人格特质决定你能否顺利用AI打工

人格特质决定你能否顺利用AI打工

同样是与ChatGPT一起写报告，有人觉得相当顺手，像是“如虎添翼”；也有人一试就烦，甚至只想摔键盘。那到底是什么在分差？

你有没有留意过：有些同事一上手AI就能用得得心应手，仿佛找到了最合拍的搭档；而另一些人尝试几次就选择放弃，还吐槽“这东西不太可靠”。既然都是AI，为什么体验会差这么多？

一项最新发表在《International Journal of Human-Computer Studies》上的研究给出线索——很可能与你的性格有关。

引言

随着生成式人工智能加速进入职场，人机交互的方式也在变化：从“把它当工具”逐渐走向“与它进行主动协作”。不过，现有研究虽然讨论了技术接受度，但对更稳定的个体差异研究得还不够，尤其是人格特质如何影响人们与AI的互动方式。

本研究以大五人格模型作为分析用户心理特征的理论支撑。以往工作虽把大五人格与一般技术态度联系起来，但在协作式AI的情境下，这些特质究竟通过什么路径发挥作用仍不清晰。作者还强调，在协作过程中，社会情感层面的因素（例如互动带来的愉悦感、对AI伙伴的信任）可能比传统工具使用场景更关键。

为填补上述空白，作者围绕两个核心问题展开：人格特质如何影响用户体验（特别是愉悦感）？而这些体验又会怎样进一步改变用户在职场里采用AI的意愿？

为此，作者提出5个研究假设：

H1：人格特质（尤其是宜人性）会显著影响与AI协作时的愉悦感。

H2：愉悦感会在性格特质与未来使用意愿之间起到中介作用。

H3：技术信任会调节愉悦感与未来使用意愿之间的关系。

H4：专注度会在性格特质与愉悦感之间承担中介角色。

H5：人格特质（尤其是宜人性）也会直接影响未来使用意愿。

研究设计

实验方法

被试

本研究共招募59名参与者，并随机分到两组：

①AI协作组：与AI共同完成任务。

②对照组：在不使用AI的情况下独立完成同类任务。

实验材料

各项变量均通过自陈问卷进行测量：

①大五人格特质：使用大五人格量表-2（BFI-2），包含15个侧面，例如宜人性维度下的信任、尊重等。

②愉悦感：采用自编条目，衡量用户在任务中的主观愉悦体验（1-5 Likert量表）。

③技术信任：参考 McKnight 等（2011）提出的特定技术信任量表，用于评估用户对初次使用技术的信任倾向。

④专注度：改编自 O’Brien 和 Toms（2010）的用户投入度量表。

⑤未来使用意愿：改编自 Venkatesh 等（2012）的UTAUT2量表。

研究方法

实验流程为：

单因素被试间设计

自变量：

①实验操控自变量：是否与AI协作

②测量自变量：大五人格特质

因变量：

愉悦感、专注度、技术信任、未来使用意愿。

实验任务：

参与者需在一个模拟的职场情境中完成若干商业相关任务。任务结束后，所有被试立即填写问卷。

实验结果

作者采用多层次统计分析，核心使用结构方程模型（SEM），并配合相关性分析与质量控制检验。

SEM结果（AI协作组）

外向性、宜人性以及神经质均能显著预测愉悦感。在纳入全部中介变量的模型中，只有宜人性仍保持显著。

宜人性→专注度→愉悦感的间接路径显著（β = 0.22, p = 0.042），表明专注度是宜人性影响愉悦感的重要中介环节。

宜人性对未来使用意愿既有显著的直接效应（β = 0.32, p = 0.029），也有显著的总效应（β = 0.62, p < 0.001）。

关键发现路径：愉悦感并不是直接在宜人性与使用意愿之间“传递信号”，而是通过技术信任形成间接影响。具体为：

①愉悦感→技术信任路径显著(β = 0.622, p < 0.001)

②技术信任→使用意愿路径显著(β = 0.563, p < 0.001)

③完整的顺序中介链：宜人性→愉悦感→信任→使用意愿。

AI协作组模型

探索性分析

进一步结果同样支持“愉悦感→信任→使用意愿”的传递路径，同时也显示专注度在宜人性与愉悦感之间存在中介作用。

在AI协作组中，使用意愿、愉悦感、技术信任与专注度之间呈中等强度的正相关；而在对照组中，仅有愉悦感与专注度存在显著相关，至于使用意愿和信任则不呈现同样联系。

AI协作组探索性分析

对照组结果

在不进行AI协作的条件下，宜人性与开放性同样能够预测愉悦感，但这种愉悦感并未进一步转化为未来使用意愿或技术信任。

两组在愉悦感、信任、使用意愿的均值水平上差异不显著（MANOVA不显著）。这意味着关键不同不在“总体水平”，而在于“变量之间如何联动”的关系结构。

对照组模型

讨论与启示

理论贡献

整合人格理论与技术接受模型：研究把大五人格作为UTAUT2中涉及愉悦感、信任等关键建构的前置因素，从而更深入解释“谁会在什么心理过程中接受AI”。

重新审视愉悦感的角色：愉悦感并不会直接推动采纳，而更像是促成信任建立的催化力量，同时也拓展了关于技术采纳中享乐动机的相关理论框架。

揭示认知机制：专注度是宜人性影响愉悦感的重要认知桥梁，说明人格特质会影响任务投入的方式与质量。

启示

组织在引入AI时，不能只盯着第一次产生的正面印象，更要关注信任能否真正形成并被转化。

设计层面：引入“伙伴式”框架，减少干扰，加入透明化能力（例如置信度指示器）；并通过循序渐进的方式逐步增加AI的自主程度，从而更容易建立信任。

组织层面：采取分阶段落地策略，早期可优先挑选宜人性较高的员工作为“倡导者”；同时跟踪信任相关指标，而不仅仅看使用频次；并结合不同人格特质定制沟通与培训内容。

局限性

①样本量偏小（N=59），导致统计效力可能受限。

②研究采用模拟职场情境，生态效度不足。

③仅测试单一AI模型（GPT-4o），因此结论的外推范围有限。

④需要开展纵向研究以观察长期效应。

总结

这项研究得出一个关键结论：当用户与AI协作时产生的愉悦感，并不会直接就转化为持续使用的意愿。真正的路径更清晰的是：宜人性→专注度→愉悦感→技术信任→使用意愿。也就是说，愉悦感像“燃料”，而信任才是促进行为的核心驱动。想要让AI应用真正走向成功，关键在于把初次的顺畅体验，转变为稳定的技术信任。

END

参考文献

Kovbasiuk, A., Triantoro, T., Ciechanowski, L., Sowa, K., & Przegalinska, A. (2026). Is AI a Good Fit? The Impact of Personality on Generative AI Collaboration and Enjoyment.International Journal of Human-Computer Studies, 103747.

吴楚颖供稿