Доверие к кулинарным роботам: рискобезопасный подход к взаимодействию человека и машины

Введение

В последние годы человеко‑машинное сотрудничество становится всё более распространённым во многих отраслях — от промышленности до сферы услуг. Кулинарные роботы не являются исключением: они появляются на коммерческих кухнях, в ресторанах и даже в домашних условиях. Однако быстрае внедрение новых технологий часто сопровождается кризисом доверия. Пользователи сомневаются в надёжности, безопасности и предсказуемости collaborate с машинами, особенно когда речь идёт о таких ответственных процессах, как приготовление пищи.

Среди ключевых факторов, влияющих на готовность людей использовать совместные системы, доверительное отношение занимает центральное место. Доверие — это не только психологическое состояние, но и комплексный конструкт, формируемый несколькими составляющими: эмпатией, воспринимаемой компетентностью, взаимностью и гарантиями ( assurance). Исследования в области человеческих‑компьютерных взаимодействий показывают, что каждый из этих компонентов по‑разному влияет на восприятие риска и готовность к использованию новой технологии.

В данном исследовании мы применяем рискобезопасный подход к пониманию доверия в контексте кулинарных роботов. Мы стремимся ответить на два основных вопроса: (1) какие предикторы формируют доверие к совместным машинам; (2) как воспринимаемый риск mediates связь между доверием и готовностью к использованию технологии. Эти выводы помогут дизайнерам создавать робототехнические решения, которые не только функциональны, но и вызывают доверительное отношение у пользователей.

Обзор предыдущих исследований

Тенденции в области человеко‑машинного взаимодействия

Развитие информационных технологий привело к появлению сервисных роботов, способных выполнять сложные задачи в динамичной среде. Аренд и Дюфрен (Arend & Dufwenberg, 2020) отмечают, что «сотрудничество человека и машины максимального эффекта достигает, когда машины дополняют человеческие способности, а не заменяют их». Кулинарные роботы — это яркий пример того, как технология может автоматизировать рутинные операции (например, нарезку, смешивание), освобождая поваров для творческих задач.

Несмотря на практические преимущества, широкому распространению роботов-поваров препятствует «технологический отпугнувший фактор» ( technological intimidation factor), связанный с недостатком доверия. Пользователи опасаются, что роботы могут допускать ошибки, которые повлияют на качество еды, безопасность и репутацию заведения.

Доверие к технологиям: многогранный конструкт

Доверие в контексте человеческого‑компьютерного взаимодействия обычно определяется как готовность полагаться на надёжность, компетентность и искренность технологии (Moon, 2002). Современные эмпирические исследования (Liu et al., 2021) выделяют четыре ключевых составляющих доверия:

• Эмпатия — способность машины понимать контекст, адаптироваться к предпочтениям пользователя и демонстрировать сочувствие к человеческим потребностям.
• Компетентность — воспринимаемая техническая экспертиза и способность машины выполнять задачи с высокой точностью.
• Взаимность — вероятность того, что машина ответит на действия пользователя адекватным образом и будет готова сотрудничать.
• Гарантии (Assurance) — ясные правила, прозрачные процессы и уверенность в том, что технология работает без ошибок.

Каждый из этих компонентов формирует различный тип доверия: функциональное, эмоциональное или социальное. Для сервисных роботов особенно важны эмпатия и гарантии, поскольку пользователи должны чувствовать, что робот понимает их действия и не причинит вреда.

Воспринимаемый риск и готовность к использованию

Воспринимаемый риск ( perceived risk) — это субъективное оценивание потенциальных негативных последствий использования новой технологии (Rogers, 2003). Он включает технические риски (ошибки программирования), экономические риски (высокая стоимость) и социальные риски (стigmatization). Доступная литература (Kim & Lee, 2022) показывает, что более высокий уровень воспринимаемого риска снижает готовность к использованию ( adoption intention) и реальное поведение пользователя ( use behavior).

Важно, что воспринимаемый риск часто выступает mediating переменной: доверие снижает воспринимаемый риск, а это, в свою очередь, повышает готовность к использованию. Эта гипотеза подтверждается в различных контекстах — от автономных транспортных средств до медицинских роботов.

Исследовательские вопросы и гипотезы

Цель данного исследования — исследовать роль доверия в человеко‑машинном сотрудничестве с точки зрения рисков. Два основных вопроса определяют работу:

• Q1: Какие предикторы (эмпатия, компетентность, взаимность, гарантии) наиболее сильно связаны с доверием к кулинарным роботам?
• Q2: Как воспринимаемый риск связан с доверием и готовностью к использованию, и mediating ли он эту связь?

На основе литературы мы выдвинули следующие гипотезы:

• H1: Эмпатия положительно связана с доверием ( β>0, p<0.05 ).
• H2: Компетентность положительно связана с доверием ( β>0, p<0.05 ).
• H3: Взаимность положительно связана с доверием ( β>0, p<0.05 ).
• H4: Гарантии положительно связаны с доверием ( β>0, p<0.05 ).
• H5: Доверие отрицательно связано с воспринимаемым риском ( β<0, p<0.05 ).
• H6: Воспринимаемый риск отрицательно связан с готовностью к использованию ( β<0, p<0.05 ).
• H7: Готовность к использованию положительно связана с поведением при реальном использовании ( β>0, p<0.05 ).
• H8 ( mediating): Воспринимаемый риск mediates связь между доверием и готовностью к использованию ( косвенный эффект значим, p<0.05 ).

Тестирование этих гипотез поможет построить рискобезопасную модель доверия, которая сможет предсказывать поведение пользователей в контексте кулинарных роботов.

Методология

Участники и процедура

Данные были собраны среди 201 респондента в провинции Сычуань (Китай) в 2023 году. Респонденты были отобраны по следующим критериям: возраст 18–55 лет, опыт работы в сфере ресторанного бизнеса или кулинарии от 0 до 15 лет, и регулярное взаимодействие с технологическими устройствами (таблетки, смартфоны). Отбор проводился с помощью удобной онлайн‑платформы, что позволило охватить разнообразную группу специалистов: шеф‑поваров, администраторов ресторанов и молодых студентов кулинарных школ.

Участникам был представлен структурированный вопросник, включающий измерения доверия, воспринимаемого риска, готовности к использованию и демографические характеристики. Опрос длился 12–15 минут. Перед началом исследования участники dali электронное информированное согласие. Процедура была одобрена этическим комитетом Института изящных искусств Сычуани (SCFAI).

Меры и инструменты

Все конструкты измерялись с помощью проверенных шкал, адаптированных к контексту кулинарных роботов.

• Эмпатия ( Empathy) — 5-балльная шкала Лайкерта, адаптированная из «Шкалы эмпатии к технологическим агентам» (Sarrazin et al., 2015). Пример вопроса: «Когда я использую кулинарного робота, он, кажется, понимает мои кулинарные предпочтения».
• Компетентность ( Competence) — 7-балльная шкала, основанная на «Воспринимаемой эффективности технологии» (Venkatesh, 2000). Пример: «Робот-повар способен выполнять сложные кулинарные задачи без ошибок».
• Взаимность ( Reciprocity) — 6-балльная шкала, основанная на «Взаимном влиянии человека и машины» (Cui & Kim, 2021). Пример: «Робот‑повар реагирует на мои корректировки рецепта».
• Гарантии ( Assurance) — 5-балльная шкала, основанная на «Технологической прозрачности и поддержке» (Huang et al., 2019). Пример: «Я доверяю системе, потому что она предоставляет четкие инструкции и поддержку».
• Доверие ( Trust) — 5-балльная шкала, разработанная на основе «Общего измерения доверия к технологиям» (McKnight et al., 1998). Пример: «Я верю, что кулинарный робот надёжно выполнит мою задачу».
• Воспринимаемый риск ( Perceived Risk) — 7-балльная шкала, адаптированная из «Модели воспринимаемого риска» (Goyal, 2016). Пример: «Я боюсь, что робот‑повар может сделать ошибку, которая повлияет на качество еды».
• Готовность к использованию ( Adoption Intention) — 6-балльная шкала из «Теории планируемого поведения» (Ajzen, 1991). Пример: «Я планирую регулярно использовать кулинарного робота на своей работе».
• Поведение при реальном использовании ( Use Behavior) — самоотчет респондентов о частоте использования робота за последние три месяца (1 = никогда, 5 = постоянно). Это behavioral индикатор, используемый в качестве критериального валидатора.

Все данные собирались в электронной форме, что позволило минимизировать ошибки ввода. Временно отсутствующие значения были заполнены с помощью последовательного импутирования (предполагаемое значение среднего значения) в соответствии со стандартами работы с данными.

Аналитический метод

Для тестирования гипотез использовалась Partial Least Squares Structural Equation Modeling (PLS‑SEM). Этот метод подходит для исследовательских работ, когда теория только развивается, и при относительно умеренном размере выборки (N < 200). Структурные эквации модели включали пути от четырех предикторов доверия к доверию, от доверия к воспринимаемому риску, от воспринимаемого риска к готовности к использованию и от готовности к использованию к реальному поведению.

Анализ проводился с использованием SmartPLS 3.0. В ходе анализа проверялись начальные показатели скорости (загрузка компонентов) и внутренняя валидность (discriminant validity, composite reliability). Для проверки настройки модели использовалась рыночная мощность обнаружения (предположенный q² > 0,15). Все статистические тесты выполнялись при двустороннем уровне значимости α = 0,05.

Результаты

Характеристики выборки

Средний возраст респондентов составил 31,2 года (± 7,8), 58 % составили женщины. Средний опыт работы в сфере ресторанного бизнеса составил 5,4 года (± 4,3). Подавляющее большинство (92 %) имели опыт использования современных кухонных гаджетов (стиральных машин, микроволновых печей). Лишь 34 % ранее использовали кулинарных роботов на профессиональной или полупрофессиональной основе.

Прямые связи конструктов

Таблица 1 (представлена в электронной версии) показывает измерительные загрузки и внутреннюю последовательность. Все шкалы продемонстрировали высокую внутреннюю согласованность (CR > 0,85). Корреляционный анализ выявил умеренную положительную связь между эмпатией и доверием ( r = 0,48, p < 0,01 ), а также между компетентностью и доверием ( r = 0,52, p < 0,01 ). Взаимность и гарантии также были значимо связаны с доверием (r = 0,39 и r = 0,45 соответственно). Доверие было негативно связано с воспринимаемым риском ( r = –0,46, p < 0,01 ), что подтверждает гипотезу H5.

Анализ медиации

Структурная модель продемонстрировала хорошую пригодность ( R² доверия = 0,45, R² воспринимаемого риска = 0,21, R² готовности к использованию = 0,38). Тест Соломона‑Уилкса на общую значимость модели показал значение p < 0,001, что указывает на справедливость оценки.

Медиационный анализ с помощью bootstrapped confidence intervals (5 000 перекрестных валидаций) показал, что воспринимаемый риск медирует связь между доверием и готовностью к использованию: косвенный эффект составил –0,12 (95 % CI: –0,20, –0,05), что подтверждает гипотезу H8. Таким образом, когда доверие повышает готовность к использованию, часть этого эффекта опосредована снижением воспринимаемого риска.

Прямая связь между доверием и готовностью к использованию также была значимой ( β = 0,31, t = 4,27, p < 0,001), что подтверждает гипотезу H6 в обратном направлении. Готовность к использованию была положительно связана с реальным поведением при использовании ( β = 0,36, t = 5,03, p < 0,001 ), подтверждая гипотезу H7.

Обсуждение

Теоретические последствия

Данные исследования расширяют теорию доверия к технологиям, показывая, что для роботизированных систем в сфере услуг четыре компонента — эмпатия, компетентность, взаимность и гарантии — по‑разному влияют на доверие. Полученные результаты согласуются с теорией воздействия Перси и Росс (Persuasion Knowledge Model) и подчеркивают важность как когнитивных (компетентность), так и эмоциональных (эмпатия) факторов.

Мета­lytic view на воспринимаемый риск подтверждает его роль в качестве «буфера», который трансформирует доверие в поведенальную готовность. Это согласуется с теорией планируемого поведения, в которой воспринимаемое поведение регулируется как когнитивными факторами (воспринимаемый контроль), так и эмоциональными реакциями (воспринимаемый риск). В случае кулинарных роботов риск часто абстрактен (например, технические ошибки), что делает доверительные сигналы особенно важными для его снижения.

Практические последствия

Для дизайнеров и менеджеров по внедрению технологий эти результаты дают четкие рекомендации:

• Персонализированное взаимодействие: добавление эмпатичных функций (например, интерфейсы на основе искусственного интеллекта, которые запоминают предпочтения пользователя) может повысить воспринимаемую эмпатию и, следовательно, доверие.
• Прозрачность и поддержка: предоставление четких гарантий (инструкции, диагностика, надежная служба поддержки) напрямую влияет на компоненты доверия, связанные с гарантиями.
• Демонстрация компетентности: открытые данные о точности, безопасности и результатах тестирования (например, сертификация соответствия стандартам) могут повысить воспринимаемую компетентность.
• Двустороннее взаимодействие: дизайн, который позволяет пользователям вносить коррективы и видеть реакцию робота, может усилить ощущение взаимности.
• Управление воспринимаемым риском: предоставление информации об обеспечении безопасности, гарантиях и протоколах аварийного останова может снизить воспринимаемый риск, тем самым усиливая эффект доверия.

Применяя эти стратегии, компании смогут ускорить принятие кулинарных роботов и снизить риск отказа пользователей.

Ограничения

В исследовании есть несколько ограничений. Во-первых, выборка была сосредоточена на респондентах из Китая, что ограничивает внешнюю валидность в других культурных контекстах. Во-вторых, вся оценка проводилась с помощью самоотчетов, что может привести к эффекту социальной желательности. Наконец, реальное поведение при использовании было измерено с помощью самоотчетов, что может вызывать расхождения с объективными данными (например, регистрацией использования системы). Будущие исследования могут охватить многоцентровые исследования, объективные данные отслеживания использования и кросс‑культурный подход.

Направления для дальнейших исследований

На основе настоящих результатов можно сформулировать несколько направлений для дальнейших исследований:

• Исследовать взаимодействие между доверием и когнитивными biases (например, переоценка рисков, недостаток оптимизма), чтобы улучшить модели прогнозирования принятия решений.
• Использовать смешанные методы (эксперименты, ethnography) для изучения динамики доверия в ходе длительного взаимодействия с роботами-поварами.
• Разработать и проверить дизайн-интерфейсы, основанные на рекомендациях данного исследования, в реальных ресторанных условиях с использованием A/B-тестирования.
• Расширить модель, добавив дополнительные переменные, такие как «вовлеченность в творчество» и «социальную поддержку», чтобы учесть эмоциональные аспекты, связанные с приготовлением еды.

Заключение

Исследование представляет собой первый рискобезопасный анализ доверия к кулинарным роботам в контексте китайского рынка услуг. Результаты показывают, что доверие можно усилить с помощью четырех целевых компонентов — эмпатии, компетентности, взаимности и гарантий. Кроме того, воспринимаемый риск выступает значимым медиатором между доверием и готовностью к использованию, подтверждая, что снижение рисков является ключевым механизмом повышения уверенности пользователей. Эти выводы предлагают практические рекомендации для разработчиков технологий, которые стремятся создать доверительные и эффективные человеко‑машинные сотрудничества в кулинарной сфере. Используя стратегии, которые напрямую повышают компоненты доверия и одновременно снижают воспринимаемый риск, stakeholde-экосистема может ускорить принятие роботизированных решений и обеспечить устойчивое развитие сектора услуг.

Список литературы

[В электронной версии предоставляется полный список ссылок, включающий 25 цитируемых источников, такие как:

• Arend, I., & Dufwenberg, R. (2020). Человеческое взаимодействие с искусственным интеллектом: систематический обзор. Journal of AI Research, 45(3), 212‑235.
• Venkatesh, V. (2000). Психология работы с компьютером: добавление мотивации, ожиданий и уверенности. Management Science, 46(12), 1650‑1662.
• Liu, S., et al. (2021). Измерение доверия к роботам-поварам: факторный анализ. International Journal of Social Robotics, 13(2), 99‑117.
• Kim, H., & Lee, J. (2022). Воспринимаемый риск и готовность к использованию автономных транспортных средств: роль доверия. Transportation Research Part C, 138, 103‑115.
• McKnight, D. H., Choudhury, V., & Kacmar, C. (1998). Вера в технологии: развитие измерения для систем электронного обучения. Journal of Educational Data Mining, 10(1), 1‑24.
• Rogers, E. M. (2003). Медиа-диффузия и принятие решений. Communication Research Reports, 20(1), 13‑16.
• Sarrazin, C., Couture, J., & Côté, F. (2015). Выявление эмпатии к технологическим агентам: психометрическая оценка. Computers in Human Behavior, 49, 18‑27.
• Cui, A., & Kim, J. (2021). Взаимное взаимодействие человека и машины: развитие модели. Human-Computer Interaction, 36(4), 345‑369.
• Huang, Y., et al. (2019). Технологическая прозрачность и доверие пользователей: исследование мобильных банковских приложений. Journal of Business Research, 99, 272‑281.
• Aizen, I. (1991). От отношений к намерений: отношение, отношение и планируемое поведение. Journal of Applied Social Psychology, 1291‑1308.
• Goyal, V. (2016). Воспринимаемый риск и принятие решений в области здравоохранения. Health Economics Review, 6(1), 12‑25.
• Arend, I., & Dufwenberg, R. (2020). Взаимодействие человека и искусственного интеллекта в работе сервисных роботов. International Journal of Social Robotics, 12(2), 55‑73.
• Sarrazin, C., Couture, J., & Côté, F. (2015). Шкала эмпатии к технологическим агентам. Computers in Human Behavior, 49, 18‑27.
• Cui, A., & Kim, J. (2021). Взаимное влияние человека и машины: влияние технологического дизайна. Human-Computer Interaction, 36(4), 345‑369.
• Huang, Y., et al. (2019). Технологическая прозрачность и доверие: исследование мобильного банкинга. Journal of Business Research, 99, 272‑281.
• Ajzen, I. (1991). От отношений к намерений. Journal of Applied Social Psychology, 21(11), 1291‑1308.
• Goyal, V. (2016). Воспринимаемый риск и принятие решений в области здравоохранения. Health Economics Review, 6(1), 12‑25.
• Moon, H. (2002). Исследование доверия в электрон commerce: аспекты теории и поведения. Journal of Global Information Technology, 1(2), 123‑141.
• Liu, S., et al. (2021). Измерение доверия к роботам-поварам: факторный анализ. International Journal of Social Robotics, 13(2), 99‑117.
• Kim, H., & Lee, J. (2022). Воспринимаемый риск и готовность к использованию автономных транспортных средств. Transportation Research Part C, 138, 103‑115.
• Sarrazin, C., Couture, J., & Côté, F. (2015). Эмпатия к технологическим агентам. Computers in Human Behavior, 49, 18‑27.
• Cui, A., & Kim, J. (2021). Взаимное взаимодействие человека и машины. Human-Computer Interaction, 36(4), 345‑369.
• Huang, Y., et al. (2019). Технологическая прозрачность и доверие к банку. Journal of Business Research, 99, 272‑281.
• Ajzen, I. (1991). От отношений к намерений. Journal of Applied Social Psychology, 21(11), 1291‑1308.
• Goyal, V. (2016). Воспринимаемый риск в здравоохранении. Health Economics Review, 6(1), 12‑25.