飯店機器人，客人怕什麼又信什麼

1. 基本資訊

這篇研究關注飯店服務機器人的採用意願，核心問題不是機器人「有沒有用」，而是客人如何在風險與安全感之間形成接受判斷。作者把知覺風險視為由身體、財務、績效與心理四個面向構成的二階構念，並同時加入資訊安全、自我效能、個人創新性與促成條件，建立一個連接個人特質、技術基礎設施與使用意願的模型。研究材料來自 11 個國家的飯店客人調查。

2. 研究問題

研究主要問三件事：第一，飯店客人的整體知覺風險是否降低服務機器人使用意願；第二，資訊安全感是否提高使用意願；第三，自我效能、創新性與促成條件是否會先影響風險與安全感，再間接影響採用。這個問題設定補上過去服務機器人研究偏重愉悅性、有用性、互動性與擬人化，卻較少同時處理多重風險與資料安全的缺口。

3. 理論基礎

研究以知覺風險理論說明消費者會因預期的不確定與負面後果而降低採用意願；以資訊安全／交易安全觀點說明客人如何評估個資與付款資料的保護；以 Bandura 的社會認知理論說明自我效能如何改變人對自身操作能力與情境的判斷；並以創新擴散與 UTAUT 的個人創新性、促成條件概念補充個人傾向與環境支援。理論上，作者把「客人害怕什麼」與「客人相信系統能保護什麼」放在同一個採用框架中。

4. 研究架構

模型以使用意願為結果變項。知覺風險由身體、財務、績效、心理風險反映；其預期負向影響使用意願。資訊安全預期正向影響使用意願。自我效能預期降低知覺風險並提高資訊安全感；個人創新性與促成條件則預期降低風險、提高安全感。作者將知覺風險作為反映式二階構念，而非把四種風險當作彼此獨立的四條平行路徑，這是研究架構的重要選擇。

5. 假設邏輯

H1 與 H2 分別主張風險抑制、資訊安全促進使用意願。H3、H4 把自我效能視為一種能力信念：越相信自己能操作機器人，越不容易感到風險，也越能相信資訊交換是安全的。H5、H6 則把創新性連到較低風險與較高安全感；H7、H8 把促成條件視為基礎設施與支援環境，預期它會降低風險並提高安全感。這套邏輯的可重用之處，是把採用前的評估拆成「威脅知覺」和「保護信念」兩條不同心理路徑，而不是把安全只當成風險的反面。

6. 方法

研究使用網路自填問卷，對象是過去 12 個月住過飯店的人；資料涵蓋美國、加拿大、以色列、巴西、西班牙、日本、希臘、印度、土耳其、英國與羅馬尼亞。2020 年 10 月共收回 1,545 份，排除高缺漏、離群或作答模式異常者 23 份，最後保留 1,522 份。各構念採既有量表，七點 Likert 量尺；西班牙與日本版本使用回譯。分析先做一階與二階 CFA，再以共變異數型 SEM 檢驗假設；作者也檢查常態性、多重共線性、共同方法偏誤與聚合／區辨效度。

7. 結果

測量模型與結構模型均達可接受適配度；量表 alpha 約為 .80–.92，AVE 約 .51–.76，HTMT 均低於 .85。H1、H2、H3、H4、H6、H8 獲支持：整體知覺風險顯著降低使用意願，資訊安全顯著提高使用意願；自我效能降低風險並提高安全感；創新性與促成條件提高資訊安全感。H5 與 H7 未獲支持，亦即創新性與促成條件沒有顯著降低整體知覺風險。這個不對稱結果很關鍵：環境支援與新奇偏好可以讓客人更相信資料保護，卻不一定消除對機器人失效、受傷、花費或心理不適的疑慮。

8. 理論貢獻

第一，研究把飯店服務機器人的知覺風險具體化為四個面向，讓後續研究可以辨識不同風險來源，而不是只使用單一總分。第二，研究顯示風險與資訊安全是兩個同時存在但方向不同的採用機制：安全感不是單純把風險反向計分即可取代。第三，研究將個人特質與技術環境放進同一模型，發現自我效能對兩條心理路徑都有作用，而創新性與促成條件只對資訊安全感顯著，因而揭示「信任系統」和「不怕機器人」並不是同一件事。

9. 實務意涵

飯店導入機器人時，不能只展示效率或新奇性，應分別處理身體、財務、績效與心理風險。介面與互動要可理解、友善且可預期，並在客人交付個資或付款資料的當下，以簡單可視化方式說明加密、權限與資料用途。管理者也應提供現場人員訓練與客人回饋機制，讓自我效能透過熟悉與示範累積。促成條件的真正價值不只是讓機器人能運作，而是把資料保護、網路、POS 與機器人系統整合成客人看得懂且信得過的服務設計。

10. 研究限制

研究測量的是意向而非實際使用行為，因此可能存在意向—行為落差；資料也是一次性、主觀知覺式問卷，不能建立強因果關係。雖然涵蓋 11 國，研究沒有比較文化、人口背景或既有機器人經驗的差異，也沒有納入服務品質、個人化、信任等可能前因。樣本來自市場研究公司的線上 panel，且資料蒐集於 2020 年，當時的疫情脈絡與今日飯店機器人普及程度不同。另以 Harman 單因子法檢查共同方法偏誤，雖有報告但仍不足以完全排除方法偏誤；未來應加入跨文化多群組、縱貫、現場實驗與實際行為資料。

11. 對我研究的啟發

這篇最適合轉化為「AI／服務機器人採用中的雙重評估機制」：在觀光與旅宿消費者研究中，將體驗價值、擬人化或互動品質與四類風險、資訊安全並列，能避免把低採用意願簡化為「覺得不好用」。若研究生成式 AI 旅遊推薦、AI chatbot 或智慧旅宿服務，也可沿用「自我效能 → 風險／安全感 → 行為意願」的中介邏輯，進一步比較旅客熟悉度、文化背景與先前 AI 經驗是否改變路徑。更值得延伸的是，促成條件只提高安全感卻未降低風險，暗示服務設計必須分別設計資料治理訊息與失誤／不適體驗的緩解機制。

12. 整體評價

值得收進旅宿 AI 與服務機器人採用的核心文獻，尤其適合作為 empirical support，也可作為建構風險—安全感 framing 的理論參考；若要當方法參考，則主要是二階構念 CFA 與 CB-SEM 的操作。優點是跨 11 國、大樣本、模型同時納入個人與基礎設施因素，且把資訊安全獨立於知覺風險。限制是橫斷面意向資料、2020 年情境、線上 panel、文化與既有經驗差異未檢驗，且未觀察真正服務互動；因此不宜把結果直接解讀為飯店機器人導入的因果效果。最可重用的研究角度是：旅客對 AI 服務的接受，必須同時回答「我相信它保護我的資料嗎？」與「我相信它不會讓服務變糟或讓我不舒服嗎？」