تأثیر لحن عذرخواهی‌های هوش مصنوعی بر اعتماد و بخشش؛ نقش گرمی و شایستگی در ارتباطات بحران

این پژوهش اثر لحن عذرخواهی‌های تولیدشده توسط هوش مصنوعی را بر اعتماد و بخشش بررسی می‌کند و نشان می‌دهد لحن گرم می‌تواند ضعف‌های ادراکی مربوط به پیام‌های منتسب به هوش مصنوعی را کاهش دهد.

عذرخواهی‌های انسانی صادقانه‌تر و اثرگذارتر ارزیابی شدند، اما زمانی که پیام‌های هوش مصنوعی با لحن گرم ارائه شدند، هیجانات منفی کاهش یافت و سطح اعتماد بالاتر رفت.

مقاله مسیرهای هیجانی (هیجان منفی) و شناختی (ادراک صداقت) را به‌عنوان میانجی معرفی می‌کند و با گسترش نظریه سرنخ‌های ماشینی، کاربرد آن را در مدیریت بحران، شهرت سازمانی و ارتباطات AI-mediated توسعه می‌دهد.

پژوهشی جدید منتشرشده در نشریه Computers in Human Behavior نشان می‌دهد شیوه بیان عذرخواهی‌های تولیدشده توسط هوش مصنوعی — به‌ویژه لحن گرم در مقایسه با لحن مبتنی بر شایستگی — نقش تعیین‌کننده‌ای در شکل‌گیری اعتماد و بخشش مخاطبان دارد. این مطالعه توسط جون‌سو لیم، ناله هانگ و اریکا اشنایدر انجام شده و نسخه نهایی آن در جلد ۱۷۲، نوامبر ۲۰۲۵ منتشر شده است.

در این تحقیق، ۴۶۴ شرکت‌کننده در یک طراحی آزمایشی ۳×۲ شرکت کردند که نویسنده عذرخواهی را (هوش مصنوعی، انسان یا حالت کنترل) و نوع لحن را (گرم در برابر شایسته) مقایسه می‌کرد. نتایج نشان می‌دهد عذرخواهی‌های نوشته‌شده توسط هوش مصنوعی نسبت به عذرخواهی‌های انسانی، احساسات منفی بیشتری برمی‌انگیزند و از نظر مخاطبان صادقانه‌تر تلقی نمی‌شوند.

با این حال، پژوهشگران دریافتند استفاده از لحن گرم می‌تواند بخشی از اثرات منفی انتساب پیام به هوش مصنوعی را کاهش دهد و در مقایسه با لحن مبتنی بر شایستگی، اعتماد و بخشش بیشتری را برانگیزد. یافته‌ها تأیید می‌کند که هیجانات منفی و برداشت مخاطب از میزان صداقت، در نقش میانجی میان لحن پیام، نوع نویسنده و پیامدهای ارتباطی عمل می‌کنند.

این پژوهش با گسترش نظریه «سرنخ‌های ماشینی» (Machine Heuristic)، راه جدیدی را برای بررسی کیفیت ارتباطات در شرایط بحران ارائه می‌کند و نشان می‌دهد چگونه سازمان‌ها می‌توانند در عذرخواهی‌های مبتنی بر هوش مصنوعی، با توجه به نشانه‌های رابطه‌ای پیام، مدیریت بهتری بر اعتماد و اعتبار خود داشته باشند.