Earticle

본 연구는 인공지능(AI) 서비스 중 하나인 챗봇(Chatbot)의 지능을 소비자 관점에서 체계적으로 평가할 수 있는 척도를 개발하는 것을 목표로 한다. 기존의 챗봇 관련 연구들은 주로 기술적 성능이나 응답 정확성과 같은 기능적 측면에 초점을 맞추어 왔으나, 본 연구는 사용자가 실제로 체감하는 지능적 특성에 주목하여 이를 평가 항목으로 체계화하고자 하였다. 이를 위하여 본 연구에서는 레퍼토리 그리드(Repertory Grid) 기법을 적용하여 심층 인터뷰(In-Depth Interview)를 실시하였다. 참여자들은 시나리오를 기반으로 의료, 법률, 심리 분야의 상담 챗봇을 사용하여 문제 해결 과정을 체험한 후, 삼자비교법(triadic comparison)을 통해 챗봇 간 유사성과 차이를 인식하고, 이에 기반하여 사용자가 인지하는 구성개념(constructs)을 도출하였다. 도출된 구성개념들은 의미의 유사성에 따라 통합 및 정제되었으며, 이를 바탕으로 챗봇 지능을 평가할 수 있는 구체적인 항목군이 개발되었다. 본 연구를 통해 개발된 챗봇 지능 평가 척도는 향후 인공지능 서비스의 지능 수준을 사용자 관점에서 체계적으로 측정하고 비교하는 데 기여할 것으로 기대된다. 또한 본 연구 결과는 인간 친화적 인공지능 시스템 설계, 사용자 경험(User Experience, UX) 개선, 그리고 인공지능 서비스 품질 평가 연구에 실질적인 학문적 및 실무적 시사점을 제공할 수 있을 것으로 전망된다.

본 연구는 대화형 AI기반 정보검색의 도움 정도가 정부 및 기업의 AI기반 서비스에 대한 긍정적인 태도에 미치는 영향을 분석한다. 특히, 성향 점수 매칭(PSM)을 통해 개인이 인지하는 디지털 역량 보유 여부에 따라 이러한 관계가 달라지는지를 확인하였다. 2023년 인터넷 이용 실태조사 데이터를 바탕으로 분석을 실시한 결과, 디지털 역량을 보유했다고 인지하는 집단이 전반적인 AI 서비스에 대한 도움 정도가 더 높고 AI에 대해 더욱 긍정적인 태도를 지닌다는 사실을 밝혀냈다. 나아가, 디지털 역량을 보유했다고 인지하는 집단에서 AI 기반 대화형 정보검색 도움 정도가 높을수록 정부 및 기업의 AI기반 서비스에 더욱 긍정적인 태도를 지니는 것으로 확인했다. 연구의 결과를 통해 소통을 기반으로 하는 AI 기술의 중요성과, 디지털 및 AI 역량을 고려한 정부 및 기업의 정책 및 서비스 기획의 필요성을 시사한다.

Understanding the dynamic changes in consumer responses after a product launch is essential for effective customer relationship management. While prior studies explored online consumer feedback, few have systematically examined the temporal evolution of consumer emotions and topical focus in product reviews. This study tracks sentiment and topical shifts in consumer reviews of newly launched computer-related devices, using natural language processing on comments from 100 product-review videos. Sentiment peaked within two days, declined steadily through day 14, and stabilized after a minor rebound. Meanwhile, discussion topics shifted from initial enthusiasm to problem-solving and critical evaluation. These emotional and topical transitions were further interpreted through the lens of Expectancy-Disconfirmation Theory (EDT), revealing how evolving consumer expectations shape post-launch sentiment. By integrating sentiment dynamics with topic evolution, the study provides a structured framework for tracking post-launch behavior and contributes to both theoretical understanding and brand management practices.

기업 관계 분석으로 기업의 경쟁환경 파악과 시장 잠재력을 평가할 수 있으며 이는 기업운영 뿐만 아니라 투자자의 결정에도 큰 영향을 미친다. 최근 디지털 전환이 가속화되면서 산업 간 경계가 모호해지고, 기업 간 협력과 경쟁 상호작용은 더욱 복잡한 양상으로 나타나고 있다. 이에 본 연구는 정보와 가시성이 풍부한 뉴스 기사로부터 기업에 대한 감성분석을 수행하여 기업 간 관계를 협력과 경쟁의 강도로 정량화하고, 이를 기반으로 구축한 기업관계 네트워크가 기업의 자본가치에 미치는 영향에 대해 실증적인 연구를 수행한다. 다면적인 기업 간 상호작용을 정교하게 모델링하기 위해 뉴스기사에서 S&P500 기업을 대상으로 Aspect-Based Sentiment Analysis (ABSA) 모델로 특정 주제(Aspect)인 기업에 대한 감정 극성과 강도를 추출하여 기업 간 협력/경쟁관계 네트워크를 구성하였다. 협력과 경쟁 강도의 조합은 네 가지 유형의 코피티션 (Co-opetition) 기업관계로 정의하며, 이를 기반으로 위상학적 관계 분석을 통해 전반적인 기업간 관계 구조의 패턴과 연결 특성을 파악하고 기업의 자본가치 예측을 실증적으로 검토하며 이러한 관계 유형이 시장에 미치는 영향력과 신호 효과를 분석한다. 뉴스기반 기업 상호작용 관계 네트워크는 기업 간 전략적 제휴 분석과 투자 판단의 정밀도를 향상시키는데 기여하며, 정보과잉 환경 속에서 효과적인 시장 신호 해석 도구로의 활용 가능성을 보여줄 것이다.

The proliferation of digital technologies has led users to engage in various forms of unpaid labor, commonly referred to as digital shadow work. However, existing research lacks a unified framework to classify shadow work in terms of task characteristics, user autonomy, and affective responses. This study proposes a three-dimensional analytical framework composed of Task Type, Autonomy Level, and Affective Response to conceptualize and systematically classify digital shadow work. A total of 34 relevant studies were re-analyzed and mapped onto the framework, which demonstrated its explanatory power and applicability across diverse contexts. The study also confirms the framework’s conceptual validity and reliability, and discusses its theoretical and practical implications in management, information systems, and service operations research.

With the advent of the Fourth Industrial Revolution, AI technologies and robotic services are increasingly being adopted in the hospitality industry. Among these, robotic baristas have garnered significant attention. However, consumer resistance toward robotic service remains prevalent, and related academic research is limited. This study investigates the key factors behind consumer resistance to robotic barista services and how these factors influence overall satisfaction. Sentiment analysis of online reviews is combined with multi-criteria decision-making (MCDM) methods to assess the impact of specific robotic service attributes. The findings are expected to offer practical insights for industry professionals considering the adoption of robotic cafés. By understanding the sources of consumer resistance and their influence on satisfaction, businesses can make more informed decisions about the design and deployment of robotic service technologies.

본 연구는 인간과 유사한 외형과 인지 능력을 갖춘 휴머노이드 로봇의 기술적 발전과 조직 내 도입 가능성을 배경으로, 계층적 조직문화에서 로봇의 사회적 직급 인식과 언어 사용 방식이 인간의 협동 의도에 미치는 영향을 분석하고자 한다. 최근 Tesla, Figure AI, UBTech 등 주요 기업들이 개발한 휴머노이드 로봇은 이족보행, 자연어 처리, 감정 표현 등 고차원적 기능을 구현하며 인간-로봇 상호작용의 새로운 국면을 열고 있다. 특히 권위거리가 높은 동아시아 문화권에서는 로봇이 상하 관계를 어떻게 표현하고, 어떤 대화체를 사용하는지가 사용자의 심리적 반응과 행동에 중요한 영향을 미칠 수 있다. 본 연구는 로봇의 직급(상위, 동일, 하위)과 대화체(존칭 vs. 반말)를 독립 변수로 설정하고, 실제 기업 종사자를 대상으로 한 온라인 시나리오 기반 실험을 통해 협동 의도에 미치는 영향을 실증적으로 분석하고자 한다. 리더-구성원 교환 이론 (LMX 이론)을 이론적 토대로 삼아 위계 중심 문화에서의 휴머노이드 로봇 수용성을 탐색하였으며, 향후 조직 내에서 로봇과 인간이 상호 존중을 기반으로 협업할 수 있는 방향성에 대한 시사점을 제언하고자 한다.

As franchise systems expand, concerns arise regarding whether intra-brand proximity intensifies intra-brand competition or contributes to market expansion across online and offline channels. Existing studies often neglect the channel-specific variations of these effects and the moderating role of inter-brand competition. This study examines how intra-brand proximity and inter-brand competition influence store performance in an omnichannel retail context, applying a 1.5 km threshold. Leveraging sales data from a South Korean multi-brand retailer, we apply a multilevel random intercept model and the Gaussian copula method to mitigate endogeneity concerns. The findings indicate that in offline markets, intra-brand proximity initially enhances sales through agglomeration effects; however, this effect dissipates after accounting for endogeneity. Inter-brand competition enhances offline sales, particularly in low-density areas. In online markets, intra-brand proximity exacerbates intra-brand competition, leading to lower sales, whereas inter-brand competition amplifies these pressures further. These findings underscore the necessity of strategically managing store proximity in omnichannel retail environments.

Modern businesses increasingly depend on large and continuously growing volumes of data to inform strategic decision-making. However, the rapid pace of data generation presents significant challenges for traditional analytical methods to remain timely and effective. This has led to a growing need for AI-based Decision Support System (AI-DSS) to assist business management processes. The effectiveness of an AI-DSS extends beyond its technical capabilities; it also depends on alignment with business goals, ease of use, and its support for ethical and responsible decision-making. This paper evaluates and compares AI-DSS tools within business contexts using Multi-Criteria Decision-Making (MCDM) frameworks. They have been reliably used in selecting systems tailored to given priorities. The proposed MCDM framework considers key evaluation dimensions, including technical performance, strategic compatibility, usability, cost-effectiveness and other factors. By integrating these factors, the study offers a systematic approach to help organizations make more informed and context-sensitive decisions when selecting AI-DSS tools.

The current trend shows that consumers are increasingly looking for relevant information on online social media platforms and looking at eWOM of relevant brands or services before choosing goods or services. This kind of behavior has gradually become an important factor in consumers’ consuming intention and has more and more influence on operators. This study defines "explosive text" as descriptive text that can attract consumer interest. “Explosive image” usually refers to an image that is exaggerated and attractive, which can attract consumers ‘attention, arouse interest and leave a deep impression in a short period of time. This kind of advertisement usually uses bright colors and strong contrast to highlight the characteristics and advantages of the product. We will explore the role of explosive text/image comments in eWOM communication. Meanwhile, consumer emotional and cognitive responses have a positive impact on their recommend intention, consumer satisfaction, user-generated content and digital engagement.

This research examines the impact of recommendation systems on user consumption behavior in the context of serialized content platforms. Unlike streaming (or short-form), which allows for continuous consumption, serialized formats such as digital comics (i.e., webtoons) impose a nested temporal structure characterized by mandatory waiting periods and recurring short-session consumptions. These temporal constraints compel users to make frequent consumption decisions under a limited budget and time, increasing cognitive fatigue and altering content engagement patterns. Leveraging a field experiment on a leading webtoon platform in Korea, we compare recommendation-based versus popularity-based content displays to assess their effects on user conversion behavior (i.e., paid or alternative content consumption). The serialized release structure, particularly the distinction between initial publication and subsequent availability, enables us to examine how the timing of algorithmic exposure moderates the effectiveness of recommendations. Preliminary findings suggest that recommendation systems enhance conversion by either reinforcing early-stage engagement or facilitating content switching as decision fatigue accumulates. These results highlight that recommendation systems serve not only as content-matching tools but also as adaptive behavioral interventions in environments requiring repeated decision-making, suggesting important implications for platform operators in designing recommendation strategies aligned with the temporal dynamics of serialized content.

본 연구는 AIGC 구별 인식이 SNS 이용 과정에서 경험되는 세 가지 인식 요소인 SNS 피로도, 정보 신뢰도, 플랫폼 신뢰도에 미치는 영향을 분석하고, 이들 요소가 SNS 지속 사용 의도에 미치는 매개효과를 구조적으로 분석하였다. 국내 SNS 사용자 503명을 대상으로 온라인 설문을 실시하고, 회귀분석과 부트스트래핑을 통해 간접효과를 검증하였다. 분석 결과, AIGC 구별 인식은 SNS 피로도와 플랫폼 신뢰도에 유의한 영향을 미쳤으나, 정보 신뢰도에는 유의한 영향을 미치지 않았다. 또한, SNS 피로도를 통한 간접효과만이 통계적으로 유의하여 , AIGC 구별 인식과 SNS 지속 사용 의도 간의 관계는 SNS 피로도를 매개로 하는 완전매개 구조를 지니는 것으로 나타났다. 이는 SNS 마케팅 및 플랫폼 운영 전략 수립 시 사용자의 AIGC 구별 인식을 고려한 콘텐츠 설계의 중요성을 시사한다.

본 연구는 의료미용 플랫폼 내 리뷰 정보의 비정형성과 정보 과부하 문제를 해결하기 위해, 시술 속성 기반의 리뷰 요약 및 시각화 방안을 제안한다. 먼저, 의료미용 리뷰에 LDA 토픽 모델링을 적용하여 주요 시술 속성을 도출하고, 이를 기반으로 리뷰 데이터를 속성별로 라벨링한 학습 데이터셋을 구축하였다. 이후, 대규모 언어 모델(LLM)에 대해 LoRA 기반의 파라미터 효율적 미세조정을 수행하여 도메인 특화 요약 모델을 개발하였다. 요약 수행은 계층적 요약 전략을 활용하여 리뷰 데이터를 점진적으로 압축하는 방식으로 이루어졌으며, ROUGE, BERTScore, 인간 평가 지표(사실성, 신뢰성, 관련성)를 통해 요약 성능을 평가하였다. 또한 Streamlit 기반 시각화 시스템을 구현하여 속성을 기준으로 요약된 정보를 사용자에게 직관적으로 제공하였다. 본 연구는 의료미용 분야에서 속성 기반 요약의 학술적 유용성과 실무적 적용 가능성을 제시하며, 플랫폼 내 소비자의 정보 탐색 효율성과 경험 품질을 향상시키는 데 기여한다.

유의미한 정보의 추출과 활용은 정교한 정보 추천 시스템 구축의 핵심적인 요구사항이다. 온라인 플랫폼에는 대규모의 비정형 데이터가 축적되며, 다양하고 질적인 정보를 내포하지만 비 구조화된 특징으로 인한 활용에 어려움이 존재한다. 본 연구는 문장 임베딩(sentence embedding)과 시맨틱 클러스터링(semantic clustering)을 활용하여 비정형 텍스트에서 핵심적인 속성을 효과적으로 추출하고, 이를 인공지능 기반 추천 시스템에 결합하는 통합적 방법론을 제안한다. 이러한 시스템은 정보의 속성을 구조화된 변수로 활용하게 하고, 사용자 맞춤형 정보를 효과적으로 제공할 수 있다. 연구의 주요 결과는 속성 추출의 타당성과 추천 정확도 측면에서 우수한 성능을 입증하였다. 더하여, 추천 결과의 해석 가능성을 확보하여 사용자 중심의 목적 지향적 정보 탐색을 가능하게 하였다. 본 연구는 온라인 환경에서 효과적인 정보 관리 체계와 디지털 마케팅 및 소비자 맞춤형 서비스 전략 수립을 위한 추천 시스템 고도화에 기여할 수 있는 실질적 기반을 제공할 수 있다.

전자상거래가 급속히 발전함에 따라, 사용자에게 유익한 정보를 제공하는 동시에 방대한 리뷰 정보로 인해 의사결정에 혼란을 초래하는 문제가 부각되고 있다. 이러한 정보 과잉 문제를 완화하기 위해, 주요 전자상거래 플랫폼에서는 리뷰 유용성에 대한 투표 기능을 도입하였고, 이를 활용한 유용성 예측 모델의 개발 필요성도 부각되고 있다. 본 연구는 리뷰 텍스트와 이미지 데이터를 통합하여 딥러닝 기반의 유용성 예측 모델을 개발하는 것을 주요 목적으로 한다. 또한, 제품의 가격대와 성별을 기준으로 그룹을 세분화하고, 각 그룹별 예측 성능을 비교함으로써 맞춤형 모델 설계의 타당성을 실증적으로 분석하고자 한다. 연구 결과는 예측 성능이 우수한 멀티모달 분석 모델을 제시함으로써 학술적 기여를 도모하고, 소비자에게 유용한 리뷰를 효과적으로 제공하고자 하는 실무적 활용 가능성을 제시한다.

최근 국내 개인 투자자의 해외 주식 투자 비중이 확대되고 있으나, 정보 접근성과 분석 역량의 한계로 최적의 투자 결정을 내리기 어렵다. 본 연구는 LLM 기반 멀티 에이전트를 활용해 투자자 견해를 자동 생성하고 이를 Black-Litterman 모델에 적용하는 프레임워크를 제안한다. 다우존스 30 지수에 포함된 기업의 10-K 보고서, 뉴스 기사, 재무제표 데이터를 수집하여 견해를 구성하고 포트폴리오에 반영한 결과, 기존 지수 대비 약 두 배의 샤프지수와 높은 누적 수익률을 기록하였다. 본 연구는 개인 투자자의 의사결정을 지원할 수 있는 자동화된 견해 생성 및 포트폴리오 최적화 방법론을 제시한다.

최근 급격히 증가하고 있는 금융 사기 거래는 막대한 경제적 손실을 일으키며, 사기를 방지하기 위해 사용되는 데이터는 정상 대비 극도로 적은 이상거래로 인해 효과적인 탐지가 어려운 불균형 데이터 문제가 화두 되고 있다. 본 연구는 이러한 불균형한 데이터특성의 한계를 극복하기 위해 VAE-GAN(Variational Autoencoder–Generative Adversarial Network) 과 Semi-Hard Example Mining(이하 SHEM) 기법을 결합하여, 이상거래 데이터의 품질을 유지하면서 실제로 이상거래이지만 정상 거래로 판단하는 거짓 음성(False Negative, 이하 FN)을 줄이는 모델을 제안한다. 먼저, VAE-GAN을 통해 실제 거래와 유사한 소수 클래스 합성 데이터를 생성하고, Semi-Hard Negative Mining으로 분류기가 헷갈리기 쉬운 사례를 집중적으로 재 생성한다. 이를 신용카드 사기 데이터셋에 적용한 결과, 기존 보간 기반 오버샘플링 기법(SMOTE, Borderline-SMOTE, ADASYN)과 기존 VAE-GAN 증강 대비 Precision, Recall, F1, F2 Score 등 주요 지표가 전반적으로 향상됨을 확인하였다. 본 연구는 금융권 FDS(Fraud Detection System)에서 불균형 데이터 문제를 완화하고 탐지 성능을 극대화하는 데 기여할 것으로 기대한다.

본 연구는 금융 마이데이터 서비스 이용자의 지각된 우위 가치(낙관성, 불편감)와 자기결정성 동기(내재적, 외재적)를 축으로 하는 2×2 매트릭스 포지셔닝 모델을 제안한다. 기존 연구에서는 핀테크와 기존 은행의 마이데이터 서비스 경험, 직관성, 편의성, 신뢰성, 데이터 주권 등 다양한 요인이 사용자 경험에 영향을 미치는 것으로 나타났다. 본 모델은 각 축의 상호작용에 따라 네 가지 구역(자율형 혁신, 보상형 유인, 선택적 회피, 의무적 부담)으로 분류하고, 각 구역별 전략적 시사점을 제시하고자 한다.

본 연구는 아시아 항로 중심의 해운 운임 지표인 KDCI(KOBC Drybulk Composite Index)가 국내 주식 시장의 수익률과 변동성에 선행적으로 미치는 영향을 분석하였다. 기존 연구들은 글로벌 해운 운임 지표인 BDI(Baltic Dry Index)를 활용하여 국내 주식 시장과의 연계성을 분석했다. 본 연구는 아시아 중심 해운운임 지표를 활용해 주식 수익률의 비대칭성을 고려할 수 있는 EGARCH 모형을 사용하여 분석을 수행했다. KDCI는 BDI에 비해 KOSPI의 수익률을 효과적으로 설명하는 것으로 나타났다. KDCI가 한국 주식 시장의 단기 수익률 예측에 유의미한 실물-금융 연계 지표로 활용될 수 있음을 시사하며, 투자자의 투자 의사결정과 정책 입안자의 정책 수립에 참고가 될 수 있는 정보임을 시사한다.

This research investigates the impact of financial Application Programming Interfaces (APIs) on foreign investors in the stock market. Traditionally, accessing financial information requires a complex and extensive manual process that hinders foreign participation. The advent of APIs has simplified retrieval and analysis of corporate data, lowering entry barriers and narrowing the information asymmetry between domestic and foreign investors. Leveraging the introduction of OpenDART in South Korea, we analyze trading volume, net-buying trends, and stock returns to assess the differential effects on investors. Our findings reveal that financial APIs enhance foreign investors’ trade quality compared to domestic investors, particularly for opaque stocks with higher information asymmetry. These results highlight the role of technological innovation in mitigating information asymmetry and fostering cross-border investment.