Enhancing Financial Advisory Services with GenAI: Consumer Perceptions and Attitudes Through Service-Dominant Logic and Artificial Intelligence Device Use Acceptance Perspectives
Notice bibliographique
Résumé
Financial institutions are currently undergoing a significant shift from traditional robo-advisors to more advanced generative artificial intelligence (GenAI) technologies. This transformation has motivated us to investigate the factors influencing consumer responses to GenAI-driven financial advice. Despite extensive research on the adoption of robo-advisors, there is a gap in our understanding of the specific contributors to, and differences in, consumer attitudes and reactions to GenAI-based financial guidance. This study aims to address this gap by analyzing the impact of personalized investment suggestions, human-like empathy, and the continuous improvement of GenAI-provided financial advice on its authenticity as perceived by consumers, their utilitarian attitude toward the use of GenAI for financial advice, and their reactions to GenAI-generated financial suggestions. A comprehensive research model was developed based on service-dominant logic (SDL) and Artificial Intelligence Device Use Acceptance (AIDUA) frameworks. The model was subsequently employed in a structural equation modeling (SEM) analysis of survey data from 822 mobile banking users. The findings indicate that personalized investment suggestions, human-like empathy, and the continuous improvement of GenAI’s recommendations positively influence consumers’ perception of its authenticity. Moreover, we discovered a positive correlation between utilitarian attitudes and perceived authenticity, which ultimately influences consumers’ responses to GenAI’s financial advisory solutions. This is manifested as either a willingness to engage or resistance to communication. This study contributes to the research on GenAI-powered financial services and underscores the significance of integrating GenAI financial guidance into the routine operations of financial institutions. Our work builds upon previous research on robo-advisors, offering practical insights for financial institutions seeking to leverage GenAI-driven technologies to enhance their services and customer experiences.
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 | 0,004 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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 ».