模糊、缺席、不可見：影響數字化機器人智能服務的三個關鍵原因

關鍵詞：自動化；智能服務；人機交互；視頻錄制與分析；旅游與酒店

摘 要：機器人服務是數字化智能服務轉型的一個重要體現。以往的研究理論化和技術化地分析了自動化機器人技術在提高服務效率、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，更鮮有研究者在全自動化機器人服務的環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，并結合民族志的研究方法，在兩家數字化無人智慧酒店中記錄了495次顧客與自動化智能服務系統互動的實踐，旨在從實證的互動角度發現全自動化智能機器服務場景下存在的問題，揭示智能機器系統對服務活動產生負面影響的三個因素：互動指令的模糊性、服務協助人員的缺席、機器人交互技術的“不可見性”。為了提高數字化機器人智能服務效率，未來應考慮開發用戶友好型服務交互系統。

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.

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

數字化技術的飛速發展正帶領我們經歷一個以機器人技術、人工智能（AI）、大數據計算等新興技術為特征的第四次工業革命。其中，智能自動化已成為各行業數字化轉型的關鍵因素——它將機器集成到一個自治系統（self-managed system）中，且在沒有人工參與的情況下完成全部的生產、交互活動。1近年來，隨著我國“數字化城市”建設的推進和機械智能化技術的發展，旅游供應商已開始在其運營中使用智能機器并不斷深化發展數字化機器人服務模式，旅游業正在步入一個更加自動化的未來。

自動化機器人服務（Automated Robotic Service）是智能數字化在旅游服務領域的一種代表形式。2它以標準化服務為基礎，創造了一種新穎、便捷、智能化的服務體驗，實現了產業數字化轉型的目標。3機器人酒店作為自動化機器人服務的重要成果之一，是機器人服務發展的新趨勢。像日本的Henn-na，中國的Flyzoo，或者美國的Vdara和EMC2，自動化服務機器（人）承擔起面向顧客的主要服務職責，在酒店日?；又袑崿F具有科技感的智能服務交互。

現有的自動化服務研究集中在理論化、技術化地討論智能服務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用于降低成本、提高工作效率或維護服務質量的優點，認為智能自動化技術的應用能極大程度提高旅游服務行業的智能化和數字化發展水平，有利于智能旅游領域的進步。4然而，部分旅游管理研究者卻擔憂自動化服務機器對員工創新能力發展5和旅游地旅客體驗6有著負面影響。其中，技術接受模型（Technology Acceptance Model）提出有關技術的感知有用性（Perceived Usefulness）、感知易用性（Perceived Ease of Use），以及用戶的技術準備度（technology readiness）對用戶在實際人機交互活動中交互意愿的影響，研究者發現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交互的意愿和感覺。7數字化智能自助服務的實現依賴于客戶在實際操作中對該技術的接受度和采用度。當技術準備程度低的人對智能技術感到不適和沮喪，他們可能會抵制自助服務交互8；更有甚者，當遭遇技術困難時，抗拒技術（technology-resisted）的客戶會選擇由“高科技技術性”的智能服務轉向“高接觸性”的人工服務9。

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

因此，基于現階段數字化智能服務領域中有關實證研究的空白，本文旨在從顧客的視角檢驗全自動服務機器與人類用戶之間的現實互動情況，并用實證數據回答有關數字智能服務系統（即機器人服務系統）的實際服務能力問題。為此，本研究在中國的兩家機器人酒店（數字化無人智慧酒店）進行了為期三年的民族志和常人方法學調查，并用視頻記錄了495個顧客使用自助入住登記機、服務機器人等數字化服務工具的情況。這兩家酒店配置了全方位的數字化智能機器人服務系統，沒有安排專門的人工服務人員；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環境，有利于研究者對人機交互活動進行最全面的調查分析。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系統對服務效率的影響。本研究以交互為重點，從顧客的實際服務參與角度檢查人機交互中的服務表現，分析了當下數字化機器人服務交互中可能存在的影響服務效率的三個問題，并且對未來高效率、高質量的人機交互服務發展提出幾點建議。

一、數字化智能服務與服務效率

（一）數字化服務技術與服務工作標準化

近年來，數字化技術在組織業務轉型發展過程中的重要性日益凸顯。智能化數字技術的使用改變了組織的商業模式（包括從產品的生產流程到市場的供求結構），特別在服務領域，智能化數字技術的應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。

服務領域的數字化技術應用不是一個獨立的概念，它涵括了日常社會生活中涉及數字化、自動化智能技術的服務互動和社會實踐。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模式接觸。盡管旅游與服務領域的研究者對數字化智能技術產生了濃厚的興趣，有關數字化智能服務的研究貢獻仍然僅限于描述當前應用以及未來潛在的實施和影響?，F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、對服務從業人員就業前景的擔憂3、自動化服務的效率4以及用戶對系統的適應能力等問題5。這些研究一致認為數字化技術帶來的智能標準化生產有助于服務生產者以更低的成本實現更高效的產出：自動化系統使雇主能夠減少雇員數量和工作時間，減少生產支出，同時又能提高服務效率，甚至擴寬服務渠道，讓公眾能隨時隨地享受服務。678

就技術應用性而言，數字化智能產品的廣泛應用將“標準化（生產）”帶入了服務行業。早期的智能標準化服務模式首先應用于網絡搜索服務；隨著自動化交互設備和服務機器人的廣泛使用，標準化進一步涉及實際的服務交互過程；服務機構通過應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、預先設定的服務和協助中。1

有關數字化智能服務的研究主要討論了服務工作標準化為服務提供者帶來的積極和消極影響。認為服務工作標準化對服務行業產生積極影響的學者指出，數字化智能服務可以簡化復雜的服務交互過程，能最大限度地減少服務交付中的行為偏差，提高服務效率，增強顧客體驗等。23常規和重復的人工服務被轉化為自助服務或批量生產，例如，酒店客房服務機器人可以代替人類員工來執行日常的入住、點餐、物件派送等服務。相反，有的研究者則評估了服務工作標準化對服務業從業人員的負面影響。4這部分研究者認為，服務工作標準化導致服務業員工變得僵化和不靈活——服務人員被告知要遵守機器工作的規則，配合智能機器以提供服務，而不是有創造性的表現——這表明了服務工作標準化確實阻礙了從業者的工作表現和服務創新。

（二）技術接受模型與智能自助服務

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

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

后來的研究者通過擴大研究場景，對技術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（包括主觀規范、自愿程度等）、認知工具過程（包括工作相關性、結果質量和感知易用性等）和經驗調節感知易用性對計算機技術使用的影響。12現有的技術接受模型研究大多集中在通過統計數據對不同使用場景的定量測量34，少有研究者嘗試通過質性田野數據對日常生活的技術交互開展定性分析。因此，本文受技術接受模型的啟發5，對我國的智能服務場景（以無人智慧酒店為例）進行民族志的調查，以分析影響數字化機器人智能服務的關鍵因素。同時，鑒于有的學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容發現的問題提出對應的應用性建議。

（三）服務互動研究

常人方法學與會話分析（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為了發現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建的互動秩序和社會意義。

現有的基于互動視角的服務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，服務參與者準備和回應請求的關鍵時間節點11和服務對話中用于描述對象的分類、定位和識別的不同參考術語的溝通12等內容。這些研究揭示了客戶與服務人員在實踐中自然和傳統的服務關系和工作順序。在服務互動中，很多常規的服務流程都是標準的、預設的，這與數字化智能自助服務技術創造的標準化是相類似的。因此，部分服務互動研究旨在通過對標準化服務工作的分析來揭示服務參與者如何理解日常服務互動，以及如何滿足標準化服務互動中的個性化服務需求。

在部分涉及人機交互的服務研究中，研究人員旨在促進人們對數字技術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之間的協作工作，Yamauchi，Whalen和Bobrow16詳細描述了技術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用不斷擴大，研究者也逐步開展了有關機器人服務的實證性研究。234

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

二、數據收集

（一）數據收集場所

當沒有人類服務員協助顧客進行服務活動時，顧客只能依靠自己來完成所有的人機交互任務。這樣的場景有利于我們去觀察、了解和分析在數字化智能服務交互中顧客與服務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的兩家連鎖數字化機器人酒店L-Hotel，進行了為期三年的田野調查。L-Hotel隸屬于同一家數字化智能服務公司。兩家機器人酒店都是全自動化的機器人服務酒店，酒店大堂均配備了兩臺自助登記機和一臺可語音交互+自主移動的服務機器人。顧客需要自己在不同的移動終端上完成從在線預訂到酒店入住的全部服務，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，服務系統將根據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進行身份驗證。酒店的面部識別系統與國家數據庫相連，顧客將身份證放在傳感器上后，系統將能夠訪問顧客的數字面部信息。當面部識別過程開始時，自助登記機將打開其內部攝像頭并向顧客顯示取景界面。人臉識別開始后，系統會依次循環播放六條指令，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。當指令循環三次后，系統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機器人，機器人會為顧客提供引路服務。

（二）數據收集方法

調查期間，本研究采用了三種經典的民族志方法進行數據收集：訪談、參與式觀察、視頻錄制和分析。

1. 訪 談

訪談（Interview）是質性研究中最經典的研究方法。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，本研究在調查期間采訪了兩家酒店的八名雇主和員工、業內的三名機器人設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

借鑒民族志的傳統研究方法，參與式觀察（Participated Observation）有助于研究者對田野點調查對象、活動內容進行深入的、本地化的理解。在數據收集（視頻錄制）期間，筆者首先以“技術支持助理”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據收集和呈現方式。23通過檢驗活動參與者對自己及他人的日常生產生活活動的理解，研究者能夠分析社會秩序。作為本文的創新性研究方法，筆者在A酒店和B酒店進行了為期3年的視頻數據收集，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，調查和行為研究倫理委員會也在調查前批準了這項研究。

為了將視頻轉錄為文本資料并進行可分析的描述，視頻數據將根據分析需要以連環畫的形式呈現，或采用Gail Jefferson4開發的對話分析系統進行轉錄（見表1）。

三、智能人機服務在實踐應用中的服務效率

當顧客很好地配合系統并且沒有出現技術錯誤時，自助注冊過程可以很快結束。然而，本研究發現，關于“顧客如何完成酒店入住登記”的情況在日常實踐中卻復雜得多。在495個案例中，有 62 名顧客由于遇到技術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故障或程序錯誤。對于這些顧客而言，自助入住不是“一帆風順”的，這與前人研究中對智能自助服務能節省服務時間、提高服務效率、增強服務體驗的結論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”進行了簡單的統計。在本研究調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分鐘內完成入住登記（0.9%），129位顧客在1～2分鐘內完成入住登記（29.8%），158位顧客在2～3分鐘內完成入住登記（36.5%），72位顧客在3～4分鐘內完成入住登記（16.6%），8位顧客在4～5分鐘內完成入住登記（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%）。

據兩家酒店的人工服務人員介紹，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，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人員提供服務的時間長得多（即超過3分鐘）。就本研究初步統計的數據而言，自動化智能服務系統似乎并沒有顯著地提高服務效率。

四、智能人機服務效率低下的原因分析

通過對服務交互技術和智能服務環境的具體分析，本研究發現了對智能服務效率產生負面影響的三個主要問題：互動指令的模糊性、服務協助人員的缺席，以及機器人交互技術的“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。

當顧客聽到系統對相同的指令不斷循環時，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”他們的動作以完成人臉識別任務。數據顯示，大多數顧客在以后的周期中改變了他們對相同指令的響應方式。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。

除了對統一指令做出不同的響應，還有部分顧客會選擇移除可能阻礙人臉識別技術成功的其他因素——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。根據人們的日常經驗，在為護照、身份證等官方證件拍攝照片或辦理身份認證時，不應佩戴任何配飾。這種對日常類似活動經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。

面部識別系統的指令是預先編程和標準化的，它不能說明顧客無法實現或失敗的原因。但不斷重復的指令讓顧客意識到他們之前的響應“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相配合。自動化服務系統一方面要求顧客自己完成不同的任務，例如完成人臉識別；另一方面對顧客應該如何做、如何改正自己的行為沒有任何指導。因此，用戶需要根據他們“推測”的技術需要（在本文的案例中，即人臉識別技術的識別方式）來改變，或“格式化”自己的外表和行為，以確保能成功地實現機器識別。

傳統旅游服務業中“顧客至上”的原則將服務活動中的失誤和不便歸結為服務人員的責任1，顧客在傳統的服務交互活動中享有更高的權利2。然而，如今的機器人服務讓顧客參與服務生產，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中，顧客從“上帝”轉變為了“勞動者”，他們需要不斷地學習和改正自己對機器人服務系統的響應，以使得該服務互動能順利進行。原本簡單的身份識別由此變得復雜起來，大部分顧客需要花費更長的時間去完成入住登記。

（二）服務協助人員的缺席

智能機器人服務旨在用全自動化的智能機器和服務機器人取代人類雇員。因此，當顧客在操作自動化系統的過程中遇到問題或錯誤時，他們無法及時聯系到一個“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：呼叫遠程協助、求助旁觀者，或等待現場人工服務。

在自助入住機和服務機器人界面的右上角標有酒店服務熱線。在遇到困難的時候，約3%的顧客將“致電服務中心”作為他們求助的第一步。簡單的任務，如修改顧客姓名或身份證中的錯誤信息，可以由遠程技術人員輕松解決。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、明確地理解對方關于問題和解決方案的描述時，通過電話進行遠程協助才成為可能。3未能正確地定位問題源是導致遠程助手無法進行有效技術支持的重要原因。

另一種便捷的求助方式是向旁觀者尋求幫助。旁觀者可以是已經或未完成系統操作的其他顧客（即可能是現場有經驗的顧客），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流程，但是不會為入住登記者提供實質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助。這是顧客采用的最有效和最常規的方法，即使它需要很長時間才能實現。呼叫遠程協助中心未得到幫助的顧客將被告知等待現場服務人員，控制中心將聯系現場服務人員并簡要解釋顧客的問題。屆時值班人工服務人員會到達現場，進一步協助顧客解決問題。其他沒有呼叫服務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場的人工服務人員。

當人工服務人員出現時，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指令回應錯誤造成的交互失敗，則會指導顧客校準他們對系統指令的回應，比如調整站立位置、姿勢或移除部分配飾。對于系統預約信息與顧客身份證信息不匹配導致的問題，現場助理則會在后臺系統中修改顧客信息，讓顧客重新進行自助登記。對于因技術錯誤導致的情況，如注冊系統卡在中間或機器無法讀取顧客身份證時，現場服務人員將手動為顧客注冊。

“人工服務人員的完全缺席”是服務業的一個挑戰，它打破了傳統服務關系的建立方式1，從根本上改變了服務活動的性質——使其完全智能化、數字化、標準化，這些自動化機器人從完全的服務工具轉變為服務主體。當機器人系統宕機或者發生技術錯誤時，人工服務人員必須從自動化機器手中接過服務工作，重新為顧客提供人工服務。據兩家機器人酒店的員工反映，自助登記機和服務機器人在過去兩年的使用過程中偶爾會出現故障，給客人和店員帶來不便?！罢埱蟆憫换ァ钡某绦蛐枰獣r間來完成，因此，智能機器人的服務效率也在不知不覺中降低了。

（三）機器人交互技術的“不可見性”

前文以人臉識別互動為例分析了有關智能服務系統互動指令的模糊性對顧客理解、回應系統造成的不便，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“自我調整”的行為為例，由于系統未能清楚地反饋顧客需要改進的“問題點”并提供改進建議，人們不知道系統背后的運算邏輯是什么，也不知道為什么他們的回應不能被系統順利識別。顧客所有的調整活動都是依據他們對該技術的推測或預判進行的。這對技術準備度高的熟練顧客而言可能不是難事，但對于技術準備度低的新手顧客而言，就像是在與一個“黑盒子（Blackbox）”對話。

在調查中，本研究還發現了其他由于技術黑盒子的原因造成顧客無法順利完成入住登記的情況，比如系統在注冊過程中發生卡頓（例如系統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發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致了延誤，甚至不知道他們的入住登記是否被系統確認。信息的不透明和不對稱通常讓顧客感到茫然和無助。沒有了人工服務人員的協助，顧客“像是被機器遺忘在一個空白的世界里”（受訪者，女，29歲）。

服務機器人也經常出現系統延遲。比如，兩家酒店的服務機器人都出現了在客人完成登記后無法提供“領路”服務，甚至對人們的服務請求無響應。

表3互動片段1中的顧客向機器人“小樂”提出了一個“帶路”的服務請求并有一個3秒的等待。隨后，該顧客再次重復他的請求。然而，在接下來的4.6秒中，機器人沒有任何回應。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，機器人響應了該顧客的服務請求。從機器人的響應來看，毫無疑問，它聽清了問題，且正確地做出了回應——但這個延遲的響應讓顧客誤以為服務機器人不能為其提供服務?；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。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。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。

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

五、討論與啟示

數字化智能機器人服務能否在實際服務互動中全面滿足顧客的服務需要并提高服務效率？答案并不是唯一的。本研究證明，全自動化的機器人服務系統的確節省了部分顧客的時間，因為這類顧客已經擁有了與相關機器互動的技能——他們學會了如何對系統的指令做出反應并且可以很好地與機器人系統合作。這些顧客可以快速順利地完成系統布置的任務，自主使用服務機器人。對于不想與陌生人頻繁互動的顧客來說，數字化智能機器人服務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的顧客來說，全自動化的機器人服務系統卻造成了顧客在服務過程中的諸多困難，降低了服務效率。

人臉識別交互失敗導致顧客需要重復回應相同的指令以完成自助登記。反復出現的指令“揭示”了問題的存在，但不能“確定”問題的所在?；又噶畹哪：允沟妙櫩托枰ㄙM大量的時間和精力對可能存在的問題進行反復的推斷和修復。這個結果似乎與先前關于人臉識別技術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化為自適應面部識別系統的“格式化輸入”，沒有靈活性可言。這種訓練是“硬性的”，因為面部識別技術設置的條件必須由其用戶和旁觀者來滿足。但是由于這種技術的“不可見性”，交互系統沒有向使用者提供真正的幫助來指導他們進行、完成這項訓練工作。因此，用戶只能通過自我補救，不斷去“調試”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練自己的“工作技能”（work skill），以滿足機器預設的交互要求。

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

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

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

基于技術接受模型的研究路徑，本研究提出了有關交互式人機互動技術（以本文的面部識別技術為例）在日常實踐中的可見性方面的一些棘手問題。雖然大多數客人成功辦理了入住手續，但由于自助服務終端缺乏反饋，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的有用性和易用性測量顧客的服務交互表現，本研究從顧客的服務交互實踐入手分析了顧客的技術表現，以及顧客與數字化智能服務工具的交互效率。研究發現，交互指令的不清晰影響了用戶技術準備能力的運用，人們無法迅速地對一個模糊的指令做出最正確的回應；交互技術的不可見性使得用戶不能清晰地理解和運用該技術，導致技術本身的易用性降低，人們不能明確地了解他們面對的是何種技術，或該技術對他們的交互能力有何種要求；而現有交互技術的不充足發展和服務協助人員在用戶遭遇技術困難時的缺席也降低了該技術的有用性。

此外，鑒于面部識別系統的“黑匣子”性質，目前尚不清楚可以輕松設計多少可理解的反饋。人機交互技術的“不可見性”是實現技術可用性提升的重要限制。從這個意義上說，社會科學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開發者，通過借鑒服務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的有用度和易用度。故此，為了真正提高數字化智能機器人在實際使用中的服務效率和交互效果，本研究針對調查中發現的三個問題提出三點應用型建議：

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

服務商家建立“求助—反饋”快速反應機制。智能服務商家應當為需要遠程協助或現場指導的顧客設置快速響應協議（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，乃至服務商家產生負面情緒和印象。同時，服務商家也可以考慮發展有經驗的顧客為新顧客提供力所能及的幫助，提供“以老帶新”的技術協助模式。

升級語音交互機器人的 ASR 系統和語料庫。為保證服務問詢、信息提供及其他智能語音互動的順利進行，服務機器人系統應當加強自然語言學習（language learning）能力的提升和擴大本地語料庫的數據域，使語音識別系統在機器人交互服務中發揮更好的作用，盡量減少語音交互中的識別偏差。

六、結 論

自動化機器人服務是數字化智能服務的一種新形式，是智能服務轉型的一個重要體現。它以“新型無人輔助的全機械服務方式”挑戰了經典的“由服務人員主導的”服務模式。數字化服務技術將顧客變成了勞動力的一部分，并要求顧客按照系統預先設置的要求，接管并完成服務交互過程中幾乎所有的“工作”。盡管研究者對數字化智能技術在旅游和服務領域的前景有著樂觀的預期和熱切的期待，但目前的智能機器人系統在實際服務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，進而降低了服務效率。智能機器人服務的本質是一種以機器程序為導向的數字化服務模式，它要求顧客主動地認知、分析和理解系統并學會與系統協作。但是，對于初次接觸該技術的顧客來說，這些工作需要時間和額外的活動來完成。這種“現場學習”的交互模式降低了機器人服務的實際效率，且可能對智能人機服務交互產生負面影響。為了提高自動化機器人服務效率，本研究建議，未來的自動化智能機器服務系統應該轉變為用戶友好型的服務工具，在實際的社會應用中增強技術的可見性，以便用戶理解技術的交互邏輯，并嘗試讓顧客從智能服務的“半勞動者”轉變為服務的“完全享受者”，優化顧客的智能服務交互體驗，加快數字化旅游產業的全面轉型升級。

責任編輯：劉詩能

作者簡介：許馨芷，博士，研究方向為人工智能社會學、人機交互、數字智能社會研究、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，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、宋晨鵬、葉浩彬：《智能服務情境下消費者對服務型機器人使用意愿研究》，《旅游學刊》2023年第38期。

5 本文不是一個完全基于技術接受模型的研究，但結合該模型中的主要觀點，對數字化機器智能服務具體實踐的有關視頻數據進行了分析。

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實踐中的多元角色構建》，《科學與社會》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實踐中的多元角色構建》，《科學與社會》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.，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.