AI初印象：點解用家肯唔肯用？

塑造思維：首印象如何推動AI採用

關鍵時刻。與AI系統的首次互動——無論是網站、登陸頁面還是演示——都會塑造用戶對該系統的心理模型。這進而決定了該系統是否會被採用。這些決策是由情感驅動還是邏輯驅動的？本文將探討技術採用理論如何解釋技術接受的機制，並對AI系統進行應用分析。

新技術，舊習慣

你聽過Khanmigo嗎？這是Khan Academy推出的一個AI驅動的教學助手，旨在通過互動對話引導學生的學習旅程。它富有同理心、引人入勝且耐心十足。如果犯了錯誤？沒問題。它會輕柔地解釋錯誤原因及修正方法，創造出一種更像是共同成長的學習體驗，而非單純的糾正。這展示了AI如何重塑舊有模式，使互動變得更個性化、更靈活，甚至更具人性。

當然，對於Khanmigo來說，孩子們是一個相對容易的受眾，因為他們自然對這些創新持開放態度。他們沒有經歷過因不斷上課而形成的“學習疲勞”，也不會將學習時間與無聊聯繫在一起。AI正好契合他們的需求，未經污染且充滿渴望。

現在想象一個不同的場景：一輛裝有AI的汽車，可以通過追蹤你的面部表情和眼瞼運動來檢測你是否疲勞到無法安全駕駛。它可能會建議你停下來休息，或許還會發出微弱的警報。但如果告訴我的爺爺這個主意，他可能會對一台相機比他更了解何時需要休息而感到好笑。總會有早期採用者——那些渴望擁抱新事物的人——以及那些因為邏輯或個人原因而抗拒的人。例如，有些人可能擔心AI會取代他們的工作，而另一些人則可能因為對這種技術感到陌生或入侵而不信任。理解並解決這些觀點是設計能夠縮小懷疑與接受之間鴻溝的AI系統的第一步。

好消息是？這並不是一個新挑戰。人類在每次工業革命中都面臨過這一挑戰，每一次都適應了新的常態。雖然我不會詳細探討所有這些變革時代——或正在進行的第四次工業革命——但我想專注於最近完成的第三次工業革命，即20世紀末計算機和互聯網時代的曙光，並探討其促進系統採用的關鍵理念。

當計算機遇上人類

1980年代是技術採用研究的一個重要轉折點，因為個人計算機的快速崛起及其如何融入日常生活的挑戰。研究人員迅速認識到需要關注用戶在信息系統設計和實施中的參與。這種強調承認了一個簡單的真理：技術的有效性取決於它是否能滿足使用者的需求。

在實踐方面，行業從業者專注於開發和改進系統設計，旨在使其更易於使用和更有效。我的最愛例子是Xerox PARC（帕洛阿爾托研究中心）的研究，研究人員密切觀察辦公室工作者的行為和工作流程。他們的見解促成了桌面隱喻的創造，引入了文件、文件夾和與物理桌面相似的工作空間等熟悉概念。這一創新徹底改變了圖形用戶界面（GUI），為蘋果的Macintosh和微軟的Windows等系統奠定了基礎。

這些平行努力——學術研究與實際開發——促成了無數理論和框架的創建，以更好地理解和指導技術採用。其中，技術接受模型（TAM）成為最具影響力的模型之一。

技術接受模型

1986年，Fred Davis創建了這一模型，以回答一個簡單但關鍵的問題：為什麼有些人採用新技術，而另一些人卻抵制？TAM旨在測量這一採用過程，重點關注顧客的態度——特別是技術是否感覺有用和易於使用。這兩個因素構成了模型的基礎，提供了一個理解人們如何決定接受（或避免）新工具和系統的視角。

第一個因素，即感知有用性，指的是用戶相信該技術能改善他們的表現或生產力的程度。這是以結果為導向的，專注於該工具是否幫助用戶達成目標、加快任務完成或提供更好的結果。

TAM的第二個因素是感知易用性，即使用該技術是否簡單且沒有不必要的努力。雖然有用性可能吸引用戶的注意，但易用性則決定了他們是否會持續使用。如果一個系統感覺複雜、笨拙或過於技術化，即使其優點也可能不足以贏得用戶的青睞。人們自然會傾向於選擇感覺直觀的工具。

2000年，Venkatesh和Davis擴展了原有的TAM模型，深入探討了什麼形塑感知有用性和人們使用技術的意圖。他們引入了兩個關鍵影響因素：社會影響——他人的觀點和社會規範如何影響採用——以及認知工具過程，專注於用戶如何心理評估和與系統建立聯繫。讓我們拆解這些因素，探索它們如何幫助塑造促進採用的AI系統心理模型。

感知有用性

感知有用性並不是孤立存在的。社會因素之一是主觀規範，即我們感受到的來自他人的使用（或不使用）某一特定技術的壓力。這與形象密切相關，採用一個工具可能會提升某人的地位或聲譽——想想設計影響者在參加Config後，分析最新功能並展示他們的專業知識。

但主觀規範對每個人的影響並不相同。經驗可以削弱其影響力。對於剛開始使用新系統的人來說，社會壓力往往更具影響力——他們不確定自己的立足點，會向他人尋求指導。然而，隨著他們變得更加自信，外部觀點的影響開始減弱，自我評價會佔據主導地位。自願性也改變了遊戲規則。當採用是選擇時，用戶會受到他人意見的影響較小。但當採用是必需的——無論是因為工作場所的強制或社會義務——主觀規範的影響就會更強。

在認知方面，工作相關性發揮著重要作用。用戶會問，這項技術是否在我的具體角色中實際有幫助？如果答案是否定的，他們不太可能將其視為有用。同樣，輸出質量——系統是否提供符合或超過預期的結果——也強化了其價值。最後，結果可示範性，即技術的好處能夠多清晰地被觀察和傳達。越容易看到和衡量影響，用戶越可能將其視為有用。

雖然產品設計無法直接影響主觀規範，但它經常在塑造形象方面發揮作用——人們如何看待自己或想象他人如何看待他們採用該技術。這不僅僅是關於產品本身，而是使用它所傳達的個人形象。通過從第一次接觸開始專注於正確的敘事，一些應用程序使得用戶能輕易看到採用這一工具如何對他們產生積極影響。

例如，folk.app並不僅僅列出功能，而是專注於解決具體的痛點，將應用程序框架為一個幫助保持組織和專業的工具。這些信息既個性化又實用。例如，一個標題為“為你完成的銷售研究”暗示著用戶在不需要額外努力的情況下，就能隨時獲得有價值的見解。這不僅僅是解決問題；它還將用戶定位為更具準備性、更專業、更高效。

Braintrust則採取了不同的角度。他們強調媒體的正面評價，暗示該平台受到廣泛認可。這不僅僅是說明該應用有效；而是創造了一種感覺，使用它使你處於前沿，成為一個前瞻性社區的一部分。這構建了形象，使得用戶感受到採用這項技術與創新和成功相一致。

感知易用性

如果感知有用性回答了“這項技術能幫助我嗎？”這個問題，那麼感知易用性則提出了一個同樣重要的問題：“這會容易理解嗎？”研究顯示，這一感知受兩大類因素影響——錨和調整。

錨作為用戶評價易用性的起始點。它們包括內在特徵和傾向，例如計算機自我效能——用戶對自己使用技術能力的信心——以及對外部控制的認知，即相信在需要時可以獲得支持和資源。另一個錨是計算機的遊玩性，它反映了用戶自然探索和實驗技術的傾向。這種好奇心可以使系統更具親和力，即使它們很複雜。相反，計算機焦慮，即對參與技術的恐懼，則可能成為障礙，使系統看起來比實際更難。當將這些原則應用於AI系統時，我們看到一種新的擔憂形式出現：AI焦慮。

一旦用戶開始與系統互動，調整便會發揮作用。與錨不同，錨根植於用戶的既有特徵和信念，而調整則是動態的——根據與系統的實際體驗來細化或重塑對易用性的初步感知。

一個關鍵的調整是感知享受，即使用系統的過程是否本質上令人滿意甚至愉悅。這一概念與用戶愉悅密切相關，互動不僅僅是功能性的，還能創造出快樂或驚喜的時刻。你是否曾在Google中搜索“貓”，並注意到一個黃色的爪子按鈕？這就是愉悅。它是意想不到的、充滿趣味的，對於功能來說完全不必要——但它會留在你的記憶中。

另一個調整是客觀可用性——系統在使用過程中的實際表現。在與系統互動之前，用戶可能會假設它會很複雜或困難。但隨著他們與AI的互動，準確且直觀的反應可以改變這一感知，強化系統不僅功能正常而且易於使用的觀念。

計算機自我效能——用戶對自己使用技術能力的信心——無法直接控制，但可以朝著正確的方向進行引導。關鍵在於讓應用程序感覺親切，讓用戶相信自己能掌握它。

一種方法是展示他人的體驗。突出用戶評價或見證不僅僅是營銷——它觸及了Bandura的社會認知理論的理念。當人們看到其他人成功使用某個工具時，他們開始思考：“如果他們能做到，我為什麼不能？”這不僅僅是證明；而是播下了可能性的種子。

另一種方法是幫助用戶形成對技術運作的心理圖譜。例如，GitBook將功能描述與簡潔的界面快照配對——這些乾淨、極簡的快照為用戶提供了足夠的信息，以理解基本概念，而不會讓他們感到不知所措。動畫引導他們的注意力，而互動元素則帶來了一層微妙的遊戲化，讓學習感覺更像是一種探索，而非負擔。這是以用戶為中心的設計，逐步提升信心。

Slite則提供了一個例子，展示了“工作相關性”因素如何使產品介紹從第一頁開始就引起共鳴。引入知識庫的一大挑戰是抵制分享信息。研究顯示，60%的員工難以從同事那裡獲得關鍵信息，這通常是由於所謂的“知識隱藏”現象——故意隱瞞或隱藏信息。這種行為源於失去地位或工作安全感等恐懼，從而形成了合作和生產力的障礙。

Slite正面對這一挑戰，以幽默的方式進行包裝：“這個知識庫甚至是[目標行業之一的Name]想使用的。”這微妙地提到目標痛點，突顯其關鍵差異：美觀的文檔、無麻煩的採用，以及從第一天開始的AI驅動搜索，強調感知享受——畢竟，誰不喜歡美觀、輕鬆的解決方案？

這不僅僅是關於功能；而是創造一個如此直觀且引人入勝的產品，以至於減少抵制並激發採用，將擔憂轉化為熱情。

結語

技術接受模型雖然有價值，但並不是普遍解決方案，而是一個框架——一個幫助我們檢視和理解技術採用動態的視角。自從25年前引入以來，它揭示了用戶如何感知和參與技術的模式。然而，它也可能過於籠統，忽略了影響用戶行為的細微和具體因素。根植於有理行為和計劃行為的心理理論，TAM作為一個導航者——幫助我們更好地理解和適應人類情感推理的複雜性。通過認識其優勢和局限性，我們可以利用它作為指導，創造出真正能夠與其設計對象產生共鳴的技術體驗。

此文章不僅闡述了技術接受模型的內涵，更深入探討了如何在AI的背景下實現有效的技術採用。在當今快速變化的數字世界中，理解用戶的心理和需求是設計成功產品的關鍵。AI技術的發展雖然令人興奮，但如何使其在用戶心中建立信任和接受度，仍然是設計者需要面對的挑戰。

以上文章由特價GPT API KEY所翻譯及撰寫。而圖片則由FLUX根據內容自動生成。