谁接受AI导致的劳动力替代?生成式AI时代的信任、社会效益与跨国背景
《TECHNOLOGY IN SOCIETY》:Who Accepts AI Labor Displacement? Trust, Social Benefit, and Cross-National Contexts in the Age of Generative AI
【字体:
大
中
小
】
时间:2026年08月29日
来源:TECHNOLOGY IN SOCIETY 12.9
编辑推荐:
**摘要:** 随着生成式AI日益融入日常生活,公众与AI的体验越来越多地由面向消费者的工具(如聊天机器人和AI副驾)所塑造。在什么条件下人们会接受AI驱动的劳动力替代?本研究以TAM2/TAM3为基础,发展了一个在高外部性情境下公众接受度的有界模型,其中评价不仅包含私人效用
**摘要:** 随着生成式AI日益融入日常生活,公众与AI的体验越来越多地由面向消费者的工具(如聊天机器人和AI副驾)所塑造。在什么条件下人们会接受AI驱动的劳动力替代?本研究以TAM2/TAM3为基础,发展了一个在高外部性情境下公众接受度的有界模型,其中评价不仅包含私人效用,还涵盖以AI替代人类工人的合法性及其被感知的社会后果。利用来自19个国家7,204名受访者的调查数据,我们检验了一个调节中介模型,该模型中生成式AI体验主要通过AI信任和感知社会效益与接受度相关联。国家AI发展水平微弱地加强了、而集体主义则微弱地削弱了生成式AI体验向这些信念的转化,这与宏观情境调节信念建构阶段的观点一致,尽管这些调节效应较小。本研究为TAM2/TAM3提供了情境性有界的修正,适用于技术部署将风险和收益重新分配至个体用户之外的社会后果领域。**引言**人工智能(AI)已从推测性可能转变为日常基础设施。对许多公民而言,最可见和可及的AI形式不再是后台工业系统或专家基础设施,而是嵌入工作和日常交流的面向消费者的生成式AI应用,如聊天机器人、写作助手和AI副驾(Dong等人,2024;Frey和Osborne,2017)。与早期的通用技术不同,AI执行与人类认知和判断相关的任务。其劳动力市场后果是巨大的:国际货币基金组织估计AI可能影响全球约40%的工作岗位(Georgieva,2024),其中常规和低技能职位被认为最容易受影响(Frey和Osborne,2017)。尽管AI赋能的产品不断涌现,这些转变仍引发了广泛的焦虑。来自数十个国家的调查证据一致表明,许多工人预期会面临被替代或工作方式发生根本性改变(Schwartz Reisman研究所,2024),这些担忧也已在高曝光的劳资纠纷和立法辩论中出现(AFP,2024)。尽管形势紧迫,但关于公众对AI驱动劳动力替代接受度的比较学术理解仍然有限(Brauner等人,2025;Kelly等人,2023)。首先,大量文献隐含地将接受度视为对AI的统一态度,尽管公众反应在涉及不同任务需求和社会利害的替代情境中可能存在合理差异(Brauner等人,2025)。其次,实证研究集中在北美和西欧,导致发展中国家系统性代表性不足(Henrich等人,2010;Kelly等人,2023)。第三,先前研究侧重于以效用为中心的预测变量,对基于信念的机制以及国家情境如何影响其对接受度的作用关注不足(Davis,1989;Srite和Karahanna,2006;Venkatesh等人,2003)。AI驱动的劳动力替代暴露了技术接受研究中的一个边界条件。TAM2/TAM3通过经验-信念路径解释接受度,但其核心信念架构主要是在个人采纳情境中开发的,其中评价信念以用户自身与技术的互动及预期收益为基础。当评价对象不仅仅是自己使用AI,而是AI在社会重要角色中替代人类工人的公共可接受性时,这种取向变得不充分。理论张力在于评价从私人采纳转向公共合法性:接受度不仅取决于AI对个人用户是否有用,还取决于AI是否足够可信以承担人类任务,以及这种替代是否产生集体价值。因此,我们提供了一个围绕三个修正组织的TAM2/TAM3有界重新规范:首先,我们将焦点信念层从私人效用信念转向合法性相关信念,即AI信任和感知社会效益;其次,我们将国家情境定位在信念建构阶段,区分经验如何转化为信念与信念如何转化为接受度;第三,我们指定高外部性部署作为范围条件,将模型的论断限制在技术产生可见社会溢出的情境中。贡献不是一个新的AI接受通用模型,而是关于TAM2/TAM3的经验-信念逻辑在社会后果领域中何时以及如何发挥作用的有界修正,其中技术部署将风险和收益重新分配至个体用户之外。基于2024年11月至2025年6月在19个国家开展的原创跨国成人调查(N=7,204),我们估计了一个以TAM2/TAM3为锚点的调节中介模型。出现了两个主要发现。首先,生成式AI使用体验主要通过AI信任和感知社会效益与接受度相关联,而其余直接关联非常小。其次,国家AI发展和文化集体主义微弱地调节了生成式AI体验如何与这些合法性相关信念相关联。总之,这些发现建议对高外部性AI情境中的TAM2/TAM3进行有界修正,其中接受度较少仅依赖私人效用,而更多依赖于信任、感知社会效益以及这些信念形成的情境条件。**章节摘要****任务依赖性接受度**早期的自动化浪潮,如工业机器人和计算机,通常被视为增强而非替代人类劳动的工具,因此获得了更广泛的接受(Autor,2015;Frey和Osborne,2017)。然而,当代AI越来越多地扩展到复杂的认知和社会情感领域,引发了更为显见的存在性和伦理担忧(Zhang和Dafoe,2019)。因此,人们在标准化、低利害情境中更倾向于认可AI替代。**数据收集**本研究实施了一份在线问卷,涉及AI使用频率、AI信任、AI感知社会效益、当前就业状况以及AI劳动力替代接受度等方面的问题。本研究获得了中国一所大学机构审查委员会的批准,并在参与者填写问卷前获得了知情同意书。调查于2024年11月至2025年6月在19个国家(澳大利亚、巴西、中国、法国、德国、印度……)进行。**结果**为了回答研究问题,我们进行了重复测量方差分析,从三个维度分析参与者对AI劳动力替代的接受度,使用AI劳动力替代接受度量表中的三个项目(见图3)。对于重复测量的球面性假设,由于Greenhouse-Geisser值为.982且超过.7,我们使用Huynh-Feldt进行调整并进一步检验重复测量方差分析。结果表明,人们对AI劳动力……**讨论**随着人工智能继续重塑劳动力市场,公众接受度的核心问题不仅仅是人们是否使用AI,而是他们在何时认为AI驱动的劳动力替代在社会上是合法的。利用跨国证据,本研究将接受度概念化为与技术任务意义、信念形成以及可能调节经验解释方式的宏观环境相关的社会-技术合法性判断。第一个启示表明,公众接受度……**结论**随着AI融入日常工作与公共生活,对AI驱动劳动力替代的接受度不应被理解为技术暴露的简单副产品。在19个国家中,生成式AI体验主要通过AI信任和感知社会效益与接受度相关联,而其其余直接关联非常小。国家AI发展和文化集体主义与经验如何转化为这些信念方面的微弱差异相关联。**CRediT作者贡献声明**杜天舒:写作——审阅与编辑、可视化、验证、方法论、正式分析、数据整理、概念化。周宇舒:写作——审阅与编辑、写作——原稿、监督、项目管理、调查、资金获取、概念化。**未引用参考**Ipsos,2023;Jan等人,2024。**数据可用性声明**支持本研究结果的数据可应合理要求向通讯作者索取。**伦理批准**本研究获得了中国人民大学机构审查委员会的伦理批准。所有参与者在参与前均提供了知情同意。**资助声明**本研究由中国人民大学支持。资助机构未参与本文的设计、数据收集、分析、解释或撰写。**利益冲突声明**作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文所报告的工作。周宇舒|杜天舒中国人民大学新闻学院,中国北京
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号