模糊、缺席、不可見：影響數(shù)字化機器人智能服務(wù)的三個關(guān)鍵原因

關(guān)鍵詞：自動化；智能服務(wù)；人機交互；視頻錄制與分析；旅游與酒店

摘 要：機器人服務(wù)是數(shù)字化智能服務(wù)轉(zhuǎn)型的一個重要體現(xiàn)。以往的研究理論化和技術(shù)化地分析了自動化機器人技術(shù)在提高服務(wù)效率、提升顧客體驗方面的積極影響，但很少有研究者從顧客的實際使用視角去檢驗這一假設(shè)，更鮮有研究者在全自動化機器人服務(wù)的環(huán)境中檢驗智能化人機互動的實際效果和可能存在的問題。為此，本文選擇視頻錄制與分析的研究視角，并結(jié)合民族志的研究方法，在兩家數(shù)字化無人智慧酒店中記錄了495次顧客與自動化智能服務(wù)系統(tǒng)互動的實踐，旨在從實證的互動角度發(fā)現(xiàn)全自動化智能機器服務(wù)場景下存在的問題，揭示智能機器系統(tǒng)對服務(wù)活動產(chǎn)生負面影響的三個因素：互動指令的模糊性、服務(wù)協(xié)助人員的缺席、機器人交互技術(shù)的“不可見性”。為了提高數(shù)字化機器人智能服務(wù)效率，未來應(yīng)考慮開發(fā)用戶友好型服務(wù)交互系統(tǒng)。

中圖分類號：C916.2文獻標識碼：A文章編號：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(shù)字化技術(shù)的飛速發(fā)展正帶領(lǐng)我們經(jīng)歷一個以機器人技術(shù)、人工智能（AI）、大數(shù)據(jù)計算等新興技術(shù)為特征的第四次工業(yè)革命。其中，智能自動化已成為各行業(yè)數(shù)字化轉(zhuǎn)型的關(guān)鍵因素——它將機器集成到一個自治系統(tǒng)（self-managed system）中，且在沒有人工參與的情況下完成全部的生產(chǎn)、交互活動。1近年來，隨著我國“數(shù)字化城市”建設(shè)的推進和機械智能化技術(shù)的發(fā)展，旅游供應(yīng)商已開始在其運營中使用智能機器并不斷深化發(fā)展數(shù)字化機器人服務(wù)模式，旅游業(yè)正在步入一個更加自動化的未來。

自動化機器人服務(wù)（Automated Robotic Service）是智能數(shù)字化在旅游服務(wù)領(lǐng)域的一種代表形式。2它以標準化服務(wù)為基礎(chǔ)，創(chuàng)造了一種新穎、便捷、智能化的服務(wù)體驗，實現(xiàn)了產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型的目標。3機器人酒店作為自動化機器人服務(wù)的重要成果之一，是機器人服務(wù)發(fā)展的新趨勢。像日本的Henn-na，中國的Flyzoo，或者美國的Vdara和EMC2，自動化服務(wù)機器（人）承擔起面向顧客的主要服務(wù)職責(zé)，在酒店日常互動中實現(xiàn)具有科技感的智能服務(wù)交互。

現(xiàn)有的自動化服務(wù)研究集中在理論化、技術(shù)化地討論智能服務(wù)機器在使用中可能存在的積極和消極影響。市場管理研究者大多贊揚智能自動化技術(shù)用于降低成本、提高工作效率或維護服務(wù)質(zhì)量的優(yōu)點，認為智能自動化技術(shù)的應(yīng)用能極大程度提高旅游服務(wù)行業(yè)的智能化和數(shù)字化發(fā)展水平，有利于智能旅游領(lǐng)域的進步。4然而，部分旅游管理研究者卻擔憂自動化服務(wù)機器對員工創(chuàng)新能力發(fā)展5和旅游地旅客體驗6有著負面影響。其中，技術(shù)接受模型（Technology Acceptance Model）提出有關(guān)技術(shù)的感知有用性（Perceived Usefulness）、感知易用性（Perceived Ease of Use），以及用戶的技術(shù)準備度（technology readiness）對用戶在實際人機交互活動中交互意愿的影響，研究者發(fā)現(xiàn)這三類變量都會在不同程度上影響人們接受或拒絕高科技服務(wù)交互的意愿和感覺。7數(shù)字化智能自助服務(wù)的實現(xiàn)依賴于客戶在實際操作中對該技術(shù)的接受度和采用度。當技術(shù)準備程度低的人對智能技術(shù)感到不適和沮喪，他們可能會抵制自助服務(wù)交互8；更有甚者，當遭遇技術(shù)困難時，抗拒技術(shù)（technology-resisted）的客戶會選擇由“高科技技術(shù)性”的智能服務(wù)轉(zhuǎn)向“高接觸性”的人工服務(wù)9。

有關(guān)數(shù)字化智能服務(wù)的研究貢獻局限于描述當前應(yīng)用以及未來潛在的實施和影響，缺少從旅游服務(wù)參與者的視角分析智能服務(wù)技術(shù)在實際服務(wù)活動中的表現(xiàn)和對人機互動服務(wù)的影響。當前基于技術(shù)接受模型的研究也集中在統(tǒng)計數(shù)據(jù)的定量分析，缺少通過實證數(shù)據(jù)的定性分析研究。同時，以往的大多數(shù)研究以開發(fā)為導(dǎo)向，從設(shè)計者的角度關(guān)注的是機器算法的開發(fā)，而不是顧客實踐的實際交互活動。此外，現(xiàn)有的人機交互服務(wù)研究也多停留在對“半自動化服務(wù)場景（semi-automated service）”進行觀察和分析。由于部分人工服務(wù)人員的參與，以往的研究很難撇開“服務(wù)人員”的存在去評估人機交互的結(jié)果。因此，本文將研究場所拓展至一個獨立由智能服務(wù)機器提供服務(wù)的“全自動化服務(wù)場景（fully-automated service）”中，以深入地分析真正的人機交互服務(wù)的表現(xiàn)和影響。

因此，基于現(xiàn)階段數(shù)字化智能服務(wù)領(lǐng)域中有關(guān)實證研究的空白，本文旨在從顧客的視角檢驗全自動服務(wù)機器與人類用戶之間的現(xiàn)實互動情況，并用實證數(shù)據(jù)回答有關(guān)數(shù)字智能服務(wù)系統(tǒng)（即機器人服務(wù)系統(tǒng)）的實際服務(wù)能力問題。為此，本研究在中國的兩家機器人酒店（數(shù)字化無人智慧酒店）進行了為期三年的民族志和常人方法學(xué)調(diào)查，并用視頻記錄了495個顧客使用自助入住登記機、服務(wù)機器人等數(shù)字化服務(wù)工具的情況。這兩家酒店配置了全方位的數(shù)字化智能機器人服務(wù)系統(tǒng)，沒有安排專門的人工服務(wù)人員；顧客必須獨立地在不同的機器上完成所有的活動（從預(yù)訂、入住登記到退房）。這兩家酒店提供了一個完整的智能服務(wù)環(huán)境，有利于研究者對人機交互活動進行最全面的調(diào)查分析。通過觀察顧客與酒店中這些機器的實際交互，本研究實證分析了自動化智能服務(wù)系統(tǒng)對服務(wù)效率的影響。本研究以交互為重點，從顧客的實際服務(wù)參與角度檢查人機交互中的服務(wù)表現(xiàn)，分析了當下數(shù)字化機器人服務(wù)交互中可能存在的影響服務(wù)效率的三個問題，并且對未來高效率、高質(zhì)量的人機交互服務(wù)發(fā)展提出幾點建議。

一、數(shù)字化智能服務(wù)與服務(wù)效率

（一）數(shù)字化服務(wù)技術(shù)與服務(wù)工作標準化

近年來，數(shù)字化技術(shù)在組織業(yè)務(wù)轉(zhuǎn)型發(fā)展過程中的重要性日益凸顯。智能化數(shù)字技術(shù)的使用改變了組織的商業(yè)模式（包括從產(chǎn)品的生產(chǎn)流程到市場的供求結(jié)構(gòu)），特別在服務(wù)領(lǐng)域，智能化數(shù)字技術(shù)的應(yīng)用革命性地改變了社會活動參與者的行為認知和社會角色。

服務(wù)領(lǐng)域的數(shù)字化技術(shù)應(yīng)用不是一個獨立的概念，它涵括了日常社會生活中涉及數(shù)字化、自動化智能技術(shù)的服務(wù)互動和社會實踐。從自動售票機到自動取款機再到機器人酒店和餐廳，人們越來越頻繁地與自動化智能服務(wù)模式接觸。盡管旅游與服務(wù)領(lǐng)域的研究者對數(shù)字化智能技術(shù)產(chǎn)生了濃厚的興趣，有關(guān)數(shù)字化智能服務(wù)的研究貢獻仍然僅限于描述當前應(yīng)用以及未來潛在的實施和影響?，F(xiàn)有的研究主要討論了自動化機器的使用安全1、對顧客“自我”身份的認知2、對服務(wù)從業(yè)人員就業(yè)前景的擔憂3、自動化服務(wù)的效率4以及用戶對系統(tǒng)的適應(yīng)能力等問題5。這些研究一致認為數(shù)字化技術(shù)帶來的智能標準化生產(chǎn)有助于服務(wù)生產(chǎn)者以更低的成本實現(xiàn)更高效的產(chǎn)出：自動化系統(tǒng)使雇主能夠減少雇員數(shù)量和工作時間，減少生產(chǎn)支出，同時又能提高服務(wù)效率，甚至擴寬服務(wù)渠道，讓公眾能隨時隨地享受服務(wù)。678

就技術(shù)應(yīng)用性而言，數(shù)字化智能產(chǎn)品的廣泛應(yīng)用將“標準化（生產(chǎn)）”帶入了服務(wù)行業(yè)。早期的智能標準化服務(wù)模式首先應(yīng)用于網(wǎng)絡(luò)搜索服務(wù)；隨著自動化交互設(shè)備和服務(wù)機器人的廣泛使用，標準化進一步涉及實際的服務(wù)交互過程；服務(wù)機構(gòu)通過應(yīng)用自動化智能機器和工具，逐漸讓所有顧客參與到無差別的、預(yù)先設(shè)定的服務(wù)和協(xié)助中。1

有關(guān)數(shù)字化智能服務(wù)的研究主要討論了服務(wù)工作標準化為服務(wù)提供者帶來的積極和消極影響。認為服務(wù)工作標準化對服務(wù)行業(yè)產(chǎn)生積極影響的學(xué)者指出，數(shù)字化智能服務(wù)可以簡化復(fù)雜的服務(wù)交互過程，能最大限度地減少服務(wù)交付中的行為偏差，提高服務(wù)效率，增強顧客體驗等。23常規(guī)和重復(fù)的人工服務(wù)被轉(zhuǎn)化為自助服務(wù)或批量生產(chǎn)，例如，酒店客房服務(wù)機器人可以代替人類員工來執(zhí)行日常的入住、點餐、物件派送等服務(wù)。相反，有的研究者則評估了服務(wù)工作標準化對服務(wù)業(yè)從業(yè)人員的負面影響。4這部分研究者認為，服務(wù)工作標準化導(dǎo)致服務(wù)業(yè)員工變得僵化和不靈活——服務(wù)人員被告知要遵守機器工作的規(guī)則，配合智能機器以提供服務(wù)，而不是有創(chuàng)造性的表現(xiàn)——這表明了服務(wù)工作標準化確實阻礙了從業(yè)者的工作表現(xiàn)和服務(wù)創(chuàng)新。

（二）技術(shù)接受模型與智能自助服務(wù)

數(shù)字化自助服務(wù)的運行依賴于客戶在日常生活中對這種技術(shù)的接受度、實踐力和自我規(guī)訓(xùn)56，因此，越來越多的自助服務(wù)研究試圖了解客戶接受和抵制這些技術(shù)的原因和影響7。其中，技術(shù)接受模型（Technology Acceptance Model）是預(yù)測人們在人機交互中對信息系統(tǒng)和技術(shù)使用接受程度的最著名和流行的理論之一。結(jié)合技術(shù)準備度視角8，技術(shù)接受模型的研究者發(fā)現(xiàn)，技術(shù)準備度通過對感知有用性和易用性的技術(shù)信念的相關(guān)影響，間接影響人們對技術(shù)的接受程度9，并且會影響人們接受或拒絕高科技服務(wù)交互的意愿和感覺10。因此，當技術(shù)準備程度低的人對智能技術(shù)感到不適和沮喪，他們可能會抵制自助服務(wù)交互。11

然而，不熟練的客戶和技術(shù)抗拒的客戶是不可避免的。當不熟練和技術(shù)抗拒的顧客難以理解智能自動化自助服務(wù)系統(tǒng)時，技術(shù)在實際服務(wù)交互中會產(chǎn)生負面影響，如使顧客感到焦慮或花費顧客過多的時間來實現(xiàn)服務(wù)。12在對顧客與自動化自助服務(wù)技術(shù)的接受度的調(diào)查中，研究人員發(fā)現(xiàn)，在有其他選擇時，抗拒技術(shù)（technology-resisted）的客戶會轉(zhuǎn)向提供“高接觸性”人工交付的服務(wù)，而不是“高科技技術(shù)性”的服務(wù)。13

后來的研究者通過擴大研究場景，對技術(shù)接收模型進行了不斷的豐富。例如，Venkatesh 等人在原模型當中增加了社會影響過程（包括主觀規(guī)范、自愿程度等）、認知工具過程（包括工作相關(guān)性、結(jié)果質(zhì)量和感知易用性等）和經(jīng)驗調(diào)節(jié)感知易用性對計算機技術(shù)使用的影響。12現(xiàn)有的技術(shù)接受模型研究大多集中在通過統(tǒng)計數(shù)據(jù)對不同使用場景的定量測量34，少有研究者嘗試通過質(zhì)性田野數(shù)據(jù)對日常生活的技術(shù)交互開展定性分析。因此，本文受技術(shù)接受模型的啟發(fā)5，對我國的智能服務(wù)場景（以無人智慧酒店為例）進行民族志的調(diào)查，以分析影響數(shù)字化機器人智能服務(wù)的關(guān)鍵因素。同時，鑒于有的學(xué)者批判該理論沒有實用意義6，本研究在文末會針對基于該模型核心內(nèi)容發(fā)現(xiàn)的問題提出對應(yīng)的應(yīng)用性建議。

（三）服務(wù)互動研究

常人方法學(xué)與會話分析（Ethnomethodology and Conversation Analysis）作為交互研究的一種代表性方法，旨在揭示社會活動參與者是如何共同進行和完成日常生活的實際實踐。78為了發(fā)現(xiàn)成員對他們共享的常識性知識的使用，并揭示在情境日常生活中構(gòu)建的秩序和意義，EMCA的研究者通過探索交互活動中參與者之間的社會行為，來揭示社會成員在日常生活中構(gòu)建的互動秩序和社會意義。

現(xiàn)有的基于互動視角的服務(wù)研究討論了身體的問候動作，如握手、微笑、點頭、搖頭等的實踐910，服務(wù)參與者準備和回應(yīng)請求的關(guān)鍵時間節(jié)點11和服務(wù)對話中用于描述對象的分類、定位和識別的不同參考術(shù)語的溝通12等內(nèi)容。這些研究揭示了客戶與服務(wù)人員在實踐中自然和傳統(tǒng)的服務(wù)關(guān)系和工作順序。在服務(wù)互動中，很多常規(guī)的服務(wù)流程都是標準的、預(yù)設(shè)的，這與數(shù)字化智能自助服務(wù)技術(shù)創(chuàng)造的標準化是相類似的。因此，部分服務(wù)互動研究旨在通過對標準化服務(wù)工作的分析來揭示服務(wù)參與者如何理解日常服務(wù)互動，以及如何滿足標準化服務(wù)互動中的個性化服務(wù)需求。

在部分涉及人機交互的服務(wù)研究中，研究人員旨在促進人們對數(shù)字技術(shù)如何嵌入日常社會組織并作為日常社會組織實踐的理解。1314例如，Heath和Luff15研究了公共交通控制室中管理人員和軌道控制系統(tǒng)之間的協(xié)作工作，Yamauchi，Whalen和Bobrow16詳細描述了技術(shù)人員如何使用標準化的索引菜單來定位客戶在軟件中的問題，Moore，Whalen和Gathman1探討了影印店職員如何理解客戶獨特要求并將這些要求轉(zhuǎn)化為可被機器識別的標準化符號。近年來，隨著機器人在博物館和畫廊中的應(yīng)用不斷擴大，研究者也逐步開展了有關(guān)機器人服務(wù)的實證性研究。234

然而，現(xiàn)存的研究中少有關(guān)于完全人機交互（即只有人類顧客和智能服務(wù)機器參與，僅由客戶進行的、面向機器的服務(wù)活動）的研究，也缺少設(shè)置在深度數(shù)字化智能自助服務(wù)工作場所中的研究。所以，本文將研究場所拓展至一個由智能服務(wù)機器獨立提供服務(wù)的“全自動化服務(wù)場景”中，旨在從顧客的互動視角出發(fā)，以交互為重點，檢驗全自動服務(wù)機器與人類用戶之間的現(xiàn)實互動情況，并用實證數(shù)據(jù)豐富有關(guān)數(shù)字智能服務(wù)系統(tǒng)（即機器人服務(wù)系統(tǒng)）的實際服務(wù)能力問題。

二、數(shù)據(jù)收集

（一）數(shù)據(jù)收集場所

當沒有人類服務(wù)員協(xié)助顧客進行服務(wù)活動時，顧客只能依靠自己來完成所有的人機交互任務(wù)。這樣的場景有利于我們?nèi)ビ^察、了解和分析在數(shù)字化智能服務(wù)交互中顧客與服務(wù)機器的真實互動效果。因此，本研究在2019至2021年間對位于廣東省內(nèi)的兩家連鎖數(shù)字化機器人酒店L-Hotel，進行了為期三年的田野調(diào)查。L-Hotel隸屬于同一家數(shù)字化智能服務(wù)公司。兩家機器人酒店都是全自動化的機器人服務(wù)酒店，酒店大堂均配備了兩臺自助登記機和一臺可語音交互+自主移動的服務(wù)機器人。顧客需要自己在不同的移動終端上完成從在線預(yù)訂到酒店入住的全部服務(wù)，只有在必要的情況下才會有工作人員到場為顧客提供技術(shù)支持。

當顧客到達酒店時，他們首先需要在門外的鍵盤上輸入個性化的訪問密碼進入酒店。訪問密碼與顧客的個人信息相關(guān)，服務(wù)系統(tǒng)將根據(jù)不同的密碼對顧客的身份進行識別。走進酒店大堂后，顧客需要在自助入住登記機上通過人臉識別系統(tǒng)進行身份驗證。酒店的面部識別系統(tǒng)與國家數(shù)據(jù)庫相連，顧客將身份證放在傳感器上后，系統(tǒng)將能夠訪問顧客的數(shù)字面部信息。當面部識別過程開始時，自助登記機將打開其內(nèi)部攝像頭并向顧客顯示取景界面。人臉識別開始后，系統(tǒng)會依次循環(huán)播放六條指令，直至識別出顧客。

O1：請睜眼；O2：閉眼 O3：請搖頭；O4：擺正 O5：請張嘴；O6：合嘴

每對指令（即 O1O2—O3O4—O5O6）之間的停頓是1.2 秒，相鄰指令（即 O1—O2、O3—O4、O5—O6）之間的停頓是0.8 秒。當指令循環(huán)三次后，系統(tǒng)會通過擴音器提示驗證失敗，要求顧客重新進行驗證（“人臉識別失敗，請重試”）。當顧客被成功識別后，會通過手機短信收到房間號和房門密碼。與此同時，顧客的基本信息會自動同步傳給服務(wù)機器人，機器人會為顧客提供引路服務(wù)。

（二）數(shù)據(jù)收集方法

調(diào)查期間，本研究采用了三種經(jīng)典的民族志方法進行數(shù)據(jù)收集：訪談、參與式觀察、視頻錄制和分析。

1. 訪 談

訪談（Interview）是質(zhì)性研究中最經(jīng)典的研究方法。對兩家酒店管理者的初步采訪有助于筆者進入田野點，并在之后進行參與式觀察和視頻錄制。故此，本研究在調(diào)查期間采訪了兩家酒店的八名雇主和員工、業(yè)內(nèi)的三名機器人設(shè)計師和一些隨機顧客。1對酒店管理者和機器人工程師的訪談各持續(xù)兩個小時，而對顧客的訪談則各約二十至三十分鐘。

2. 參與式觀察

借鑒民族志的傳統(tǒng)研究方法，參與式觀察（Participated Observation）有助于研究者對田野點調(diào)查對象、活動內(nèi)容進行深入的、本地化的理解。在數(shù)據(jù)收集（視頻錄制）期間，筆者首先以“技術(shù)支持助理”的身份進行了14個月（A酒店10個月，B酒店4個月）的參與式觀察。為了保持智能酒店的“無人”屬性，筆者與其他工作人員一道每隔一小時巡視一次，且僅對尋求人工協(xié)助的顧客提供一定的幫助。

3. 視頻錄制和分析

視頻錄制和分析（Video Recording and Analysis）提供了一種獨特的數(shù)據(jù)收集和呈現(xiàn)方式。23通過檢驗活動參與者對自己及他人的日常生產(chǎn)生活活動的理解，研究者能夠分析社會秩序。作為本文的創(chuàng)新性研究方法，筆者在A酒店和B酒店進行了為期3年的視頻數(shù)據(jù)收集，并將獲得的495個人機交互案例（約 20 小時）用于本文的分析。本研究獲得酒店和視頻中所涉顧客的許可，調(diào)查和行為研究倫理委員會也在調(diào)查前批準了這項研究。

為了將視頻轉(zhuǎn)錄為文本資料并進行可分析的描述，視頻數(shù)據(jù)將根據(jù)分析需要以連環(huán)畫的形式呈現(xiàn)，或采用Gail Jefferson4開發(fā)的對話分析系統(tǒng)進行轉(zhuǎn)錄（見表1）。

三、智能人機服務(wù)在實踐應(yīng)用中的服務(wù)效率

當顧客很好地配合系統(tǒng)并且沒有出現(xiàn)技術(shù)錯誤時，自助注冊過程可以很快結(jié)束。然而，本研究發(fā)現(xiàn)，關(guān)于“顧客如何完成酒店入住登記”的情況在日常實踐中卻復(fù)雜得多。在495個案例中，有 62 名顧客由于遇到技術(shù)故障而最終通過人工柜臺進行入住登記；剩余的433名顧客在自動入住終端機上完成了入住登記，其中88.7%（384例）的顧客是自行完成入住登記的，11.3%（49例）的顧客是在他人協(xié)助下完成入住登記的（見表2）。

盡管超過八成的顧客完成了自助入住登記，但是剩下的顧客都遭遇不同程度的技術(shù)故障或程序錯誤。對于這些顧客而言，自助入住不是“一帆風(fēng)順”的，這與前人研究中對智能自助服務(wù)能節(jié)省服務(wù)時間、提高服務(wù)效率、增強服務(wù)體驗的結(jié)論1相沖突。

那么，就順利完成自助入住登記的顧客而論，自動化智能入住就比人工入住登記更快捷嗎？

為了最直觀地解答這個問題，本研究對“顧客在自動機器上完成自助注冊的時間”進行了簡單的統(tǒng)計。在本研究調(diào)查期間記錄的所有人機交互案例（n=433）中，只有4位顧客在1分鐘內(nèi)完成入住登記（0.9%），129位顧客在1～2分鐘內(nèi)完成入住登記（29.8%），158位顧客在2～3分鐘內(nèi)完成入住登記（36.5%），72位顧客在3～4分鐘內(nèi)完成入住登記（16.6%），8位顧客在4～5分鐘內(nèi)完成入住登記（1.8%）。此外，有14位顧客需要5～8分鐘才能完成入住登記（3.2%），而有47位顧客最終在11分鐘左右完成入住登記（10.8%）。

據(jù)兩家酒店的人工服務(wù)人員介紹，一般人工完成顧客的入住登記需要2～3分鐘。因此，自助入住登記機在大多數(shù)時候（36.5%）花費了與人工相同的時間（即2～3分鐘）來完成相同的任務(wù)，并且偶爾比人工做得更好（即不到2分鐘，30.7%）。但值得注意的是，也有三分之一（32.8%）的顧客在自助入住登記機上花費的時間比由普通人工服務(wù)人員提供服務(wù)的時間長得多（即超過3分鐘）。就本研究初步統(tǒng)計的數(shù)據(jù)而言，自動化智能服務(wù)系統(tǒng)似乎并沒有顯著地提高服務(wù)效率。

四、智能人機服務(wù)效率低下的原因分析

通過對服務(wù)交互技術(shù)和智能服務(wù)環(huán)境的具體分析，本研究發(fā)現(xiàn)了對智能服務(wù)效率產(chǎn)生負面影響的三個主要問題：互動指令的模糊性、服務(wù)協(xié)助人員的缺席，以及機器人交互技術(shù)的“不可見性”。

（一）互動指令的模糊性

顧客需要通過人臉識別技術(shù)完成無人智慧酒店的入住登記；然而，人們在進行面部識別時會偶遇失敗。在433個案例中，89人在第一輪完成識別，90人在第二和第三輪完成識別。也就是說，62%的顧客至少進入了第二個認證周期并在此后被成功識別。盡管入住登記機會在播放三輪識別指令后讓顧客重新開始進行入住登記（我們可以將之稱為“完全的失敗”），但顧客在遇到第二輪人臉識別時（也就是當顧客遇到了新一組循環(huán)指令時），他們就遭遇了“實際的失敗”，因為他們沒有被及時地成功識別。

當顧客聽到系統(tǒng)對相同的指令不斷循環(huán)時，他們會意識到之前與機器的交互效果不佳。因此，顧客需要自我診斷潛在的問題，并“修復(fù)”他們的動作以完成人臉識別任務(wù)。數(shù)據(jù)顯示，大多數(shù)顧客在以后的周期中改變了他們對相同指令的響應(yīng)方式。例如，有的顧客在第二次聽到“請閉眼”的指令時可能會延長他們閉眼的時間，或者在第二次閉眼時更加用力；有的顧客選擇改變他們搖頭的頻率；有的顧客則會更加夸張地張嘴。

除了對統(tǒng)一指令做出不同的響應(yīng)，還有部分顧客會選擇移除可能阻礙人臉識別技術(shù)成功的其他因素——身上的遮擋物，主要是臉上的飾品。

盡管系統(tǒng)沒有要求顧客移除裝飾物或遮擋物，這些顧客卻主動、自覺地移除了可能成為“障礙物”的面部飾品。移除面部飾品的行為展示了顧客對面部識別機制的另一種理解。根據(jù)人們的日常經(jīng)驗，在為護照、身份證等官方證件拍攝照片或辦理身份認證時，不應(yīng)佩戴任何配飾。這種對日常類似活動經(jīng)驗的理解有助于顧客對面部識別交互過程中的失敗進行一定的推斷和修正。

面部識別系統(tǒng)的指令是預(yù)先編程和標準化的，它不能說明顧客無法實現(xiàn)或失敗的原因。但不斷重復(fù)的指令讓顧客意識到他們之前的響應(yīng)“有些不正確”，但指令的模糊性讓顧客感到困惑：他們不知道問題出在哪里，也不知道要如何正確地與系統(tǒng)相配合。自動化服務(wù)系統(tǒng)一方面要求顧客自己完成不同的任務(wù)，例如完成人臉識別；另一方面對顧客應(yīng)該如何做、如何改正自己的行為沒有任何指導(dǎo)。因此，用戶需要根據(jù)他們“推測”的技術(shù)需要（在本文的案例中，即人臉識別技術(shù)的識別方式）來改變，或“格式化”自己的外表和行為，以確保能成功地實現(xiàn)機器識別。

傳統(tǒng)旅游服務(wù)業(yè)中“顧客至上”的原則將服務(wù)活動中的失誤和不便歸結(jié)為服務(wù)人員的責(zé)任1，顧客在傳統(tǒng)的服務(wù)交互活動中享有更高的權(quán)利2。然而，如今的機器人服務(wù)讓顧客參與服務(wù)生產(chǎn)，要求顧客自行診斷潛在問題并自行解決。在自動化機器人服務(wù)中，顧客從“上帝”轉(zhuǎn)變?yōu)榱恕皠趧诱摺?，他們需要不斷地學(xué)習(xí)和改正自己對機器人服務(wù)系統(tǒng)的響應(yīng)，以使得該服務(wù)互動能順利進行。原本簡單的身份識別由此變得復(fù)雜起來，大部分顧客需要花費更長的時間去完成入住登記。

（二）服務(wù)協(xié)助人員的缺席

智能機器人服務(wù)旨在用全自動化的智能機器和服務(wù)機器人取代人類雇員。因此，當顧客在操作自動化系統(tǒng)的過程中遇到問題或錯誤時，他們無法及時聯(lián)系到一個“助手”。盡管酒店希望顧客能自行診斷和解決問題，但有些問題是顧客無法自行處理的——他們必須尋求幫助。根據(jù)本研究的觀察，顧客尋求幫助的方式大致分為三種：呼叫遠程協(xié)助、求助旁觀者，或等待現(xiàn)場人工服務(wù)。

在自助入住機和服務(wù)機器人界面的右上角標有酒店服務(wù)熱線。在遇到困難的時候，約3%的顧客將“致電服務(wù)中心”作為他們求助的第一步。簡單的任務(wù)，如修改顧客姓名或身份證中的錯誤信息，可以由遠程技術(shù)人員輕松解決。但有的時候，顧客無法清楚地陳述情況，遠程助手也無法“看到”問題并為顧客提供最切合實際的解決方案，從而使遠程交互成為一種低效率的尋求幫助的方式。電話交互研究顯示了遠程助手與求助者主體間性的重要性，只有當對話雙方都能清晰、明確地理解對方關(guān)于問題和解決方案的描述時，通過電話進行遠程協(xié)助才成為可能。3未能正確地定位問題源是導(dǎo)致遠程助手無法進行有效技術(shù)支持的重要原因。

另一種便捷的求助方式是向旁觀者尋求幫助。旁觀者可以是已經(jīng)或未完成系統(tǒng)操作的其他顧客（即可能是現(xiàn)場有經(jīng)驗的顧客），或剛好路過的酒店工作人員。但是，由于涉及個人隱私信息，無論是入住登記者還是其他旁觀者都無法建立緊密的互助、合作關(guān)系。旁觀者通常會嘗試向求助的入住登記者說明自助入住機的工作原理和服務(wù)流程，但是不會為入住登記者提供實質(zhì)性的幫助或在機器上進行實際的操作。因此，前兩種方式效果都不佳。

于是，大部分顧客采用了第三種方式：等待酒店雇員到場進行協(xié)助。這是顧客采用的最有效和最常規(guī)的方法，即使它需要很長時間才能實現(xiàn)。呼叫遠程協(xié)助中心未得到幫助的顧客將被告知等待現(xiàn)場服務(wù)人員，控制中心將聯(lián)系現(xiàn)場服務(wù)人員并簡要解釋顧客的問題。屆時值班人工服務(wù)人員會到達現(xiàn)場，進一步協(xié)助顧客解決問題。其他沒有呼叫服務(wù)支持的顧客也會嘗試通過大聲呼喊或走遍整個樓層來尋找現(xiàn)場的人工服務(wù)人員。

當人工服務(wù)人員出現(xiàn)時，他們將與顧客溝通并找出不同的解決方案。部分案例顯示，當現(xiàn)場助理幫助顧客重新進入自助登記流程時，如果他們認為是顧客對系統(tǒng)指令回應(yīng)錯誤造成的交互失敗，則會指導(dǎo)顧客校準他們對系統(tǒng)指令的回應(yīng)，比如調(diào)整站立位置、姿勢或移除部分配飾。對于系統(tǒng)預(yù)約信息與顧客身份證信息不匹配導(dǎo)致的問題，現(xiàn)場助理則會在后臺系統(tǒng)中修改顧客信息，讓顧客重新進行自助登記。對于因技術(shù)錯誤導(dǎo)致的情況，如注冊系統(tǒng)卡在中間或機器無法讀取顧客身份證時，現(xiàn)場服務(wù)人員將手動為顧客注冊。

“人工服務(wù)人員的完全缺席”是服務(wù)業(yè)的一個挑戰(zhàn)，它打破了傳統(tǒng)服務(wù)關(guān)系的建立方式1，從根本上改變了服務(wù)活動的性質(zhì)——使其完全智能化、數(shù)字化、標準化，這些自動化機器人從完全的服務(wù)工具轉(zhuǎn)變?yōu)榉?wù)主體。當機器人系統(tǒng)宕機或者發(fā)生技術(shù)錯誤時，人工服務(wù)人員必須從自動化機器手中接過服務(wù)工作，重新為顧客提供人工服務(wù)。據(jù)兩家機器人酒店的員工反映，自助登記機和服務(wù)機器人在過去兩年的使用過程中偶爾會出現(xiàn)故障，給客人和店員帶來不便。“請求—響應(yīng)—交互”的程序需要時間來完成，因此，智能機器人的服務(wù)效率也在不知不覺中降低了。

（三）機器人交互技術(shù)的“不可見性”

前文以人臉識別互動為例分析了有關(guān)智能服務(wù)系統(tǒng)互動指令的模糊性對顧客理解、回應(yīng)系統(tǒng)造成的不便，這種指令模糊性也說明了另一個問題，交互技術(shù)的“不可見性”。所謂“不可見性”，指的是人們無法清晰地“看見”技術(shù)的互動原理和互動進展。以前文提到的顧客在人臉識別活動中“自我調(diào)整”的行為為例，由于系統(tǒng)未能清楚地反饋顧客需要改進的“問題點”并提供改進建議，人們不知道系統(tǒng)背后的運算邏輯是什么，也不知道為什么他們的回應(yīng)不能被系統(tǒng)順利識別。顧客所有的調(diào)整活動都是依據(jù)他們對該技術(shù)的推測或預(yù)判進行的。這對技術(shù)準備度高的熟練顧客而言可能不是難事，但對于技術(shù)準備度低的新手顧客而言，就像是在與一個“黑盒子（Blackbox）”對話。

在調(diào)查中，本研究還發(fā)現(xiàn)了其他由于技術(shù)黑盒子的原因造成顧客無法順利完成入住登記的情況，比如系統(tǒng)在注冊過程中發(fā)生卡頓（例如系統(tǒng)長時間停留在某一頁面），有的顧客會換另一臺機器并再次（更可能，一次又一次）重復(fù)整個注冊過程，直到成功完成入住登記2；又比如顧客在完成入住登記后需要等待很長時間才能收到系統(tǒng)發(fā)送包含房間號和房門密碼的短信。在此期間，顧客不知道是什么導(dǎo)致了延誤，甚至不知道他們的入住登記是否被系統(tǒng)確認。信息的不透明和不對稱通常讓顧客感到茫然和無助。沒有了人工服務(wù)人員的協(xié)助，顧客“像是被機器遺忘在一個空白的世界里”（受訪者，女，29歲）。

服務(wù)機器人也經(jīng)常出現(xiàn)系統(tǒng)延遲。比如，兩家酒店的服務(wù)機器人都出現(xiàn)了在客人完成登記后無法提供“領(lǐng)路”服務(wù)，甚至對人們的服務(wù)請求無響應(yīng)。

表3互動片段1中的顧客向機器人“小樂”提出了一個“帶路”的服務(wù)請求并有一個3秒的等待。隨后，該顧客再次重復(fù)他的請求。然而，在接下來的4.6秒中，機器人沒有任何回應(yīng)。此時，該顧客放棄了這個互動并離開了機器人。有趣的是，在顧客離開5.2秒后，機器人響應(yīng)了該顧客的服務(wù)請求。從機器人的響應(yīng)來看，毫無疑問，它聽清了問題，且正確地做出了回應(yīng)——但這個延遲的響應(yīng)讓顧客誤以為服務(wù)機器人不能為其提供服務(wù)?；悠?2中的兩位顧客在完成注冊后等待機器人為他們帶路。然而，在等待了7.4秒后，機器人仍無響應(yīng)。因此，他們放棄了等待，并離開了機器人。在8.2秒后，機器人成功地同步了入住顧客的信息并詢問是否需要提供帶路服務(wù)。然而，機器人的延遲耗盡了顧客與機器人交互的興趣，顧客早已離開了。

關(guān)于人機交互的研究表明，在交互開始后的前幾秒內(nèi)與人建立有效的交互至關(guān)重要12，機器人響應(yīng)的延遲會降低顧客在實踐中繼續(xù)使用或交互機器人的興趣。由于無法獲取有關(guān)服務(wù)機器（人）的技術(shù)邏輯和響應(yīng)進度，顧客無法確定面前的機器遇到什么樣的技術(shù)阻礙或出現(xiàn)什么樣的技術(shù)故障，這不僅降低了技術(shù)的有用性和易用性，降低了服務(wù)效率，也讓無論技術(shù)準備度高還是低的顧客都無所適從。交互技術(shù)的不可見性使得技術(shù)故障不能得到快速且有效的修復(fù)，這與之前研究者期待的由智能自動化技術(shù)提升服務(wù)交互效率的期望3456相反。更重要的是，這種技術(shù)災(zāi)難會使顧客對酒店產(chǎn)生負面印象，不利于酒店業(yè)務(wù)的提升和智能機器人服務(wù)的發(fā)展。

五、討論與啟示

數(shù)字化智能機器人服務(wù)能否在實際服務(wù)互動中全面滿足顧客的服務(wù)需要并提高服務(wù)效率？答案并不是唯一的。本研究證明，全自動化的機器人服務(wù)系統(tǒng)的確節(jié)省了部分顧客的時間，因為這類顧客已經(jīng)擁有了與相關(guān)機器互動的技能——他們學(xué)會了如何對系統(tǒng)的指令做出反應(yīng)并且可以很好地與機器人系統(tǒng)合作。這些顧客可以快速順利地完成系統(tǒng)布置的任務(wù)，自主使用服務(wù)機器人。對于不想與陌生人頻繁互動的顧客來說，數(shù)字化智能機器人服務(wù)可以讓他們盡情地享受科技感（sense of technology）與自我隔離（self-isolation）。但是，對于不知道如何使用自動化機器人系統(tǒng)的顧客來說，全自動化的機器人服務(wù)系統(tǒng)卻造成了顧客在服務(wù)過程中的諸多困難，降低了服務(wù)效率。

人臉識別交互失敗導(dǎo)致顧客需要重復(fù)回應(yīng)相同的指令以完成自助登記。反復(fù)出現(xiàn)的指令“揭示”了問題的存在，但不能“確定”問題的所在。互動指令的模糊性使得顧客需要花費大量的時間和精力對可能存在的問題進行反復(fù)的推斷和修復(fù)。這個結(jié)果似乎與先前關(guān)于人臉識別技術(shù)嵌入特定類型分類框架（例如種族、性別、情感、年齡等）的觀察相輔相成。1本研究的分析表明，客人和旁觀者如何將他們的身體和臉部轉(zhuǎn)化為自適應(yīng)面部識別系統(tǒng)的“格式化輸入”，沒有靈活性可言。這種訓(xùn)練是“硬性的”，因為面部識別技術(shù)設(shè)置的條件必須由其用戶和旁觀者來滿足。但是由于這種技術(shù)的“不可見性”，交互系統(tǒng)沒有向使用者提供真正的幫助來指導(dǎo)他們進行、完成這項訓(xùn)練工作。因此，用戶只能通過自我補救，不斷去“調(diào)試”自己與機器的適配度——顧客在日常的人機交互實踐中被動地訓(xùn)練自己的“工作技能”（work skill），以滿足機器預(yù)設(shè)的交互要求。

不能忽視的是，顧客的自我修復(fù)也不是萬能的。因此，人工服務(wù)人員的缺席進一步延長了顧客的等待時間，降低了服務(wù)效率。從技術(shù)上看，智能機器和服務(wù)機器人還不夠成熟和穩(wěn)定，目前的人工智能在很大程度上處于“人工低智能（弱AI）”階段，機器人服務(wù)可能無法滿足每一個需求，有時無法為人們服務(wù)。2而且，技術(shù)錯誤是不可避免的，遭遇技術(shù)困境的用戶會對智能服務(wù)產(chǎn)生不同程度的不滿（例如，F(xiàn)an et al. 2020）。

當顧客需要尋求幫助時，服務(wù)協(xié)助人員的缺席使得他們不能在第一時間得到幫助。數(shù)字化機器人服務(wù)排除“人工”的參與來凸顯其中的科技感和智能感，卻忽略了服務(wù)活動中最本質(zhì)的追求：讓顧客的需求得到滿足。對以客戶為中心的自助服務(wù)理論的研究表明，在操作系統(tǒng)時，不熟練和技術(shù)抗拒的客戶可能會在半服務(wù)中尋求人工幫助，而這種幫助除了可能引發(fā)顧客心理焦慮3外，無法滿足顧客需求的自助服務(wù)技術(shù)也可能使他們感到尷尬4，或者給那些不熟練和產(chǎn)生技術(shù)抵抗的客戶留下痛苦的經(jīng)歷5。然而，在機器人自動化自助服務(wù)中缺少人工服務(wù)人員，可能會減少客戶尋找人工服務(wù)人員并尋求人工幫助的可能性，延長等待時間。

計算機系統(tǒng)的技術(shù)災(zāi)難從根本上挑戰(zhàn)了智能機器人自助服務(wù)的根基，更不用說對服務(wù)效率的影響。當服務(wù)提供者“系統(tǒng)崩潰”的時候，數(shù)字化機器人服務(wù)就完全失去了魅力。在智能人機服務(wù)的互動過程中，顧客只能與物理存在的服務(wù)工具（即有形的服務(wù)機器）進行交互67；而服務(wù)機器的技術(shù)故障使得顧客失去了唯一能“溝通”的渠道，智能人機服務(wù)互動陷入困境。當顧客無法及時地接受到必要的幫助，他們會對數(shù)字化機器人服務(wù)感到失望，甚至產(chǎn)生負面情緒。

基于技術(shù)接受模型的研究路徑，本研究提出了有關(guān)交互式人機互動技術(shù)（以本文的面部識別技術(shù)為例）在日常實踐中的可見性方面的一些棘手問題。雖然大多數(shù)客人成功辦理了入住手續(xù)，但由于自助服務(wù)終端缺乏反饋，客人無法解決問題，這意味著他們既依賴于要執(zhí)行那些交互工作的背景知識，又依賴于運用類似于試錯的方法來處理遇到的任何問題。不同于以往的研究者通過技術(shù)的有用性和易用性測量顧客的服務(wù)交互表現(xiàn)，本研究從顧客的服務(wù)交互實踐入手分析了顧客的技術(shù)表現(xiàn)，以及顧客與數(shù)字化智能服務(wù)工具的交互效率。研究發(fā)現(xiàn)，交互指令的不清晰影響了用戶技術(shù)準備能力的運用，人們無法迅速地對一個模糊的指令做出最正確的回應(yīng)；交互技術(shù)的不可見性使得用戶不能清晰地理解和運用該技術(shù)，導(dǎo)致技術(shù)本身的易用性降低，人們不能明確地了解他們面對的是何種技術(shù)，或該技術(shù)對他們的交互能力有何種要求；而現(xiàn)有交互技術(shù)的不充足發(fā)展和服務(wù)協(xié)助人員在用戶遭遇技術(shù)困難時的缺席也降低了該技術(shù)的有用性。

此外，鑒于面部識別系統(tǒng)的“黑匣子”性質(zhì)，目前尚不清楚可以輕松設(shè)計多少可理解的反饋。人機交互技術(shù)的“不可見性”是實現(xiàn)技術(shù)可用性提升的重要限制。從這個意義上說，社會科學(xué)的研究者在這方面的貢獻可能有限。因此，一個可能的解決方案是讓程序技術(shù)開發(fā)者，通過借鑒服務(wù)工作者在處理常見問題和解決問題方面的知識體系，在未來不斷地改進該交互技術(shù)的有用度和易用度。故此，為了真正提高數(shù)字化智能機器人在實際使用中的服務(wù)效率和交互效果，本研究針對調(diào)查中發(fā)現(xiàn)的三個問題提出三點應(yīng)用型建議：

服務(wù)機器人準確地說明操作過程。在互動開始之前，智能服務(wù)機器可以以圖片、視頻等方式對接下來的服務(wù)流程做出易于理解的說明。為使顧客能順利使用機器，節(jié)省交互時間，提高服務(wù)效率，作為獨立的服務(wù)提供者的服務(wù)機器人應(yīng)當向顧客展示有關(guān)“如何響應(yīng)系統(tǒng)指令”的講解和示范。程序設(shè)計者可以考慮在發(fā)生錯誤（如無法識別顧客的面部數(shù)據(jù)）時，加入適當?shù)腻e誤提示和回應(yīng)改進建議。

服務(wù)商家建立“求助—反饋”快速反應(yīng)機制。智能服務(wù)商家應(yīng)當為需要遠程協(xié)助或現(xiàn)場指導(dǎo)的顧客設(shè)置快速響應(yīng)協(xié)議（quick responding protocol），確保有困難的顧客能夠得到及時的幫助，避免顧客對智能技術(shù)，乃至服務(wù)商家產(chǎn)生負面情緒和印象。同時，服務(wù)商家也可以考慮發(fā)展有經(jīng)驗的顧客為新顧客提供力所能及的幫助，提供“以老帶新”的技術(shù)協(xié)助模式。

升級語音交互機器人的 ASR 系統(tǒng)和語料庫。為保證服務(wù)問詢、信息提供及其他智能語音互動的順利進行，服務(wù)機器人系統(tǒng)應(yīng)當加強自然語言學(xué)習(xí)（language learning）能力的提升和擴大本地語料庫的數(shù)據(jù)域，使語音識別系統(tǒng)在機器人交互服務(wù)中發(fā)揮更好的作用，盡量減少語音交互中的識別偏差。

六、結(jié) 論

自動化機器人服務(wù)是數(shù)字化智能服務(wù)的一種新形式，是智能服務(wù)轉(zhuǎn)型的一個重要體現(xiàn)。它以“新型無人輔助的全機械服務(wù)方式”挑戰(zhàn)了經(jīng)典的“由服務(wù)人員主導(dǎo)的”服務(wù)模式。數(shù)字化服務(wù)技術(shù)將顧客變成了勞動力的一部分，并要求顧客按照系統(tǒng)預(yù)先設(shè)置的要求，接管并完成服務(wù)交互過程中幾乎所有的“工作”。盡管研究者對數(shù)字化智能技術(shù)在旅游和服務(wù)領(lǐng)域的前景有著樂觀的預(yù)期和熱切的期待，但目前的智能機器人系統(tǒng)在實際服務(wù)中給顧客帶來了諸多不便，且沒能及時提供有效的解決方案，進而降低了服務(wù)效率。智能機器人服務(wù)的本質(zhì)是一種以機器程序為導(dǎo)向的數(shù)字化服務(wù)模式，它要求顧客主動地認知、分析和理解系統(tǒng)并學(xué)會與系統(tǒng)協(xié)作。但是，對于初次接觸該技術(shù)的顧客來說，這些工作需要時間和額外的活動來完成。這種“現(xiàn)場學(xué)習(xí)”的交互模式降低了機器人服務(wù)的實際效率，且可能對智能人機服務(wù)交互產(chǎn)生負面影響。為了提高自動化機器人服務(wù)效率，本研究建議，未來的自動化智能機器服務(wù)系統(tǒng)應(yīng)該轉(zhuǎn)變?yōu)橛脩粲押眯偷姆?wù)工具，在實際的社會應(yīng)用中增強技術(shù)的可見性，以便用戶理解技術(shù)的交互邏輯，并嘗試讓顧客從智能服務(wù)的“半勞動者”轉(zhuǎn)變?yōu)榉?wù)的“完全享受者”，優(yōu)化顧客的智能服務(wù)交互體驗，加快數(shù)字化旅游產(chǎn)業(yè)的全面轉(zhuǎn)型升級。

責(zé)任編輯：劉詩能

作者簡介：許馨芷，博士，研究方向為人工智能社會學(xué)、人機交互、數(shù)字智能社會研究、消費研究等。

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，F(xiàn)rontline 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、宋晨鵬、葉浩彬：《智能服務(wù)情境下消費者對服務(wù)型機器人使用意愿研究》，《旅游學(xué)刊》2023年第38期。

5 本文不是一個完全基于技術(shù)接受模型的研究，但結(jié)合該模型中的主要觀點，對數(shù)字化機器智能服務(wù)具體實踐的有關(guān)視頻數(shù)據(jù)進行了分析。

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 許馨芷：《“看，機器人！”：人工智能機器人在服務(wù)實踐中的多元角色構(gòu)建》，《科學(xué)與社會》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 為保護受訪者隱私，本文不披露受訪者的相關(guān)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，顧客在兩臺機器之間來回倒騰好幾次，最后還不得不尋求其他人的幫助。

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 許馨芷：《“看，機器人！”：人工智能機器人在服務(wù)實踐中的多元角色構(gòu)建》，《科學(xué)與社會》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.，F(xiàn)ix 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.