关键词：自动化；智能服务；人机交互；视频录制与分析；旅游与酒店

摘 要：机器人服务是数字化智能服务转型的一个重要体现。以往的研究理论化和技术化地分析了自动化机器人技术在提高服务效率、提升顾客体验方面的积极影响，但很少有研究者从顾客的实际使用视角去检验这一假设，更鲜有研究者在全自动化机器人服务的环境中检验智能化人机互动的实际效果和可能存在的问题。为此，本文选择视频录制与分析的研究视角，并结合民族志的研究方法，在两家数字化无人智慧酒店中记录了495次顾客与自动化智能服务系统互动的实践，旨在从实证的互动角度发现全自动化智能机器服务场景下存在的问题，揭示智能机器系统对服务活动产生负面影响的三个因素：互动指令的模糊性、服务协助人员的缺席、机器人交互技术的“不可见性”。为了提高数字化机器人智能服务效率，未来应考虑开发用户友好型服务交互系统。

中图分类号：C916.2文献标识码：A文章编号：1001-2435（2024）01-0108-13

Ambiguity，Absence，Invisibility：Three Key Factors Affecting Digital Robot Intelligent Services

XU Xinzhi（1.School of journalism & Communication，Jinan Unirersity，Guangzhou 510632，China；2.Faculty of Social Science，The Chinese University of Hong Kong，Hongkong 999077，China）

Key words：automation；intelligent service；human-computer interaction；video recording and analysis；tourism and hotels

Abstract：Robot service is an important embodiment of digital intelligent service transformation. Previous studies have theoretically and technically analyzed the positive impact of automated robot technology on improving service efficiency and customer experience，but few researchers have tested this hypothesis from the perspective of customers' actual use. Moreover，fewer researchers have tested the practical effects and possible problems of intelligent human-computer interaction in the fully automated robot service environment. Therefore，this paper innovatively uses the research perspective of video recording and analysis，combined with the research method of ethnography，and records 495 interactions between customers and automated intelligent service systems in two digital unmanned intelligent hotels，aiming to test the problems existing in the fully automated intelligent machine service scenario from the perspective of empirical interaction. This study reveals three factors that have a negative impact on service activities of intelligent robotic systems：the ambiguity of interactive instructions，the absence of service assistance personnel，and the "invisibility" of robot interaction technology. In order to improve service efficiency under the digital robot intelligent service，this study suggests that a user-friendly service interaction system should be developed in the future.

——————————————————————————————————————————

數字化技术的飞速发展正带领我们经历一个以机器人技术、人工智能（AI）、大数据计算等新兴技术为特征的第四次工业革命。其中，智能自动化已成为各行业数字化转型的关键因素——它将机器集成到一个自治系统（self-managed system）中，且在没有人工参与的情况下完成全部的生产、交互活动。1近年来，随着我国“数字化城市”建设的推进和机械智能化技术的发展，旅游供应商已开始在其运营中使用智能机器并不断深化发展数字化机器人服务模式，旅游业正在步入一个更加自动化的未来。

自动化机器人服务（Automated Robotic Service）是智能数字化在旅游服务领域的一种代表形式。2它以标准化服务为基础，创造了一种新颖、便捷、智能化的服务体验，实现了产业数字化转型的目标。3机器人酒店作为自动化机器人服务的重要成果之一，是机器人服务发展的新趋势。像日本的Henn-na，中国的Flyzoo，或者美国的Vdara和EMC2，自动化服务机器（人）承担起面向顾客的主要服务职责，在酒店日常互动中实现具有科技感的智能服务交互。

现有的自动化服务研究集中在理论化、技术化地讨论智能服务机器在使用中可能存在的积极和消极影响。市场管理研究者大多赞扬智能自动化技术用于降低成本、提高工作效率或维护服务质量的优点，认为智能自动化技术的应用能极大程度提高旅游服务行业的智能化和数字化发展水平，有利于智能旅游领域的进步。4然而，部分旅游管理研究者却担忧自动化服务机器对员工创新能力发展5和旅游地旅客体验6有着负面影响。其中，技术接受模型（Technology Acceptance Model）提出有关技术的感知有用性（Perceived Usefulness）、感知易用性（Perceived Ease of Use），以及用户的技术准备度（technology readiness）对用户在实际人机交互活动中交互意愿的影响，研究者发现这三类变量都会在不同程度上影响人们接受或拒绝高科技服务交互的意愿和感觉。7数字化智能自助服务的实现依赖于客户在实际操作中对该技术的接受度和采用度。当技术准备程度低的人对智能技术感到不适和沮丧，他们可能会抵制自助服务交互8；更有甚者，当遭遇技术困难时，抗拒技术（technology-resisted）的客户会选择由“高科技技术性”的智能服务转向“高接触性”的人工服务9。

有关数字化智能服务的研究贡献局限于描述当前应用以及未来潜在的实施和影响，缺少从旅游服务参与者的视角分析智能服务技术在实际服务活动中的表现和对人机互动服务的影响。当前基于技术接受模型的研究也集中在统计数据的定量分析，缺少通过实证数据的定性分析研究。同时，以往的大多数研究以开发为导向，从设计者的角度关注的是机器算法的开发，而不是顾客实践的实际交互活动。此外，现有的人机交互服务研究也多停留在对“半自动化服务场景（semi-automated service）”进行观察和分析。由于部分人工服务人员的参与，以往的研究很难撇开“服务人员”的存在去评估人机交互的结果。因此，本文将研究场所拓展至一个独立由智能服务机器提供服务的“全自动化服务场景（fully-automated service）”中，以深入地分析真正的人機交互服务的表现和影响。

因此，基于现阶段数字化智能服务领域中有关实证研究的空白，本文旨在从顾客的视角检验全自动服务机器与人类用户之间的现实互动情况，并用实证数据回答有关数字智能服务系统（即机器人服务系统）的实际服务能力问题。为此，本研究在中国的两家机器人酒店（数字化无人智慧酒店）进行了为期三年的民族志和常人方法学调查，并用视频记录了495个顾客使用自助入住登记机、服务机器人等数字化服务工具的情况。这两家酒店配置了全方位的数字化智能机器人服务系统，没有安排专门的人工服务人员；顾客必须独立地在不同的机器上完成所有的活动（从预订、入住登记到退房）。这两家酒店提供了一个完整的智能服务环境，有利于研究者对人机交互活动进行最全面的调查分析。通过观察顾客与酒店中这些机器的实际交互，本研究实证分析了自动化智能服务系统对服务效率的影响。本研究以交互为重点，从顾客的实际服务参与角度检查人机交互中的服务表现，分析了当下数字化机器人服务交互中可能存在的影响服务效率的三个问题，并且对未来高效率、高质量的人机交互服务发展提出几点建议。

一、数字化智能服务与服务效率

（一）数字化服务技术与服务工作标准化

近年来，数字化技术在组织业务转型发展过程中的重要性日益凸显。智能化数字技术的使用改变了组织的商业模式（包括从产品的生产流程到市场的供求结构），特别在服务领域，智能化数字技术的应用革命性地改变了社会活动参与者的行为认知和社会角色。

服务领域的数字化技术应用不是一个独立的概念，它涵括了日常社会生活中涉及数字化、自动化智能技术的服务互动和社会实践。从自动售票机到自动取款机再到机器人酒店和餐厅，人们越来越频繁地与自动化智能服务模式接触。尽管旅游与服务领域的研究者对数字化智能技术产生了浓厚的兴趣，有关数字化智能服务的研究贡献仍然仅限于描述当前应用以及未来潜在的实施和影响。现有的研究主要讨论了自动化机器的使用安全1、对顾客“自我”身份的认知2、对服务从业人员就业前景的担忧3、自动化服务的效率4以及用户对系统的适应能力等问题5。这些研究一致认为数字化技术带来的智能标准化生产有助于服务生产者以更低的成本实现更高效的产出：自动化系统使雇主能够减少雇员数量和工作时间，减少生产支出，同时又能提高服务效率，甚至扩宽服务渠道，让公众能随时随地享受服务。678

就技术应用性而言，数字化智能产品的广泛应用将“标准化（生产）”带入了服务行业。早期的智能标准化服务模式首先应用于网络搜索服务；随着自动化交互设备和服务机器人的广泛使用，标准化进一步涉及实际的服务交互过程；服务机构通过应用自动化智能机器和工具，逐渐让所有顾客参与到无差别的、预先设定的服务和协助中。1

有关数字化智能服务的研究主要讨论了服务工作标准化为服务提供者带来的积极和消极影响。认为服务工作标准化对服务行业产生积极影响的学者指出，数字化智能服务可以简化复杂的服务交互过程，能最大限度地减少服务交付中的行为偏差，提高服务效率，增强顾客体验等。23常规和重复的人工服务被转化为自助服务或批量生产，例如，酒店客房服务机器人可以代替人类员工来执行日常的入住、点餐、物件派送等服务。相反，有的研究者则评估了服务工作标准化对服务业从业人员的负面影响。4这部分研究者认为，服务工作标准化导致服务业员工变得僵化和不灵活——服务人员被告知要遵守机器工作的规则，配合智能机器以提供服务，而不是有创造性的表现——这表明了服务工作标准化确实阻碍了从业者的工作表现和服务创新。

（二）技术接受模型与智能自助服务

数字化自助服务的运行依赖于客户在日常生活中对这种技术的接受度、实践力和自我规训56，因此，越来越多的自助服务研究试图了解客户接受和抵制这些技术的原因和影响7。其中，技术接受模型（Technology Acceptance Model）是预测人们在人机交互中对信息系统和技术使用接受程度的最著名和流行的理论之一。结合技术准备度视角8，技术接受模型的研究者发现，技术准备度通过对感知有用性和易用性的技术信念的相关影响，间接影响人们对技术的接受程度9，并且会影响人们接受或拒绝高科技服务交互的意愿和感觉10。因此，当技术准备程度低的人对智能技术感到不适和沮丧，他们可能会抵制自助服务交互。11

然而，不熟练的客户和技术抗拒的客户是不可避免的。当不熟练和技术抗拒的顾客难以理解智能自动化自助服务系统时，技术在实际服务交互中会产生负面影响，如使顾客感到焦虑或花费顾客过多的时间来实现服务。12在对顾客与自动化自助服务技术的接受度的调查中，研究人员发现，在有其他选择时，抗拒技术（technology-resisted）的客戶会转向提供“高接触性”人工交付的服务，而不是“高科技技术性”的服务。13

后来的研究者通过扩大研究场景，对技术接收模型进行了不断的丰富。例如，Venkatesh 等人在原模型当中增加了社会影响过程（包括主观规范、自愿程度等）、认知工具过程（包括工作相关性、结果质量和感知易用性等）和经验调节感知易用性对计算机技术使用的影响。12现有的技术接受模型研究大多集中在通过统计数据对不同使用场景的定量测量34，少有研究者尝试通过质性田野数据对日常生活的技术交互开展定性分析。因此，本文受技术接受模型的启发5，对我国的智能服务场景（以无人智慧酒店为例）进行民族志的调查，以分析影响数字化机器人智能服务的关键因素。同时，鉴于有的学者批判该理论没有实用意义6，本研究在文末会针对基于该模型核心内容发现的问题提出对应的应用性建议。

（三）服务互动研究

常人方法学与会话分析（Ethnomethodology and Conversation Analysis）作为交互研究的一种代表性方法，旨在揭示社会活动参与者是如何共同进行和完成日常生活的实际实践。78为了发现成员对他们共享的常识性知识的使用，并揭示在情境日常生活中构建的秩序和意义，EMCA的研究者通过探索交互活动中参与者之间的社会行为，来揭示社会成员在日常生活中构建的互动秩序和社会意义。

现有的基于互动视角的服务研究讨论了身体的问候动作，如握手、微笑、点头、摇头等的实践910，服务参与者准备和回应请求的关键时间节点11和服务对话中用于描述对象的分类、定位和识别的不同参考术语的沟通12等内容。这些研究揭示了客户与服务人员在实践中自然和传统的服务关系和工作顺序。在服务互动中，很多常规的服务流程都是标准的、预设的，这与数字化智能自助服务技术创造的标准化是相类似的。因此，部分服务互动研究旨在通过对标准化服务工作的分析来揭示服务参与者如何理解日常服务互动，以及如何满足标准化服务互动中的个性化服务需求。

在部分涉及人机交互的服务研究中，研究人员旨在促进人们对数字技术如何嵌入日常社会组织并作为日常社会组织实践的理解。1314例如，Heath和Luff15研究了公共交通控制室中管理人员和轨道控制系统之间的协作工作，Yamauchi，Whalen和Bobrow16详细描述了技术人员如何使用标准化的索引菜单来定位客户在软件中的问题，Moore，Whalen和Gathman1探讨了影印店职员如何理解客户独特要求并将这些要求转化为可被机器识别的标准化符号。近年来，随着机器人在博物馆和画廊中的应用不断扩大，研究者也逐步开展了有关机器人服务的实证性研究。234

然而，现存的研究中少有关于完全人机交互（即只有人类顾客和智能服务机器参与，仅由客户进行的、面向机器的服务活动）的研究，也缺少设置在深度数字化智能自助服务工作场所中的研究。所以，本文将研究场所拓展至一个由智能服务机器独立提供服务的“全自动化服务场景”中，旨在从顾客的互动视角出发，以交互为重点，检验全自动服务机器与人类用户之间的现实互动情况，并用实证数据丰富有关数字智能服务系统（即机器人服务系统）的实际服务能力问题。

二、数据收集

（一）数据收集场所

当没有人类服务员协助顾客进行服务活动时，顾客只能依靠自己来完成所有的人机交互任务。这样的场景有利于我们去观察、了解和分析在数字化智能服务交互中顾客与服务机器的真实互动效果。因此，本研究在2019至2021年间对位于广东省内的两家连锁数字化机器人酒店L-Hotel，进行了为期三年的田野调查。L-Hotel隶属于同一家数字化智能服务公司。两家机器人酒店都是全自动化的机器人服务酒店，酒店大堂均配备了两台自助登记机和一台可语音交互+自主移动的服务机器人。顾客需要自己在不同的移动终端上完成从在线预订到酒店入住的全部服务，只有在必要的情况下才会有工作人员到场为顾客提供技术支持。

当顾客到达酒店时，他们首先需要在门外的键盘上输入个性化的访问密码进入酒店。访问密码与顾客的个人信息相关，服务系统将根据不同的密码对顾客的身份进行识别。走进酒店大堂后，顾客需要在自助入住登记机上通过人脸识别系统进行身份验证。酒店的面部识别系统与国家数据库相连，顾客将身份证放在传感器上后，系统将能够访问顾客的数字面部信息。当面部识别过程开始时，自助登记机将打开其内部摄像头并向顾客显示取景界面。人脸识别开始后，系统会依次循环播放六条指令，直至识别出顾客。

O1：请睁眼；O2：闭眼 O3：请摇头；O4：摆正 O5：请张嘴；O6：合嘴

每对指令（即 O1O2—O3O4—O5O6）之间的停顿是1.2 秒，相邻指令（即 O1—O2、O3—O4、O5—O6）之间的停顿是0.8 秒。当指令循环三次后，系统会通过扩音器提示验证失败，要求顾客重新进行验证（“人脸识别失败，请重试”）。当顾客被成功识别后，会通过手机短信收到房间号和房门密码。与此同时，顾客的基本信息会自动同步传给服务机器人，机器人会为顾客提供引路服务。

（二）数据收集方法

调查期间，本研究采用了三种经典的民族志方法进行数据收集：访谈、参与式观察、视频录制和分析。

1. 访 谈

访谈（Interview）是质性研究中最经典的研究方法。对两家酒店管理者的初步采访有助于笔者进入田野点，并在之后进行参与式观察和视频录制。故此，本研究在调查期间采访了两家酒店的八名雇主和员工、业内的三名机器人设计师和一些随机顾客。1对酒店管理者和机器人工程师的访谈各持续两个小时，而对顾客的访谈则各约二十至三十分钟。

2. 参与式观察

借鉴民族志的传统研究方法，参与式观察（Participated Observation）有助于研究者对田野点调查对象、活动内容进行深入的、本地化的理解。在数据收集（视频录制）期间，笔者首先以“技术支持助理”的身份进行了14个月（A酒店10个月，B酒店4个月）的参与式观察。为了保持智能酒店的“无人”属性，笔者与其他工作人员一道每隔一小时巡视一次，且仅对寻求人工协助的顾客提供一定的帮助。

3. 视频录制和分析

视频录制和分析（Video Recording and Analysis）提供了一种独特的数据收集和呈现方式。23通过检验活动参与者对自己及他人的日常生产生活活动的理解，研究者能够分析社会秩序。作为本文的创新性研究方法，笔者在A酒店和B酒店进行了为期3年的视频数据收集，并将获得的495个人机交互案例（约 20 小时）用于本文的分析。本研究获得酒店和视频中所涉顾客的许可，调查和行为研究伦理委员会也在调查前批准了这项研究。

为了将视频转录为文本资料并进行可分析的描述，视频数据将根据分析需要以连环画的形式呈现，或采用Gail Jefferson4开发的对话分析系统进行转录（见表1）。

三、智能人机服务在实践应用中的服务效率

当顾客很好地配合系统并且没有出现技术错误时，自助注册过程可以很快结束。然而，本研究发现，关于“顾客如何完成酒店入住登记”的情况在日常实践中却复杂得多。在495个案例中，有 62 名顾客由于遇到技术故障而最终通过人工柜台进行入住登记；剩余的433名顾客在自动入住终端机上完成了入住登记，其中88.7%（384例）的顾客是自行完成入住登记的，11.3%（49例）的顾客是在他人协助下完成入住登记的（见表2）。

尽管超过八成的顾客完成了自助入住登记，但是剩下的顾客都遭遇不同程度的技术故障或程序错误。对于这些顾客而言，自助入住不是“一帆风顺”的，这与前人研究中对智能自助服务能节省服务时间、提高服务效率、增强服务体验的结论1相冲突。

那么，就顺利完成自助入住登记的顾客而论，自动化智能入住就比人工入住登记更快捷吗？

为了最直观地解答这个问题，本研究对“顾客在自动机器上完成自助注册的时间”进行了简单的统计。在本研究调查期间记录的所有人机交互案例（n=433）中，只有4位顾客在1分钟内完成入住登记（0.9%），129位顾客在1～2分钟内完成入住登记（29.8%），158位顾客在2～3分钟内完成入住登记（36.5%），72位顾客在3～4分钟内完成入住登记（16.6%），8位顾客在4～5分钟内完成入住登记（1.8%）。此外，有14位顾客需要5～8分钟才能完成入住登记（3.2%），而有47位顾客最终在11分钟左右完成入住登记（10.8%）。

据两家酒店的人工服务人员介绍，一般人工完成顾客的入住登记需要2～3分钟。因此，自助入住登记机在大多数时候（36.5%）花费了与人工相同的时间（即2～3分钟）来完成相同的任务，并且偶尔比人工做得更好（即不到2分钟，30.7%）。但值得注意的是，也有三分之一（32.8%）的顾客在自助入住登记机上花费的时间比由普通人工服务人员提供服务的时间长得多（即超过3分钟）。就本研究初步统计的数据而言，自动化智能服务系统似乎并没有显著地提高服务效率。

四、智能人机服务效率低下的原因分析

通过对服务交互技术和智能服务环境的具体分析，本研究发现了对智能服务效率产生负面影响的三个主要问题：互动指令的模糊性、服务协助人员的缺席，以及机器人交互技术的“不可见性”。

（一）互动指令的模糊性

顾客需要通过人脸识别技术完成无人智慧酒店的入住登记；然而，人们在进行面部识别时会偶遇失败。在433个案例中，89人在第一轮完成识别，90人在第二和第三轮完成识别。也就是说，62%的顾客至少进入了第二个认证周期并在此后被成功识别。尽管入住登记机会在播放三轮识别指令后让顾客重新开始进行入住登记（我们可以将之称为“完全的失败”），但顾客在遇到第二轮人脸识别时（也就是当顾客遇到了新一组循环指令时），他们就遭遇了“实际的失败”，因为他们没有被及时地成功识别。

当顾客听到系统对相同的指令不断循环时，他们会意识到之前与机器的交互效果不佳。因此，顾客需要自我诊断潜在的问题，并“修复”他们的动作以完成人脸识别任务。数据显示，大多数顾客在以后的周期中改变了他们对相同指令的响应方式。例如，有的顾客在第二次听到“请闭眼”的指令时可能会延长他们闭眼的时间，或者在第二次闭眼时更加用力；有的顾客选择改变他们摇头的频率；有的顧客则会更加夸张地张嘴。

除了对统一指令做出不同的响应，还有部分顾客会选择移除可能阻碍人脸识别技术成功的其他因素——身上的遮挡物，主要是脸上的饰品。

尽管系统没有要求顾客移除装饰物或遮挡物，这些顾客却主动、自觉地移除了可能成为“障碍物”的面部饰品。移除面部饰品的行为展示了顾客对面部识别机制的另一种理解。根据人们的日常经验，在为护照、身份证等官方证件拍摄照片或办理身份认证时，不应佩戴任何配饰。这种对日常类似活动经验的理解有助于顾客对面部识别交互过程中的失败进行一定的推断和修正。

面部识别系统的指令是预先编程和标准化的，它不能说明顾客无法实现或失败的原因。但不断重复的指令让顾客意识到他们之前的响应“有些不正确”，但指令的模糊性让顾客感到困惑：他们不知道问题出在哪里，也不知道要如何正确地与系统相配合。自动化服务系统一方面要求顾客自己完成不同的任务，例如完成人脸识别；另一方面对顾客应该如何做、如何改正自己的行为没有任何指导。因此，用户需要根据他们“推测”的技术需要（在本文的案例中，即人脸识别技术的识别方式）来改变，或“格式化”自己的外表和行為，以确保能成功地实现机器识别。

传统旅游服务业中“顾客至上”的原则将服务活动中的失误和不便归结为服务人员的责任1，顾客在传统的服务交互活动中享有更高的权利2。然而，如今的机器人服务让顾客参与服务生产，要求顾客自行诊断潜在问题并自行解决。在自动化机器人服务中，顾客从“上帝”转变为了“劳动者”，他们需要不断地学习和改正自己对机器人服务系统的响应，以使得该服务互动能顺利进行。原本简单的身份识别由此变得复杂起来，大部分顾客需要花费更长的时间去完成入住登记。

（二）服务协助人员的缺席

智能机器人服务旨在用全自动化的智能机器和服务机器人取代人类雇员。因此，当顾客在操作自动化系统的过程中遇到问题或错误时，他们无法及时联系到一个“助手”。尽管酒店希望顾客能自行诊断和解决问题，但有些问题是顾客无法自行处理的——他们必须寻求帮助。根据本研究的观察，顾客寻求帮助的方式大致分为三种：呼叫远程协助、求助旁观者，或等待现场人工服务。

在自助入住机和服务机器人界面的右上角标有酒店服务热线。在遇到困难的时候，约3%的顾客将“致电服务中心”作为他们求助的第一步。简单的任务，如修改顾客姓名或身份证中的错误信息，可以由远程技术人员轻松解决。但有的时候，顾客无法清楚地陈述情况，远程助手也无法“看到”问题并为顾客提供最切合实际的解决方案，从而使远程交互成为一种低效率的寻求帮助的方式。电话交互研究显示了远程助手与求助者主体间性的重要性，只有当对话双方都能清晰、明确地理解对方关于问题和解决方案的描述时，通过电话进行远程协助才成为可能。3未能正确地定位问题源是导致远程助手无法进行有效技术支持的重要原因。

另一种便捷的求助方式是向旁观者寻求帮助。旁观者可以是已经或未完成系统操作的其他顾客（即可能是现场有经验的顾客），或刚好路过的酒店工作人员。但是，由于涉及个人隐私信息，无论是入住登记者还是其他旁观者都无法建立紧密的互助、合作关系。旁观者通常会尝试向求助的入住登记者说明自助入住机的工作原理和服务流程，但是不会为入住登记者提供实质性的帮助或在机器上进行实际的操作。因此，前两种方式效果都不佳。

于是，大部分顾客采用了第三种方式：等待酒店雇员到场进行协助。这是顾客采用的最有效和最常规的方法，即使它需要很长时间才能实现。呼叫远程协助中心未得到帮助的顾客将被告知等待现场服务人员，控制中心将联系现场服务人员并简要解释顾客的问题。届时值班人工服务人员会到达现场，进一步协助顾客解决问题。其他没有呼叫服务支持的顾客也会尝试通过大声呼喊或走遍整个楼层来寻找现场的人工服务人员。

当人工服务人员出现时，他们将与顾客沟通并找出不同的解决方案。部分案例显示，当现场助理帮助顾客重新进入自助登记流程时，如果他们认为是顾客对系统指令回应错误造成的交互失败，则会指导顾客校准他们对系统指令的回应，比如调整站立位置、姿势或移除部分配饰。对于系统预约信息与顾客身份证信息不匹配导致的问题，现场助理则会在后台系统中修改顾客信息，让顾客重新进行自助登记。对于因技术错误导致的情况，如注册系统卡在中间或机器无法读取顾客身份证时，现场服务人员将手动为顾客注册。

“人工服务人员的完全缺席”是服务业的一个挑战，它打破了传统服务关系的建立方式1，从根本上改变了服务活动的性质——使其完全智能化、数字化、标准化，这些自动化机器人从完全的服务工具转变为服务主体。当机器人系统宕机或者发生技术错误时，人工服务人员必须从自动化机器手中接过服务工作，重新为顾客提供人工服务。据两家机器人酒店的员工反映，自助登记机和服务机器人在过去两年的使用过程中偶尔会出现故障，给客人和店员带来不便。“请求—响应—交互”的程序需要时间来完成，因此，智能机器人的服务效率也在不知不觉中降低了。

（三）机器人交互技术的“不可见性”

前文以人脸识别互动为例分析了有关智能服务系统互动指令的模糊性对顾客理解、回应系统造成的不便，这种指令模糊性也说明了另一个问题，交互技术的“不可见性”。所谓“不可见性”，指的是人们无法清晰地“看见”技术的互动原理和互动进展。以前文提到的顾客在人脸识别活动中“自我调整”的行为为例，由于系统未能清楚地反馈顾客需要改进的“问题点”并提供改进建议，人们不知道系统背后的运算逻辑是什么，也不知道为什么他们的回应不能被系统顺利识别。顾客所有的调整活动都是依据他们对该技术的推测或预判进行的。这对技术准备度高的熟练顾客而言可能不是难事，但对于技术准备度低的新手顾客而言，就像是在与一个“黑盒子（Blackbox）”对话。

在调查中，本研究还发现了其他由于技术黑盒子的原因造成顾客无法顺利完成入住登记的情况，比如系统在注册过程中发生卡顿（例如系统长时间停留在某一页面），有的顾客会换另一台机器并再次（更可能，一次又一次）重复整个注册过程，直到成功完成入住登记2；又比如顾客在完成入住登记后需要等待很长时间才能收到系统发送包含房间号和房门密码的短信。在此期间，顾客不知道是什么导致了延误，甚至不知道他们的入住登记是否被系统确认。信息的不透明和不对称通常让顾客感到茫然和无助。没有了人工服务人员的协助，顾客“像是被机器遗忘在一个空白的世界里”（受访者，女，29岁）。

服务机器人也经常出现系统延迟。比如，两家酒店的服务机器人都出现了在客人完成登记后无法提供“领路”服务，甚至对人们的服务请求无响应。

表3互动片段1中的顾客向机器人“小乐”提出了一个“带路”的服务请求并有一个3秒的等待。随后，该顾客再次重复他的请求。然而，在接下来的4.6秒中，机器人没有任何回应。此时，该顾客放弃了这个互动并离开了机器人。有趣的是，在顾客离开5.2秒后，机器人响应了该顾客的服务请求。从机器人的响应来看，毫无疑问，它听清了问题，且正确地做出了回应——但这个延迟的响应让顾客误以为服务机器人不能为其提供服务。互动片段 2中的两位顾客在完成注册后等待机器人为他们带路。然而，在等待了7.4秒后，机器人仍无响应。因此，他们放弃了等待，并离开了机器人。在8.2秒后，机器人成功地同步了入住顾客的信息并询问是否需要提供带路服务。然而，机器人的延迟耗尽了顾客与机器人交互的兴趣，顾客早已离开了。

关于人机交互的研究表明，在交互开始后的前几秒内与人建立有效的交互至关重要12，机器人响应的延迟会降低顾客在实践中继续使用或交互机器人的兴趣。由于无法获取有关服务机器（人）的技术逻辑和响应进度，顾客无法确定面前的机器遇到什么样的技术阻碍或出现什么样的技术故障，这不仅降低了技术的有用性和易用性，降低了服务效率，也让无论技术准备度高还是低的顾客都无所适从。交互技术的不可见性使得技术故障不能得到快速且有效的修复，这与之前研究者期待的由智能自动化技术提升服务交互效率的期望3456相反。更重要的是，这种技术灾难会使顾客对酒店产生负面印象，不利于酒店业务的提升和智能机器人服务的发展。

五、讨论与启示

数字化智能机器人服务能否在实际服务互动中全面满足顾客的服务需要并提高服务效率？答案并不是唯一的。本研究证明，全自动化的机器人服务系统的确节省了部分顾客的时间，因为这类顾客已经拥有了与相关机器互动的技能——他们学会了如何对系统的指令做出反应并且可以很好地与机器人系统合作。这些顾客可以快速顺利地完成系统布置的任务，自主使用服务机器人。对于不想与陌生人频繁互动的顾客来说，数字化智能机器人服务可以让他们尽情地享受科技感（sense of technology）与自我隔离（self-isolation）。但是，对于不知道如何使用自动化机器人系统的顾客来说，全自动化的机器人服务系统却造成了顾客在服务过程中的诸多困难，降低了服务效率。

人脸识别交互失败导致顾客需要重复回应相同的指令以完成自助登记。反复出现的指令“揭示”了问题的存在，但不能“确定”问题的所在。互动指令的模糊性使得顾客需要花费大量的时间和精力对可能存在的问题进行反复的推断和修复。这个结果似乎与先前关于人脸识别技术嵌入特定类型分类框架（例如种族、性别、情感、年龄等）的观察相辅相成。1本研究的分析表明，客人和旁观者如何将他们的身体和脸部转化为自适应面部识别系统的“格式化输入”，没有灵活性可言。这种训练是“硬性的”，因为面部识别技术设置的条件必须由其用户和旁观者来满足。但是由于这种技术的“不可见性”，交互系统没有向使用者提供真正的帮助来指导他们进行、完成这项训练工作。因此，用户只能通过自我补救，不断去“调试”自己与机器的适配度——顾客在日常的人机交互实践中被动地训练自己的“工作技能”（work skill），以满足机器预设的交互要求。

不能忽视的是，顾客的自我修复也不是万能的。因此，人工服务人员的缺席进一步延长了顾客的等待时间，降低了服务效率。从技术上看，智能机器和服务机器人还不够成熟和稳定，目前的人工智能在很大程度上处于“人工低智能（弱AI）”阶段，机器人服务可能无法满足每一个需求，有时无法为人们服务。2而且，技术错误是不可避免的，遭遇技术困境的用户会对智能服务产生不同程度的不满（例如，Fan et al. 2020）。

当顾客需要寻求帮助时，服务协助人员的缺席使得他们不能在第一时间得到帮助。数字化机器人服务排除“人工”的参与来凸显其中的科技感和智能感，却忽略了服务活动中最本质的追求：让顾客的需求得到满足。对以客户为中心的自助服务理论的研究表明，在操作系统时，不熟练和技术抗拒的客户可能会在半服务中寻求人工帮助，而这种帮助除了可能引发顾客心理焦虑3外，无法满足顾客需求的自助服务技术也可能使他們感到尴尬4，或者给那些不熟练和产生技术抵抗的客户留下痛苦的经历5。然而，在机器人自动化自助服务中缺少人工服务人员，可能会减少客户寻找人工服务人员并寻求人工帮助的可能性，延长等待时间。

计算机系统的技术灾难从根本上挑战了智能机器人自助服务的根基，更不用说对服务效率的影响。当服务提供者“系统崩溃”的时候，数字化机器人服务就完全失去了魅力。在智能人机服务的互动过程中，顾客只能与物理存在的服务工具（即有形的服务机器）进行交互67；而服务机器的技术故障使得顾客失去了唯一能“沟通”的渠道，智能人机服务互动陷入困境。当顾客无法及时地接受到必要的帮助，他们会对数字化机器人服务感到失望，甚至产生负面情绪。

基于技术接受模型的研究路径，本研究提出了有关交互式人机互动技术（以本文的面部识别技术为例）在日常实践中的可见性方面的一些棘手问题。虽然大多数客人成功办理了入住手续，但由于自助服务终端缺乏反馈，客人无法解决问题，这意味着他们既依赖于要执行那些交互工作的背景知识，又依赖于运用类似于试错的方法来处理遇到的任何问题。不同于以往的研究者通过技术的有用性和易用性测量顾客的服务交互表现，本研究从顾客的服务交互实践入手分析了顾客的技术表现，以及顾客与数字化智能服务工具的交互效率。研究发现，交互指令的不清晰影响了用户技术准备能力的运用，人们无法迅速地对一个模糊的指令做出最正确的回应；交互技术的不可见性使得用户不能清晰地理解和运用该技术，导致技术本身的易用性降低，人们不能明确地了解他们面对的是何种技术，或该技术对他们的交互能力有何种要求；而现有交互技术的不充足发展和服务协助人员在用户遭遇技术困难时的缺席也降低了该技术的有用性。

此外，鉴于面部识别系统的“黑匣子”性质，目前尚不清楚可以轻松设计多少可理解的反馈。人机交互技术的“不可见性”是实现技术可用性提升的重要限制。从这个意义上说，社会科学的研究者在这方面的贡献可能有限。因此，一个可能的解决方案是让程序技术开发者，通过借鉴服务工作者在处理常见问题和解决问题方面的知识体系，在未来不断地改进该交互技术的有用度和易用度。故此，为了真正提高数字化智能机器人在实际使用中的服务效率和交互效果，本研究针对调查中发现的三个问题提出三点应用型建议：

服務机器人准确地说明操作过程。在互动开始之前，智能服务机器可以以图片、视频等方式对接下来的服务流程做出易于理解的说明。为使顾客能顺利使用机器，节省交互时间，提高服务效率，作为独立的服务提供者的服务机器人应当向顾客展示有关“如何响应系统指令”的讲解和示范。程序设计者可以考虑在发生错误（如无法识别顾客的面部数据）时，加入适当的错误提示和回应改进建议。

服务商家建立“求助—反馈”快速反应机制。智能服务商家应当为需要远程协助或现场指导的顾客设置快速响应协议（quick responding protocol），确保有困难的顾客能够得到及时的帮助，避免顾客对智能技术，乃至服务商家产生负面情绪和印象。同时，服务商家也可以考虑发展有经验的顾客为新顾客提供力所能及的帮助，提供“以老带新”的技术协助模式。

升级语音交互机器人的 ASR 系统和语料库。为保证服务问询、信息提供及其他智能语音互动的顺利进行，服务机器人系统应当加强自然语言学习（language learning）能力的提升和扩大本地语料库的数据域，使语音识别系统在机器人交互服务中发挥更好的作用，尽量减少语音交互中的识别偏差。

六、结 论

自动化机器人服务是数字化智能服务的一种新形式，是智能服务转型的一个重要体现。它以“新型无人辅助的全机械服务方式”挑战了经典的“由服务人员主导的”服务模式。数字化服务技术将顾客变成了劳动力的一部分，并要求顾客按照系统预先设置的要求，接管并完成服务交互过程中几乎所有的“工作”。尽管研究者对数字化智能技术在旅游和服务领域的前景有着乐观的预期和热切的期待，但目前的智能机器人系统在实际服务中给顾客带来了诸多不便，且没能及时提供有效的解决方案，进而降低了服务效率。智能机器人服务的本质是一种以机器程序为导向的数字化服务模式，它要求顾客主动地认知、分析和理解系统并学会与系统协作。但是，对于初次接触该技术的顾客来说，这些工作需要时间和额外的活动来完成。这种“现场学习”的交互模式降低了机器人服务的实际效率，且可能对智能人机服务交互产生负面影响。为了提高自动化机器人服务效率，本研究建议，未来的自动化智能机器服务系统应该转变为用户友好型的服务工具，在实际的社会应用中增强技术的可见性，以便用户理解技术的交互逻辑，并尝试让顾客从智能服务的“半劳动者”转变为服务的“完全享受者”，优化顾客的智能服务交互体验，加快数字化旅游产业的全面转型升级。

责任编辑：刘诗能

作者简介：许馨芷，博士，研究方向为人工智能社会学、人机交互、数字智能社会研究、消费研究等。

1 Addo E，Yagci K，Automation，Tourism. Springer，Cham，2014，pp.1-8.

2 Murphy J，Hofacker C and Gretzel U，Dawning of the Age of Robots in Hospitality and Tourism： Challenges for Teaching and Research，European Journal of Tourism Research，vol.15 （March 2017），pp. 104-111.

3 Ivanov S，Webster C，Information and Communication Technologies in Tourism，Springer，Cham. 2019，pp.237-248.

4 Lu L，Zhang P and Zhang C，Leveraging “Human-Likeness” of Robotic Service at Restaurants，International Journal of Hospitality Management，vol. 94，no.102823 （April 2021），pp.1-9.

5 Luoh H，Tsaur S and Tang Y，Empowering Employees： Job Standardisation and Innovative Behavior，International Journal of Contemporary Hospitality Management，vol. 26，no.7 （October 2014），pp. 1100-1117.

6 Gurkaynak G，Yilmaz I and Haksever G，Stifling Artificial Intelligence： Human Perils，Computer Law & Security Review，vol.32，no.5 （October 2016），pp.749-758.

7 Rosenbaum M S，Wong I，If You Install It，Will They Use It？ Understanding Why Hospitality Customers Take 'Technological Pauses' From Self-Service Technology，Journal of Business Research，vol.68，no.9 （September 2015），pp.1819–2044.

8 Boon-itt S，Managing Self-Service Technology Service Quality to Enhance E-Satisfaction，International Journal of Quality and Service Sciences，vol.7，no.4 （November 2015），pp.373-391.

9 Patsiotis A G，Hughes T and Webber D J，An Examination of Consumers' Resistance to Computer-Based Technologies，Journal of Services Marketing，vol.27，no.4 （July 2013），pp.294–311.

1 Shneiderman B，Human-Centered Artificial Intelligence： Reliable，Safe & Trustworthy，International Journal of Human–Computer Interaction，vol.36，no.6 （March 2020），pp.495-504.

2 Du Gay P，Scott A，State Transformation or Regime Shift？ Addressing Some Confusions in The Theory and Sociology of The State，Sociologica，vol.4，no.2 （February 2010），pp.1-24.

3 Mcclure P K，"You're Fired，" says The Robot： The Rise of Automation in The Workplace，Technophobes，And Fears of Unemployment，Social Science Computer Review，vol.36，no.2 （March 2018），pp.139-156.

4 Hassan T，Hameed A，Nisar S，et al.，Al-Zahrawi： A Telesurgical Robotic System for Minimal Invasive Surgery，IEEE Systems Journal，vol.10，no.3 （September 2014），pp.1035-1045.

5 Tsai Y T，Tiwasing P，Customers' Intention to Adopt Smart Lockers in Last-Mile Delivery Service：A Multi-Theory Perspective，Journal of Retailing and Consumer Services，vol.61，no.102514 （July 2021），pp.1-9.

6 Beverungen D，Breidbach C F，Poeppelbuss J，et al.，Smart Service Systems： An Interdisciplinary Perspective，Information Systems Journal，vol.29，no.6 （June 2019），pp.1201-1206.

7 Belanche D，Casaló L V and Flavián C，Frontline Robots in Tourism and Hospitality： Service Enhancement or Cost Reduction，Electronic Markets，vol.31，no.3 （July 2021），pp.477-492.

8 Prentice C，Nguyen M，Engaging and Retaining Customers with AI And Employee Service. Journal of Retailing and Consumer Services，vol.56，no.102186 （September 2020），pp.1-13.

1 Ritzer G，Prosumer Capitalism，The Sociological Quarterly，vol.56，no.3 （November 2015），pp.413-445.

2 Prentice C，Nguyen M，Engaging and Retaining Customers with AI And Employee Service. Journal of Retailing and Consumer Services，vol.56，no.102186 （September 2020），pp.1-13.

3 Huang M，Roland T R，Artificial Intelligence in Service，Journal of Service Research，vol.21，no.2 （February 2018），pp.155-172.

4 Abubakar A M，Using Hybrid Sem–Artificial Intelligence： Approach to Examine the Nexus Between Boreout，Generation，Career，Life and Job Satisfaction，Personnel Review，vol.49，no.1 （December 2020），pp.67-86.

5 Rosenbaum M S，Wong I，If You Install It，Will They Use It？ Understanding Why Hospitality Customers Take 'Technological Pauses' From Self-Service Technology，Journal of Business Research，vol.68，no.9 （September 2015），pp.1819–2044.

6 Xu X，Greiffenhagen C，The “Disciplined” Customer： A Video-Based Study of Automated Self-Service Hotels，New Media & Society，（forthcoming），pp.1-28.

7 Lin J C，Hsieh P，The Role of Technology Readiness In Customers' Perception And Adoption Of Self-Service Technologies，International Journal of Service Industry Management，vol.17，no.5 （October 2006），pp.497-517.

8 Parasuraman A，Technology Readiness Index （Tri）： A Multiple-Item Scale to Measure Readiness to Embrace New Technologies，Journal of Service Research，vol.2，no.4 （May 2020），pp.307–320.

9 Roy S K，Balaji M S，Quazi A，et al.，Predictors of Customer Acceptance of And Resistance to Smart Technologies in The Retail Sector，Journal of Retailing and Consumer Services，vol.42 （May 2018），pp.147-160.

10 Rosenbaum M S，Wong I，If You Install It，Will They Use It？ Understanding Why Hospitality Customers Take 'Technological Pauses' From Self-Service Technology，Journal of Business Research，vol.68，no.9 （September 2015），pp.1819–2044.

11 Boon-itt S，Managing Self-Service Technology Service Quality to Enhance E-Satisfaction，International Journal of Quality and Service Sciences，vol.7，no.4 （November 2015），pp.373-391.

12 Greiffenhagen C，Xu X and Reeves S，The Work to Make Facial Recognition Work，Proceeding of the ACM on Human-Computer Interaction，vol.7，CSCW1 （April 2023），pp.1-30.

13 Patsiotis A G，Hughes T and Webber D，An Examination of Consumers' Resistance to Computer-Based Technologies，Journal of Services Marketing，vol.27，no.4 （July 2013），pp.294–311.

1 Venkatesh V，Davis F D，User Acceptance of Information Technology： Toward A Unified View，MIS Quarterly，vol.27，no.3 （September 2003），pp.425-478.

2 Venkatesh V，Bala H，Technology Acceptance Model 3 And A Research Agenda on Interventions，Decision Sciences，vol.39，no.2 （May 2008），pp.273-315.

3 Baharin A T，Lateh H，Nathan S S，et al，Evaluating Effectiveness of IDEWL Using Technology Acceptance Model，Procedia - Social and Behavioral Sciences，vol.171 （January 2015），pp.897-904.

4 李軍、宋晨鹏、叶浩彬：《智能服务情境下消费者对服务型机器人使用意愿研究》，《旅游学刊》2023年第38期。

5 本文不是一个完全基于技术接受模型的研究，但结合该模型中的主要观点，对数字化机器智能服务具体实践的有关视频数据进行了分析。

6 Lee Y，Kozar K A and Larsen K R，The Technology Acceptance Model： Past，Present，and Future，Communications of the Association for information systems，vol.12，no.1 （December 2003），pp.752-780.

7 Garfinkel H，Studies in Ethnomethodology，Englewood Cliffs，1967，pp.25-95.

8 Sacks H，Lectures on Conversation，Oxford，1992，pp.417-518.

9 Mondada L，Svinhufvud K，Writing-In-Interaction： Studying Writing as A Multimodal Phenomenon in Social Interaction，Language and Dialogue，vol.6，no.1 （January 2016），pp.1-53.

10 Oshima S，Achieving Consensus Through Professionalized Head Nods： The Role of Nodding in Service Encounters in Japan，International Journal of Business Communication，vol.51，no.1 （January2014），pp.31-57.

11 Harjunp?? K，Mondada L and Svinhufvud K，The Coordinated Entry into Service Encounters in Food Shops： Managing Interactional Space，Availability，and Service During Openings，Research on Language and Social Interaction，vol.51，no.3 （September 2018），pp.271-291.

12 Moore R J，When Names Fail： Referential Practice in Face-To-Face Service Encounters，Language in society，vol.37，no. 3 （May 2008），pp.385-413.

13 Moore R J，"Ethnomethodology and Conversation Analysis： Empirical Approaches to The Study of Digital Technology In Action"，In The SAGE handbook of digital technology research，London： Sage，2013，pp.217-235.

14 Suchman L A，Human-Machine Reconfigurations： Plans and Situated Actions，Cambridge University Press，2007，pp.61-78.

15 Heath C，Luff P，Technology in Action，Cambridge University Press，2000，pp.1-31.

16 Yamauchi Y，Whalen J and Bobrow D，Information Use of Service Technicians in Difficult Cases，Proceedings of the SIGCHI conference on Human factors in computing systems SIGCHI，（April 2003），pp.81-88.

1 Moore R J，Whalen J and Gathman E C，"The Work of The Work Order： Document Practice in Face-To-Face Service Encounters"，In Organisation，Interaction and Practice Studies of Ethnomethodology and Conversation Analysis，London： Cambridge University Press，2010，pp.172-197.

2 许馨芷：《“看，机器人！”：人工智能机器人在服务实践中的多元角色构建》，《科学与社会》2022年第12期。

3 Pitsch K，Limits and Opportunities for Mathematising Communicational Conduct for Social Robotics in The Real World Toward Enabling a Robot to Make Use of The Human's Competences，AI & SOCIETY，vol.31，no.4 （December 2015），pp.587-593.

4 Van Doorn J，Mende M，Noble S M，et al.，Domo Arigato Mr. Roboto： Emergence of Automated Social Presence in Organisational Frontlines and Customers'Service Experiences，Journal of Service Research，vol.20，no.1 （November 2017），pp.43-58.

1 為保护受访者隐私，本文不披露受访者的相关信息。

2 Heath C，Hindmarsh J and Luff P，Video in Qualitative Research，Sage Publications，2010，pp.61-108.

3 Pink S，Sumartojo S，Lupton D，et al.，Empathetic Technologies： Digital Materiality and Video Ethnography，Visual Studies，vol.32，no.4 （December 2017），pp.371-381.

4 Gail J. Conversation Analysis： Studies from The First Generation. Amsterdam：John Benjamins，2004，pp.13-31.

1 Huang M，Roland T R，Artificial Intelligence in Service，Journal of Service Research，vol.21，no.2 （February 2018），pp.155-172.

1 Andreassen T，Rutger D and Line L，Customer Inconvenience and Price Compensation： A Multiperiod Approach to Labor-Automation Trade-Offs in Services，Journal of Service Research，vol.21，no.2 （November 2018），pp.173-183.

2 Yagil D，"Abuse from Organisational Outsiders： Customer Aggression and Incivility"，In Special Topics and Particular Occupations，Professions and Sectors，Springer，2021，pp.109-134.

3 Vinkhuyzen E，Whalen J，"Expert System Technology in Work Practice： A Report on Service Technicians and Machine Diagnosis"，In Orders of Ordinary Action： Respecifying Sociological Knowledge，Aldershot，Ashgate，2007，pp.135–158.

1 Donavan D，Brown T and Mowen J，Internal Benefits of Service-Worker Customer Orientation： Job Satisfaction，Commitment，And Organisational Citizenship Behaviors，Journal of Marketing，vol.68，no.1 （January 2004），pp.128-146.

2 有時候，顾客在两台机器之间来回倒腾好几次，最后还不得不寻求其他人的帮助。

1 Pitsch K，Kuzuoka H，Suzuki Y，et al.，“The First Five Seconds”： Contingent Stepwise Entry into An Interaction as A Means to Secure Sustained Engagement in HRI，The 18th IEEE International Symposium on Robot and Human Interactive Communication，（November 2019），pp.985-991.

2 许馨芷：《“看，机器人！”：人工智能机器人在服务实践中的多元角色构建》，《科学与社会》2022年第12期。

3 Lu L，Zhang P and Zhang C，Leveraging “Human-Likeness” of Robotic Service at Restaurants，International Journal of Hospitality Management，vol. 94，no.102823 （April 2021），pp.1-9.

4 Beverungen D，Breidbach C，Poeppelbuss J，et al.，Smart Service Systems： An Interdisciplinary Perspective，Information Systems Journal，vol.29，no.6 （June 2019），pp.1201-1206.

5 Gretzel U，Sigala M，Xiang Z，et al.，Smart Tourism： Foundations and Developments，Electronic Markets，vol.25 （August 2015），pp.179-188.

6 Huang M，Roland T R，Artificial Intelligence in Service，Journal of Service Research，vol.21，no.2 （February 2018），pp.155-172.

1 Scheuerman M，Kandrea W，Caitlin L，et al.，How Weve Taught Algorithms to See Identity： Constructing Race and Gender in Image Databases For Facial Analysis，Proceedings of the ACM on Human-Computer Interaction，vol.4，CSCW1 （January 2020），pp.1–35.

2 Kaplan，A，Haenlein M，Siri，Siri，In My Hand： Who's The Fairest in The Land？ On The Interpretations，Illustrations，And Implications of Artificial Intelligence，Business Horizons，vol.62，no.1 （January–February 2019），pp.15-25.

3 Meuter M，Ostrom A，Bitner M，et al.，The Influence of Technology Anxiety on Consumer Use and Experiences with Self-Service Technologies，Journal of Business Research，vol.56，no.11 （November 2003），pp.899–906.

4 Zhu Z，Nakata C，Sivakumar K，et al.，Fix It or Leave It？ Customer Recovery from Self-Service Technology Failures，Journal of Retailing，vol.89，no. 1 （March 2013），pp.15–29.

5 Petranka K，Lawlor J and Mulvey M，Customer Roles in Self-Service Technology Encounters in A Tourism Context，Journal of Travel & Tourism Marketing，vol.34，no.2 （April 2017），pp.222-238.

6 Chuah S，Yu J，The Future of Service： The Power of Emotion in Human-Robot Interaction，Journal of Retailing and Consumer Services，vol.61，no. 102551 （July 2021），pp.1-8.

7 Prentice C，Managing Service Encounters with Emotional Intelligence，Journal of Retailing and Consumer Services，vol.51（November 2019），pp.344-351.