2026年6月15日上午9：00，中国营销工程与创新研究中心(以下简称“MEI”)2025-2026年第二学期第16次研讨会(以下简称“Seminar”)在MEI如期举行，参与本次研讨会的有黄敏学老师及MEI各位成员。

　　本次Seminar由李可欣研读文章《ENHANCING AI-ASSISTED PURCHASE DECISIONS: THE ROLE OF THE SENSE OF AUTONOMY》。

　　一、 研究背景

　　AI通过数据学习(即机器学习)并可自主制定决策规则，这些规则可能并非完全人为设定(Baird & Maruping, 2021)，甚至未必得到人类用户的认可。

　　依托大规模消费者数据，人工智能领域的一个新兴应用领域是个性化推荐系统——这类系统能独立预测用户偏好，并为每位用户提供“最适宜”或“最佳”产品选择的专业建议(例如基于AI驱动的服装选购系统)。一方面，消费者可将部分决策权交予系统(例如从选择合适尺寸到借助“专家”AI做出更优决策，这一过程体现了不同层面的互动。另一方面，消费者可能认为AI会限制或干扰其个人意愿与优先事项，削弱其在决策过程中的自主性。

　　这形成了一个悖论：当消费者依赖AI来优化决策时，其自主性可能会受到损害，进而影响决策质量。这一悖论凸显了重新审视消费者自主性在AI辅助决策中作用的重要性。

　　因此，本研究的研究问题聚焦在：

　　•自主性在AI辅助决策中扮演何种角色？它如何影响决策结果？

　　• 若自主性确实具有积极作用，应采用哪些措施来增强这种自主性？为何此类措施可能有效？

　　本研究通过使用基于人工智能的推荐系统分析服装产品的消费决策来验证这一理论。选择服装属于“复杂”决策，因为其决策过程涉及高度个性化且通常源自每位消费者的内在因素，如独特品味、价值观及个人处境(Sierra & Hyman, 2011)。因此，服装购买为研究这些问题提供了理想的应用场景。

　　基于本研究理论框架，提出了一种创新设计方案，使消费者能够通过个人智能手机使用AI。在个人智能手机上应用人工智能可显著提升用户的自主性体验。具体而言，智能手机所提供的私密个人环境能够激发自我反思，引导用户关注自身的思想与情感。这种内省状态有助于培养强烈的自主意识，使用户能更敏锐地感知自身独特需求与偏好，并据此做出决策。

　　二、 理论框架

　　任务委托给AI

　　人类如何借助人工智能工作及做出决策的文献，这些研究大多基于任务委托理论框架(Baird & Maruping, 2021;Fügener et al., 2022)。该框架认为：虽然人工智能在某些任务中表现优异，但人类在其他任务中更为出色;因此，人机协作应根据双方的相对优势最优分配任务。人类与人工智能协同工作时的性能将超越任一实体单独工作的效果。

　　以往研究表示：任务分配策略的概念化包括替代性分配、互补性分配(Choudhury et al., 2020)、增强型分配(Krakowski et al., 2022)以及人机协同决策(De-Arteaga et al., 2020)。

　　核心观点在于：要提升整体决策能力与执行效果，必须明确何时及如何将任务分配给人工智能或人类(Lyytinen et al., 2021)

　　AI辅助决策

　　相关决策认为，尽管良好的建议从理想角度而言有助于提升效果，但在做出决策时，人们往往(错误地)会轻视他人的建议(Bonaccio & Dalal，2006)。

　　Dietvorst 等(2015)发现一种“算法厌恶”效应，表明人们在看到人工智能在预测任务中犯错误时，会很快失去对人工智能的信心，并选择那些准确性稍低的建议。

　　相比之下，Logg 等(2019)展示了一种“算法认可”效应，即人们会更加重视他人的建议——当他们认为这源自于人工智能算法而非人类时。他们发现，这种算法欣赏效应会在人们开始怀疑 AI 在特定领域能否表现出色时逐渐减弱，例如那些被视为主观性的任务(Castelo 等，2019)，或关于享乐价值估算的内容(Longoni & Cian，2022)。

　　消费者对AI接受度

　　研究聚焦于消费者面对旨在为其服务的人工智能系统时所涉及的心理机制。Kim 和 Duhachek(2020)发现，当信息重点阐述人工智能如何执行操作而非其决策动机时，消费者会认为这类由AI发出的信息比人类提供的信息更具说服力——这源于他们认为人工智能缺乏主观意图。

　　Schrift 等人(2019)研究发现，能够学习并预测消费者偏好的人工智能系统可能引发负面反应，因其会威胁消费者的自主决策权。具体而言，当消费者意识到自己的选择行为可被人工智能预测时，往往会选择自己原本不太偏好的选项。研究者指出，消费者会违背自身偏好以恢复自主感。Schrift 等人的研究成为关于人工智能作为自主权威胁、可能引发消费者抵触情绪这一观点的核心依据(例如Andre等人，2018;Davenport等人，2020)。

　　三、 研究概览

　　本研究包含三个部分。第一部分(研究1A、B)证实，增强使用人工智能时的自主感可提升消费者购买决策的质量(研究1A、B)，并验证了该效应的外部效度。研究1A(针对透明度材料4)排除了其他重要的替代解释(研究1B)。第二部分(研究2A、2B)探讨了驱动这一效应的内在机制，证据表明增强自主感可通过缓解人工智能的影响来改善决策质量。第三部分(研究3A、3B)提出了切实可行的解决方案，旨在增强消费者使用人工智能时的自主感：研究3A表明基于个人智能手机的人工智能设计能提升用户的自主感;研究3B则在真实应用场景中验证了该方案的有效性，从而凸显了本研究的实际价值与管理意义。

　　一、 研究设计

　　（一）第一部分：研究1A与1B：自主感对购买决策的影响

　　研究1A：

　　研究目的：旨在验证增强用户在使用人工智能时的自主感是否能够提升购买决策质量

　　研究设计：研究招募了124名上海某高校本科生(女性占70.16%，平均年龄20.52岁)，采用单因素被试间设计，参与者被随机分配至高自主性AI描述组、低自主性AI描述组或对照组(无描述组)。参与者在模拟服装零售店中使用真实AI推荐系统完成选购任务，随后报告购买意愿和决策满意度。

　　研究结果：AI描述处理对两项因变量均存在显著主效应：高自主性组在决策满意度(M=5.59，SD=0.87)和购买意愿(M=5.26，SD=0.85)上均显著高于低自主性组(满意度M=4.59，SD=1.00;意愿M=3.95，SD=0.95)，而低自主性组与对照组之间无显著差异，从而支持了增强自主感可提升人工智能辅助决策质量的假设。

　　研究1B：

　　   研究目的：验证研究1A中观察到的积极效应是否可由信息处理增强这一替代解释所驱动，并进一步提供过程证据。

　　研究设计：招募了159名上海某高校本科生(女性占81.76%，平均年龄20.38岁，标准差=1.61)，采用2×2被试间设计，两个自变量分别为AI描述方式(高自主性vs.低自主性)和认知负荷水平(高负荷vs.对照组)，下图展示操纵认知负荷水平。参与者在完成点阵记忆任务以操控认知负荷后，进行与研究1A相同的服装选购任务，随后报告购买意愿、决策满意度和决策信心。

　　实验结果：AI描述方式对决策信心存在显著主效应(F(1,149)=12.42，p<0.001，偏η²=0.08)，高自主性组的决策信心(M=4.55，SD=0.93)显著高于低自主性组(M=4.04，SD=0.90);对决策满意度也存在显著主效应(F(1,149)=10.04，p=0.002，偏η²=0.06);对购买意愿同样存在显著主效应(F(1,149)=14.63，p<0.001，偏η²=0.09)。但认知负荷与AI描述之间的交互效应在三项因变量上均不显著(决策满意度F(1,149)=0.99，p=0.32;购买意愿F(1,149)=0.14，p=0.71;决策信心F(1,149)=0.39，p=0.53)，即施加认知负荷并未削弱高自主性带来的积极效应。这一结果排除了信息处理增强作为主要驱动机制的解释，支持了自主感本身的作用。

　　（二）第二部分：研究2A与2B：自主感的两种不同机制

　　研究2A：

　　研究目的：检验增强自主感提升决策质量的内在机制，具体比较了两种可能的路径：缓解“独特性忽视”关注与降低心理抗拒。

　　研究设计：研究招募了83名上海某高校本科生(女性占81.93%，平均年龄19.77岁，标准差=1.88)，采用单因素被试间设计，参与者被随机分配至高自主性或低自主性AI描述条件，完成与研究1A相同的服装选购任务后，报告购买意愿、决策满意度、决策信心，并测量其对AI独特性忽视的关注程度以及心理抗拒水平。

　　研究结果：高自主性组在决策满意度(M=5.33，SD=1.10)、决策信心(M=4.59，SD=1.08)和购买意愿(M=4.98，SD=1.15)上均显著高于低自主性组(满意度M=4.67，SD=1.31，F(1,75)=7.84，p=0.007，偏η²=0.10;信心M=4.17，SD=0.97，F(1,75)=4.14，p=0.05，偏η²=0.05;意愿M=4.10，SD=1.28，F(1,75)=12.26，p<0.001，偏η²=0.14)。中介分析显示，独特性忽视关注显著介导了高自主性对决策满意度的正向影响(间接效应=0.52，SE=0.20，95%CI[0.12,0.90])、对决策信心的正向影响(间接效应=0.24，SE=0.12，95%CI[0.04,0.50])以及对购买意愿的正向影响(间接效应=0.39  SE=0.16，95%CI[0.08,0.72])。然而，心理抗拒的中介效应在三项因变量上均不显著(决策满意度间接效应=0.23 SE=0.16，95%CI[-0.08,0.54];决策信心间接效应=0.12，SE=0.09，95%CI[-0.05,0.33];购买意愿间接效应=0.18，SE=0.14，95%CI[-0.06,0.48])。这些结果为自主感通过缓解独特性忽视关注来提升决策质量的理论机制提供了过程证据，但未能支持心理抗拒作为替代机制的解释。

　　研究2B：

　　研究目的：旨在通过操控决策是否需要独特个人考量，进一步验证自主感的作用机制：若增强自主感是通过弥补AI的“独特性忽视”来提升决策质量，则当决策几乎无需独特考量时，该积极效应应被削弱。

　　研究设计：招募了164名上海某高校本科生(女性占76.83%，平均年龄20.52岁，标准差=2.19)，采用2×2被试间设计，两个自变量分别为AI描述方式(高自主性vs.低自主性)和产品接收者类型(为自己决策vs.为普通他人决策)。参与者完成服装选购任务后，报告购买意愿、决策满意度和决策信心。

　　研究结果：AI描述方式与产品接收者类型之间在决策满意度上存在显著的交互效应(F(1,154)=6.91，p=0.009，偏η²=0.04)：当参与者为自己决策时，高自主性组(相较于低自主性组)显著提升了决策满意度(F(1,75)=11.26，p=0.001，偏η²=0.13);但当参与者为普通他人决策时，该效应消失(F(1,73)=0.15，p=0.70)。决策信心方面同样存在显著的交互效应(F(1,154)=5.58，p=0.02，偏η²=0.04)，购买意愿方面亦如此(F(1,154)=6.96，p=0.009，偏η²=0.04)。这些结果进一步支持了本研究的理论机制：增强的自主感通过促使消费者融入个人独特因素来弥补AI的独特性忽视，从而提升决策质量;当决策本身无需独特考量时，这一积极效应随之减弱。

　　（三）第三部分：研究3A与3B：基于智能手机的商店人工智能干预措施

　　研究3A：

　　研究目的：验证一种切实可行的设计方案——通过个人智能手机使用人工智能——能否增强用户的自主感，进而提升购买决策质量。

　　研究设计：招募了184名上海某高校研究生(女性占77.17%，平均年龄22.39岁，标准差=2.79)，采用单因素被试间设计，参与者被随机分配至三种实验条件之一：通过个人手机使用AI组、通过零售商提供的手机使用AI组，以及对照组(直接使用AI设备)。所有参与者均使用真实AI推荐系统完成服装选购任务，随后报告自主感、购买意愿和决策满意度。

　　研究结果：三种条件在自主感上存在显著差异(F(2,175)=16.78，p<0.001)：个人手机组的自主感(M=5.57，SD=0.78)显著高于零售商手机组(M=4.71，SD=1.06，F(1,116)=28.97，p<0.001，偏η²=0.20)和对照组(M=4.81，SD=0.86，F(1,113)=25.28，p<0.001，偏η²=0.18)，而后两者之间无显著差异(F(1,115)=0.46，p=0.50)。决策满意度方面同样存在显著主效应(F(2,175)=19.51，p<0.001，偏η²=0.18)：个人手机组(M=5.83，SD=0.66)显著高于零售商手机组(M=5.01，SD=0.98，F(1,116)=31.18，p<0.001，偏η²=0.21)。购买意愿方面也存在显著主效应(F(2,175)=10.34，p<0.001，偏η²=0.11)：个人手机组(M=5.46，SD=1.06)显著高于零售商手机组(M=4.70，SD=1.16，F(1,116)=15.00，p<0.001，偏η²=0.11)。中介分析进一步表明，自主感显著介导了个人手机使用(相较于零售商手机)对决策满意度的正向影响(间接效应=0.52，SE=0.13，95%CI[0.28,0.80])以及对购买意愿的正向影响(间接效应=0.56，SE=0.13，95%CI[0.33,0.85])。这些结果表明，基于个人智能手机的人工智能设计能够有效增强用户的自主感，进而提升购买决策质量。

　　研究3B：

　　研究目的：验证两种增强自主感的干预方案(高自主性AI描述与个人智能手机AI设计)在实际零售场景中对真实购买行为的影响。

　　研究设计：研究于2019年11月至12月在上海一家时尚零售店连续开展6周，分析单位为221种独立产品(涵盖上衣、下装及外套/夹克三类)，其中100种为AI商店可访问的处理组产品，121种为不可访问的基线产品。随机化检查确认处理组与基线组在产品价格、折扣幅度、处理前销售量及处理前退货率上均无显著差异。

　　研究结果：产品类型(处理组vs.基线组)对产品销量具有显著正向影响(系数=0.30，p=0.02)，对产品退货率则存在显著负向影响(系数=-0.04，p=0.11)，表明两种处理方式均能提升销量并降低退货率。进一步分析两种方案的差异发现，产品类型与处理条件之间在产品销量上存在边缘显著的交互效应(系数=0.32，p=0.06)，说明个人手机条件下的销量增幅大于描述条件;在产品退货率上存在显著的交互效应(系数=-0.07，p=0.04)，说明个人手机条件下的退货率降幅大于描述条件。这些实地实验结果表明，本研究提出的两种自主感增强方案在实际零售环境中均能有效改善产品销售表现，其中基于个人智能手机的设计方案效果更为突出，从而验证了研究结果的外部效度与管理实践意义。

　　一、 研究结论

　　本研究通过五项实验室实验及一项实地实验，系统验证了增强消费者在使用人工智能时的自主感能够有效提升购买决策质量。

　　研究结果表明，自主感的增强促使消费者将个人独特偏好与需求融入人工智能辅助决策过程，从而弥补了人工智能推荐系统难以捕捉个体化决策因素的“独特性忽视”这一固有局限，进而带来更高的购买意愿、决策满意度和决策信心，并显著提升了实际产品销量、降低了产品退货率。这一效应并非由信息处理增强或心理抗拒降低所驱动。

　　进一步地，本研究提出并验证了一种切实可行的设计方案——让消费者通过个人智能手机使用人工智能服务，该方案能够在实际零售场景中有效增强用户的自主感。

　　总体而言，本研究揭示了自主感在人工智能辅助决策中的独特作用机制，为零售商和人工智能系统设计者提供了以人为本的实践指导，强调在人工智能系统设计中应注重培养用户的自主决策意识，以弥补人工智能在个体化因素捕捉方面的不足，从而最大化人工智能辅助决策的价值。

　　二、 研究启示

　　1.理论贡献

　　第一，本研究识别并验证了自主感作为提升人工智能辅助决策质量的关键因素，揭示了其通过弥补人工智能“独特性忽视”这一固有局限来优化决策的独特机制，将人工智能辅助决策的研究视角从传统的任务委托理论拓展至消费者个性化决策领域。

　　第二，本研究区分并实证检验了自主感的两种作用机制，发现其积极效应源于缓解消费者对AI忽视自身独特性的担忧，而非源于降低心理抗拒，这一发现挑战了以往研究将人工智能视为“自主权威胁”从而引发消费者抵触情绪的主流观点，为理解自主感在AI应用中的作用提供了新的理论框架。

　　第三，本研究对“独特性忽视”概念进行了理论拓展，将其从消费者对AI的感知担忧延伸至AI技术本身在捕捉个体化因素方面的客观局限，并证明增强自主感能够同时应对这两个层面，从而丰富了关于人工智能抵触现象的文献体系。

　　第四，本研究首次从理论推导与实证检验两个层面，揭示了个人智能手机作为AI交互接触点能够增强用户自主感的新机制，为以人为本的人工智能系统设计提供了理论依据，同时也为个人设备使用领域的相关研究开拓了新的方向。

　　2.管理启示

　　第一，零售商应审慎设计AI系统的描述方式与交互界面，避免将门店AI塑造成“时尚专家”或“智能向导”等可能削弱消费者自主决策意识的形象。大众媒体和行业宣传中普遍采用的此类描述方式，实际上会抑制消费者的自主感，从而削弱而非提升购买体验与决策质量。零售商在部署AI系统时，应强调用户是决策过程的核心主体，突出其对推荐结果的最终控制权。

　　第二，允许消费者通过个人智能手机使用AI服务是一种切实可行且效果显著的干预方案。实地实验证明，该设计方案不仅能够有效增强用户的自主感，还能在实际零售场景中显著提升产品销量并降低退货率，且其效果优于单纯的信息描述型干预。该方案实施成本低、用户接受度高，零售商可直接通过微信小程序等轻量级应用实现快速部署。

　　第三，降低产品退货率应成为AI系统设计的重要考量目标。本研究的实地实验表明，通过增强消费者自主感来提升决策质量，是一种经济高效的退货管理策略。相较于传统的退货政策调整或物流优化，从决策源头提升消费者的购买信心与满意度，能够更根本地减少因“决策不当”而引发的退货行为，为零售商节约可观的运营成本。

　　3.未来研究议题

　　第一，研究采用了真实的零售店人工智能系统，AI向每位参与者提供的推荐结果因个体身体特征差异而无法完全保持一致。尽管这一设计符合实际应用场景且随机化设计确保了结果的有效性，但未来研究可在实验室环境中进一步探讨不同AI推荐质量水平下自主感效应的稳定性。

　　第二，本研究以服装购物这一典型的复杂消费决策为研究情境，研究结论在推广至其他决策领域时需要进一步验证。未来研究可将自主感的效应拓展至其他个性化推荐场景(如食品推荐、娱乐内容推荐、金融产品选择等)，检验在不同决策类型中自主感作用的边界条件，尤其是在用户对决策领域熟悉度不同或自身偏好不明确的情况下，自主感的效应是否依然显著或可能产生相反影响。

　　第三，本研究的实验均为短期一次性的AI使用体验，未能考察长期习惯性使用AI系统对自主感的影响。随着AI系统日益融入消费者日常生活，未来研究可采用纵向设计，探讨消费者在反复与AI系统交互的过程中，自主感是否会发生适应性变化，以及这种变化对决策质量的长期影响。

　　第四，本研究主要聚焦于智能手机这一交互接触点，未来研究可进一步探索新兴人机交互方式(如语音交互、智能眼镜、手势控制、脑机接口等)对用户自主感的影响，为下一代AI系统的以人为本设计提供更丰富的理论支持。

　　至此，本次Seminar文章研读完毕。

　　之后，由赵文青、王紫灵和孙嘉悦分享研究进展，老师与同学们提出了建议，并明确了进一步的研究计划。至此，本学期第16次Seminar圆满结束。

　　文字 /李可欣

　　排版 /李可欣

　　审核/赵文青