人機互動如何影響服務業採用服務機器人

1. 基本資訊

本文探討服務業中的機器人該被設計成什麼樣的互動角色，才能真正提升消費者採用意圖。作者鎖定旅宿、餐飲與零售情境，主張單看機器人是不是擬人化還不夠，真正關鍵在於消費者是在低接觸還是高接觸服務中遇到它，以及它被感知成「主僕式執行者」還是「夥伴式協作者」。

2. 研究問題

文章核心在回答三個問題：第一，服務接觸程度與 HCI 角色導向是否會交互影響採用意圖；第二，這個效果是否分別透過認知信任與情感信任發生；第三，任務複雜度會不會改變哪一種角色配置更有效。換句話說，作者不是問機器人好不好，而是問哪一種人機關係配置在什麼服務脈絡下最有效。

3. 理論基礎

理論上，本文把人機互動研究與社會角色理論結合起來。社會角色理論讓作者把服務機器人理解為可被賦予「僕人」或「夥伴」腳本的社會行動者；前者強調服從、效率與任務完成，後者強調協作、陪伴與互動溫度。再往下，作者用信任的雙構面區分採用機制，認知信任對應能力、可靠與可預測，情感信任則對應溫暖、安心與關係連結。

4. 研究架構

整體架構可概括為「服務接觸程度 × HCI 角色導向 -> 信任形成 -> 採用意圖」，其中又加入任務複雜度作為邊界條件。作者認為低接觸服務的資訊線索有限，消費者更看重功能與任務完成，因此較可能經由認知信任採納主僕式機器人；高接觸服務因互動較密集，消費者更在意情緒交流與關係感，因此較可能經由情感信任接受夥伴式機器人。

5. 假設邏輯

本文的假設邏輯很清楚：低接觸情境下，主僕式 HCI 比夥伴式更能提高採用意圖，因為此時使用者期待的是清楚執行與少干擾的服務；高接觸情境下，夥伴式 HCI 更能提高採用意圖，因為互動更長、更密集，關係性線索會變得重要。進一步來看，低接觸效果主要由認知信任中介，高接觸效果主要由情感信任中介；若任務本身很複雜，低接觸下更需要主僕式角色來維持可控與專業感，若任務較簡單，夥伴式角色在高接觸下的優勢會更明顯。

6. 方法

作者用三個情境實驗逐步驗證模型。實驗一在飯店 check-in 場景操弄高低服務接觸與主僕 / 夥伴角色，檢驗交互效果；實驗二改到餐廳點餐與送餐場景，檢驗認知信任與情感信任的中介路徑；實驗三在超市導購情境加入任務複雜度，檢驗受調節中介。整體設計屬於 scenario-based experiments，優點是能精確操弄角色與情境，缺點則是外部效度仍受限於想像式或模擬式反應。

7. 結果

主要結果相當一致。低接觸條件下，主僕式機器人的採用意圖高於夥伴式；高接觸條件下則相反，夥伴式高於主僕式。實驗二進一步顯示，低接觸時認知信任有顯著中介效果，而高接觸時情感信任有顯著中介效果。實驗三又補上任務複雜度這個條件：高複雜任務在低接觸情境下更受益於主僕式配置，低複雜任務在高接觸情境下更能透過夥伴式角色建立情感信任並提升採用。

8. 理論貢獻

本文最有價值的地方，在於它把服務機器人研究從「外觀是否擬人」往前推進到「互動關係如何配適情境」。這讓服務機器人的採用不再只是產品屬性問題，而是角色設計與服務脈絡共同作用的問題。同時，作者把信任拆成認知與情感兩條路徑，也幫助後續研究更精細地理解，同樣一台 AI / robot 為何會在不同情境中引發截然不同的接受反應。

9. 實務意涵

對旅宿與餐飲業者來說，這篇最大的管理訊息是不要用單一 persona 佈署所有服務機器人。若服務是高效率、低互動、明確任務導向，例如引路、配送、快速 check-in，機器人應採較工具性、簡潔且服從指令的主僕式互動設計；若服務涉及推薦、陪伴、持續互動或體驗共創，例如點餐建議、導覽、體驗式接待，則應設計成較具關係感與合作感的夥伴式互動。這其實是在提醒管理者，服務機器人的最佳化不是只有硬體投資，而是角色腳本、語氣、互動頻率與任務結構的聯合設計。

10. 研究限制

本文仍有幾個限制。第一，三個實驗都建立在情境操弄與自陳反應上，採用意圖未必等於真實採用行為。第二，樣本雖跨三個情境，但都屬受控設計，無法完全反映旅宿現場的擁擠、等待壓力與跨文化差異。第三，作者把角色主要收斂為主僕與夥伴兩類，雖然有助於理論清晰，但也可能忽略更細緻的混合型角色與動態切換。第四，期刊品質雖可合理判定為高，但本輪未逐項核對官方索引資訊，因此無法在這裡把 ranking 寫得過於絕對。

11. 對我研究的啟發

如果我的研究主線持續放在 AI 與消費者 / 我互動、AI 協作、知識創造或服務場域中的人機關係，這篇很值得拿來當「角色設計 x 情境配適」的 framing 參考。它最大的啟發不是服務機器人本身，而是提供一個可移植邏輯：AI 代理若被放在低接觸、高複雜、明確任務環境，用戶更可能重視能力、可控性與可靠性；若 AI 被放在高接觸、共創、體驗式或陪伴式環境，用戶更可能透過情感信任來判斷價值。這個邏輯可以直接延伸到 GenAI 助教、AI 顧問、旅遊推薦代理、服務設計 chatbot 甚至知識工作中的 AI 協作者研究。我若要做 AI × 服務體驗、AI × 協作關係或 AI persona 設計，這篇可作為把「任務特徵、互動深度、信任機制、角色腳本」串在一起的中層理論支架。

12. 整體評價

我認為這篇值得收進核心文獻池，特別適合當 service robot adoption、AI service design 與 human-AI role framing 的 empirical support。若我的論文需要說明「AI 角色並非越擬人越好，而是要看情境與任務配適」，它非常好用；若需要方法參考，三階段情境實驗與信任雙中介設計也可借鏡。不過它目前仍偏向採用意圖而非長期使用結果，且角色操弄有一定簡化，所以比較適合當 framing paper 與 empirical support，次之才是 methods reference；若要支撐強因果或長期行為主張，仍需搭配現場資料或縱向研究。