用户不信AI,只是因为它“不够聪明”吗?——数智服务信任赤字的生成与演化

从智能推荐、智能客服，到自动驾驶和医疗辅助诊断，数智服务正越来越深地嵌入日常生活。与此同时，算法黑箱、隐私泄露、深度伪造等问题也不断引发用户对数智服务可信性的担忧。更值得关注的是，这种不信任并非静态存在，而可能在持续的人智交互中不断扩散、累积和放大，最终形成系统性、持续性的信任失位。本文将这种“用户感知的人智信任失位所引发的服务信任水平持续低于信任预期”的情景定义为“数智服务的信任赤字”。由此，本文聚焦三个核心问题：如何刻画数智服务中信任赤字的多维度生成机制？如何识别数智服务中信任赤字的动态演化路径？如何解析数智服务类型、服务场景风险和用户数智素养对信任赤字生成与演化的影响机制？

本文基于信任理论，将数智服务中的信任赤字划分为能力、善意、诚实和可控性四个维度，并从动态视角刻画三条演化路径。服务失败体验形成“不信任锚点”，使信任赤字跨周期增强；不同维度的信任赤字通过认知迁移和情感投射相互影响，形成多维度耦合；用户数智素养差异则带来异质性衰减。在此基础上，研究区分工具型与共情型服务，并将服务场景风险和用户数智素养纳入模型开展情景仿真。结果显示，服务失败后，不同的数智服务类型在信任赤字的演化路径上存在显著差异：工具型数智服务的信任赤字加速上升，而共情型数智服务的信任赤字总体上升并持续震荡。进一步地，服务场景风险显著放大信任赤字的增长速度，高风险还会使共情型服务原有的震荡过程转为加速上升，重构信任赤字的演化过程。用户的数智素养提高能有效缓解信任赤字的增长趋势，甚至使信任赤字在多轮服务交互中逐步消失。

在科学贡献方面，本文将“信任赤字”的概念扩展到数智服务领域，构建了数智服务的四维信任赤字模型，拓展了信任理论在数智服务情境下的研究边界。在此基础上，本文提出了数智服务信任赤字跨周期增强、多维度耦合与异质性衰减的演化路径，揭示了信任赤字在不同情境下的主导维度迁移、演化速度变化与动态耦合效应，为理解数智服务情景中人智信任的动态性与系统性提供了新视角。

在管理启示方面，应根据数智服务类型与信任赤字维度构建差异化的治理机制。工具型服务应优先提升系统的动机透明性与用户干预机制，以降低善意与可控性赤字; 共情型服务则需重点优化情感识别与响应能力，强化对用户情感反馈的理解与记忆，以减少能力与善意赤字的累积。同时，在医疗、金融、交通等高风险领域，应配置基于风险等级的动态信任反馈机制，并提升用户的算法认知与交互理解能力，推动形成信任共建的正向循环。