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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».