联系我们 |
 |
合作经济与科技杂志社
地址:石家庄市建设南大街21号
邮编:050011
电话:0311-86049879 |
|
|
经济/产业 |
人工智能技术采纳文献综述 |
第749期 作者:□文/陈亚洲 时间:2025/3/17 16:27:04 浏览:6次 |
[提要] 人工智能技术逐渐被广泛应用,特别是生成式人工智能的发展,提供从交互式语言学习和个性化反馈到智能模拟人类的全面服务。然而,用户对人工智能技术的采纳水平仍未达到预期效果,因此研究影响用户采纳人工智能技术的因素具有重要意义。本文从个体用户和组织用户的角度梳理影响人工智能技术采纳因素的理论基础及研究方法,进而提出本领域未来研究方向,以期为未来更深一步探究用户采纳人工智能技术的实践路径提供研究思路。
关键词:人工智能;技术采纳;文献研究
基金项目:本文受北方工业大学毓秀创新项目(编号:2024NCUTYXCX116)资助
中图分类号:F24 文献标识码:A
收录日期:2024年9月11日
一、研究背景
随着云计算、物联网等信息技术的发展和大数据的爆发式增长,人工智能(AI)正逐渐深入到社会生活的各个方面,从智能制造、智慧医疗到金融服务和教育娱乐等,不仅推动了产业结构的优化升级,也将改变人们的生活方式和社会结构。2022年末,OpenAI向用户推出了对话式的ChatGPT-3.5,使普通用户切实地感受到人工智能的发展成果。同期,美国的谷歌、Meta等公司纷纷推出自己的大语言模型,2024年初,出现了可生成视频的模型Sora,引起人们的广泛关注。中国的互联网公司也紧跟风潮,推出了文心一言、豆包等大语言模型,这些大语言模型被统称为“生成式人工智能(GAI)”,即利用人工智能技术生成新的文本、代码、图像等各种类型的内容。相较于传统AI产品,GAI不仅取得了突破性的创新和进步,更能够深刻理解复杂多变的人类语言,并模拟人类的创造力和想象力,进而生成类似人类反应的新颖信息。总之,生成式人工智能作为人工智能的一个重要分支,以其强大的技术实力和广泛的应用前景,成为当前研究和关注的焦点。越来越多的组织开始重视并纷纷引入AI技术,然而许多组织在采用AI技术时,常常只是停留在信息收集的浅层阶段,远远没有达到传统技术采纳的深度与广度。并且,相当一部分员工对AI技术的采纳意愿并不强烈,甚至拒绝使用。因此,深入剖析影响用户对AI技术采纳的关键要素,进而推动用户切实接纳和运用AI技术,以充分发挥AI赋能现代化生产、生活的潜在优势,具有重要意义。在此背景下,已有研究从不同的角度探索了影响用户采纳人工智能技术的因素。本文在此基础上,从个体用户和组织用户的角度梳理了影响人工智能技术采纳因素的理论基础及研究方法,进而提出了本领域未来的研究方向,以期为未来更深一步探究用户采纳人工智能技术的实践路径提供研究思路。
二、基于个体用户AI技术采纳的相关研究
在回顾过去的学术文献时不难发现,关于个体用户技术采纳的理论研究具有深厚的学术根源。相关的研究能够追溯至1975年的理性行为理论(TRA),Fishbein和Ajzen认为人的行为是由参与的意愿所导致的,包括:一是个人针对特定行为的态度;二是个人对于来自重要他人对其是否应当执行此行为的期望,即主观规范。随后,Davis于1989年对感知有用性、感知易用性、态度以及使用意图之间的关系进行了深入探究,并在TRA的基础推出技术接受模型(TAM),后续被大量学者采用并广泛应用于相关技术的采纳研究。之后,在1991年,Ajzen也在TRA的基础上提出了计划行为理论(TPB),着重强调个体实际是否会从事某项行为受到态度、主观规范和感知行为控制等诸多因素的影响。同年,Thompson等提出了个人电脑使用模型(MPCU),认为凭借态度、社会规范、习惯和预期结果等因素能够预测个人电脑的使用情况,为理解个人电脑的使用行为提供了一个综合性的理论框架。
在探讨技术采纳的动机方面,Davis在1992年引入的动机模型(MM)将焦点放在了内在和外在动机上,强调感知利益和享受在技术使用中的核心作用。Rogers在1995年对创新决策过程、创新特征以及采纳者特征等多个因素进行探究,提出创新扩散理论(IDT),主要包括信息或创新如何通过媒介传播给大众,以及人们如何接受和采用这些新技术或新产品。Compeau等于1999年提出的社会认知理论(SCT)着重强调了自我效能、情绪与计算机使用之间的紧密关联,有助于深入分析个体在技术使用过程中的心理因素和行为机制。这些理论模型不仅为我们理解个体用户技术采纳提供了多元化的视角,也为后续的研究奠定了坚实的基础。
2003年,Venkatesh 等对以上多种技术采纳模型进行了整合,提出了技术接受和使用统一理论(UTAUT)。这一理论框架旨在为理解员工、雇主和管理者在各种领域内的技术采纳行为提供坚实的基础。UTAUT模型在后续的技术采纳研究中得到了广泛应用,它不仅成功预测了用户采用新技术的行为意图,还深入探讨了用户为何采用信息技术以及他们的使用行为是如何展开的。UTAUT模型确定了四个关键因素:绩效预期(即用户对系统能够提升工作绩效的信心)、努力预期(即系统的易用性)、社会影响(即他人对使用技术的重要性)以及促进条件(即用户对组织支持的信念)。这些因素在多个领域和技术的采纳研究中均展现出了强大的解释力。例如,李世瑾(2021)探讨了教育者对人工智能教育的采纳意愿和效能体验;范昊等(2021)探讨了读者对于采纳智慧图书馆人工智能服务的意愿;此外,还涉及人工智能在公共服务、人力资源招聘等领域的接受意愿。
2012年,Venkatesh等在UTAUT模型的基础上新增了享乐动机、价格价值和习惯三个变量,推出了UTAUT2模型,进一步提高了模型的应用性。其中,享乐动机指的是个体从技术的使用中所获取的积极情绪;价格价值则衡量了用户在使用技术时,对收益与成本的权衡;习惯则反映了用户持续使用技术的倾向性。UTAUT2模型同样在多个技术采纳研究中取得了显著成效,它为理解用户对新技术的接受和使用行为提供了一个综合的理论框架,有助于推广新技术产品,提高用户的接受意愿和增加用户的使用率。例如,探究提高消费者持续使用AI售后服务的有效策略、探究研究生持续使用AIGC推行学术的实践意愿、解释用户对人工智能技术的接受行为以及元宇宙等新兴技术的采纳等。该模型还被应用于研究大学生对ChatGPT等生成式人工智能技术的采纳情况,进一步证明其在不同技术采纳情境下的广泛适用性和解释力。
为深入洞察客户对服务行业中人工智能设备的接受程度,Gursoy等在2019年提出了人工智能设备使用接受度框架(AIDUA)。这一框架聚焦于揭示客户在服务环境中使用人工智能设备的意愿,并通过多步骤的过程进行系统性分析,旨在全面捕捉客户对人工智能设备的认知、态度和采纳行为。这一模型已在多个实际场景中接受检验,均显示出了良好的实用性。例如,在酒店服务以及自动驾驶汽车等新兴领域,均成功预测并解释了用户对人工智能技术的接受程度。当前,一些前沿研究已经开始利用AIDUA模型来探讨不同因素对客户使用人工智能意图的影响。例如,Chi等(2023)研究了信任以及文化因素在客户使用人工智能意图中的调节作用,为理解跨文化背景下的技术接受度提供了新的视角。Sheikh等(2024)进一步分析了影响用户对人工智能设备态度和使用意愿的具体因素,为提升用户满意度和忠诚度提供了实践指导。
也有少量学者基于其他理论构建相关模型,进行探究用户使用人工智能的意愿。例如,张庆杰和龚涵适(2018)基于用户个人角度探究用户对人脸识别支付的使用意愿;翟姗姗等(2022)基于计划行为理论研究家庭社会经济地位不平等差异对学生持续使用AI学习平台意愿的相关影响因素;王晰巍等(2023)基于拟人化视角综合分析影响智能语音交互用户使用行为的因素作用路径;杨增茂等(2023)基于解释水平理论探究人工智能拟人化水平对顾客持续使用意愿的影响;张海等(2023)参考扎根理论分析和探讨用户使用ChatGPT的行为特点和作用规律。这些研究不仅丰富了个体用户对于人工智能采纳的理论探究,也为其在实际服务场景中的应用提供了更为广泛的实证支持。
三、基于组织用户AI技术采纳的相关研究
关于组织采用人工智能的相关研究中,使用最为广泛的是技术—组织—环境框架(TOE框架)。TOE框架是由Tornatzky和Fleisher于1990年提出用于分析技术特征、组织因素以及环境影响之间的相互作用的一种分析框架,其目的在于研究并解释组织是如何采纳和整合技术的,进而形成组织的采纳决策。TOE框架作为一个经典的框架,为分析组织内创新技术的采纳提供了坚实的理论支撑并得到了广泛的应用。例如,Scupola(2009)利用TOE框架对中小企业采纳互联网商务进行全面分析,并特别考虑了意大利南部独特背景下的各种外部和内部因素。早期的一些研究也指出,TOE框架结构可能更适用于大公司环境下的技术应用。随着研究的深入,TOE框架得到了进一步的扩展和应用,用于解释特定技术创新的采纳过程。例如,该模型已被成功应用于理解电子客户关系管理系统、云计算、地理信息技术、区块链技术、电子商务、绿色银行实践以及其他新兴技术的组织采纳情况。这些研究不仅丰富了TOE框架的理论内涵,也进一步验证了其在组织采纳研究中的实用性和有效性。
近年来,人工智能技术在企业中的应用引起了广泛关注。有些学者在研究中整合了技术接受模型(TAM)和TOE框架,深入分析影响组织内部人工智能采纳的多种因素,为分析和加强公司对人工智能技术的采用提供一个强大的框架。也有一些研究在人工智能迅速发展的大背景下,深入探讨了人工智能在公共组织中的应用,为公共部门采用人工智能的因素和动态提供了见解。此外,还有不少学者聚焦于特定行业中人工智能的应用及影响。例如,Baabdullah等(2021)的研究便深入探讨了人工智能技术在中小企业背景下的适用性,特别是在企业对企业(B2B)的实践中,为企业实现智能化转型提供了具体的路径和策略。此外,Chen等(2023)调查了疫情期间酒店业采用人工智能的决定因素,利用TOE框架成功整合了组织采纳人工智能技术的影响因素。Badghish等(2024)的最新研究利用TOE框架进一步探讨了人工智能采用决策对中小企业企业绩效的影响,分析了人工智能技术如何提升生产效率、优化供应链管理以及改善产品质量。这些研究对影响人工智能采用的因素进行了更全面的评估,为中小企业在人工智能时代的竞争与发展提供了有力的理论支持。
四、总结与展望
在回顾以往针对人工智能采纳行为的研究文献时,发现大多数研究倾向于借助成熟的技术采纳模型作为分析框架。在个体用户采纳层面,技术接受模型(TAM)和技术接受与使用统一理论模型(UTAUT)成为当前学者采纳最为广泛的模型。而在组织层面,TOE框架则更多地被用来解释组织用户采纳人工智能的动因。这些模型在技术采纳领域内享有广泛的认可和应用,为研究者提供了坚实的理论基础。然而,关于哪种模型最能精准捕捉和解释人工智能技术的采纳过程,学界仍存在一定的争议。从研究因素来看,尽管不同学者从多样化的视角提出了各自的研究因素,但一些共同的因素逐渐浮现,如用户对人工智能性能的期望、使用人工智能所需付出的努力、动机类型、社会的影响、使用过程中的情感体验、设备的外观与拟人化、用户自身的领域知识,以及用户的人工智能素养等,它们似乎共同构成了影响用户接纳新技术的关键因素。
尽管这些主流模型为我们提供了丰富的研究思路,但它们往往只聚焦于促进用户采纳的积极因素方面,而较少考虑可能存在的抑制因素。此外,多数研究侧重于用户特征或技术特性作为影响采纳行为的变量,却较少从用户与人工智能技术之间的动态互动关系为出发点进行深入探讨。实际上,这种互动关系在用户的人工智能使用体验中发挥着重要影响。因此,未来的研究可以从两个方向进一步拓展:一是深入挖掘影响人工智能技术采纳的抑制因素,以更全面地理解用户采纳行为的复杂性;二是关注用户与人工智能技术之间的交互关系,探讨这种互动如何影响用户的采纳决策和使用行为。这样的研究视角将有助于我们更精准地把握用户采纳人工智能的动因和机制,为技术的推广和应用提供更为有效的指导。
(作者单位:北方工业大学经济管理学院)
主要参考文献:
[1]Fishbein,M.,Ajzen,I..Belief,Attitude,Intention and Behaviour:An Introduction to Theory and Research[M].Addison-Wesley:Reading,MA,USA,1975.
[2]Davis,F.D.Perceived Usefulness,Perceived Ease of Use,and User Acceptance of Information Technology[J].MIS Q,1989.13(03).
[3]Ajzen,I.The theory of planned behavior[J].Organ Behav Hum Decis Process,1991(50).
[4]Thompson,R.L.,Higgins,C.A.,Howell,J.M.Personal Computing:Toward a Conceptual Model of Utilization[J].MIS Q,1991(15).
[5]Davis,F.D.,Bagozzi,R.P.,Warshaw,P.R.Extrinsic and Intrinsic Motivation to Use Computers in the Workplace1[J].J Appl Soc Psychol,1992(22).
[6]Rogers,E.M..Diffusion of Innovations:Modifications of a Model for Telecommunications[M].In Die Diffusion von Innovationen in der Telekommunikation;Stoetzer,M.-W.,Mahler,A.,Eds.;Springer:Berlin/Heidelberg,Germany,1995.
[7]Compeau,D.,Higgins,C.A.,Huff,S..Social Cognitive Theory and Individual Reactions to Computing Technology:A Longitudinal Study[J].MIS Q,1999.23(02).
[8]Venkatesh,V.,Morris,M.G.,Davis,G.B.,Davis,F.D..User Acceptance of Information Technology:Toward a v Unified View[J].MIS Q,2003.27(03).
[9]李世瑾,顾小清.中小学教师对人工智能教育接受度的影响因素研究[J].现代远距离教育,2021(04).
[10]范昊,徐颖慧,曾子明.智慧图书馆AI服务用户接受行为影响因素研究[J].图书馆学研究,2021(02).
[11]Venkatesh,V.,Thong,J.Y.L.,Xu,X..Consumer acceptance and use of information technology:Extending the unified theory of acceptance and use of technology[J].MIS Quarterly,2012.36(01).
[12]雷承锋,邢振江.AI重构售后服务的持续使用意愿影响因素研究[J].经济问题,2024(09).
[13]赵静,倪明扬,张倩,等.AIGC重构研究生学术实践:持续使用意愿影响因素研究[J].现代情报,2024.44(07).
[14]Gursoy,D.,Chi,O.H.,Lu,L.,Nunkoo,R.Consumers acceptance of artificially intelligent(AI)device use in service delivery[J].International Journal of Information Management,2019(49).
[15]Chi,O.H.,et al.Customers’ acceptance of artificially intelligent service robots:The influence of trust and culture[J].International Journal of Information Management,2023(70).
[16]Sheikh Raheel Manzoor,Rezwan Ullah,Afraseyab Khattak,Munsif Ullah & Heesup Han.Exploring tourist perceptions of artificial intelligence devices in the hotel industry:impact of industry 4.0[J].Journal of Travel & Tourism Marketing,2024.41(02).
[17]张庆杰,龚涵适.人脸识别支付用户使用意愿研究[J].财经理论与实践,2018.39(05).
[18]翟姗姗,陈欢,王左戎.基于SES差异下用户AI学习平台持续使用意愿影响机理研究[J].情报科学,2022.40(02).
[19]王晰巍,赵可轶,刘宇桐,等.智能语音交互用户使用影响因素及使用行为组态分析[J].图书馆论坛,2023.43(12).
[20]杨增茂,王长峰,杨洪军.人工智能拟人化对顾客持续使用意愿的影响——基于心理距离的中介作用[J].财经论丛,2023(08).
[21]张海,刘畅,王东波,等.ChatGPT用户使用意愿影响因素研究[J].情报理论与实践,2023.46(04).
[22]Tornatzky,L.G.,Fleischer,M.,Chakrabarti,A.K..The Processes of Technological Innovation[M].Lexington Books:Lanham,MD,USA,1990.
[23]Scupola,A.SMEs’ e-commerce adoption:Perspectives from Denmark and Australia[J].J.Enterp Inf Manag,2009(22).
[24]Neumann,O.,Guirguis,K.,Steiner,R..Exploring artificial intelligence adoption in public organizations:A comparative case study[J].Public Manag.Rev,2023(26).
[25]Chatterjee,S.,Rana,N.P.,Dwivedi,Y.K.,Baabdullah,A.M..Understanding AI adoption in manufacturing and production firms using an integrated TAM-TOE model[J].Technol Forecast Soc Chang,2021(170).
[26]Baabdullah,A.M.,Alalwan,A.A.,Slade,E.L.,Raman,R.,Khatatneh,K.F..SMEs and artificial intelligence(AI):Antecedents and consequences of AI-based B2B practices[J].Ind Mark Manag,2021(98).
[27]Chen,Y.,Hu,Y.,Zhou,S.,Yang,S..Investigating the determinants of performance of artificial intelligence adoption in hospitality industry during COVID-19[J].Int J Contemp Hosp Manag,2023(35).
|
|
|
|