Intention to use analytical artificial intelligence (AI) in services – the effect of technology readiness and awareness
Notice bibliographique
Résumé
Purpose The automation of services is rapidly growing, led by sectors such as banking and financial investment. The growing number of investments managed by artificial intelligence (AI) suggests that this technology-based service will become increasingly popular. This study examines how customers' technology readiness and service awareness affect their intention to use analytical AI investment services. Design/methodology/approach Hypotheses were tested with a data set of 404 North American-based potential customers of robo-advisors. In addition to technology readiness dimensions, the potential customers' characteristics were included in the framework as moderating factors (age, gender and previous experience with financial investment services). A post-hoc analysis examined the roles of service awareness and the financial advisor's name (i.e., robo-advisor vs. AI-advisor). Findings The results indicated that customers' technological optimism increases, and insecurity decreases, their intention to use robo-advisors. Surprisingly, feelings of technological discomfort positively influenced robo-advisor adoption. This interesting finding challenges previous insights into technology adoption and value co-creation as analytical AI puts customers into a very passive role and reduces barriers to technology adoption. The research also analyzes how consumers become aware of robo-advisors, and how this influences their acceptance. Originality/value This is the first study to analyze the role of customers' technology readiness in the adoption of analytical AI. The authors link the findings to previous technology adoption and automated services' literature and provide specific managerial implications and avenues for further research.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».