引言
近年来,生成式人工智能(GenAI),特别是以 ChatGPT 为代表的大语言模型,在旅游业中经历了爆发式增长。全球最大的在线旅游公司 Expedia 已将 ChatGPT 接口嵌入其移动应用程序,以提升行程规划的用户体验(Li, Han, et al., 2025)。GenAI 的使用可以有效赋能整个旅行过程,为游客和旅游企业带来巨大利益(Ali et al., 2023; Carvalho & Ivanov, 2024; Wong et al., 2023)。对游客而言,人工智能赋能是指在旅行规划、行程决策和体验优化等阶段,主动使用 GenAI 工具以获得个性化支持、提高信息处理效率并促进复杂决策制定(Gursoy et al., 2023; Kim et al., 2024)。游客使用人工智能的意愿与人工智能赋能的程度密切相关,深入理解人工智能赋能背景下游客对 GenAI 的使用意愿,可以更好地指导人工智能赋能下旅游产品的设计。
迄今为止,大量研究调查了游客使用 GenAI 的意愿,大多数研究采用结构方程模型(SEM)来检验其形成机制,主要关注拟人化特征、技术特征和游客心理特质的影响(Arora et al., 2024; Li, Han, et al., 2025; Pham et al., 2024)。就拟人化特征而言,感知温暖通过模仿友好和同理心等人际社会特征,增强了游客与技术之间的情感联系,从而促进使用意愿(Pham et al., 2024);感知冷酷直接激发游客使用 GenAI 的兴趣,并可能通过唤起感知享受间接塑造其态度和行为意愿(Li, Han, et al., 2025)。这些拟人化特征本质上是人工智能对游客的认知赋能。从技术特征的角度来看,绩效期望成为使用意愿的关键决定因素(Arora et al., 2024)。此外,流畅性(表现为易操作性和交互过程中的控制感)和沉浸感(以高度注意力集中为特征)被确定为游客持续意愿的关键驱动因素(Arora et al., 2024)。这些技术特征构成了人工智能对游客的体验赋能。关于游客的心理特质,信任和积极态度构成了接受行为的心理基础:信任指游客对 GenAI 生成推荐的准确性以及信息安全的信心(Alagarsamy & Mehrolia, 2023; Ali et al., 2023),而积极态度则反映游客对 GenAI 功能的认可及其情感偏好(Pham et al., 2024)。这些心理特质代表了人工智能对游客的情感赋能。现有研究经常将这种情感赋能作为中介变量,以检验其对 GenAI 使用意愿的影响。例如,Pham et al. (2024) 和 Foroughi et al. (2026) 将信任和积极态度作为中介变量,探讨感知温暖、流畅性和沉浸感如何塑造游客对 GenAI 的信任以及 GenAI 的态度,进而影响使用意愿。然而,随着 GenAI 日益普及,消费者现在在日常生活中更频繁地使用它(Qin, 2026)。这表明,游客对 GenAI 的信任和对 GenAI 的积极态度可能并非源于旅行情境中的感知本身,而是代表在日常生活中形成的情感倾向。尽管如此,以往的研究很少认识到这种区别,因而倾向于将游客的信任和积极态度概念化为由旅游环境塑造的心理特质。
了解游客对 GenAI 的信任以及对 GenAI 的积极态度在塑造其旅行相关行为意愿中的作用至关重要。技术接受与使用整合理论(UTAUT)指出,消费者的使用意愿由绩效期望、努力期望、社会影响和便利条件共同决定,同时引入性别、年龄、经验和自愿性作为调节变量(Venkatesh et al., 2003)。基于该理论框架,本研究采用人工智能对游客的认知赋能(感知温暖和感知冷酷)以及人工智能对游客的体验赋能(绩效期望、流畅性和沉浸感)作为自变量。同时,鉴于游客对 GenAI 的信任和对 GenAI 的积极态度可能并非完全源自旅游情境,而是代表通过日常使用形成的稳定心理倾向,我们将这种人工智能对游客的情感赋能作为调节变量引入,以构建游客 GenAI 使用意愿的综合模型。事实上, prior 研究表明,学生、设计师等群体使用 GenAI 的意愿本质上是一个由多因素协同作用驱动的复杂过程(Foroughi et al., 2024; Li, Liu, et al., 2025)。这促使我们思考游客使用 GenAI 的意愿是否同样构成这样一个多方面的协同过程。因此,本研究引入了复杂性理论,该理论解释了系统内多因素相互作用产生的非线性和不可预测的行为模式(Woodside, 2017),并运用这一理论视角来探究游客 GenAI 使用意愿背后的多重并发因果关系。
本研究通过深入调查人工智能赋能背景下游客使用 GenAI 的意愿做出了贡献。现有关于此主题的研究大多将信任和积极态度视为中介变量(Foroughi et al., 2026; Pham et al., 2024),从而忽略了在 GenAI 日益普及的日常使用背景下,它们作为游客稳定心理倾向的本质。此外,以往的研究主要依赖结构方程模型(Arora et al., 2024; Li, Liu, et al., 2025; Pham et al., 2024),而文献综述表明,游客使用 GenAI 的意愿可能涉及多重并发因果关系(Foroughi et al., 2024; Li, Liu, et al., 2025)。通过整合 SEM 和 fsQCA,本研究旨在更细致地理解人工智能赋能游客产生 GenAI 使用意愿的过程。通过结合 UTAUT 和复杂性理论,本研究寻求回答以下问题:人工智能对游客的情感赋能在塑造 GenAI 使用意愿中扮演什么角色?人工智能对游客的认知赋能、体验赋能和情感赋能如何以组态方式结合,从而产生高 GenAI 使用意愿?这种方法不仅为旅游业主流的人工智能赋能研究提供了新的视角,而且对人工智能驱动的 туризм 产品设计、人员培训和政策制定具有重要的实际意义。