编辑推荐：
组织教练（organizational coaching）已被充分确立为一种促进职业与个人发展的有效干预方式。然而，关于指导性与非指导性教练风格相对优势的争论仍在持续，其中非指导性方法在人际教练中被广泛视为理想实践。近年来，生成式人工智能（Gen AI）的快速
组织教练（organizational coaching）已被充分确立为一种促进职业与个人发展的有效干预方式。然而，关于指导性与非指导性教练风格相对优势的争论仍在持续，其中非指导性方法在人际教练中被广泛视为理想实践。近年来，生成式人工智能（Gen AI）的快速进展，以及如ChatGPT等应用的广泛采用，促成了由Gen AI驱动的教练聊天机器人作为潜在教练替代方案的出现，且初步研究已显示出令人鼓舞的结果。这类教练聊天机器人的兴起带来了诸多问题，其中包括它们应在多大程度上模仿人类教练的做法，尤其是应采取何种程度的指导性。为考察这一知识空白，研究人员开发了两个Gen AI教练聊天机器人，一个为指导性，另一个为非指导性，并采用Heron干预分析模型（intervention analysis model）对两种不同教练风格进行操作化。研究采用组间准实验（between-subjects quasi-experiment，n = 158），从四个维度对这两种人工智能教练风格偏好进行测量与比较：技术采纳、工作联盟（working alliance）、目标达成以及人格特质。与既有教练惯例相反，结果显示，在技术绩效期望、工作联盟和目标达成方面，指导性教练风格获得了更高评分。表现出较高外向性、尽责性以及经验开放性的用户，对指导性方法给出了更高评价。这些发现对人工智能教练情境中占主导地位的非指导性教练范式提出了质疑，并提示，面向职场应用的Gen AI教练聊天机器人应纳入能够针对受辅导者人格进行调适的指导性特征。研究进一步讨论了其对教练实践、人工智能教练设计以及未来研究的启示。
该文发表于《Frontiers in Psychology》，围绕“人工智能（AI）教练聊天机器人究竟应当多大程度采取指导性风格”这一核心问题展开，聚焦千禧一代职场用户对指导性与非指导性AI教练风格的偏好差异。研究背景在于，组织教练长期被证实能够促进职业发展、个人成长和绩效提升，但在教练理论与实践中，指导性（directive）与非指导性（non-directive）风格何者更优，始终存在争议。传统职业教练标准，尤其是国际教练联合会相关能力框架，更强调以非指导性方式促进受辅导者自我发现、自主学习与反思。然而，既有人际教练研究也提示，在某些情境中，受辅导者并不一定偏好完全非指导性的方式，而可能更认可结构化建议、知识输入和适度挑战。随着生成式人工智能快速普及，教练聊天机器人作为一种可规模化、低成本、可及性强的发展性支持工具进入组织场域，这一原本存在于人际教练中的争论被重新激活。因为主流生成式人工智能系统本质上往往以“提问—回答”模式运行，天然带有较强指导性，用户在此类技术经验基础上，可能对AI教练形成不同于人类教练的期待。研究因此试图回答：在AI教练场景中，延续人类教练领域对非指导性的偏好是否仍然成立；人格特质是否会调节这种偏好差异。
研究人员据此设计了一项组间准实验，以英国千禧一代在职专业人士为样本，比对两种Gen AI教练聊天机器人的使用体验与结果差异：一类为指导性机器人（D-Bot），强调建议、引导、推荐行动路径与提供框架；另一类为非指导性机器人（N-Bot），强调开放式提问、自我反思、自主探索与由受辅导者自行生成答案。两者均建立在GROW模型（目标Goal、现实Reality、选项Options、意愿Will）之上，以保证教练流程一致，差异主要来自教练风格本身。研究结论显示，与既有“非指导性优先”的教练常规不同，指导性AI教练聊天机器人在多个关键结果上获得更高评价，尤其表现在技术采纳中的绩效期望、工作联盟中的目标与任务维度，以及目标达成的倾向性优势上。更进一步，外向性、尽责性与经验开放性会调节用户对指导性风格的评价。这意味着，在AI教练情境中，指导性并非被动接受的次优形式，反而可能成为提升感知有效性与结果表现的重要设计变量。研究的重要意义在于，它将传统教练理论中的风格争论拓展到了人机互动与AI教练设计领域，提示未来组织若将AI教练用于员工发展，不宜简单照搬人类教练的非指导性规范，而应结合使用场景与受辅导者人格特征进行适配。
在方法上，研究人员使用CoachBot.AI平台构建两个基于大语言模型（LLM）的网页式教练聊天机器人，并以Heron六类干预分析模型对“指导性—非指导性”进行理论操作化。样本来自Prolific平台，限定为英国、英语为第一语言、25–45岁、全职工作且具高等教育背景的千禧一代，共获得158份完整样本，D-Bot与N-Bot各79人。研究采用前测—会话—后测流程，前测收集人口学信息与Big Five人格特质，后测测量AI Device Use Acceptance（AIDUA）、工作联盟量表（WAI）与目标达成。统计分析包括Cronbach’s α信度检验、双因素混合方差分析（ANOVA）与协方差分析（ANCOVA），并由独立统计学家完成。
研究结果部分具有清晰层次。首先，在“Sample characteristics”部分，研究表明两组样本在性别、年龄和岗位层级上总体可比，且均表现出较高的一般性AI使用频率，证实样本具有较强技术熟悉度，符合千禧一代职场用户的研究定位。其次，在“Chatbot interaction analysis”部分，平台交互数据显示，N-Bot的平均消息数高于D-Bot，说明非指导性风格由于依赖更多探索性提问与来回互动，需要更长的对话过程来推进GROW各阶段；而指导性风格则通过更直接的建议和结构化输入提高了推进效率。再次，在“Data reliability”部分，所有17个构念的Cronbach’s α均高于0.70，说明测量工具具有良好内部一致性，支撑后续推断分析的可靠性。
在“ANOVA results: directive versus non-directive chatbot ratings”部分，研究人员比较了两种聊天机器人在技术采纳、目标达成与工作联盟上的组间差异。结果显示，技术采纳维度中，只有绩效期望（performance expectancy，PE）在D-Bot上显著更高，表明用户更相信指导性机器人能够帮助其取得有价值结果；而努力期望、情感、享乐动机、拟人化、对AI教练聊天机器人的态度、接受AI意愿以及反对AI使用等指标，并未出现显著差异。这说明两种聊天机器人在易用性和基本接受态度上大致相近，但指导性风格更能强化用户对“有用性”的判断。在目标达成方面，D-Bot得分高于N-Bot，虽仅达到接近显著水平，但效应方向一致，提示指导性输入可能更有助于用户形成可执行目标并增强行动动机。在工作联盟方面，D-Bot在任务维度（task）和目标维度（goal）上显著优于N-Bot，而联结维度（bond）无显著差异。这说明在AI教练中，用户更重视机器人是否有助于明确目标、形成行动任务，而不是是否建立了类似人际教练中的情感联结。
在“ANCOVA results: personality traits and chatbot ratings”部分，研究进一步检验人格特质的调节作用。结果显示，外向性（extraversion）、尽责性（conscientiousness）和经验开放性（openness to experience）构成显著调节因素，而宜人性和情绪稳定性未表现出显著交互效应。具体而言，在绩效期望上，随着外向性增加，D-Bot获得更高评分；随着尽责性增加，D-Bot的优势同样增强。这说明更具社会参与倾向、目标导向和自律特征的个体，更容易认可指导性AI教练的绩效价值。在工作联盟任务维度上，外向性和尽责性越高，D-Bot越受青睐，显示结构化、面向执行的互动方式与这类人格特征更匹配。在工作联盟目标维度上，两个交互结果值得注意：其一，较低外向性者在目标一致性上反而更偏好D-Bot；其二，经验开放性越高，越倾向于给D-Bot更高评分。研究据此认为，指导性AI教练对于好奇、愿意接纳新观念以及重视目标推进的用户具有更明显吸引力，也提示单一固定风格的AI教练设计可能并不理想。
讨论部分围绕四个研究问题展开。关于技术采纳，研究认为绩效期望之所以在指导性条件下更高，可能与认知负荷理论（cognitive load theory）有关：当用户拥有目标却缺乏实现路径时，指导性机器人通过提供信息、建议和结构化选项，有助于降低问题求解时的内在认知负荷，从而提升其“有用性”感知。关于工作联盟，研究指出，在AI教练语境中，目标与任务维度比情感联结维度更关键，这与工作联盟理论在人机互动中的结构可能不同有关。用户并不一定要求AI像人类教练那样建立深层关系，而是更看重其是否有助于目标澄清和行动推进。关于目标达成，虽然统计显著性有限，但指导性机器人的稳定优势方向与目标理论相一致，即清晰、具体、可管理并伴随反馈的目标更有利于达成。关于人格特质，研究强调外向性、尽责性与经验开放性会改变用户对教练风格的感知，因此AI教练不应采取“一刀切”的固定模式，而应向自适应（adaptive）系统发展，根据用户特征动态调节风格强度。
研究的理论意义主要体现在四方面：其一，挑战了教练理论中“非指导性天然优于指导性”的主导范式，表明教练风格的有效性具有明显情境依赖性，尤其在人类—AI互动中可能发生变化；其二，提示工作联盟理论在人机教练关系中的核心机制可能由情感联结转向任务清晰性与目标协同性；其三，提出教练风格可能是影响绩效期望的重要前因变量，说明交互设计本身会塑造AI系统的有用性感知；其四，支持将人格特质纳入AI教练有效性模型，把人格视为教练风格偏好的调节条件。实践层面上，研究对职业教练、组织学习与发展部门、AI平台开发者以及教练行业协会均具有启发：指导性干预不应被简单视为不合规范，而可作为目标导向型AI教练的关键资源；组织可借助指导性AI教练为初级管理者和早期职业员工提供低成本的发展支持；平台开发者应设计可嵌入建议、范例和结构化提示的系统，并探索依据Big Five人格特征实施个性化调适；行业标准制定者也有必要重新审视对指导性与非指导性的规范边界。
研究结论部分指出，本研究旨在检验以技术熟练著称、已成为全球劳动力主体的千禧一代，在使用Gen AI教练聊天机器人时更偏好指导性还是非指导性风格。通过对技术采纳、工作联盟、目标达成和人格特质的综合测量，研究发现了支持指导性教练风格的初步证据。这种更高评价主要体现在绩效期望以及工作联盟中的目标和任务维度，目标达成也显示出偏向指导性机器人的趋势。同时，外向性、尽责性和经验开放性均会调节教练风格偏好。研究据此认为，在这一特定情境下，认为非指导性教练天然更优的主流假设需要被重新审视。对于参与目标导向型AI教练的千禧一代而言，结构、清晰性以及观点和框架的提供，能够增强其对系统有用性和教练有效性的感知。此外，教练风格偏好并非统一不变，而很可能受个体人格塑造，这为能够根据用户特点校准互动方式的自适应AI教练系统提供了方向。整体而言，该研究为AI教练领域首次提供了关于指导性与非指导性风格偏好的实证比较，为AI教练平台设计、组织发展实践、职业教练与行业规范更新提供了重要依据。
