生成式AI介入消费决策的算法建议依赖与选择 overload 缓解机制 .docxVIP

PAGE2

生成式AI介入消费决策的算法建议依赖与选择overload缓解机制

摘要

随着生成式人工智能技术的迅猛发展，AI助手深度介入消费决策过程，重塑了传统的消费者行为模式。本文聚焦生成式AI介入下消费者算法建议依赖的形成逻辑，系统剖析其缓解选择overload与损害自主性的双刃剑效应。

研究遵循“提出问题→分析问题→解决问题”的递进思路。首先，界定生成式AI助手、算法建议依赖与选择overload等核心概念，梳理有限理性理论与认知负荷理论的适用性。其次，深度解析算法建议依赖的生成脉络、结构性成因及内在矛盾，揭示消费者在追求决策效率与维持自主性之间的核心张力。

在此基础上，本文推演了算法依赖的作用机制，识别了任务复杂度与算法透明度等关键边界条件，并划分了机制演变的阶段性特征。最终，本研究建构了“认知让渡-自主性补偿”理论框架，论证了该框架对解释消费者-AI协同决策现象的理论优势。

本文的理论主体在于揭示算法建议依赖的双刃剑效应及其平衡机制，不仅丰富了人机交互情境下的消费者行为理论，也为企业AI助手的设计优化与监管政策的制定提供了学理支撑。

第一章绪论

1.1研究背景

在数字经济与人工智能技术交汇的时代背景下，消费市场呈现出信息爆炸与商品供给极度丰裕的特征。消费者在享受前所未有的选择自由的同时，也陷入了严重的选择overload困境。面对海量的商品信息、复杂的属性比