Earticle

4차 산업혁명 시대의 핵심 기술 중 하나인 소셜 로봇은 시장에서 빠르게 확산되고 있으나, 여전히 소비자의 구매 저항이 존재하고 있다. 본 논문은 소셜 로봇의 상호작용 특성(커뮤니케이션 장벽, 친밀감 부족), 혁신 특성(개선된 혁신기대, 프라이버시 위험, 기능적 위험, 비용의 비합리성), 소비자 특성(이미지 장벽, 기존 제품 태도)에 대한 선행 연구를 기반으로, 소비자의 소셜 로봇 구매 회피에 미치는 영향을 실증적으로 분석하였다. 이를 위해 소셜 로봇을 사용한 경험이 있는 중국인 소비자들을 대상으로 온라인 설문 조사를 실시하고, 333명의 유효 응답을 SPSS 27.0 프로그램으로 분석하였다. 분석 결과, 커뮤니케이션 장벽을 제외한 소셜 로봇의 상호작용 특성, 혁신 특성 및 소비자 특성이 소비자의 구매 회피에 유의한 영향을 미치는 것으로 나타났다. 본 연구의 결과는 가정용 소셜 로봇 개발 기업과 마케팅 팀이 소비자의 혁신 저항을 줄이고 시장 수용성을 높이기 위한 제품 개선 및 마케팅 전략 수립에 유의미한 기초 자료를 제공할 수 있을 것이다.

Social robots, one of the core technologies of the Fourth Industrial Revolution, have rapidly spread in the market, yet consumer resistance to purchase still persists. This study empirically analyzed the factors influencing consumer purchase avoidance of social robots, focusing on Interaction Characteristics (Communication Barriers, Lack of Intimacy), Innovation Characteristics (Enhanced Innovation Expectations, Privacy Risks, Functional Risks, Irrationality of Costs), and Consumer Characteristics (Image Barriers, Attitudes Toward Existing Products) based on previous research. An online survey was conducted with Chinese consumers who have experience using social robots, and 333 valid responses were analyzed using SPSS 27.0. The results revealed that except for communication barriers, the interaction characteristics, innovation characteristics, and consumer characteristics of social robots significantly impact consumer purchase avoidance. The findings of this study provide important foundational data for home robot industry professionals and academic experts to propose product improvements and marketing strategies aimed at reducing consumer resistance.

최근 SNS(Social Network Service)는 단순한 네트워킹 기능을 넘어 정보 생성과 확산의 핵심 채널로 기능하고 있다. 이에 본 연구는 국내 최대의 직장인 SNS 플랫폼인 블라인드(Blind) 인용 기사를 실증 분석하여 SNS 정보가 언론사를 통해 외부로 확산되는 메커니즘과 언론사의 영향력을 문지기 이론(gatekeeping theory), 자원기반 이론(resource-based theory), 부정적 편향 이론(negative bias theory) 관점에서 살펴보았다. 분석 결과 언론사의 블라인드 인용 기사 발행은 시간이 지남에 따라 꾸준히 증가하고 있어 언론사를 매개로 대중의 블라인드 정보 접촉도 확대되고 있음을 알 수 있었다. 특히 이러한 블라인드 인용 기사의 추세적 증가는 기업 내부 스캔들과 같은 부정적 주제에 기인하고 있는 것으로 확인되었으며, 이러한 블라인드 인용 기사 확대는 중대형 언론사와 경제지가 주도하고 있는 것으로 나타났다. 요컨대 중대형 언론사와 경제지는 기업의 부정적 주제와 관련된 블라인드 인용 기사를 점차 확대하고 있으며, 대중 역시 해당 정보에 노출되는 빈도가 높아지고 있는 것으로 파악된다. 본 연구는 문지기 이론, 자원기반 이론, 부정적 편향 이론을 활용하여 언론사가 SNS 내부에서 생성되는 정보를 선택 및 확산시키는 과정을 체계적으로 설명하였으며, 이는 정보시스템(IS) 연구에서 간과되었던 소셜미디어의 정보 확산에 대한 언론사의 역할을 입증했다는데 그 의미가 있다. 실무적으로는 SNS를 통한 기업 내부정보 유출 현황 및 실질적인 관련 위험성을 제시하고, 기업 대응이 필요한 언론사를 도출했다는 의의가 있다. 대기업을 중심으로 블라인드 정보 유출이 기업에 미치는 부정적 영향이 분명함을 상기할 때 이러한 시사점은 큰 의미가 있다고 판단된다. 또한 언론 정책 담당자는 언론사의 SNS 인용 기사와 관련된 규제의 필요성을 인식하고 규제 방향성을 설계하는데 실무적 시사점을 얻을 수 있을 것으로 기대된다.

Recently, Social Network Services (SNS) have evolved beyond simple networking functions to become crucial channels influencing external entities, including corporations. This study conducted an empirical analysis of articles citing the employee SNS platform Blind, examining the mechanisms through which SNS information spreads externally via media outlets and assessing the influence of news organizations through theoretical frameworks such as Gatekeeping Theory, Resource-Based Theory, and Negativity Bias Theory. The analysis revealed that the publication of Blind-citing articles by media outlets has steadily increased over time, expanding the exposure of internal information from Blind to the public. Notably, negative topics, such as internal corporate scandals, have driven the growth of such articles. Furthermore, this expansion of Blind-citing articles is predominantly led by large- and medium-sized media outlets, as well as economic newspapers. This study integrates Gatekeeping Theory, Resource-Based Theory, and Negativity Bias Theory to systematically explain how media outlets select and disseminate SNS information. It addresses a gap in Information Systems (IS) research by clarifying the interactions between social media and traditional media. Practically, it underscores the need for corporations to recognize the risk of information leakage through SNS platforms and the likelihood of internal issues being reported in the media, thus necessitating the reinforcement of crisis management systems. Additionally, policymakers can draw practical insights for designing regulations and guidelines concerning media outlets' use of SNS-derived information.

디지털전환을 통한 기업의 경쟁력 확보를 위해서는 클라우드(Cloud) 환경으로의 전환이 필수적이다. 그러나 클라우드 전환의 본질은 단순한 기술적 변화가 아니라, 기업의 비즈니스 모델을 근본적으로 혁신하고, 시장에서의 독보적 리더십을 확립하는 기회라는 점이다. 이러한 클라우드 전환 과정에서 기업은 기술적 복잡성, 불확실성, 비용, 고려해야 할 수많은 변수 등 다양한 어려움을 겪게 된다. 본 연구는 이러한 어려움 속에서 기업의 클라우드 전환과정을 효율적으로 실행할 수 있는 동적 프레임워크를 제시한다. 이 프레임워크를 통해 기업은 조직의 준비도와 애플리케이션의 민첩성 요구수준을 기준으로 네 가지 기본 전환전략(Swift, Renovation, Takeout, Evolution)을 도출하고 이를 바탕으로 상황에 따라 동적으로 변화하는 전략적 선택을 내릴 수 있다. 이 프레임워크에서 활용되는 시나리오 플래닝 기법은 외부 불확실성에 대응하고 이를 통해 클라우드 전환 과정에서 직면할 수 있는 기업의 다양한 리스크를 효과적으로 관리할 수 있도록 도와준다. 이 클라우드 전환 프레임워크는 온라인 유통 및 바이오 CDMO 산업의 적용 사례를 통해 매우 유용한 접근방법임을 실증하였다. 본 연구에서 제시된 클라우드 전환을 위한 동적 프레임워크는 디지털전환의 시대에 단순한 기술적 변화를 넘어 조직의 민첩성, 경쟁력, 시장 리더십을 극대화하는 강력한 도구로 활용될 수 있다.

A transition to a cloud environment is essential for enhancing corporate competitiveness in the era of digital transformation. Yet, the essence of cloud migration goes beyond mere technological change: it is an opportunity to fundamentally reinvent a company’s business model and establish unrivalled leadership in the marketplace. Throughout this transformation, organizations face a variety of challenges, including technical complexity, uncertainty, costs, and numerous variables requiring consideration. In response, this study proposes a dynamic framework that enables companies to efficiently implement their cloud transformation process even under these difficult circumstances. By assessing organizational readiness and the required application agility, four fundamental strategies—Swift, Renovation, Takeout, and Evolution —are derived. These allow firms to flexibly and dynamically adapt their strategic choices. The framework leverages scenario planning to address external uncertainties, helping organizations effectively manage the diverse risks that can arise during cloud migration. Through practical applications in the online retail and bio CDMO industries, this study demonstrates that this approach serves as a highly valuable method for guiding cloud adoption. Far from being a mere technological shift, the proposed dynamic cloud migration framework emerges as a potent tool for maximizing agility, competitiveness, and market leadership in the digital era.

표 기반 질의응답(Table QA)은 자연어 질문에 대해 표 데이터를 활용해 답변을 제공하는 작업으로, 데이터 전처리 방식이 성능에 큰 영향을 미친다. 본 연구는 한국어 기반 복잡한 표 질의응답 데이터셋을 구축하고, 다양한 데이터 표현 방식(HTML, Markdown, Text, Numpy)이 성능에 미치는 영향을 체계적으로 분석하였다. 실험 결과, 표의 구조적 특성에 따라 최적의 데이터 표현 방식이 상이하게 나타났다. 기본표에서는 Numpy, 병합표에서는 Text, 조합표에서는 HTML 형식이 가장 높은 성능을 보였으며, 표의 복잡성이 증가할수록 성능이 저하되는 경향이 확인되었다. 본 연구는 표의 구조적 특성에 따른 최적의 데이터 표현 방식을 제안함으로써, 표 기반 질의응답 시스템의 성능을 개선하고 데이터 처리의 효율성을 높이는 실질적 방향성을 제시한다. 이는 공공 데이터 활용, 기업 데이터 분석, 사용자 질문에 실시간으로 답변하는 고객 지원 시스템 등 다양한 실무 환경에서 데이터 중심 의사결정의 신뢰성과 정확성을 높이는 데 기여할 것으로 기대된다. 또한, 한국어 표 기반 질의응답 성능을 개선하기 위한 새로운 데이터 전처리 접근법을 제시하였으며, 표의 구조적 특성과 데이터 표현 방식이 질의응답 성능에 미치는 영향을 체계적으로 분석했다는 점에서 의의를 가진다.

Table-based Question Answering (Table QA) is a task that provides answers to natural language questions using tabular data, where data preprocessing significantly impacts performance. This study constructs a Korean-language complex table QA dataset and systematically analyzes the effects of various data representation formats (HTML, Markdown, Text, and Numpy) on model performance. Experimental results show that the optimal data representation varies depending on the structural characteristics of the table: Numpy format performs best for simple tables, Text for merged tables, and HTML for composite tables. A general trend of performance degradation is observed as table complexity increases. By proposing optimal data representations tailored to table structures, this research offers practical directions to improve the performance and efficiency of table QA systems. The findings are expected to enhance the reliability and accuracy of data-driven decision-making in real-world applications such as public data utilization, enterprise data analysis, and real-time customer support systems. Furthermore, this study presents a novel preprocessing approach to improve Korean Table QA performance and is significant in its systematic analysis of how table structure and data representation affect QA outcomes.

본 연구는 개인정보보호 담당자의 실무 역량 강화를 위한 교육 프로그램의 효과성과 개선 방안을 분석하는 데 목적이 있다. 설문조사를 통해 교육 시간, 교육 횟수, 주제, 방법, 자료, 강사와 같은 교육 요소의 문제점을 파악하고, 현행 교육 프로그램과 교육 대상자들의 요구 간의 격차를 조사하였다. 분석 결과, 현재 교육이 실무 중심의 역량을 충분히 반영하지 못해 교육생들의 만족도가 낮고 추가 교육의 필요성이 제기되었다. 특히 침해사고 대응, 최신 개인정보보호 기술 이해 등 고급 역량에서 큰 격차가 나타났다. 이를 해결하기 위해 교육 프로그램은 실습과 사례 중심의 방식으로 개선되고, 주기적인 재교육과 최신 동향을 반영한 맞춤형 교육이 필요함을 제시한다. 본 연구는 이러한 개선 방안을 통해 개인정보보호 담당자들의 실무 능력을 강화하고, 조직의 개인정보보호 수준을 제고하며, 안전한 데이터 관리 문화를 확립하는 데 기여할 수 있을 것으로 기대된다.

This study aims to analyze the effectiveness and potential improvements of training programs designed to enhance the practical competencies of information privacy officers. Through surveys, the study identifies issues with training elements such as duration, frequency, topics, methods, materials, and instructors, and investigates the gap between the current training programs and the needs of the participants. The analysis reveals that the current training does not adequately reflect practical, hands-on competencies, leading to low satisfaction levels among participants and highlighting the need for additional training. Significant gaps were found in advanced competencies, such as responding to data breaches and understanding the latest information privacy technologies. To address these issues, the study suggests that the training program be improved to incorporate hands-on exercises and case-based approaches, and that periodic refresher courses and customized training reflecting current trends be implemented. This research is expected to contribute to strengthening the practical skills of information privacy officers, enhancing organizational information privacy standards, and establishing a culture of secure data management.

본 연구는 온라인 서비스 이용 행태에 대한 설문자료로부터 이용자의 여러 가지 인구통계학 속성과 성격 특성의 예측 가능성을 비교하였다. 예측 요인으로는 OTT 및 TV, 스마트폰 앱, 디지털 콘텐츠, 쇼핑, 스마트 기기, 소셜 미디어에 대한 이용 패턴을 사용하였고, 예측 모형으로는 네 가지 의사결정나무 기반 앙상블 기법을 사용하여 각 예측 대상에 대한 요인별 기여도를 분석하였다. 연구 결과, 결혼 여부, 나이, 성별, 고학력 여부는 예측 가능성이 매우 높았고, 취업 여부와 소득이 그 뒤를 이었다. 반면, 정치 성향, 종교 유무, 성격 특성은 상대적으로 예측이 어려웠다. 예측 요인별 기여도는 모형에 따라 달랐으나 OTT 및 TV 이용 특성은 여러 가지 개인정보의 예측에 크게 기여하는 것으로 나타났다. 본 연구는 개인정보의 예측 가능성과 예측 요인을 종합적으로 분석함으로써 개인정보의 효과적인 보호와 활용에 유용한 지식을 제공한다.

This study compared the predictability of various demographic and personality traits of individuals from their online service usage behavior. Usage patterns for OTT, smartphone apps, digital contents, online shopping, smart devices, and social media were used as predictors, and the contribution of each predictor was examined using four tree-based ensemble models. The result shows that marital status, age, gender, and education level were highly predictable, followed by employment status and income. On the other hand, political orientation, religion, and personality traits are relatively hard to predict. The contribution of predictors varied depending on the model, but in most models, OTT and TV usage characteristics significantly contributed to the prediction of various personal information. The comprehensive investigation of the predictability and prediction factors of personal information provides knowledge for both its effective protection and utilization.

생성형 인공지능과 대형 언어 모델(LLM)의 발전은 기업의 업무 프로세스에 혁신을 가져오며 도메인 특화된 업무를 처리하기 위한 맞춤형 LLM 도입을 촉진하고 있다. 그러나 LLM의 환각(hallucination) 문제와 도메인 적합성 부족을 해결하기 위한 Retrieval-Augmented Generation(RAG) 시스템은 검색 단계에서 복잡한 멀티 홉 질의 처리 시 오류 누적 문제로 인해 성능 저하를 겪는다. 본 연구는 이러한 문제를 해결하기 위해 Hypothetical Document Embedding(HyDE) 기법을 멀티 홉 검색에 통합하여 RAG 성능을 개선하는 프레임워크를 제안한다. HyDE 기법은 질의의 의미를 반영한 가상 문서를 생성하여 검색 정확성을 향상시키며, 본 연구에서는 복잡한 질의를 단계적으로 단일 홉 질의로 분해하고 각 단계에서 HyDE를 적용하는 방식을 채택하였다. 실험은 검색 정확도를 측정하기 위해 precision@k, recall@k, F1 score, MAP, MRR, hit rate와 같은 지표를 사용하여 진행되었다. 실험 결과 HyDE 기반 멀티 홉 검색은 모든 지표에서 기존 대비 향상된 성능을 보였으며, 특히 recall이 약 19.53%, hit rate가 21.21% 증가하였다. 이는 HyDE가 멀티 홉 검색에서 검색의 정확성을 높이는 데 효과적임을 보여준다. 향후 연구에서는 멀티 홉 검색에 최적화된 데이터셋 개발, 가상 문서 생성 전략의 개선 등을 시도할 수 있을 것으로 기대된다.

The development of generative AI and large language models (LLMs) is revolutionizing business processes and fostering the adoption of customized LLMs for domain-specific tasks. However, Retrieval-Augmented Generation (RAG) systems designed to address hallucination and domain relevance issues face performance degradation due to error accumulation in handling complex multi-hop queries. This study proposes a framework that integrates the Hypothetical Document Embedding (HyDE) technique into multi-hop retrieval to enhance RAG performance. HyDE generates virtual documents reflecting query intent, improving retrieval accuracy by decomposing complex queries into single-hop queries and applying HyDE iteratively at each step. Experiments were conducted using precision@k, recall@k, F1 score, MAP, MRR, and hit rate as evaluation metrics. The results demonstrate that HyDE-based multi-hop retrieval improves performance across all metrics, with recall increasing by approximately 19.53% and hit rate by 21.21%. These findings confirm the effectiveness of HyDE in enhancing retrieval accuracy for multi-hop search. Future research directions include the development of optimized datasets for multi-hop retrieval and further refinement of virtual document generation strategies.

조직에서 AI서비스를 도입하는 것은 업무 방식에 큰 변화를 가져올 수 있는 도전적이고 변혁적인 작업으로, 많은 조직들이 높은 실패율과 기술 도입의 어려움을 경험하고 있으며, 공공고용서비스(PES) 분야도 예외는 아니다. 본 연구는 PES 중 AI 기반 취업지원 서비스의 도입 과정에 대해 신규 AI 기반 취업지원 서비스 대안 도출과 수용 우선순위 평가라는 두 가지 핵심 연구 문제를 한국고용정보원의 사례를 통해 다루었다. 첫 번째 연구문제인 AI 기반 취업지원을 위한 서비스의 대안 도출은 AI 기반 PES 적용 기준 선정, 민간ㆍ공공 사례 조사, 전문가ㆍ실무자 인터뷰 등을 통한 아이디어 창출, 그리고 도출된 아이디어를 선별하는 과정을 거쳐 9개의 대안을 선정하였다. 두 번째 연구문제인 AI 기반 취업지원 서비스(안)의 수용을 위한 우선순위를 평가하기 위해 본 연구는 먼저 수용 우선순위 평가 방법 검토 및 선정, AI 기반 서비스 수용과 관련된 학술적ㆍ실무적 문헌 검토, 문헌을 토대로 설문 개발 및 자료 수집, 마지막으로 자료 분석을 통해 우선순위를 평가하는 과정을 거쳐, 선정된 AI 기반 취업지원 서비스(안)의 수용 우선순위를 제시하였다. 본 연구는 AI 기반 서비스(안)에 영향을 주는 수용 요인을 학술적ㆍ실무적 관점에서 동시에 고려하여 제시하였다는 점과 의견 수렴이 어려운 투입 자원 평가에서 상대적 평가방법을 통해 투입 자원의 규모를 정량화하는 방안을 제안하였다는 데 의의가 있다. 본 연구 결과는 AI 기반 서비스를 도입하고자 하는 정부부처, 공공기관, 기업 등에서 조직의 준비도를 평가하거나 수용 가이드라인을 개발하는 데 기초자료로 활용할 수 있을 것이다.

Adopting AI services in the organization is a challenging and transformative undertaking that can change the way we work, and there are many steps to take to ensure a successful implementation. Therefore, many organizations are experiencing high failure rates and difficulties in adopting the technology, and the Public Employment Services (PES) sector is no exception. To address these issues, we examine two research questions based on the case of Korea Employment Information Service: identifying AI-based employment support services and evaluating adoption priorities. For the first research question, alternatives for AI-based employment support services were generated through a process involving the selection of AI-based PES application criteria, investigation of private and public sector cases, interviews with experts and practitioners, brainstorming, and the screening of ideas. This process resulted in the selection of nine alternatives. Regarding the second research question, the priority of adoption for AI-based employment support services was evaluated through a systematic approach. This included reviewing and selecting evaluation methods for adoption priorities, examining academic and practical literature related to the acceptance of AI-based services, developing surveys based on the literature, collecting and analyzing data, and presenting the priority of acceptance for the selected AI-based employment support services. This study is significant in that it simultaneously considers influencing factors on affecting AI-based services from both academic and practical perspectives. It also proposes a method for quantifying the scale of resources through relative evaluation, addressing the challenges of resource assessment and opinion gathering. The findings of this study can also serve as foundational materials for government departments, public institutions, and companies seeking to adopt AI-based services by assessing organizational readiness or developing adoption guidelines.

국내 교통사고는 인적·물적 피해를 초래하는 심각한 사회 문제이며, 연간 사고 건수가 크게 감소하지 않고 OECD 국가 중 교통사고 사망자 수 또한 높은 수준을 유지하고 있다. 이에 따라 교통사고의 근본적인 발생 요인을 분석하고, 실질적인 예방책을 마련하는 것이 중요한 과제로 부각되고 있다. 본 연구는 국내 교통사고 데이터를 활용하여 K-modes 클러스터링(Cluster Analysis) 기법을 적용함으로써 교통사고 유형을 군집화하고, 유형별 사고 특성을 분석하여 효과적인 예방책을 제안하는 것을 목적으로 한다. 특히 기존 연구들이 특정 지역, 연령대, 차종 등에 국한되었던 한계를 극복하고, 보다 포괄적인 데이터 분석을 통해 교통사고 예방 정책의 실효성을 높이고자 한다. 본 연구는 국내 전 지역의 교통사고 데이터를 활용하여 보다 종합적인 교통사고 유형 분석을 수행하였으며, 관리적, 제도적, 교육적 측면에서 실효성 있는 예방 대책을 제시함으로써 기존 연구의 한계를 보완하였다. 실무적으로는 경찰 및 교통안전 기관이 보다 효과적인 단속 및 예방 정책을 수립하는 데 기초 자료로 활용될 수 있으며, 학문적으로는 교통안전 연구의 다학제적 접근을 촉진할 수 있다.

Domestic traffic accidents are a serious social problem causing human and material damage, with the annual number of accidents not significantly decreasing and the number of traffic accident deaths among OECD countries remaining high. Accordingly, analyzing the fundamental causes of traffic accidents and devising practical preventive measures are emerging as important tasks. This study aims to cluster traffic accident types by applying the K-modes clustering (Cluster Analysis) technique using domestic traffic accident data, and to analyze the characteristics of each accident type to propose effective preventive measures. In particular, it seeks to enhance the effectiveness of traffic accident prevention policies through more comprehensive data analysis, overcoming the limitations of previous studies that were limited to specific regions, age groups, and vehicle types. This study conducted a more comprehensive analysis of traffic accident types by utilizing traffic accident data from all regions of Korea, and complemented the limitations of previous studies by suggesting effective preventive measures in administrative, institutional, and educational aspects. In practice, it can be used as basic data for the police and traffic safety agencies to establish more effective crackdowns and preventive policies, and academically, it can promote a multidisciplinary approach to traffic safety research.

본 연구는 세계적으로 급성장하고 있는 생성형 AI 기술의 정보품질이 클라우드와 온디바이스 방식의 AI 구매의도에 미치는 영향을 브랜드 이미지와 이원적 신뢰(정서적, 인지적)의 매개효과를 중심으로 알아보았다. 생성형 AI 기술의 전문성과 사용연령을 고려하여 10대 부터 50대 사용자 중 클라우드 AI와 온디바이스 AI 방식을 모두 경험한 남녀 273명을 대상으로 설문하였고, SmartPLS 4.0의 탐색적 구조방정식을 분석에 활용하여 실증하였다. 연구 결과, 생성형 AI의 정보품질이 정서적 신뢰와 인지적 신뢰에 미치는 긍정적 영향이 확인되었다. 또한, 정보품질과 브랜드 이미지가 인지적 신뢰를 통해 클라우드 AI와 온디바이스 AI 구매의도에 미치는 긍정적 영향이 확인되었다. 하지만, 정서적 신뢰가 클라우드 AI와 온디바이스 AI 구매의도에 미치는 긍정적 영향은 통계적으로 유의하지 않았다. 본 연구는 생성형 AI 기술의 정보품질이 이원적 신뢰에 매개되어 클라우드와 온디바이스 방식의 AI 구매의도에 영향을 미치는 메커니즘을 실증 연구함으로써, 생성형 AI 영역에서 정서적 신뢰와 인지적 신뢰의 차별적 특성을 이해하고, 해당 비즈니스에서 고객의 신뢰를 형성하는 경영 전략과 방향성을 제시했다는데 학술적, 실무적 의의가 있다.

This study was empirically verified how Information Quality in generative AI technology, which is experiencing rapid global growth, affects Purchase Intentions for Cloud and On-device AI methods, focusing on the mediating effects of Brand Image and Dual Trust (affective and cognitive). Considering the expertise and age range of generative AI technology users, we surveyed 273 men and women ranging from 10s to those in their 50s who had experienced both Cloud AI and On-device AI methods. The data was empirically analyzed using exploratory structural equation modeling with SmartPLS 4.0. Research results confirmed the positive impact of generative AI's Information Quality on both affective and cognitive trust. Additionally, the positive effects of Information Quality and Brand Image on Purchase Intentions for both Cloud AI and On-device AI through cognitive trust were verified. However, the positive influence of affective trust on Purchase Intentions for Cloud AI and On-device AI was not statistically significant.

AI 기술의 발전과 확산에 따라 조직 내 AI 시스템 도입과 활용이 증가하면서, 도메인 전문가와 AI 전문가 간 협업의 중요성이 부각되고 있다. 두 전문가의 유기적 협력은 AI 시스템의 성공적 구현에 필수적이나, 현실에서는 협업이 원활하게 이루어지지 않는 경우가 빈번하다. 이에 본 연구는 문헌연구와 사례연구를 통해 AI 시스템 도입 및 활용 과정에서 두 전문가 간 협업의 주요 장애 요인을 분석하고, 이를 극복할 수 있는 방안을 도출하고자 한다. 연구 결과, 주요 장애 요인으로 상호 이해 부족, 역할 분담의 모호성, 소통 단절, 신뢰 부족 등이 확인되었으며, 기존 협업 모델이 AI 증강 조직의 기술적 복잡성과 도메인 특수성을 충분히 반영하지 못하는 한계를 지님을 밝혀냈다. 이러한 문제를 해결하기 위해 본 연구는 두 전문가 간 데이터 및 AI 기반의 전략적 의사결정을 원활히 하고, 협업 목표를 조율하며, 갈등을 조정하는 핵심적 역할인 ‘중간자’의 필요성을 제안하였다. 특히, 중간자의 역할이 단순한 프로젝트 관리자를 넘어 데이터 전략가로 확장됨을 확인하였다. 중간자는 데이터 체계 구축, 프로젝트 기획, 수행 및 평가 전 과정에서 협업을 조율하며, AI 기반 전략적 접근을 가능하게 하는 핵심적 역할을 수행한다. 본 연구는 AI 시스템 도입 및 활용 과정에서 협업의 장애 요인을 실증적으로 규명하고, 이를 해결하기 위한 중간자의 역할을 제시함으로써 학문적으로는 도메인 전문가와 AI 전문가 간 협업 모델의 발전에 기여하며, 실무적으로는 조직 내 AI 프로젝트의 성공 가능성을 높이는 데 의의를 갖는다.

Rapid advancements in AI technology have made collaboration between domain experts and AI experts essential within organizations. Successfully implementing AI systems requires integrating domain knowledge with AI expertise, yet such collaborations often face challenges. Mutual misunderstandings, unclear roles, communication breakdowns, and lack of trust frequently hinder effective teamwork. This study examines how these groups collaborate during AI system implementation, identifies key obstacles, and proposes solutions to overcome existing model limitations. Findings reveal that current collaboration models fail to address AI-augmented organizations' technical complexities and specific domain nuances. To resolve these issues, this study introduces an intermediary role that goes beyond project management to include data strategy and coordination. This intermediary facilitates data-driven communication, mediates conflicts, and aligns collaboration goals between domain and AI experts. By overseeing all phases—from data infrastructure development to project execution and evaluation—the intermediary fosters a structured, AI-driven strategic approach. By analyzing barriers to collaboration and proposing this expanded intermediary role, the study contributes practically by improving AI project success rates within organizations and academically by offering a new perspective on collaboration models between domain and AI experts.

코로나19로 인한 비대면 활동의 일상화는 엔터테인먼트 산업에서 ‘버추얼 아이돌(Virtual Idol)’의 등장을 촉진시켰다. 본 연구는 사회표상이론(Social Representations Theory, SRT)을 바탕으로 국내에서 가장 주목받는 버추얼 아이돌인 <플레이브(PLAVE)>에 대한 팬덤의 인식을 탐구하였다. 특히 안사람, 의인화, 휴먼브랜드, 휴먼브랜드 애착 이론을 중심으로 사회표상을 분석하였다. 연구 결과, 팬들은 외형적·정보적 의인화를 통해 플레이브를 인간으로 인식하고 있었으며, 전문성·신뢰성·매력성을 지각함으로써 이들을 휴먼브랜드로 인지하고 있는 것으로 나타났다. 결과적으로 팬들은 플레이브에 대한 애착을 형성하여, 편견 해소와 가시적인 성과 달성을 위해 노력하는 모습을 보였다. 본 연구는 버추얼 아이돌 플레이브에 대한 팬덤의 인식 탐색을 통해 버추얼 아이돌이 휴먼브랜드로 인식될 가능성을 증명하였고, 이는 버추얼 아이돌 연구와 엔터테인먼트 산업 발전에 기여할 수 있을 것이라는 점에서 의의가 있다.

As the COVID-19 pandemic normalized contactless interaction, the entertainment industry witnessed the rapid emergence of virtual idols. This study explores fandom perceptions of PLAVE, the most prominent virtual idol group in South Korea, based on Social Representations Theory (SRT). In particular, the study analyzes social representations through the concepts of nakanohito, anthropomorphism, human brand, and human brand attachment. The findings indicate that fans perceive PLAVE as human through both physical and informational anthropomorphism and recognize them as a human brand by attributing traits such as expertise, trustworthiness, and attractiveness. As a result, fans developed attachment to PLAVE and engaged in efforts to overcome prejudice and promote the group’s visible achievements. This study demonstrates the potential for virtual idols to be perceived as human brands through an analysis of fandom perceptions. It also offers implications for future research on virtual idols and the development of the entertainment industry.

본 연구는 정보채택모델(Information Adoption Model, IAM)을 기반으로 사무 업무에서 생성형 AI의 지속 사용 의도에 영향을 미치는 요인들을 분석하였다. 350명의 국내 직장인을 대상으로 수집한 데이터를 부분최소자승법(Partial Least Square, PLS)을 통해 분석한 결과, 정보·지식의 품질과 서비스·UI의 품질이 직접적으로 생성형 AI의 유용성에 긍정적인 영향을 미치는 것으로 나타났다. 또한, 출처의 신뢰성과 생성형 AI 기업의 신뢰성은 정보·지식의 품질과 서비스·UI의 품질을 통해 유용성에 간접적인 양의 관계가 있음이 확인되었다. 마지막으로, 생성형 AI의 유용성은 지속 사용 의도에 강한 영향을 미치는 요인임도 검증되었다. 본 연구의 주요 결과들은 생성형 AI의 정보 품질 및 사용자 경험 개선이 사용 의도 증대와 이용층 확산에 중요한 역할을 한다는 점을 시사한다.

This study analyzes the factors influencing the continuance intention to use Generative AI in office tasks, based on the Information Adoption Model (IAM). Using data collected from 350 office workers in South Korea, the Partial Least Square (PLS) method was employed to examine the relationships among the variables. The results indicate that information quality and service·UI quality have significant positive effects on the perceived usefulness of Generative AI. Moreover, source credibility and trust in Generative AI providers exhibit indirect positive relations with perceived usefulness through their influence on information quality and service·UI quality. Finally, perceived usefulness is confirmed to be a strong determinant of continuance intention. These findings suggest that improving information quality and enhancing user experience play critical roles in promoting the adoption and sustained use of Generative AI.