness of Use

　　摘要：为让客户对人工智能驱动的产品保持高度满意，企业需关注人工智能技术压力给客户带来的不良影响。然而，目前对于人工智能技术压力如何影响客户满意度的理解仍较为有限。基于情感事件理论，我们构建了一个研究模型，探讨人工智能产品的自主性及隐私侵犯如何通过客户的情感反应影响其满意度，并分析使用自愿性在这一过程中的调节作用。通过对357名使用过人工智能驱动产品的客户的数据分析发现，人工智能产品的自主性与客户的积极情感呈正相关，与消极情感呈负相关；而隐私侵犯则产生相反的效果。此外，积极情感与客户满意度呈正相关，消极情感则与之呈负相关。使用自愿性在积极情感与满意度、消极情感与满意度之间起到了积极的调节作用。研究结果还表明，积极情感与消极情感在人工智能技术压力与客户满意度之间起着间接作用。从情感反应的角度揭示了人工智能技术压力的双重效应，为本研究提供了关于人工智能产品自主性、隐私侵犯与客户满意度之间复杂关系的宝贵见解。这些发现为技术压力相关研究做出了重要贡献，进一步深化了从客户视角理解人工智能技术压力影响的认知。同时，本研究也为企业改进和创新人工智能驱动产品、提升客户满意度提供了实用建议。

引言：随着人工智能的快速发展，许多企业已将人工智能无缝整合到其产品中，旨在为顾客提供创新且前所未有的体验[1]。Menlo公司的一项调查显示，人工智能驱动的产品在日常生活中越来越受欢迎，许多顾客更愿意使用它们来处理多项任务和管理待办事项[2]。不过，顾客对人工智能的态度并不统一，虽然有些人对其感到兴奋，但也有人感到焦虑。波士顿咨询集团近期开展的一项全球消费者人工智能调查显示，约28%的受访者对在日常生活中使用人工智能存在矛盾心理，另有29%的受访者表达了担忧，主要涉及数据安全与伦理问题、不确定性以及环境影响等方面[3]。尽管以往的研究已经探讨了诸如算法偏见、不可预测性以及伦理风险等与人工智能相关的诸多问题[[4],[5],[6]]，但针对人工智能驱动产品那些会引发顾客人工智能技术压力体验的基本技术特性，相关研究却相对较少。嵌入了人工智能技术的产品能够模仿人类行为、自主决策并实现持续自我更新[[7],[8],[9],[10]]。这些特性使得人工智能驱动产品有别于一般的信息技术产品，赋予了它们自主性和数据依赖性这两种独特属性[11,12]。正是这两类特性塑造了新型的顾客与产品互动模式，进而影响了顾客对使用人工智能技术的认知与态度[13]。由于顾客在使用人工智能驱动产品时需要不断与人工智能技术互动，这一过程可能会给他们带来技术上的负担。一旦顾客感知并评估了人工智能驱动产品的技术特征，就可能会面临特定于人工智能的技术压力源，进而引发技术压力[14]。在这种背景下，企业要在人工智能驱动产品方面实现高客户满意度面临着巨大挑战，而高客户满意度是提升市场竞争力、推动产品创新以实现长期可持续发展的关键因素[15]。顾客是人工智能驱动产品的主要用户群体，他们的满意度对于企业的可持续发展与成长具有至关重要的意义[16,17]。鉴于人工智能市场的规模不断扩大[18]，有必要研究人工智能技术压力对客户满意度的影响。

以往的技术压力研究主要聚焦于组织内部场景，以员工作为最终用户，探讨技术压力源如何影响工作压力、满意度、生产力及工作表现[[19],[20],[21],[22]]。值得注意的是，员工与顾客所面临的技术压力存在明显差异。例如，与需要在工作中使用技术完成任务的员工相比[23]，顾客拥有更多主动性，可以自行决定是否以及如何继续使用技术。然而，尽管人工智能驱动的服务和产品在消费领域迅速普及，但针对顾客技术压力及其影响的实证研究却相对较少。当顾客使用各种技术时，技术带来的要求往往超出他们的应对能力，从而导致他们产生技术压力，进而影响他们的行为或态度，比如购买决策、满意度以及愉悦感[24,25]。因此，从顾客视角研究技术压力显得十分必要。

现有研究大多集中在传统信息通信技术（如社交网络平台、电子邮件系统和企业IT平台）引发的技术压力上[26,27]，而在顾客与人工智能互动情境下研究技术压力的文献则相对较少。在人工智能应用场景中，人工智能驱动的产品改变了顾客与产品之间的互动模式，同时也引发了特定于人工智能的技术压力源。基于人工智能驱动产品区别于一般信息技术系统的核心特性——自主性和数据依赖性[7,28,29]，我们确定了两种相应的人工智能特定技术压力源：人工智能产品的自主性以及人工智能隐私侵犯。具体而言，人工智能产品的自主性使顾客能够将某些任务委托给智能系统，从而提高任务效率，帮助他们更有效地管理时间[11]；但与此同时，顾客在与人工智能产品互动时也需要主动规划、区分任务的优先级，并集中精力处理重要任务[30]。我们将促使顾客以自主和选择的方式优先处理重要任务的需求视为人工智能产品的自主性[8]。人工智能产品的数据依赖性使其能够通过分析顾客的使用数据来提供高度个性化的服务，但这一特性同时也引发了顾客对隐私和安全风险的担忧[12]。我们将让顾客感觉自己被监控、担心个人数据泄露的需求视为人工智能隐私侵犯[31]。鉴于人工智能产品的自主性和人工智能隐私侵犯在各类人工智能驱动产品的使用场景中普遍存在，且直接反映了顾客在人机互动层面所感受到的特定于人工智能的技术压力，将二者作为本研究的重点分析对象，有助于把握人工智能技术压力的跨情境普遍性。在顾客与人工智能驱动产品互动的全新体验背景下，深入探究人工智能产品的自主性和人工智能隐私侵犯如何影响顾客，尤其是如何影响他们的满意度，具有极为重要的意义。

技术压力既可能促使个体取得进步并获得积极成果，也可能制造障碍并带来负面影响[32]，而这些不同结果的根源在于个体对技术压力源的认知评价[33]。当面对技术压力源时，顾客可能会进行认知评估，进而产生相应的情绪反应，如兴奋或焦虑[34]。情绪反应与顾客的心理资源密切相关，这些心理资源被用于帮助顾客应对使用人工智能驱动产品时的体验，并影响他们的态度[22]。积极的情绪反应会让顾客对人工智能驱动产品产生积极的看法，进而提升满意度，而消极的情绪反应则会加剧顾客的不愉快体验，甚至引发抵触情绪和不满[35]。因此，情绪反应在理解人工智能技术压力对客户满意度的复杂影响过程中起着关键的中介作用。此外，顾客在使用行为方面的个体差异（如使用自愿性）也会影响其情绪反应所带来的影响程度[34]。顾客的使用自愿性指的是顾客使用人工智能驱动产品时的自愿程度[36]。不同的使用自愿性水平意味着顾客在使用这类产品时具有不同的心理预期，而这正是顾客重要的心理应对资源。尽管在技术采纳研究中已经探讨过使用自愿性这一概念[37,38]，但在顾客技术压力这一特定情境下，它如何调节顾客的情绪反应与满意度之间的关系，目前仍有待深入研究。

基于上述问题，本研究提出了以下研究问题，以弥补现有研究的不足：
RQ1：人工智能产品的自主性和人工智能隐私侵犯是如何通过顾客的情绪反应影响其满意度的？
RQ2：顾客的使用自愿性在多大程度上调节了他们的情绪反应与满意度之间的关系？

受此启发，我们基于情感事件理论构建了一个研究模型。具体而言，我们认为人工智能产品的自主性和人工智能隐私侵犯属于情感事件，能够影响顾客的积极与消极情绪反应，进而提升或降低他们的满意度。同时，我们认为顾客的使用自愿性会对他们的情绪反应与满意度之间的关系起到积极的调节作用。本研究为现有关于人工智能技术压力的信息系统研究做出了多项贡献。首先，与以往从员工视角研究个体感受的技术压力研究不同[39,40]，我们从顾客视角探讨人工智能技术压力带来的影响，阐明了顾客与员工在技术压力体验上的差异，并明确了基于情绪的客户满意度形成机制。其次，本研究通过引入全新的人机交互事件——人工智能产品的自主性和人工智能隐私侵犯，同时验证了“情感事件—情绪反应—态度”这一逻辑链的稳定性，为顾客与人工智能互动领域的技术压力研究以及情感事件理论做出了新的贡献，也提升了该理论在解释人工智能相关顾客技术压力问题时的适用性与可靠性。第三，本研究将使用自愿性视为人工智能驱动产品使用情境中的重要背景条件，发现不同使用自愿性水平的顾客在情绪反应与满意度形成机制上存在显著差异，从而丰富了关于顾客技术压力如何影响其满意度的现有研究内容。

理论背景：在本节中，我们首先回顾了顾客技术压力的概念，并分析了从顾客与员工视角来看技术压力的差异。随后，我们梳理了有关人工智能驱动产品的特性以及人工智能技术压力的相关文献。为了进一步加深对人工智能技术压力的理解，我们明确了人工智能产品自主性与人工智能隐私侵犯的定义。接着，我们引入情感事件理论作为分析框架，建立了人工智能技术压力与顾客满意度之间的关联。

研究模型与假设构建：在情感事件理论的总体框架基础上，我们构建了一个研究模型（见图1），通过逻辑推导与实证依据表明，积极情感与消极情感分别体现了人工智能产品的自主性与人工智能隐私侵犯对顾客满意度的影响。此外，我们将顾客的使用自愿性视为情绪反应与满意度之间的调节变量。

数据收集：本研究以曾经使用过人工智能驱动产品的顾客作为调查对象。鉴于中国拥有庞大的人工智能市场[18]，这类产品的顾客群体十分多样，具有较好的代表性。我们通过在线问卷的方式在中国境内收集数据，问卷是通过Sojump（www.sojump.com）发放的，这是一个在中国非常流行的在线调查平台，用户活跃度极高，注册会员数量超过620万。潜在受访者可以通过该平台填写问卷。

测量可靠性与有效性：我们使用AMOS 24软件进行了验证性因子分析，以评估测量模型的合理性。CFA的模型拟合指标显示（χ2/df = 1.671，TLI = 0.963，CFI = 0.967，RMSEA = 0.043，SRMR = 0.0427），该测量模型的拟合效果良好。所有题项的标准化因子载荷均高于0.70的标准（详见附录B中的表B1），满足测量要求。为评估核心变量的可靠性，我们计算了克朗巴赫α系数以及复合信度值。

主要研究发现：基于情感事件理论，我们构建了一个模型，用以探讨人工智能产品的自主性与人工智能隐私侵犯如何通过情绪机制影响顾客满意度。我们假设，人工智能产品的自主性与人工智能隐私侵犯会通过积极情感与消极情感影响顾客满意度，而顾客的使用自愿性则是这一过程中至关重要的调节变量。通过对中国范围内使用人工智能驱动产品的顾客的调查数据，我们对这一理论模型进行了验证。

结论：随着人工智能驱动产品的大范围普及，人工智能技术压力是否以及如何影响顾客满意度已成为企业亟需解决的问题。本研究运用情感事件理论中的“情感事件—情绪反应—态度”框架，构建了一个模型，用于分析人工智能产品的自主性、人工智能隐私侵犯与顾客满意度之间的关联，同时明确了情绪反应与使用自愿性在其中所起的作用。通过对357位使用人工智能技术生成论文作者贡献声明的用户的资料进行分析：陈思琴负责写作——初稿撰写、可视化处理、验证工作、软件应用、正式分析、数据整理以及研究调查；林家宝负责写作——审阅与编辑、项目监督、资源协调、项目管理、方法设计以及资金筹集，同时还参与概念构思工作；郑钦瑶负责项目监督、软件应用及项目管理；罗欣负责项目监督与资源协调。陈思琴是中国广州市华南农业大学经济管理学院的一名博士生，她的研究兴趣包括技术压力、技术应用的负面影响以及消费者行为。陈思琴|林家宝|郑钦瑶|罗欣