A medida que la prevalencia de la inteligencia artificial generativa (GenAI) en el sector de servicios continúa creciendo, el impacto del estilo de lenguaje y las estrategias de recuperación utilizadas durante los fallos en el servicio sigue siendo insuficientemente explorado. Este estudio, basado en la teoría de la presencia social y la teoría del proceso dual, empleó un enfoque de métodos mixtos combinando encuestas por cuestionario y experimentos de potenciales relacionados con eventos (ERP) para investigar el efecto de diferentes estilos de lenguaje (racional vs. humorístico) y estrategias de recuperación (gratitud vs. disculpa) en la disposición de los usuarios a perdonar durante el proceso de recuperación del servicio GenAI. Además, profundiza en el papel mediador encadenado de la sinceridad percibida y la presencia social en este proceso. Los hallazgos revelaron que un estilo de lenguaje humorístico fue más efectivo para aumentar la disposición de los usuarios a perdonar en comparación con un estilo racional, principalmente a través del aumento de la sinceridad percibida y el sentido de presencia social de los usuarios; las estrategias de recuperación desempeñaron un papel moderador en este proceso, siendo el impacto positivo de la sinceridad percibida sobre la presencia social significativamente amplificado cuando el servicio GenAI adoptó una estrategia de disculpa. Los resultados de ERP indicaron que un estilo de lenguaje racional inducía significativamente un componente N2 más grande (conflicto cognitivo) en escenarios de disculpa, mientras que un estilo humorístico exhibió una mayor amplitud en el componente LPP (evaluación emocional positiva). Esta investigación revela las intrincadas relaciones entre el estilo de lenguaje, las estrategias de recuperación y la disposición de los usuarios a perdonar en el proceso de recuperación del servicio GenAI, proporcionando importantes fundamentos teóricos y orientación práctica para diseñar estrategias de recuperación de servicio GenAI más efectivas, y ofreciendo nuevas perspectivas para desarrollar tácticas de recuperación de servicio GenAI más eficaces.