生成式 AI 客服系統與 CRM 轉型

1. 基本資訊

本文由 Aman Kumar、Amit Shankar 與 Abhishek Behl 於 2026 年發表，主題聚焦生成式 AI 賦能的 CRM 系統（GAICS）如何在數位轉型情境中重塑組織的利益相關者參與。文章刊載於 Global Journal of Flexible Systems Management，採質性探索加量化驗證的混合方法設計。從題目就能看出，作者不是把 GenAI 當成單一工具，而是放進「彈性管理」與 CRM 轉型的架構中，討論企業如何藉由 AI 重新設計與客戶、員工及其他利益相關者的互動方式。這使它不只是技術採納研究，也是一篇與管理設計、組織回應能力及關係治理有關的實證論文。

2. 研究問題

本文實際上在回答四個彼此相扣的問題：第一，組織在導入 GAICS 時，哪些前因會推動或阻礙採納；第二，初始信任與行為慣性在採納決策中扮演什麼中介角色；第三，管理層支持能否改變這些心理機制的強弱；第四，GAICS 的導入如何進一步提升利益相關者參與。作者關心的不是純粹的個人態度，而是組織在面對新技術時，如何在收益與風險之間進行判斷。因此研究問題有一個很明顯的管理意涵：若企業想要把 GenAI 變成可持續的 CRM 能力，必須理解「信任如何生成、阻力如何固著、管理如何介入」這三件事。

3. 理論基礎

作者整合了兩條理論線。第一條是消費價值理論（Theory of Consumption Values, TCV），用來說明使用者為何會感受到功能價值、便利價值與工具價值，進而覺得這項技術值得採納。第二條是創新抵制理論（Innovation Resistance Theory, IRT），用來捕捉新技術導入時會出現的人際互動障礙、資訊障礙與規範障礙。這種理論組合的價值在於，它把 AI 採納從過去常見的「促進因素模型」拉回較平衡的損益權衡視角。換言之，作者主張 GenAI 導入不是單向線性過程，而是價值驅動與阻力累積同時發生的拉鋸。

4. 研究架構

研究架構分成兩側。正向路徑由各類感知價值出發，影響初始信任，再推動 GAICS 採納；負向路徑則由不同類型的障礙出發，形塑行為慣性，進而抑制採納。管理層支持被放在調節位置，目的是檢驗高層背書與資源配置是否能強化正向價值、或削弱負向阻力。這個架構有一個實用的優點：它把 GenAI 導入看成多層因素共同作用，而不是單看技術特性本身。對 CRM 情境而言，這特別重要，因為 CRM 的成功從來不只取決於工具準不準，還取決於使用者是否願意讓 AI 介入原本人際密集的關係管理工作。

5. 假設邏輯

作者的假設邏輯相當清楚。當使用者認為 GAICS 有助於提升工作功能、節省時間、改善決策與工具效能時，就更容易形成初始信任；反過來，若他們認為此系統削弱人際互動、製造資訊不透明或與既有規範不合，就會強化行為慣性，傾向維持原來做法。信任與慣性因此成為兩個關鍵心理中介，一個把價值轉成採納，一個把障礙轉成抗拒。管理層支持之所以重要，是因為它能把本來抽象的技術願景轉成制度性訊號，讓員工相信組織真的會投入資源、設計流程並承擔導入風險。不過從理論上看，這種調節較像是「放大器」而非根本性的替代機制。

6. 方法

本文採混合方法。第一階段先對 37 位與 GAICS 導入有關的利益相關者進行半結構式訪談，受訪者涵蓋員工、行銷人員與高階主管，藉此找出真正影響採納的前因。作者使用紮根理論式編碼整理概念，Kappa 值約 0.75，代表編碼一致性達可接受水準。第二階段則根據質性結果發展量表與概念模型，再以結構方程模型（SEM）檢驗理論路徑，並輔以人工神經網路（ANN）排序關鍵預測因子的相對重要性。這樣的設計使文章兼具探索力與驗證力，也讓作者可以同時處理線性因果關係與非線性預測表現。

7. 結果

主要結果顯示，功能價值與工具價值顯著提升初始信任，而人際互動障礙、資訊障礙與規範障礙則顯著增強行為慣性。進一步地，初始信任正向影響 GAICS 採納，行為慣性則負向影響採納，證實這兩個心理機制確實是價值與阻力轉化為採納決策的關鍵樞紐。ANN 分析補充了一個更細的判讀：在信任形成上，功能價值是最重要的預測因子；在慣性形成上，資訊障礙最關鍵；在最終採納上，人際互動障礙的影響尤其突出。這代表企業就算能證明 AI 有效率，只要使用者仍覺得關係互動被削弱，採納仍可能卡住。

8. 理論貢獻

本文最主要的理論貢獻，不在於提出全新理論，而在於把 TCV 與 IRT 組合成一個適合分析 GenAI-CRM 導入的雙路徑框架。這使 AI 採納研究不再只處理「有沒有意圖使用」，而能進一步理解「為何價值無法自動轉成採納」以及「阻力如何透過慣性被制度化」。另一個貢獻是把初始信任與慣性放在同一個模型中檢驗，讓我們看見 AI 導入其實同時受到正向期待與反向固著的拉扯。對 stakeholder engagement 文獻而言，作者也把 CRM 轉型往前推了一步，指出利益相關者參與不是單靠數據驅動即可提升，而是必須處理人機互動中的認知與關係阻礙。

9. 實務意涵

對實務界而言，這篇文章的訊息很直接：企業若想讓 GenAI 真正融入 CRM，不應只強調它能多快、多準、多省成本，而是要主動管理三種阻力。第一，降低資訊障礙，讓系統邏輯、資料來源與輸出用途更透明；第二，降低人際互動焦慮，避免員工認為 AI 會把關係工作變得冷冰冰；第三，處理規範障礙，讓新系統與既有流程、責任界線及績效要求能對接。換言之，導入策略不該只是技術部署，而是結合訓練、治理、流程再設計與高層訊號管理的整體變革工程。從 CRM 角度看，真正要優化的是「關係管理能力」，不是單一工具採用率。

10. 研究限制

本文仍有幾個明顯限制。第一，樣本情境主要放在新興市場的中小企業，這讓結論較適合解釋資源受限、轉型壓力高的組織，對大型跨國企業或高度制度化產業的可推廣性仍待驗證。第二，研究聚焦採納前後的態度與意向，尚未真正追蹤 GAICS 長期使用後是否會形成更穩定的協作常規或新的反作用。第三，作者雖然強調 stakeholder engagement，但實證核心仍偏向採納模型，對「參與品質」本身的細緻衡量相對不足。第四，期刊品質與索引細項本輪未明確確認，因此對其學術定位的判斷應保持保守。

11. 對我研究的啟發

這篇最能對接我研究的地方，在於它把 Human-GenAI collaboration 從個體創造力或學習成效問題，推進到組織中觀層次的「關係治理與採納機制」。如果我後續要研究 AI × 知識創造、AI × 認知風格或 AI × 創新機制，本文提供了一個很可用的切入點：GenAI 的價值不會直接產生知識創造效果，而是先經過信任形成、阻力削弱與管理支持，才可能被嵌入組織日常工作流。我可以把這篇當成一種前置機制文獻，幫助我思考「哪些條件讓 GenAI 從工具使用升級成知識互動基礎設施」。更具體地說，它提示我未來可以把 認知風格 -> 價值感知 / 障礙感知 -> 信任 / 慣性 -> 協作品質或知識創造 串成一條更完整的研究鏈，並檢驗管理支持、任務可解釋性或互動透明度是否在其中扮演調節角色。

12. 整體評價

整體而言，這篇值得收進我的核心週邊文獻庫，但比較適合當 framing paper 與 empirical support，而不是最核心的理論母文。它的價值在於提供一個平衡的採納視角，能幫我說明為什麼 GenAI 導入常常不是能力問題，而是信任、慣性與制度支持問題。若我要寫 Human-GenAI collaboration、AI-enabled knowledge work 或 GenAI 組織轉型相關研究，本文可以作為中觀層次的支撐材料。相對地，它的限制是理論創新幅度有限，且實證焦點仍偏採納意向，不足以單獨支撐更深的知識創造或協作機制論述。因此我的判斷是：值得保留、值得引用，但更適合搭配組織學習、知識管理或人機協作機制文獻一起使用，才能把理論深度拉高。