问题提出

生成式 AI 正在从「你问它答」走向「它主动预判你没说出口的需求」——健康助手主动生成养生建议、购物助手主动推荐商品。但已有研究对「主动」的评价两极分化：CASA 理论说拟人化主动行为让人觉得 AI 有温度、更愿用；心理抗拒理论却说主动剥夺了用户自由、引发抵制。一个现象、两种相反结论，说明单用一个理论看不清——问题卡在：AI 越主动，到底在什么时候助人、什么时候惹人烦？

难点剖析

难点在于「主动」对用户心理的冲击是双重的，而且来自同一来源。心智感知理论（mind perception theory）指出，人会把技术按「能动性 agency」这个维度来感知：AI 越主动，越像有自主意图的主体，这既会提升用户对其能力的信任（正向），又会因为把决策权让给 AI、输出不可预测，触发「人类独特性受威胁」的身份焦虑、削弱控制感（负向）。两条路方向相反、此消彼长，光看使用意愿这一个结果根本分不出谁赢了——必须同时建模中介，并找到决定胜负的边界条件。

理论脉络

以心智感知理论为骨架，提出双路径模型：主动服务强度 → 同时 ↑感知能动性（正向中介）→ 使用意愿，以及 ↓感知控制（负向中介）→ 使用意愿。再引入调节焦点理论（regulatory focus theory），用任务类型（享乐 hedonic vs 实用 utilitarian）解释哪条路占优：享乐任务激活促进定向、更在意惊喜与收益，实用任务激活预防定向、更在意掌控与风险。

理论模型

研究模型（Figure 1）：自变量=主动服务强度（高 vs 低），双中介=感知能动性（perceived agency）、感知控制（perceived control），因变量=使用意愿。假设高主动同时抬升感知能动性（正向路径 H1）与压低感知控制（负向路径 H2），二者对使用意愿方向相反；调节变量=任务类型——享乐任务下正向路径占优（H3b），实用任务下负向路径占优（H3a）。两个情境实验：Study 1（健康助手）验 H1/H2，Study 2（购物助手）验 H3a/H3b 的调节中介。

研究假设

H1：感知能动性中介「主动服务强度→使用意愿」的正向关系——高（vs 低）主动提升感知能动性，进而提升使用意愿。 H2：感知控制中介「主动服务强度→使用意愿」的负向关系——高（vs 低）主动降低感知控制，进而降低使用意愿。 H3a：实用任务下，经「感知控制下降」的负向间接效应 > 经「感知能动性提升」的正向间接效应。 H3b：享乐任务下，经「感知能动性提升」的正向间接效应 > 经「感知控制下降」的负向间接效应。 （另排除两个替代机制：感知信任、隐私顾虑。）

分析策略

两个情景实验（scenario-based experiments）。Study 1：单因素（高/低主动）被试间，PROCESS Model 4 + 5000 次 bootstrap 检中介；Study 2：2（主动高/低）×2（任务享乐/实用）被试间，PROCESS Model 7 检被调节中介；并做操控检验、共同方法偏差检验（Harman 单因子/单因子 CFA/ULMF），性别年龄（及 Study 2 的卷入度）作控制变量重跑稳健性。

数据收集

数据经 Credamo 平台招募并付酬。Study 1 健康助手情境（主动推用药提醒、症状自查、个性化养生建议）；Study 2 购物助手情境，先用 100 人预测试验证享乐/实用任务材料有效，再正式招募。两研究均设高/低主动操控（高主动=「主动分析并直接推荐，不经询问」；低主动=「先问你是否要推荐再给」），操作化贴近真实产品。

研究样本

Study 1：招募 160 人，剔除 3 份未过注意力检查，有效 157 人。Study 2：预测试 100 人（ANOVA 确认任务操控有效，F(1,98)=204.81, p<0.01）；正式招募 320 人，剔除 6 份，有效 314 人（女性 57.3%）。样本以中国用户为主。

测量工具

核心构念用量表（7 点 Likert，见附录 D1）：使用意愿、感知能动性（技术能思考/计划/行动的程度）、感知控制（能否掌控结果的程度）、主动服务强度感知；Study 2 加卷入度控制；操控检验用单条目任务类型感知（Wien & Peluso 2021 改编）。测量题项因子载荷与信效度见附录 D2。

信效度检验

共同方法偏差以三种方式检验：Study 2 的 Harman 单因子未旋转 EFA 首因子解释方差 31.48% < 40% 阈值，单因子 CFA 与 ULMF 同见附录，CMB 不构成显著隐患；两研究均把性别/年龄（Study 2 加卷入度）作控制重跑，核心结论一致。测量题项信效度见附录 D2（正文未列 α/CR/AVE 具体数值，故不引具体值）。

假设检验

Study 1（H1/H2，PROCESS Model 4，5000 bootstrap） — H1 正向间接效应（经感知能动性）：b=0.202，95% CI [0.049, 0.404] → 支持；H2 负向间接效应（经感知控制）：b=−0.227，95% CI [−0.471, −0.089] → 支持。替代机制排除：感知信任 b=0.131（CI[−0.145,0.357] 不显著）、隐私顾虑 b=−0.010（CI[−0.070,0.041] 不显著）。

Study 2（H3a/H3b，被调节中介，PROCESS Model 7） — 主动×任务对使用意愿交互：F(1,310)=20.699, p<0.01。实用任务：高主动→使用意愿更低（M低=5.61，M高=5.13，F=8.270, p<0.01）→ 低主动更优；享乐任务：高主动→使用意愿更高（M低=5.39，M高=5.99，F=12.662, p<0.01）→ 高主动更优。经感知能动性的被调节中介 b=0.227（CI[0.035,0.486]）；经感知控制的被调节中介 b=0.244（CI[0.006,0.547]）。实用任务：控制路径 b=−0.327（CI[−0.575,−0.134]，负向更强），能动性路径 b=0.165（CI[0.027,0.308]）→ H3a ；享乐任务：能动性路径 b=0.392（CI[0.212,0.615]，正向更强），控制路径 b=−0.083（CI[−0.246,0.081] 不显著）→ H3b 。

研究结论

1. 主动式 GenAI 是「双刃剑」，而且两条刃来自同一个根：用户把 AI 感知为有能动性（agency）。这既让它显得聪明可靠（抬升使用意愿），又因为把决策权让出去、输出不可预测，削弱了用户的控制感（压低使用意愿）。 2. 两条路谁赢，由任务类型决定：享乐任务（娱乐/穿搭/探索）下，正向能动性路径占优——越主动越好；实用任务（日程/报表/采购）下，负向控制路径占优——越主动越劝退。 3. 理论贡献三条：① 把 GenAI 主动服务的本质定义为「同源双路径」，超越以往单视角（只夸或只批）；

② 修正心智感知理论——指出「赋予能动性」也有心理代价（丢控制感），补全了正反两面；

③ 用任务类型这个权变条件，调和了前人互相打架的结论。 4. 对设计的启示：别一味把「主动」拉满。要按任务类型配强度——享乐场景可高主动，实用场景低默认主动+按需触发；并给可调节的主动度滑杆、把「指示」改成「建议」、加可解释性与用户否决权。

研究局限

① 两个实验均为情景实验，内部效度高但外部效度/生态效度有限，缺真实产品行为数据；

② 样本以中国用户为主，跨文化的自主感与人人机关系差异未验；

③ 仅覆盖健康、购物两类助手，金融咨询/教育/创意生成等场景待拓展；

④ 只验证了任务类型这一个权变，其他情境与个人因素（如 AI 自我效能、信任倾向）可能也调节双刃效应，尚未探索。

未来展望

用真实商业 GenAI 的行为数据复验框架；跨文化的复制研究；拓展到金融、教育、创意生成等领域；探索更多调节变量（个人 AI 自我效能、初始信任、任务熟悉度等）；纵向跟踪「高主动」对用户长期依赖与能力发展的影响。

金句

“Crucially, these opposing effects originate from the same source—the perception of agency. The capabilities that make GenAI appear intelligent and human-like also threaten users‘ sense of control by transferring decision authority and introducing output unpredictability.” ——关键在：这两条相反的路，根子是同一个——你让用户觉得 AI「有能动性」。正是这份「它好聪明、好像人」的观感，既让人想用，又因为把决策权交了出去、输出又不可预测，悄悄夺走了用户的掌控感。所以做产品别只想着「把主动拉满」：享乐场景可以大胆主动，实用场景得收着点，并给用户一个「我说了算」的开关。一句话——AI 越像人，越要还用户控制权。

— 研究模型图

欢迎关注我的视频号

（❤️会不定期更新AI工具哦❤️）

三连一下，不失联！