引言
信任被广泛认为是有效的人机协作的基础 (McGrath et al., 2024)。特别是在组织环境中，人工智能整合的成功关键取决于员工对技术的信任，信任不足往往导致使用不足、误用或主动抵制 (Omrani et al., 2022)。然而，存在一个令人困惑的脱节现象：那些大力投资于复杂人工智能系统的组织，往往发现其员工不愿使用这些技术 (Golgeci et al., 2025; Lichtenthaler, 2020)。这种现象在海事航运业尤为严重，该行业中启用人工智能的决策支持可以为路线优化、预测性维护和实时风险评估带来巨大收益 (Macdonald, 2024; MSC, 2024; Nguyen et al., 2024; Sengupta, 2024)，但专业人士传统上一直不愿依赖算法建议 (Raza et al., 2023; Wu et al., 2025)。与此一致的是，Notteboom 等人 (2025) 表明，包括显著的码头工人反对在内的利益相关者态度，实质性地塑造了海事码头自动化采用的轨迹。尽管技术快速进步，海事人工智能市场估值从 2023 年的 14.7 亿美元几乎增长到 2024 年的 41.3 亿美元 (Bahti?, 2024)，但信任赤字继续阻碍海事专业人士与多样化人工智能系统之间的协作。现有的算法厌恶研究集中在算法和个体层面的因素，而组织和文化条件受到的关注要少得多 (Mahmud et al., 2022)。这种遗漏对于海事等安全关键行业至关重要，在这些行业中，人工智能现在在日常运营中发挥着常规作用。
目前人机信任研究的主流方法在为理解这一挑战提供指导方面有限。大多数研究将信任视为一维构念，主要关注用户对人人工智能技术能力和可靠性的信心 (Hoff and Bashir, 2015; Lee and See, 2004)。即使学者区分了信任的认知和情感维度，他们通常也假设一种顺序关系，即必须先建立认知信任，然后才能发展情感信任 (Lewis and Weigert, 1985; McAllister, 1995)。这种模式在人际信任的形成中已被充分记录。最近的定性工作通过追踪普通用户如何通过解释性框架（如创意伙伴或权力技术）话语式地构建人工智能系统，丰富了这一文献 (Mangiò et al., 2025)。这些解释性描述是有用的补充，但使得工作场所信任形成的结构性前因仍未得到充分探索。
然而，这种顺序假设可能不适用于人机关系。与人类同事不同，人工智能系统不具备意图、社交需求或真正互惠的能力 (Van Wynsberghe, 2022)。因此，员工在形成信任判断时需要依赖不同的线索：评估能力时的技术性能信号，以及推断关系一致性时的设计特征或组织背景 (Li et al., 2025; McKee et al., 2023; Pentina et al., 2023)。最近的结构方程模型证据强化了这一模式：拟人化人工智能特征和人类个性线索始终不是直接影响用户接受度和意图，而是通过信任相关和感知中介变量间接影响 (Schillaci et al., 2024; Wu et al., 2023)。这表明信任形成路径本身值得更详细的规范。综上所述，这些不同的信息基础表明，对人工智能的认知和情感信任也可能通过并行路径发展，沿着现有框架中强调的顺序进程，这一可能性至今受到的关注有限。
这一理论空白可能带来重大的实际后果。特别是，假设信任是顺序发展的组织可能专注于展示人工智能能力，并期望情感接受随之自然发生。然而，在实践中，如果人工智能缺乏传达温暖和亲和力的拟人化线索 (Harris-Watson et al., 2023; Kotlyar and Krasman, 2025)，或者员工感觉未得到组织数字文化的支持 (Dabbous et al., 2021; Murire, 2024)，即使他们认为人工智能在技术上是有能力的，员工仍可能抵制与人工智能的工作。反之，仅投资于拟人化设计特征或培养组织数字文化，而不真正提高人工智能系统的基础能力，也可能无法产生持续的信任 (Manzini et al., 2024)。因此，需要更细致地理解这些因素如何塑造认知和情感信任，以指导有效的人工智能实施。
为了解决这一空白，本研究提出并测试了员工 - 人工智能协作中信任形成的双路径模型。它借鉴了社会交换理论 (Homans, 1958; Nunkoo and Ramkissoon, 2012)，重新构想互惠在人工场景境中如何运作。不同于有意志主体之间的传统社会交换（例如，人与人之间的互动）(Ahmad et al., 2023)，人机交换涉及两种不同的互惠机制，对应于不同的信任路径。第一条路径是工具性互惠：随着员工与人工智能互动，系统学习和改进，从而提供逐步更好的结果 (Brynjolfsson et al., 2025)。这一过程反映在组织数字能力中，包括感知、捕捉和重构 (Teece, 2007; Warner and W?ger, 2019)，这展示了人工智能系统的技术实力和适应性，并支持认知信任的发展 (McAllister, 1995)。第二条路径是准互惠：员工将人工智能行为和组织信号视为关系亲和力和支持意图的标志，尽管人工智能缺乏真正的能动性 (McKee et al., 2023; Pentina et al., 2023)。这一感知得到了拟人化设计特征和支持性数字文化的支持，它们传达了温暖和关系一致性 (Li et al., 2025)，从而促进情感信任 (Johnson and Grayson, 2005)。至关重要的是，我们提出这两种信任路径可能并行且互补地运作，以支持员工 - 人工智能协作。这一双路径规范建立在最近的证据之上，即认知和情感因素共同塑造工作场所人工智能的采用 (Dalvi-Esfahani et al., 2025; Dang and Li, 2026)，并进一步将前因分离为与不同信任维度相关的能力构建和亲和力构建组合，这一结构也反映在最近的员工 - 人工智能协作双路径描述中 (L. Sun et al., 2026)。
本研究在人机协作文献中做出了三项主要贡献。首先，我们通过表明对人工智能的认知和情感信任也可以通过具有不同前因的并行路径发展，从而推进了信任理论，这补充了而不是取代了人际信任研究中记录顺序模式。其次，我们通过表明数字重构能力，而不是感知或捕捉，与认知信任最密切相关，从而扩展了动态能力理论。这种模式表明，员工除了重视人工智能的当前性能水平外，特别重视其适应能力。第三，我们通过表明组织数字文化比类人人工智能特征与情感信任更密切相关，从而完善了现有的人工智能设计观点。这一结果表明，亲和力构建的信任可能更容易从支持性组织环境中产生，而不是从使人工智能显得像人类的努力中产生。虽然我们的实证重点特定于海事行业，但这些机制可能与其他采用人工智能进行复杂决策支持的安全关键行业相关。
本文其余部分组织如下。第 2 节发展理论框架和研究假设。第 3 节描述方法论和分析方法。第 4 节呈现实证结果。第 5 节讨论发现和意义。
