《Computers in Human Behavior Reports》：AI Chatbots in The Food and Beverage Industry: Trust, Privacy Calculus, and Customer Engagement in a Developing Economy
编辑推荐：
由AI驱动的聊天机器人正迅速改变服务交互模式；然而，在发展中经济体的中小企业（SMEs）中，其采用率仍然参差不齐。在马来西亚的餐饮（F&B）行业，速度、个性化和服务可靠性是顾客体验的核心，但聊天机器人的采用率却显著偏低，这主要是由于消费者对隐私和信任的不确定性
由AI驱动的聊天机器人正迅速改变服务交互模式；然而，在发展中经济体的中小企业（SMEs）中，其采用率仍然参差不齐。在马来西亚的餐饮（F&B）行业，速度、个性化和服务可靠性是顾客体验的核心，但聊天机器人的采用率却显著偏低，这主要是由于消费者对隐私和信任的不确定性所致。开展本研究旨在推进对这一差距的理论与实践理解。本研究将技术接受与利用统一理论2（UTAUT2）与隐私计算（Privacy Calculus）相结合，以建模认知、情感、体验以及风险-收益评估，这些评估将聊天机器人采纳塑造为一个连续的、依赖信任的过程。通过一项定量横截面研究设计，研究人员收集了595名马来西亚咖啡馆顾客的反馈。运用偏最小二乘结构方程模型（PLS-SEM），研究结果表明，绩效期望、努力期望、享乐动机和习惯显著增强了行为意向，而行为意向和习惯共同与实际使用相关联。信任作为一个决定性机制出现：感知收益显著增强信任，而感知隐私风险则显著削弱信任。信任还通过行为意向和实际使用，直接且间接地与顾客满意度相关联。调节效应分析显示，年龄调节了享乐动机的影响，而经验则改变了促成条件的作用。本研究在三个方面对AI采纳理论做出了贡献：它将信任定位为经过实证检验的中介机制，通过该机制，隐私计算与UTAUT2得以整合，而非简单叠加；它将聊天机器人采纳的证据基础扩展至发展中经济体中代表性不足的马来西亚咖啡馆及咖啡店中小企业（SMEs）情境；它将聊天机器人参与操作化（operationalise）为一个持续的、信任依赖的序列，即从隐私-收益评估出发，经过意向、实际使用直至满意度，而非一次性的采纳决策。
**论文解读：基于信任中介机制的AI聊天机器人采纳研究——以马来西亚餐饮业为例**
**1. 研究背景、问题与意义**
在数字化转型浪潮中，AI聊天机器人作为提升服务效率与个性化体验的关键工具，在餐饮（F&B）行业展现出巨大潜力。然而，在马来西亚等发展中经济体，中小企业（SMEs）在数字化采纳方面普遍滞后，尤其是在高度依赖速度、个性化和服务可靠性的咖啡馆与咖啡店领域。尽管AI聊天机器人能带来显著的业务优势，但实际采纳率低于15%（Lada et al., 2023），这主要源于消费者对隐私泄露的担忧和对技术的不信任。一项调查显示，48%的马来西亚顾客对与AI系统共享个人信息感到不安（Shaik, 2023）。
现有研究存在三个主要空白：第一，以往研究多将绩效期望、享乐动机、隐私风险等影响因素分开探讨，缺乏将隐私-收益评估通过信任转化为行为结果的整合性框架，特别是基于技术接受与利用统一理论2（UTAUT2）的模型。第二，现有证据主要集中在发达经济体的零售、银行和酒店业，对发展中经济体中咖啡馆和咖啡店类中小企业（SMEs）的研究极为匮乏。第三，大多数研究将聊天机器人采纳视为一次性行为决策，主要关注行为意向，而忽视了实际使用与顾客满意度这一后续过程，未能解释AI聊天机器人参与（engagement）的持续动态特性。
为填补以上空白，本研究做出了三项具体贡献：第一，将信任定位为经过实证检验的中介机制，通过该机制，隐私计算与UTAUT2得以整合，而非简单叠加。研究人员通过自助法（Bootstrap）验证了包括信任→行为意向→实际使用→满意度（TRU → BI → AU → SAT）序列在内的七条特定间接效应路径。第二，将聊天机器人采纳文献扩展至马来西亚咖啡馆中小企业（SMEs）这一代表性不足的情境，为这一通常在发达经济体情境下研究的现象提供了发展中经济体的证据。第三，通过联合建模行为意向、实际使用和满意度作为结果变量，将聊天机器人参与（engagement）操作化（operationalise）为一个持续的、依赖信任的过程，从而比一次性采纳模型更真实地反映了AI服务采纳的实际情况。该论文发表在《Computers in Human Behavior Reports》上。
**2. 主要关键技术方法**
研究人员采用定量横截面研究设计，基于实证主义研究哲学和演绎法。研究通过在线问卷（Microsoft Forms），对马来西亚多个州、不同时间段的咖啡馆顾客进行非概率判断抽样，最终收集了595份有效问卷。研究整合了UTAUT2理论和隐私计算（Privacy Calculus），构建了包含绩效期望、努力期望、促成条件、享乐动机、习惯、感知隐私风险、感知收益、信任、行为意向、实际使用和满意度等11个反射性构念（reflective constructs）的复杂模型。数据分析主要采用方差基偏最小二乘结构方程模型（PLS-SEM），并辅以自助法（Bootstrap，10,000次抽样）、异质-单质比率（HTMT）评估、PLS预测（PLSpredict）、重要性-绩效图分析（IPMA）、协方差基验证性因子分析（CFA）、通用方法偏差（CMB）评估（包括标记变量法、哈曼单因子检验和完全共线性方差膨胀因子VIF）以及稳健性检验。
**3. 研究结果**
**3.1 绩效期望、努力期望、促成条件、享乐动机和习惯对行为意向的影响（H1, H2, H3, H3a, H4, H5, H5a）**
通过结构方程模型分析，研究发现绩效期望、努力期望、享乐动机和习惯均显著正向影响行为意向（β值分别为0.353, 0.271, 0.288, 0.278，p均<0.001）。习惯还显著正向影响实际使用（β=0.334, p<0.001）。值得注意的是，促成条件对行为意向的影响呈显著但微弱的负向关系（β=-0.044, p=0.028），因此假设H3未被支持，但其对实际使用却有显著正向影响（β=0.314, p<0.001）。这表明在低努力、即时服务的咖啡馆场景中，促成条件可能替代了深思熟虑的意向，促使顾客直接行动。
**3.2 感知隐私风险与感知收益对信任的影响（H6, H7）**
研究证实，感知收益是信任的最强正向前因（β=0.700, p<0.001），而感知隐私风险是显著负向前因（β=-0.506, p<0.001）。这种不对称的效应大小与隐私计算文献一致，表明在功利性服务领域，收益感知通常主导风险感知。然而，在马来西亚情境下，风险感知的效应值较大，反映出近半数消费者对AI系统信息共享的普遍顾虑，风险是信任形成的硬性约束。
**3.3 信任、行为意向和实际使用在塑造满意度中的作用（H8, H9, H10, H11）**
研究发现，信任显著正向影响行为意向（β=0.336, p<0.001）和顾客满意度（β=0.469, p<0.001）。行为意向显著正向影响实际使用（β=0.522, p<0.001），而实际使用又显著正向影响满意度（β=0.537, p<0.001）。中介效应分析进一步证实了信任的关键中介作用，包括一条完整的序列路径：信任→行为意向→实际使用→满意度（TRU → BI → AU → SAT, β=0.095, p<0.001）。这表明信任不仅提升意向，更通过持续互动链维持了满意度，是隐私计算与最终行为结果之间的关键转换机制。
**3.4 年龄对绩效期望、努力期望和享乐动机的调节效应（H13a, H13b, H13c）**
调节效应分析仅发现年龄显著调节了享乐动机对行为意向的正向影响（β=0.067, p=0.002）。简单斜率图显示，对于年轻用户，享乐动机对行为意向的驱动作用更强；而对于年长用户，这种影响明显减弱。年龄对绩效期望和努力期望的调节作用不显著，表明马来西亚各年龄段消费者在技术实用性评估上已趋于一致，但对新AI服务的情感反应仍存在年龄分层。
**3.5 经验对绩效期望、促成条件、习惯和行为意向及实际使用的调节效应（H12a–H12d）**
经验仅显著调节了促成条件对行为意向的路径（β=-0.040, p=0.031），且为负向调节。这意味着对于经验丰富的用户，促成条件（如外部支持）在形成意向时的重要性更低，因为他们更依赖自身能力。经验对其他路径的调节作用均不显著。
**4. 讨论与结论**
**讨论部分总结：** 研究人员在讨论中指出，绩效期望、努力期望、享乐动机和习惯是行为意向的关键驱动因素，这与以往UTAUT2研究一致，其中绩效期望的效应值更大，反映了发展中经济体消费者对新技术效率提升的重视。促成条件对行为意向的负向影响被解释为“无事先意图的使用”模式，即顾客因即时可用性而行动，并非出于强烈先在意向。信任在将隐私-收益评估转化为意向和满意度中扮演了决定性角色，且信任的维持对于持续互动至关重要，不能等同于感知有用性。调节效应分析揭示了用户异质性：年龄主要影响享乐动机，经验则影响对促成条件的依赖。
**研究结论翻译：** 本研究利用技术接受与利用统一理论2（UTAUT2）模型分析了马来西亚餐饮（F&B）行业AI聊天机器人采纳的决定因素。然而，通过纳入其他感知因素，特别是信任和隐私，本研究解决了传统采纳理论中存在的理论空白。该模型通过检视认知、情感和体验维度，为咖啡馆和咖啡店中AI聊天机器人的顾客意向、使用和满意度提供了全面的视角。研究结果表明，绩效期望、努力期望、享乐动机和习惯是影响行为意向形成的最重要因素，而促成条件和习惯是实际使用的直接决定因素。这些发现证明了UTAUT2模型的预测有效性，特别强调了享乐和功利动机对用户AI技术采纳和表现的影响。基于研究发现，信任被确定为连接隐私顾虑与采纳的核心且重要的变量。感知收益对信任产生强烈的正向影响，而感知隐私风险则产生负向影响，展示了AI服务中价值与隐私之间的微妙张力。信任在认知前因（如感知收益、风险）与行为结果（意向、满意度）之间的中介效应，为将信任构建模块纳入技术采纳模型提供了实证支持。行为意向被进一步确定为实际采纳的最强预测因子，而实际采纳正向强化了满意度。调节效应分析有助于阐明用户异质性。经验仅调节了促成条件-行为意向关系，且交互项为负，表明经验丰富的用户在使用AI聊天机器人形成意向时对外部支持的依赖更少。年龄则仅调节了享乐动机-行为意向关系，表明享乐对年轻用户具有更大的决策权重。理论上，本研究通过将采纳过程概念化为一个依赖信任的、以过程为导向的评估，而非属性评估，为现有AI服务采纳研究做出了贡献。结果表明，AI服务的采纳结果不能仅由感知有用性和易用性解释，还需考虑消费者对这些服务的反应，这些反应遵循一个过程，即隐私评估影响信任，信任进而将评估转化为意向、采纳和满意度。本研究超越了加法模型，深入揭示了信任作为核心组织构念如何连接AI服务的认知、情感、体验和隐私评估。
