擬人化 AI 為什麼讓人越來越依賴

1. 基本資訊

這篇文章由 Bilal Mazhar 等人發表於 2026 年的 International Journal of Information Management，題目是〈Generative artificial intelligence as social actors: The mediating roles of empathy and autonomy in anthropomorphism-driven dependency〉，DOI 為 10.1016/j.ijinfomgt.2026.103072。文章關注的不是單純 trust 或 usage intention，而是更深一層的 psychological dependency，也就是人如何因為把 GAI 視為更像人、更能理解自己、也更能自主運作，而逐漸把認知或情感功能委託給它。

2. 研究問題

核心問題是：perceived anthropomorphism 是否會提升 generative AI dependency；如果會，這個效果是不是透過 perceived empathy 與 perceived autonomy 這兩條相互連動的心理路徑發生。作者進一步追問 empathy 是否先於 autonomy，也就是使用者是不是先因為感覺 AI「懂我」，才進一步認定它「能自己判斷」，最後形成更持久的依賴。

3. 理論基礎

本文以 Computers Are Social Actors（CASA）為主要理論基礎。CASA 認為，當科技展現出語言、認知或互動線索時，人會自然以對待社會行動者的方式回應它。作者把這套邏輯延伸到生成式 AI，認為 GAI 已不只是工具，而是可能被理解為具備 human-like、empathetic、autonomous 特質的 agent。文中也回應了 agency 與 patiency 的辯論，指出對 GAI 而言，empathy 不一定被解讀為脆弱，反而可能被當成高階情境理解與獨立判斷能力的訊號。

4. 研究架構

研究架構以 perceived anthropomorphism 為起點，檢驗它對 GAI dependency 的直接效果，以及對 perceived empathy 與 perceived autonomy 的間接效果。作者同時設計了兩條平行中介與一條鏈式中介：一條是 anthropomorphism → empathy → dependency，一條是 anthropomorphism → autonomy → dependency，另一條則是 anthropomorphism → empathy → autonomy → dependency。整體模型把 social perception 從表層印象推進到長期依賴的形成過程。

5. 假設邏輯

H1 主張 perceived anthropomorphism 正向影響 GAI dependency。H2 與 H3 分別檢驗 anthropomorphism 是否提升 empathy，以及 empathy 是否進一步提升 dependency。H4 與 H5 則檢驗 anthropomorphism 是否提升 autonomy，以及 autonomy 是否提高 dependency。H6 主張 empathy 正向影響 autonomy，也就是情感理解的知覺會先支撐對 AI 獨立判斷能力的推論。H7a、H7b、H7c 則分別檢驗 empathy 中介、autonomy 中介，以及 empathy→autonomy 的鏈式中介。

6. 方法

研究使用中國 1034 位 GAI 使用者的問卷資料，並以 PLS-SEM 檢驗模型。研究衡量四個主構念：perceived anthropomorphism、perceived empathy、perceived autonomy 與 GAI dependency。量表整體信度與效度都達標， composite reliability 約介於 0.77 到 0.92，AVE 也都高於可接受範圍。模型配適度指標如 SRMR、NFI、RMSEA 亦落在可接受區間。

7. 結果

結果全面支持主要假設。perceived anthropomorphism 正向影響 GAI dependency（β = 0.190, p < 0.001），也顯著提升 perceived empathy（β = 0.437, p < 0.001）與 perceived autonomy（β = 0.591, p < 0.001）。perceived empathy 會提高 dependency（β = 0.331, p < 0.001），也會進一步提升 autonomy（β = 0.134, p < 0.001）。perceived autonomy 同樣正向影響 dependency（β = 0.247, p < 0.001）。中介分析顯示三條路徑都成立：透過 empathy 的間接效果顯著，透過 autonomy 的間接效果也顯著，而 empathy → autonomy 的鏈式中介同樣成立。換句話說，人愈把 GAI 看得像人，就愈可能覺得它理解自己、也能自主判斷，最後更願意在認知與情感上依賴它。

8. 理論貢獻

這篇最大的理論價值，是把 CASA 從短期社會反應推進到更持久的 dependency formation。第一，它說明 anthropomorphism 的效果不只是提升互動好感或 trust，而可能逐步導向更深的 reliance。第二，它把 empathy 與 autonomy 區分開來，又指出兩者不是平行獨立，而是存在先後關係，這點很有解釋力。第三，它補上 human-AI interaction 文獻中一個重要缺口：生成式 AI 的風險不只是「錯不錯」，還包括人是否因 social perception 而慢慢讓渡自己的判斷與 agency。

9. 實務意涵

對 GAI 設計者而言，這篇提醒很直接：系統若愈強調人味、理解感與自主性，可能會提高使用者依賴，而這未必總是好事。設計上應避免過度暗示 AI 具有真正的人類式理解或完全可獨立判斷的能力，否則可能讓使用者不自覺地把更多決策與情感支持委託給系統。若要維持人類 agency，就需要在 empathy-like 回應與 autonomy-like 能力呈現之間做更精細的設計與治理。

10. 研究限制

限制主要有幾個。第一，資料來自中國單一情境，跨文化外推需保守。第二，研究是橫斷式問卷，雖然模型清楚，但仍不足以完全證明長期因果關係。第三，dependency 以自陳量表衡量，尚未直接觀察真實行為上的依賴軌跡。第四，作者聚焦在 empathy 與 autonomy，其他可能機制如 trust calibration、task complexity 或 cognitive style 尚未納入。

11. 對我研究的啟發

這篇對我非常有價值，因為它幾乎就是我近期主線的一個匯流點。第一個可直接延伸方向，是把這個 anthropomorphism → empathy → autonomy → dependency 的鏈條搬到 human-GenAI collaboration 任務裡，去看它是否也會影響 knowledge seeking、knowledge creation 或創意判斷。第二個方向，是把我已經讀過的 autonomy aversion、anchoring bias 與 reasoning transparency 文獻接進來，問 dependency 到底是因為覺得 AI 太懂我、太像我，還是太像一個可被託付判斷的社會行動者。第三個方向，是把 cognitive style 帶進來，檢查不同類型的人是否更容易由 empathy 線索推斷 autonomy，進而更快形成依賴。

12. 整體評價

我認為這篇是目前 backlog 裡很值得優先讀的一篇。它的強項是理論線乾淨、構念之間的順序感清楚，而且直接處理生成式 AI 時代一個比 adoption 更深的問題：人為什麼會開始把 AI 當成可以長期依靠的社會行動者。它不只是再做一篇 anthropomorphism 正向效果文，而是把 dependency 的形成機制講得相當完整。若要挑剔，就是它仍偏 survey-based、且依賴的負面後果沒有再往下拆；但作為我未來建構 human-GenAI collaboration 風險與機制模型的橋梁文，這篇非常強。