我被酷酷的智慧助理吸引了：人與 AI 的依戀與排斥

1. 基本資訊

Guerreiro, J., & Loureiro, S. M. C. (2023). I am attracted to my Cool Smart Assistant! Analyzing Attachment-Aversion in AI-Human Relationships. Journal of Business Research, 161, 113863. DOI: 10.1016/j.jbusres.2023.113863。研究聚焦智慧語音助理（IVA），將品牌體驗、品牌酷感（coolness）與消費者—品牌的依附／反感關係連接起來。期刊與 DOI 可確認；SSCI／SCI／Scopus 收錄與最新 ranking 本輪未明確確認。

2. 研究問題

論文問的是：使用者與 IVA 的感官、情感、行為及智性體驗，是否會提升對 IVA 的酷感？酷感是否進一步形成較強的 attachment-aversion（A-A）關係，並提高採用、維持與深化關係的動機？作者也檢驗使用時間是否調節體驗與酷感之間的關係。

3. 理論基礎

核心是 Attachment-Aversion（A-A）理論，該理論把消費者與品牌的親近或疏離，視為由品牌體驗、brand-self distance 與 brand prominence 共同形成的關係結果。作者再結合 Brakus 等人的品牌體驗四構面（sensory、affective、behavioral、intellectual）與 Warren 等人的 brand coolness，主張具有代理能力、聲音人格與擬人特徵的 IVA 不只是工具，也可能成為關係對象。

4. 研究架構

模型設定四類 IVA 體驗為前因，IVA coolness 為中介節點，A-A relationship 為下一層關係結果，最後連到 motivational strength。另以過去使用經驗做多群組調節分析，並比較性別、助理類型（Alexa／Google Home）等群組差異。這是一個從互動體驗到關係意義，再到持續使用動機的階段性模型。

5. 假設邏輯

H1a–H1d 預期感官、情感、行為與智性體驗均正向影響 IVA coolness；H2 預期 coolness 正向影響 A-A relationship；H3 預期 A-A relationship 正向影響 motivational strength；H4a–H4d 則預期使用時間強化各類體驗對酷感的影響。其論證重點不是「功能有用所以採用」，而是互動是否被感覺為原創、真實、有地位、令人投入，進而縮短使用者與 AI 之間的心理距離。

6. 方法

研究以 MTurk 招募 IVA 擁有者進行付費線上問卷，最終樣本為 308 位消費者；81 人未完成或不符合擁有 IVA 的條件而被排除。研究採反映式 PLS-SEM，並使用 bootstrapping、共同方法偏誤檢查、測量不變性與多群組分析。構念包括四類體驗、IVA coolness、A-A relationship 及 motivational strength；使用時間分為 6 個月內與超過 6 個月。方法能檢驗整體路徑與調節，但仍是單次自陳資料，無法直接建立長期因果。

7. 結果

情感體驗（β = 0.28, p < .01）、行為體驗（β = 0.24, p < .01）與智性體驗（β = 0.18, p < .05）顯著提升 IVA coolness；整體感官體驗對 coolness 不顯著。IVA coolness 顯著提升 A-A relationship（β = 0.74, p < .001），A-A relationship 再提升 motivational strength（β = 0.51, p < .001）。中介分析顯示情感、行為與智性體驗可透過 coolness 影響 A-A relationship；coolness 也透過 A-A relationship 間接影響持續關係動機。使用超過 6 個月後，感官體驗對酷感才出現顯著效果；性別及助理類型的多數路徑差異不顯著。

8. 理論貢獻

第一，論文把原本用於人—品牌關係的 A-A 理論延伸至人—IVA 關係，說明 AI 代理能力與擬人特徵如何使機器進入關係行銷的分析單位。第二，提出並初步驗證 IVA coolness 的測量方向，把「酷」從抽象的品牌形象轉成可觀察的互動關係機制。第三，結果指出情感、行為與智性體驗比單純外觀更早驅動酷感，且使用歷程會改變不同體驗的作用時間，補足靜態採用模型常忽略的關係演化。

9. 實務意涵

IVA 設計不應只追求任務完成率，也要管理聲音、語氣、同理回應、建議的原創性與互動節奏。情感體驗效果最大，表示可依使用者情緒與情境調整聲音強度、速度與溫度；行為體驗則可透過遊戲化與互動任務提升。對旅宿、旅遊推薦與服務機器人而言，重點不是單純加入擬人外觀，而是設計能讓使用者感到真實、能動、值得持續互動的服務劇本，同時避免用「酷」掩蓋隱私、錯誤與信任風險。

10. 研究限制

樣本來自 MTurk 且只涵蓋既有 IVA 使用者，代表性與外部效度有限；研究把不同裝置與互動型態放在同一框架，未充分區分 servant、friend、master 等代理關係。資料為橫斷面自陳問卷，使用時間以群組切割，不能真正追蹤酷感、依附與反感的變化。研究也沒有深入處理隱私疑慮、資安事件、錯誤／幻覺、文化差異、AI 性別聲線與實際互動紀錄。後續宜做縱貫、實驗、多文化與行為資料研究，並測試更高代理能力的 GenAI 助理。

11. 對我研究的啟發

這篇最可重用的角度，是把「人—GenAI 協作是否有效」拆成一條可檢驗的關係鏈：互動體驗 → perceived coolness／關係意義 → 心理距離與依附／反感 → 持續協作意圖。若延伸到我的 AI × 認知風格、知識創造與創新機制主線，可將 affective、behavioral、intellectual experience 視為協作過程變項，將認知風格或 AI 個人化能力視為調節條件，檢驗不同我是否因探索／分析偏好而形成不同的 AI 關係。若延伸到觀光與旅宿，可把「酷感」改寫為服務代理的體驗性價值，連結推薦可信度、旅程共同創造、服務失誤後修復與再使用意圖；但必須額外加入透明度、隱私與真實性，以免把情感依附誤當成高品質服務。

12. 整體評價

值得收進核心文獻，但定位較適合當 framing paper／理論延伸參考，也可作為人—AI 關係與服務代理研究的 empirical support；不宜單獨作為 GenAI 知識創造或創新績效的主要實證依據。優點是模型簡潔、A-A 理論與 coolness 的銜接清楚，且指出情感體驗與使用時間的差異化作用。主要疑點是 coolness 概念可能受品牌個性、科技新奇感與有用性混淆，A-A 構念也未完全捕捉反感、信任與風險；MTurk 橫斷面樣本及早期 IVA 情境，限制了對今日生成式、可主動代理 AI 的推論。整體而言，它提供一個很好的「關係化 AI 服務體驗」起點，後續需以真實互動與縱貫設計更新。