초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

본 연구는 최근 정보통신 기술 혁신 분야에서 가장 큰 화두가 되고 있는 언어 생성형 AI의 사용자 기술수용에 영향을 미치는 핵심 요인을 고찰하기 위한 연구로, 언어 생성형 AI에 대한 사용자의 사용의도에 영향을 미치는 요인을 이해하고 이에 따르는 시사점을 제시하는데 연구의 목적이 있다.
생성형 AI는 기존의 컴퓨터 프로그래밍과 같이 인간에 의해 사전에 입력된 명령어를 기반으로 데이터를 처리하는 것이 아닌, 학습되고 훈련된 데이터를 통해 새로운 창작물이나 결과물을 만들어내는 ...

본 연구는 최근 정보통신 기술 혁신 분야에서 가장 큰 화두가 되고 있는 언어 생성형 AI의 사용자 기술수용에 영향을 미치는 핵심 요인을 고찰하기 위한 연구로, 언어 생성형 AI에 대한 사용자의 사용의도에 영향을 미치는 요인을 이해하고 이에 따르는 시사점을 제시하는데 연구의 목적이 있다.
생성형 AI는 기존의 컴퓨터 프로그래밍과 같이 인간에 의해 사전에 입력된 명령어를 기반으로 데이터를 처리하는 것이 아닌, 학습되고 훈련된 데이터를 통해 새로운 창작물이나 결과물을 만들어내는 인공지능 시스템을 말한다. 기존의 기술들은 사전 정의된 데이터와 프로그램을 기반으로 사전 정의 기반 서비스를 제공하기 때문에 정의되지 않은 영역의 데이터 및 서비스 제공은 불가능하다. 반면, 생성형 AI는 대량의 데이터를 기반으로 적극적인 자체 학습을 통해 사전 정의되지 않은 명령에 대해서도 대응이 가능하고 새로운 결과물을 생성할 수 있다는 점에 가장 큰 특징이 있다. 특히 언어 생성형 AI의 경우, 컴퓨팅 프로그래밍 언어가 아닌 대화형 인터페이스를 통해 데이터 및 서비스가 제공되고, 서비스 사용에 대해 일정 부분 무료 사용이 제공되면서, 사용자 접근성과 편의성을 함께 제공한다는 특징이 있다. 이와 같은 특징들은 언어 생성형 AI가 신기술임에도 불구하고 단시간내에 사용자 수를 급격하게 증가시키는데 크게 기여하였으며, 빠른 시일내에 일상의 일반적인 기술중의 하나로 자리잡게 될 것임을 예상할 수 있다.
이에 따라, 본 연구는 언어 생성형 AI라는 혁신 기술 사용 의도에 영향을 미치는 요인을 검증하고 요인간의 인과관계를 파악하기 위하여, 개인 사용자의 기술수용에 대해 높은 설명력을 가져가는 통합기술수용이론(UTAUT)과, 새로운 혁신 기술이 처음 시장에 소개된 이후 기술 및 연관된 서비스에 대해 사용자가 인식하게 되는 신뢰도를 설명하는 초기신뢰모델(ITM)을 기반으로 한 통합 모델을 연구 모델로 활용하였다. 통합모델을 기반으로 성과기대, 노력기대, 사회적 영향, 촉진조건 및 초기신뢰를 독립변수로 설정하였고, 사용의도를 매개변수로 사용행동을 종속 변수로 설정하였다. 그리고 사용자 기술수용에 대한 심층적 이해를 위해 사용자 특성인 성별, 연령, 사용 빈도, 사용 자발성을 조절 변수로 설정하였다.
연구의 실증적 분석을 위해 설문조사를 실시하였으며, 설문조사는 언어 생성형 AI 서비스 사용 경험이 있는 만 20세부터 59세 이하의 수도권에 거주하는 성인 남녀를 대상으로 진행하였다. 수집된 유효 설문 400부의 통계적 분석을 위하여 IBM SPSS 26.0과 AMOS 24.0을 활용하였으며, 실증 분석의 결과, 전체 10개의 가설 중 4개의 가설이 채택되고, 3개의 가설이 부분 채택되었으며. 3개의 가설이 기각되었다. 검증의 결과로서, 통합기술수용이론의 변수인 성과기대, 노력기대, 사회적 영향은 사용의도에 정(+)의 영향, 촉진조건은 사용행동에 대하여 부(-)의 영향, 사용의도는 사용행동에 정(+)의 영향을 미치는 것을 확인하였다. 그리고, 초기신뢰모델의 변수인 초기신뢰는 통계적인 유의미함이 확인되지 않았다. 이는 언어 생성형 AI의 사용에 있어서 사용자가 언어 생성형 AI를 사용함으로 인지하게 되는 외재적 보상과 이용의 용이성에 우선순위를 두고, 사회적이고 외부적인 환경 요인에 영향을 받으며, 사용에 대한 사용자의 의도 발생시 행동으로 진행되는 연관도가 높음을 시사한다. 개인적 특성인 성별, 연령, 빈도, 자발성의 조절효과에 있어서는, 성별, 빈도, 자발성의 조절효과는 확인되지 않은 반면, 연령이 성과기대, 노력기대, 사회적 영향과 사용의도의 관계에서 유의미한 조절효과를 보이고 있음을 확인하였다. 이를 통해 언어 생성형 AI사용에 있어서 연령에 따른 요인 별 우선순위가 다르다는 것을 이해할 수 있다.
본 연구는 혁신 기술인 언어 생성형 AI에 대한 학문적 고찰을 진행하고, 통합기술수용이론(UTAUT)과 초기신뢰모델(ITM)을 활용하여 언어 생성형 AI에 대한 국내 사용자 기술수용에 영향을 미치는 핵심 요인을 파악함으로써, 이에 따르는 시사점을 제시하였다는 점에서 학술적인 의의가 있다. 실무적인 관점에 있어서는, 언어 생성형 AI를 사용해 본 경험이 있는 국내 사용자에 대한 분석 결과들을 통해 언어 생성형 AI 서비스 제공사와 개발자 및 관련 업계 종사자들에게 국내 사용자에 대한 이해와 관련 시장의 성장을 위한 참고할 수 있는 방향을 제시하였다는 점에서 그 의의가 있다.

Abstract ▼ AI-Helper

This empirical study examined the key factors affecting user acceptance of language generation artificial intelligence (AI) within generative AI, which has recently become the most prominent issue of this innovative technology.
Generative AI refers to a system that produces completely new creat...

This empirical study examined the key factors affecting user acceptance of language generation artificial intelligence (AI) within generative AI, which has recently become the most prominent issue of this innovative technology.
Generative AI refers to a system that produces completely new creations or results through learned and trained data, rather than processing commands or data input by humans, as is the case with existing computer programming tools. Such a technology, according to a recent report by US market research company Insider Intelligence, has a steeper initial adoption curve than other newly released innovations in the US market. The company also predicted that the usage rate of generative AI on tablets and smartphones would increase by more than twice within two years. In other words, generative AI will soon become one of the most prevalent technologies in human life.
An example of generative AI is ChatGPT, whose release into the market drove the introduction of language generation AI to users. Since then, follow-up language generation AI technologies, such as Microsoft Bing, Google Bard, and Naver’s Hyper Clova X, have been launched. Generative AI was developed over the past few years after the launch of ChatGPT with the rapid introduction of the technology, but research on the key factors affecting the adoption of language generation AI among domestic users is lacking. To address this deficiency, this study sought to verify the key factors affecting the adoption of language generation AI technology among Korean users and identify the relationships between these factors. For these purposes, variables were established through the unified theory of acceptance and use of technology (UTAUT), which explains individuals’ technology acceptance to a considerable extent. Given that such acceptance raises various concerns about use, an initial trust variable was derived from the initial trust model (ITM) to explore users’ reliability in language generation AI. Accordingly, performance expectation, effort expectation, social influence, facilitating conditions, and initial trust were employed as independent variables; behavioral intention was set as a parameter; and usage behavior was treated as a dependent variable. To gain a multifaceted understanding of user adoption, individual characteristics of users were incorporated into the analysis to verify their moderating effect consistent with the UTAUT. For the empirical analysis, a self-report survey was administered to adults aged 20 to 59 years living in Korea’s metropolitan areas and having experience using language generation AI services. The survey was conducted online with assistance from an online research agency. To verify the moderating influence of age, the respondents were classified into groups by decades from their 20s to their 50s, with 100 individuals equally allocated to each age group. This yielded a final sample of 400 participants, whose questionnaires were all confirmed valid. IBM SPSS 26.0 with AMOS 24.0 was used for analysis.
The empirical analysis supported 4 of the 10 hypotheses, partially supported 3, and rejected the remaining 3. Social influence, effort expectation, and performance expectation had a positive (+) influence on behavioral intention, and behavioral intention exerted a positive (+) influence on the behavior. Facilitating conditions negatively affected usage behavior. Initial trust was not a statistically significant factor, indicating that the intention to accept language generation AI is high when users’ and social influence, effort expectation, and performance expectation are high, regardless of facilitating conditions for technology use. The findings also suggest that priority is accorded to perceived extrinsic rewards and ease of use, and that individuals are easily influenced by social and external environmental factors, such as the people around them. Regarding the moderating effects, those of gender, frequency of use, and voluntariness of use were unsupported, whereas that of age was verified. On this basis, then, the priority accorded to each factor in the use of language generation AI differs by age.
This research is significant in that it identified the key factors that influence prospective technology acceptance. The results are expected to help service providers and developers of language generation AI services in related industries to understand domestic users in depth and ultimately advance user growth, along with the advancement of language generation AI. Finally, this study presents a practical direction as a reference toward the market growth for those in related industries.

Keyword