英国伯明翰大学、丹麦奥胡斯大学和瑞典林奈大学的研究人员于2026年8月发布了一项关于人工智能交互的新研究。研究指出，用户长期与具备类人行为的客服AI互动，可能逐渐调整自身的语言和行为模式，并影响自我认知的重塑。相关论文于8月19日发表于开放期刊《AI与社会》（AI & SOCIETY），研究者提出了“类机器人人性”（robotoid humanness）这一概念，用以描述AI与人类在长期交互中双向趋同的现象。
研究聚焦零售、酒店、旅游和医疗四类典型服务场景。团队指出，自适应学习、个性化沟通和共情回应等能力会让客服机器人表现得更像人类；与此同时，用户也可能为了获得更顺畅、更积极的算法反馈，而有意无意地模仿机器的表达方式。这种双向适应过程，构成了人机交互中一种此前未被充分关注的动态平衡。
在形成机制方面，研究团队分析了客服机器人如何通过模拟人的手势、语音和情感线索来建立互动基础。系统利用机器学习技术，根据用户输入实时调整回应方式，其目标通常是建立信任并提高用户参与度。研究特别指出，人类社交中天然存在“镜像”倾向，即人们常会无意识地模仿对方的动作、表情和表达方式。在人机交互场景中，这一倾向同样适用，但方向被进一步放大——系统通过算法优化回应，用户则通过调整自身行为来适配系统。
研究团队进一步提出了三阶段镜像机制。第一阶段是“合成社交现实”。生成式系统通过自然语言、情感线索和适应性回应，营造出近似真实社交关系的互动环境。用户会在这种环境中判断如何回应、如何表达，并可能赋予系统的反馈以社会意义，尽管这些反馈本质上只是算法输出。第二阶段是“计算身份捕捉”。系统从用户行为、偏好和互动痕迹中生成预测性画像，再以推荐、分群或个性化回应的方式将画像返还给用户。这一过程使得用户的行为数据被系统化地转化为可计算的身份标签。第三阶段是“适应性自我调整”。用户可能倾向于使用系统更易理解和奖励的表达方式，重复互动会持续强化这种对齐，最终使机器生成的统计抽象逐步成为用户理解自身的重要参照。
该框架列出了服务场景、消费者预期、机器人的外观与语言、以及人和机器双方作出的互动投入四项关键因素。研究认为，这些因素共同决定用户如何理解服务关系，也直接影响其自我感知的变化方向。例如，具备自适应学习、个性化沟通和共情互动能力的系统，可能更强烈地塑造用户体验。用户每次发出输入，系统随即调整回应，重复互动形成持续的模仿与反馈闭环，这一闭环在长期运行中可能对用户的认知模式产生结构性影响。
这项研究的现实意义在于，随着生成式AI在客服、销售、医疗咨询等场景中的渗透率持续提升，人机交互已不再是单向的工具使用关系，而正在演变为一种双向塑造的社交过程。对于企业而言，这意味着客服AI的设计不仅关乎服务效率和成本控制，还可能直接影响用户对品牌的认知以及用户自身的表达习惯。研究团队并未对“类机器人人性”现象作出价值判断，但提示企业和服务设计者需要关注AI交互对用户心理和行为的潜在长期影响。
当前，全球主要SaaS厂商和云服务商正加速将生成式AI嵌入客服、CRM、协同办公等产品线。此次研究为这一趋势提供了行为科学层面的观察框架，也为企业如何设计更具伦理意识的AI交互界面提供了参考。随着人机边界在服务场景中日益模糊，理解并管理这一双向适应过程，或将成为企业服务领域下一阶段的重要课题。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
