Earticle

연구목적: 본 논문은 건설 시공현장에서 발생하는 사고 및 잠재적 위험분석을 위한 IoT 및 CCTV 기반 안전모니터링을 실시하고 추락, 충돌 등 위험 또는 이상현상을 탐지하여 무전기 등을 이용한 예･경보 및 챗봇서비스를 구축하는 방법을 제시하는데 목적이 있다. 연구방법: 건설현장 스마트 건설기술 사례 및 문헌분석을 통하여 안전관리 모델을 제시한다. 연구결과: ‘건설사고 통계’에 따르면 2021년 건설업 사고재해자는 26,888명으로 전체 사고재해의 26.3%가 건설업에서 발생하였고, 건설업 안전사고 사망 자는 417명으로 전체 산업재해 사망자의 50.5%에 달한다. 이런한 건설재해의 개선 방안으로, IoT 건전 성모니터링 기반 스마트 건설기술을 활용한 건설현장 안전관리 AI 챗봇서비스를 제시한다. 근로자 등 이해관계자가 참여하는 건설현장은 비계공정 및 개구부, 위험기계기구류 접근 등 사업장 내부 주요 위 험구역을 선정하여 인공지능 챗봇시스템을 구현하여 실증하였다. 결론: 건설현장 인공지능 챗봇서비 스 실증결과에 대한 참여근로자의 만족도 조사에서 90점 이상을 받아 상업화 가능성을 확인하였다.

Purpose: This paper conducts IoT and CCTV-based safety monitoring to analyze accidents and potential risks occurring at construction sites, and detect and analyze risks such as falls and collisions or abnormalities and to establish a system for early warning using devices like a walkie-talkie and chatbot service. Method: A safety management service model is presented through smart construction technology case studies at the construction site and review a relevant literature analysis. Result: According to ‘Construction Accident Statistics,’ in 2021, there were 26,888 casualties in the construction industry, accounting for 26.3% of all reported accidents. Fatalities in construction-related accidents amounted to 417 individuals, representing 50.5% of all industrial accident-related deaths. This study suggests implementing AI chatbot services for construction site safety management utilizing IoTbased health monitoring technologies in smart construction practices. Construction sites where stakeholders such as workers participate were demonstrated by implementing an artificial intelligence chatbot system by selecting major risk areas within the workplace, such as scaffolding processes, openings, and access to hazardous machinery. Conclusion: The possibility of commercialization was confirmed by receiving more than 90 points in the satisfaction survey of participating workers regarding the empirical results of the artificial intelligence chatbot service at construction sites.

This study aims to investigate generative AI (GAI) services, which are leading innovations in various domains and significantly affecting education with a range of positive and negative effects. Specifically, this study seeks to empirically examine the academic performance of graduate students who regularly use generative AI services such as ChatGPT (Generative Pre-trained Transformer). To establish the research framework and hypotheses, this study incorporates concepts from social cognitive theory and the concept of dependency. Also, this study introduces graduate students' personal and socio-environmental factors alongside the dependency variables of habitual and addictive behavior of GAI and their impact on learning and task performance. This study uses a structural methodology in order to test the hypotheses and a mixed approach that includes Artificial Neural Networks (ANN) to predict the most critical variables. We plan to collect data from 500 graduate students who actively utilize generative AI services to achieve this. Based on the outcomes of this research, this study tries to offer academic and practical implications for educational institutions and administration.

Given the lack of prior research on the impact of AI chatbot service capabilities on service performance, this study aims to test the relationship between AI chatbot capabilities and customer service quality. Specifically, by integrating AI-CRM and AI chatbot service research, this study derived and tested hypotheses on the impact of AI chatbot capabilities on customer-oriented service capabilities and their impact on service quality. Using structural equation modeling, hypothesis testing revealed that AI chatbot conversational and personalization capabilities positively impacted functional customer-oriented capabilities, which in turn positively impacted service quality. Furthermore, AI chatbot trust was found to strengthen service quality perceptions. This study is expected to improve our understanding of the customer service orientation and applicability of AI chatbots.

본 연구는 정보제공원(AI 챗봇 vs. 상담원)에 따라 추천하는 제품에 대한 태도와 선택연기에 미치는 영향에 차이가 있는지 살펴보고, 이러한 차이가 발생하게 된 심리적 프로세스에 대해 정보신뢰와 불확실성을 중심으로 살펴보 았다. 또한, AI 챗봇이 추천하는 제품에 대한 선택연기를 감소하기 위한 방안으로 의인화의 역할과 사회적 실재감, 지각 된 개인화의 순차적 매개효과에 대해 살펴보았다. 이를 살펴보기 위해 3회의 실험을 수행하였다. 실험 1은 256명을 대상으로 시나리오 기법을 사용하여 여행상품 구매과정에서 정보제공원(AI 챗봇 vs. 상담원)에 따른 정보신뢰와 제품태 도에 미치는 영향과 불확실성과 선택연기에 미치는 영향에 대해 살펴보고자 하였다. 실험 2는 160명을 대상으로 AI 챗봇의 의인화 여부에 따른 사회적 실재감, 지각된 개인화, 선택연기에 미치는 영향에 대해 살펴보고자 하였다. 연구결 과는 다음과 같다. 첫째, 소비자는 AI 챗봇(vs. 상담원)이 추천하는 제품정보를 신뢰하여 더 긍정적인 제품태도를 보이 는 것으로 나타났다. 둘째, 소비자는 AI 챗봇(vs. 상담원)이 추천하는 제품을 구매할지 선택하는 상황에서 오히려 불확 실성을 지각하여 선택연기가 높게 나타났다. 셋째, 소비자는 의인화된 AI 챗봇(vs. 비의인화된 AI 챗봇)이 추천하는 제 품에 대한 선택연기는 사회적 실재감과 지각된 개인화를 통해 감소하는 것으로 나타났다. 마지막으로 연구결과를 기반 으로 시사점과 향후 연구방향에 대해 논의하였다.

This study examined whether there was a difference in the attitude toward the recommended product and the effect on the choice deferral according to information sources. Experiment 1 examined the relationship between trust in information and product attitude, and between uncertainty and choice deferral according to information sources (AI chatbot vs. human). Experiment 2 examined the impact of social presence, perceived personalization, and choice deferral according to whether anthropomorphism of AI chatbots or not. The research results are as follows. First, consumers were found to have a more positive attitude toward products recommended by AI chatbots (vs. human). Second, consumers were more choice deferral whether to purchase products recommended by AI chatbots (vs. human). Third, it was found that consumers' selection of products recommended by anthropomorphic AI chatbots (vs. impersonated AI chatbots) increased. Also, the implications of this study and future research directions were discussed.

[연구목적] 본 연구는 AI 챗봇의 인간화 수준과 서비스 회복 전략이 고객 만족도에 미치는 영향을 분석하고, 이 과정에서 감정 상태와 공정성 지각의 조절된 매개효과를 규명하고자 한다. 이를 통해 고객 경험 관리에서 챗봇 설계와 서비스 회복 전략의 최적화를 위한 실무적·학문적 시사점을 제공하는 것을 목표로 한다. [연구방법] 본 연구는 두 가지 실험으로 구성된 2x2 집단 간 설계를 기반으로 진행되었다. 첫 번째 실험에서 는 챗봇의 인간화 수준(인간화 vs. 비인간화)과 AI 인지 여부(인지함 vs. 인지하지 않음)가 고객 만족도에 미치 는 상호작용 효과를 분석하였다. 두 번째 실험에서는 서비스 회복 전략(사과 중심 vs. 보상 중심)과 감정 상태 (분노 vs. 실망)가 공정성 지각을 매개로 고객 만족도에 미치는 영향을 검증하였다. [연구결과] 첫 번째 실험에서는 인간화된 챗봇이 고객 만족도를 높이는 데 효과적이었으나, AI로 인지된 경 우 이 효과가 감소하는 것으로 나타났다. 두 번째 실험에서는 서비스 회복 전략과 감정 상태의 상호작용이 공정 성 지각을 매개로 만족도에 영향을 미쳤으며, 분노 상태에서는 사과 중심 전략이, 실망 상태에서는 보상 중심 전략이 더 효과적인 것으로 나타났다. [연구의 시사점] 본 연구는 챗봇 설계에서 인간화 요소와 AI 인지 여부의 균형을 맞추는 중요성을 강조하며, 서비스 회복 전략은 고객의 감정 상태를 고려한 맞춤형 접근이 필요함을 시사한다. 또한, 감정 상태가 공정성 지각의 매개 효과를 조절한다는 점을 실증적으로 검증하여 고객 경험 관리 연구의 이론적 발전과 실무적 적용 에 기여한다.

[Purpose] This study aims to analyze the impact of AI chatbot humanization and service recovery strategies on customer satisfaction, focusing on the moderated mediation effects of emotional states and perceived justice. The study seeks to provide practical and theoretical implications for optimizing chatbot design and service recovery strategies in customer experience management. [Methodology] The study employs a 2x2 between-subject experimental design conducted through two separate experiments. The first experiment examines the interaction effects of chatbot humanization (humanized vs. non-humanized) and AI awareness (aware vs. unaware) on customer satisfaction. The second experiment investigates how service recovery strategies (apology-focused vs. compensationfocused) and emotional states (anger vs. disappointment) influence customer satisfaction through perceived justice, using the PROCESS macro. [Findings] In the first experiment, humanized chatbots were found to be more effective in enhancing customer satisfaction, although this effect diminished when customers perceived the chatbot as AI. The second experiment revealed that service recovery strategies interact with emotional states to influence satisfaction via perceived justice, with apology-focused strategies being more effective for anger and compensation-focused strategies for disappointment. [Implications] This study highlights the importance of balancing humanization and AI awareness in chatbot design while emphasizing the need for tailored service recovery strategies based on customers’ emotional states. Additionally, it empirically demonstrates the moderated mediation effects of emotional states on perceived justice, contributing to both the theoretical development and practical application of customer experience management research.

The growth of the mobile app markets has made it popular among people who recommend relevant information about restaurants. The recommendation service app based on AI Chatbot is that it can efficiently manage time and finances by making it easy for restaurant consumers to easily access the information they want anytime, anywhere. Eating out consumers use smartphone applications for finding restaurants, making reservations, and getting reviews and how to use them. In addition, social attention has recently been focused on the research of AI chatbot. The Chatbot is combined with the mobile messenger platform and enabling various services due to the text-type interactive service. It also helps users to find the services and data that they need information tersely. Applying this to restaurant recommendation services will increase the reliability of the information in providing personal information. In this paper, an artificial intelligence chatbot-based smartphone restaurant recommendation app using personalization information is proposed. The recommendation service app utilizes personalization information such as gender, age, interests, occupation, search records, visit records, wish lists, reviews, and real-time location information. Users can get recommendations for restaurants that fir their purpose through chatting using AI chatbot. Furthermore, it is possible to check real-time information about restaurants, make reservations, and write reviews. The proposed app uses a collaborative filtering recommendation system, and users receive information on dining out using artificial intelligence chatbots. Through chatbots, users can receive customized services using personal information while minimizing time and space limitations.

본 연구는 공공체육시설 예약 경험의 구조적 복잡성, 공정성 논란, 그리고 지속적인 개선 노력의 부재로 인한 시민 불 편을 해소하는 것을 목적으로 한다. 연구의 공간적 범위는 고양도시관리공사에서 운영하는 전 공공체육시설로 설정하 였으며, 시간적 범위는 2024년 7월 고양 가디언즈 리빙랩 활 동 기간 동안 진행된 실무 협의 및 주민 설문조사 수행 시점 으로 한정하였다. 특히, 본 연구는 공공체육시설의 주요 이용 층인 50-80대 중장년층·고령층이 경험하는 불편 요인을 심 층적으로 규명하고자 하였으며, 이를 위해 시민 참여형 리빙 랩 방법론을 적용하여 심층 인터뷰, 설문조사, 포커스 그룹 인터뷰(FGI)를 체계적으로 수행했다. 분석 결과, 중장년층의 높은 비중에 따른 디지털 접근성 문제, 직접 방문 기반 민원 처리의 비효율성, 사용자 경험(UX)이 미흡한 파편화된 예약 시스템, 정보 탐색의 어려움 등이 핵심 문제로 도출되었다. 이러한 문제를 해결하기 위해 음성 인식 기능을 포함한 AI 스마트 챗봇의 주요 기능과 사용자 인터페이스(UI)를 설계 하고, 프로토타입 제작 및 실제 이용 환경을 반영한 현장 테스트를 실시했다. 이를 기반으로 챗봇 시스템의 고도화 방안 을 마련하였으며, 궁극적으로는 AI 스마트 챗봇 도입을 통해 공공체육시설 이용 편의를 실질적으로 제고하고, 이용자 만 족도를 증진함과 동시에 실무자의 업무 부담을 완화하는것을 목표로 하였다.

This study aims to address citizen inconvenience arising from the structural complexity of public sports facility reservation experience, perceived fairness issues, and the absence of continuous improvement initiatives. The spatial scope includes all public sports facilities operated by the Goyang Urban Management Corporation, while the temporal scope focuses on the Goyang Guardians Living Lab activities conducted in July 2024, during which consultations, stakeholder meetings, and resident surveys were carried out. The research centers on identifying challenges faced by middle-aged and older adults aged 50 to 80, who constitute the primary user group of these facilities. To systematically capture user needs, the study adopted a citizen-participatory Living Lab methodology involving indepth interviews, surveys, and focus group interviews (F GI). The analysis revealed key issues, including limited digital accessibility among older users, inefficiencies in inperson civil complaint processes, fragmented and UX-deficient reservation systems, and difficulties in finding accurate information. To address these challenges, the study designed core AI-based smart chatbot functions—such a s voice-recognition support—and corresponding user interface (UI) components. A prototype was produced and tested in real usage environments to evaluate usability and user acceptance. Based on the findings, system enhancement strategies were proposed. Ultimately, the study aim s to improve user convenience and satisfaction through t he integration of an AI smart chatbot, while reducing ad ministrative workload and supporting more efficient facility management.

AI chatbots fail in different ways, bringing negative consumer experiences and generating unprofitable behaviors for firms, with the possibility of turning back to AI chatbots in the future. This study explores two types of service failure, information service failure and system service failure, which impact consumer forgiveness and the role of recovery strategies in mitigating negative consumer responses. Using cognitive schema and expectancy violation theory, this study explains the differences in consumer forgiveness behavior. This study employed a 2 × 2 experimental design with four scenarios representing combinations of failure types and recovery strategies (emotional and economic recovery). The results revealed that information service failures generate stronger negative reactions than system service failures. Recovery strategies are critical in moderating the relationship between AI chatbot failures and consumer forgiveness. However, different types of failure experience different forgiveness levels under the moderating role of recovery strategies. This study contributes to the literature on consumer forgiveness, particularly in the event of AI chatbot failure. Firms and AI chatbot developers can also gain insights into the training of more salient AI chatbots.

COVID-19 pandemic has resulted in the increased number of patients and contactless consultations in the hospital, consequently leading to the reduced consultation time of physicians and the limited amount of information delivered regarding on diagnosis, consultation, and precautions. Communication problem between physicians and patients might lead to such phenomena as incorrectly recognized information by patients, drug misuse and side effects, and undelivered precautions, which, in turn, degrade the medical quality. In this study, we use an intuitive trend analysis to analyze trends in AI medical chatbot service quality in practice, in terms of functionality and operational process. Additionally, we discuss shifts in dimensions in service quality of AI medical chatbot aligned with dimensions found in SERVQUAL. The observations of this study reveal that there has been an increase in reliability and empathy. Dimensions. This study will contribute to the AI medical Chabot service quality improvement in both theoretical and practical perspectives.

Purpose ? This study examines the structural relationships among generative AI chatbot service quality, trust, information diagnosticity, continuance intention, and intention to visit recommended destinations in the context of tourism information search. Design, data, and methodology ? A survey was conducted among 291 adults who had used generative AI chatbots for tourism information search. The proposed hypotheses were tested using structural equation modeling with SPSS 25.0 and AMOS 24.0. Result ? Among the service quality dimensions, understanding users’ queries, human-like personality, and responsiveness positively influenced both trust and information diagnosticity. Trust positively influenced continuance intention but not intention to visit recommended destinations, whereas information diagnosticity significantly influenced both behavioral intentions. Conclusions ? The findings suggest that information diagnosticity plays an important role in shaping tourists’ intention to visit recommended destinations in tourism decision-making contexts. This study offers practical implications for designing generative AI chatbot services that support continuance intention and intention to visit recommended destinations.

본 연구는 AI 챗봇의 자연스러운 언어 이해, 문제 해결 능력, 적절한 대화 흐름 그리고 챗봇 서비스의 잠재력과 가치인식은 사용자의 지속적인 사용의도에 어떠한 영향을 미치는지 연구하고자 하였다. 이에 따라 산업현장과 사용자들의 피드백을 함께 고려하여 더 유익한 서비스 방안을 도출할 수 있도록 도움을 주는데 목적이 있다. 가설검증 결과 AI 챗봇에 대한 사용자의 서비스품질, 서비스가치는 지속사용의도에 정(+)의 상관관계가 있는 것을 확인하였다. 이 연구는 기술수용모델을 적용하여 SERVQUAL과 VAM의 요인을 활용한 현상을 설명하고 예측할 수 있었고, 실증적 연구를 통해 AI챗봇 서비스의 품질, 가치에 따른 지속사용의도를 확인할 수 있었다.

Through in-depth research on AI chatbots, we aimed to investigate how natural language understanding, problem-solving abilities, appropriate conversation flow, and the perceived potential and value of chatbot services impact users' intentions for continued usage. Our objective was to help derive more effective service strategies by considering feedback from industry professionals and users. The hypothesis testing results revealed a positive correlation between users' perception of service quality and service value regarding AI chatbots and their intention to sustain usage. This study applied the Technology Acceptance Model (TAM) to describe and predict phenomena, utilizing factors from SERVQUAL and VAM, thus empirically confirming the relationship between AI chatbot service quality, value, and continued usability.

생성형 인공지능 기술 발전에 따라 교육 분야에서 학생들의 활용이 급증하고 있다. 본 연구는 학생들이 학습을 위해 이용하는 챗봇과 관련된 인지적 특성이 만족과 지속 이용의도에 미치는 영향 관계를 분석하였다. 본 연구에서는 자극-조직화-반응 프레임워크을 이용해서 연구의 이론적 프레임워크를 개발하였다. 이 이론적 프레임워크를 토대로, 챗봇 서비스 품질, 서비스 신뢰, 서비스 제공자 신뢰, 만족, 이용의도의 관계를 분석하고자 하였다. 생성형 인공지능 챗봇 이용 경험이 있는 학생들을 대상으로 온라인 설문조사를 수행하였다. 본 연구에서는 설문조사를 통해 수집된 데이터는 최소부분자승 구조방정식 접근법을 이용해서 분석하였다. 실증분석 결과, 학생들의 챗봇에 대한 인지된 서비스 품질은 서비스 신뢰와 서비스 제공자 신뢰에 영향을 미치는 것으로 나타났고, 더불어 챗봇에 대한 인지된 품질은 만족에 영향을 미치는 것으로 나타났다. 또한 챗봇 서비스 신뢰와 서비스 제공자 신뢰는 만족에 영향을 미치는 것으로 나타났다. 하지만, 챗봇 서비스 신뢰와 서비스 제공자 신뢰는 지속 이용의도에 영향을 미치지 않는 것으로 나타났다. 더불어, 챗봇 이용 만족은 지속 이용의도에 영향을 미치는 것으로 나타났다. 이러한 연구결과는 학생들의 챗봇 이용 만족과 지속 이용의도를 증대하는데 유용한 시사점을 제공해 줄 것이다.

With the development of generative AI technologies, the use of AI chatbot by university students in education is increasing rapidly. This study analyzes the effect of generative AI chatbot used by students for digital learning on user cognitive characteristics, satisfaction, and behavioral intention. A conceptual framework for the research are developed using a stimulus-organism-response framework. Based on this theoretical framework, the study aim to analyze the relationships between chatbot service quality, service trust, service provider trust, satisfaction, and the intention to use. An online survey was conducted among university students who had experience using generative AI chatbot. The data collected through the survey were analyzed using a partial least squares structural equation modeling approach. The empirical analysis of this study revealed that the service quality of generative AI chatbots affects both perceived service trust and service provider trust, and also impacts satisfaction. Additionally, both perceived service trust and service provider trust influence satisfaction. However, perceived service trust and service provider trust do not impact the intention to continue use. In contrast, satisfaction with the generative AI chatbot significantly affects the intention to continue use. These findings provide valuable insights for enhancing satisfaction and encouraging the continued use of generative AI chatbots.

학교상담은 학생들의 학업 및 심리적 건강을 촉진하는 핵심 구성 요소 중 하나로 자리 잡고 있으며, 코로나 19 로 인한 언택트 시대로의 전환은 비대면 상담 방식의 혁신을 촉발하였다. 본 연구는 AI 챗봇을 활용한 상담 서비스를 통해 학교상담의 효과를 높이고, 학생들의 학업 및 심리적 건강에 대한 지원을 강화하는 데 주력한다. 이러한 연구는 미래의 학교 상담 서비스 분야에 크게 이바지할 것으로 기대된다.

본 연구에서는 온라인 쇼핑몰의 챗봇 서비스가 컴퓨터 매개 커뮤니케이션(CMC: Computer Mediated Communication) 환경에서 실시간으로 즉각적인 양방향 커뮤니케이션을 가능하게 함으로써 상호작용을 통해 형성된 심리적 반응 요인과 서비스 품질 요인을 연계하여 지속적인 서비스 이용에 미치는 영향을 살펴보고자 하였다. 이를 위해, 국내 온라인 쇼핑몰 이용 고객 중 챗봇 서비스를 이용한 경험자 371명의 데이터를 바탕으로 주요 변인 간 관계를 분석하였다. 주요 분석 결과 첫째, 서비스 품질이 몰입에 미치는 관계에서 확신성과 공감성이 몰입에 통계적으로 유의한 정(+)의 영향을 미치는 것으로 나타났다. 둘째, 챗봇 서비스 품질과 사회적 실재감과의 관계에서 확신성, 유형성, 공감성, 대응성이 사회적 실재감에 통계적으로 유의한 정(+)의 영향을 미치는 것으로 나타났다. 셋째, 몰입과 사회적 실재감이 지각된 유용성에 미치는 관계에서는 사회적 실재감만이 지각된 유용성에 정(+)의 영향을 미치는 것으로 나타났으며, 몰입, 사회적 실재감 및 지각된 유용성은 모두 지속이용의도에 정(+)의 영향을 미치는 것으로 나타났다. 또한 확신성과 공감성이 몰입을 매개하여 지속이용의도에 미치는 간접효과와, 확신성, 유형성, 공감성 및 대응성이 사회적 실재감을 매개하여 지속이용의도에 미치는 경로와 지각된 유용성을 통해 지속이용의도에 미치는 간접효과의 유의성을 확인하였다. 이상의 결과는 기업의 서비스 전략 중 하나로 챗봇 서비스 품질 요인을 강화하는 것이 사용자 몰입과 사회적 실재감을 증대시켜 고객의 지속적인 서비스 이용을 유도할 수 있음을 시사하므로 고객 유지 및 관계 전략에 중요한 근거 자료를 제공할 수 있을 것으로 기대한다.

This study aims to examine how the Chatbot Service of online shopping malls, which enables real-time, immediate two-way communication in a CMC (Computer-Mediated Communication) environment, connects psychological and emotional response factors formed through interaction with service quality factors to continuous service use. For this purpose, the relationship between main variables were analyzed based on data from 371 users with experience in Chatbot Service from online shopping malls. The main findings are as follows: First, regarding the relationship between Service Quality and Flow, Assurance and Empathy had a significant positive effect on Flow. Second, in the relationship between Chatbot Service Quality and Social Presence, Assurance, Tangibility, Empathy, and Responsiveness had a significant positive effect on Social Presence. Third, in the relationship between Flow and Social Presence on Perceived Usefulness, only Social Presence had a positive effect on Perceived Usefulness, while Flow, Social Presence, and Perceived Usefulness positively affected Continuous Usage Intention. Additionally, the indirect effects of Assurance and Empathy on Continuous Usage Intention by mediated Flow, as well as the pathways where Assurance, Tangibility, Empathy, and Responsiveness affected Continuous Usage Intention through Social Presence and Perceived Usefulness, were confirmed. These findings suggest that strengthening Chatbot Service Quality factors as part of a company's service strategy can enhance user Flow and Social Presence, ultimately encouraging continuous service use. This provides critical foundational data for customer retention and relationship strategies.

최근 대규모 언어 모델(LLM)의 발전은 텍스트 생성, 번역, 감정 분석 등의 분야에서 우수한 성과를 거두며 대화형 챗봇 시스템에도 큰 변화를 일으켰다. 그러나 LLM 기반의 챗봇은 환각(Hallucination)과 같은 문제로 인해 신뢰성 있는 응답 제공에 한계가 있으며, 특히 학사 데이터와 같이 정확성과 최신성이 중요한 영역에서는 이러한 문제 해결이 더욱 요구된다. 본 연구는 검색 증강 생성(RAG: Retrieval-Augmented Generation) 구조를 활용하여, 챗봇이 내부에 저장된 학습 데이터뿐 아니라 외부의 신뢰할 수 있는 정보 소스로부터 필요한 데이터를 실시간으로 검색하고, 이를 바탕으로 답변을 생성하는 방식으로 학사 데이터를 기반으로 한 생성형 AI 챗봇 시스템의 설계와 구현 방안을 제안한다. 이를 통해 학사 데이터의 특성에 맞춘 정확하고 신뢰성 높은 응답 제공을 목표로 한다. 학사 데이터를 기반으로 한 생성형 AI 챗봇이 비공개 데이터 환경에서도 안전하고 효율적으로 적용될 수 있는 질의응답 시스템의 구현 가능성을 제시하며, 이를 통해 사용자들이 필요로 하는 학사 정보를 신속하게 접근하고 활용할 수 있도록 한다.

Recent advances in large-scale language models (LLMs) have brought about significant changes in conversational chatbot systems by achieving excellent results in areas such as text generation, translation, and sentiment analysis. However, LLM-based chatbots have limitations in providing reliable responses due to problems such as hallucination, and this problem needs to be solved even more in areas such as bachelor's data where accuracy and recency are important. This study proposes a design and implementation method of a generative AI chatbot system based on bachelor's data by utilizing the Retrieval-Augmented Generation (RAG) structure, which allows the chatbot to retrieve necessary data in real time from not only internally stored learning data but also external reliable information sources, and generate answers based on them. Through this, the goal is to provide accurate and reliable responses tailored to the characteristics of bachelor's data. It suggests the possibility of implementing a question-answering system that can be safely and efficiently applied even in a non-public data environment by using a generative AI chatbot based on bachelor's data, and through this, allows users to quickly access and utilize the bachelor's information they need.

This study examined the effects of AI chatbot service experience on consumer trust and consumer acceptance in the foodservice industry, focusing on the mediating roles of emotional response and interaction experience. Data were collected from consumers who had used AI chatbot services in foodservice settings and analyzed using structural equation modeling. The results showed that AI chatbot service experience had a significant negative effect on emotional response, indicating that increased service experience did not enhance positive emotions such as enjoyment or comfort. In contrast, AI chatbot service experience had a significant positive effect on interaction experience. In addition, AI chatbot service experience and interaction experience were found to have significant positive effects on consumer trust, whereas emotional response did not have a significant effect on trust. Consumer trust showed a significant negative effect on consumer acceptance, reflecting that acceptance in this study included perceptions of resistance or burden. Furthermore, mediation analysis confirmed that interaction experience played a significant mediating role between AI chatbot service experience and consumer trust, as well as in the relationship between interaction experience and consumer acceptance, while emotional response did not function as a significant mediator. Based on these findings, this study provides practical implications for designing and managing AI chatbot services in the foodservice industry.

본 연구는 AI 챗봇 사용자 경험에서 발생하는 서비스 실패 유형을 기술적, 상호작용적, 기능적 실패로 구분하고, 이러한 실패가 사용자의 감정적 반응(분노와 실망)을 거쳐 이탈 의도에 미치는 영향을 검증하였다. 300명의 사용자를 대상으로 설문 조사를 시행하였고 주요 결과는 다음과 같다. 기술적 실패와 기능적 실패는 사용자의 분노와 실망에 유의한 영향을 미쳤으나 상호작용적 실패는 영향을 미치지 않는 것으로 나타났다. AI 챗봇의 사용자는 해당 서비스를 기능적 도구로 인식함에 따라 시스템의 기술적 안정성과 결과를 중요시하고 있음을 알 수 있다. 따라서 기업은 AI 챗봇을 통해 서비스를 제공함에 있어 기술적 오류, 시스템 지연, 접속 불가, 중단 등과 같은 기술적 결함이 발생하지 않도록 관리 체계를 강화해야 하며 기술의 안정성이 고객 신뢰와 감정적 만족에 큰 영향을 미치는 요인임을 인식할 필요가 있다. 또한 그리고 분노와 실망은 이탈 의도에 정의 영향을 미쳤다. AI 챗봇 실패 이후 사용자가 경험하는 분노와 실망은 단순한 불만족을 넘어 이탈 행동으로 이어지는 직접적 요인으로 작용할 수 있음을 확인하였다. 이는 기존의 기능적 품질 등의 인지적 요인만으로는 고객 유지가 어렵다는 것을 의미한다. 따라서 기업은 기술적 성능 개선뿐만 아니라, 사용자의 감정적 반응을 사전에 인식 완화할 수 있는 감정 관리 시스템을 선제적으로 구축하는 것도 필요하다.

This study classified AI chatbot service failures experienced by users into three categories?technical, interactional, and functional failures?and examined how these failures influence users’ emotional responses (anger and disappointment) and, subsequently, their intention to discontinue use. A survey was conducted with 300 users, and the main results are as follows. Technical and functional failures had significant effects on users’ anger and disappointment, whereas interactional failure did not show any significant effect. This indicates that AI chatbot users tend to perceive the chatbot as a functional tool, valuing system stability and service outcomes over social interaction. Therefore, firms providing services through AI chatbots should strengthen management systems to prevent technical defects such as system errors, delays, disconnections, and interruptions, recognizing that technological reliability plays a crucial role in shaping customer trust and emotional satisfaction. Furthermore, both anger and disappointment were found to have positive effects on users’ intention to discontinue the service. Users’ emotional reactions to AI chatbot failures serve as direct antecedents of disengagement, extending beyond mere dissatisfaction. This suggests that maintaining customers cannot be achieved solely through cognitive factors such as functional quality. Hence, companies should not only focus on improving technical performance but also proactively develop emotional management systems to anticipate and mitigate users’ negative emotional responses following chatbot failures.

본 연구는 이제 본격적으로 다양한 산업분야에서 챗봇 서비스의 필요성이 증대되고, 활성화되고 있는 시점에 이에 관한 소비자 수용태도를 심층적이고, 다각적인 시각으로 살펴볼 필요성이 있었다. 이에 따라 본 연구는 챗봇 서비스의 주요 기능 중 용이성, 유용성, 유희성 요인과 이의 수용태도 간의 구조적 관계뿐만 아니라, 그 관계에서 서비스 가치의 매개효과가 있는지를 살펴보기 위하여 구조방정식 모형을 실시하였다. 본 연구의 주요 연구결과, 챗봇 서비스의 주요 기능 하위 요인인 용이성, 유용성, 유희성 요인과 이의 수용태도 및 서비스 가치 간의 관계가 통계적으로 정적인 영향 관계가 있음을 파악하였다. 이러한 연구 결과를 토대로 주요 연구 결론을 파악해 보면, 향후 다양한 분야의 기업에서 챗봇 서비스를 제공할 때 챗봇 서비스 수용태도에 미칠 수 있는 영향요인을 명확히 판단하여 이의 서비스 제공이 필요함을 시사하였다. 이를 통해 인공지능 챗봇 서비스에서 소비자와의 소통을 강화하고 맞춤형 개별화 상담 서비스로서 자리매김할 수 있기를 기대한다.

In this study, it was necessary to examine consumer acceptance attitudes from an in-depth and multifaceted perspective at a time when the need for chatbot services in various industrial fields is increasing and being activated in earnest. Accordingly, this study conducted a structural equation model to examine not only the structural relationship between ease, usefulness, and playfulness among the main functions of chatbot services and their acceptance attitudes, but also whether there is a mediating effect of service value in the relationship. As a result of the main study of this study, it was identified that the relationship between the ease, usefulness, and playfulness factors, which are the main functional sub-factors of the chatbot service, and their acceptance attitude and service value had a statistically static influence relationship. Based on these research results, the main research conclusions suggest that when companies in various fields provide chatbot services in the future, it is necessary to clearly determine the influencing factors that can affect the chatbot service acceptance attitude and provide these services. Through this, it is expected that the AI chatbot service will strengthen communication with consumers and establish itself as a customized and personalized counseling service.

The purpose of this study is to explore the mechanism by which medical chatbots meet patients' expectation, increase satisfaction, and influence their intention for continuous use, by applying the Expectation Confirmation Model (ECM) and conducting an empirical study with 313 Chinese users who have over 1 year usage experience. The research findings demonstrate that the perceived usefulness of AI-based chatbot service has a significantly positive direct impact and a significantly positive indirect impact (through satisfaction) on the intention to continuously use such services. Perceived trust has a significant positive impact on continuous use intention through the mediating effect of satisfaction, although its direct impact is not significant. The level of users’ expectation confirmation significantly influences both perceived usefulness and perceived trust, and it exerts a relatively strong indirect impact on continuous use intention through satisfaction. The research findings not only help in understanding users' psychological and behavioral patterns but also provide recommendations for improvement to relevant technology developers. Additionally, they offer theoretical support and empirical evidence for the application of more smart healthcare systems in the future, contributing to the widespread adoption of smart healthcare.

온라인과 모바일 환경에서 고객경험을 개선하고 서비스운영 효율성과 효과성을 개선하기 위해서 AI챗봇 활용이 보편화되고 있다. 챗봇 서비스는 공공 서비스 제공자 입장에서는 저비용으로 단순한 민원과 질의응답에 대하여 탁월한 서비스 품질을 제공할 수 있다. 공공 서비스 이용자는 즉시성, 신뢰성, 상호작용성, 양질의 정보습득(정확성) 등으로 탁월한 행정 서비스를 경험할 수 있다. 공공분야에서 통합 민원 센터의 인바운드 문의 사항이 증가하고 있다. 정형적인 질의응답이 주를 이루는 경우는 AI챗봇 도입이 대안이 될 수 있다. 서비스이용자 사용경험(EX)중심의 AI챗봇 개발은 공공부문 담당자의 중복적인 업무부담 감소는 물론 이용자의 대기시간 감소로 탁월한 공공서비스 품질개선에 기여할 수 있다. 본 연구에서는 공공 서비스부문에서 AI챗봇 도입이 이루어지는 상황에서 거부감 없는 AI챗봇 개발 프로세스를 안내하고 실제 관광 AI챗봇 개발 방법을 제시하는데 있다. 여기서는 디자인 씽킹 프로세스에 준하여 Python이용한 AI챗봇 제작 방법을 설명할 것이다. 본 연구에서 개발한 AI챗봇 서비스 만족도를 측정한 결과, 훈련데이터는 정확도 98%를 보이는 것으로 나타났다. 실제 활용에서는 정확도는 92% 였다. 챗봇 도입은 상호작용성, 신뢰성, 정확성 차원에서 공공서비스 품질 개선 효과가 있는 것으로 나타났다. 연구결과는 공공 서비스 부문에 종사하는 실무자도 쉽게 AI챗봇 제작방법을 이해하고 실무에 적용할 수 있도록 할 것으로 기대된다.

The use of AI chatbots to improve customer experience in online and mobile environments is becoming common. The use of AI chatbots can provide excellent service quality for simple complaints and inquiries at low cost for public service providers. Public service users can receive highly effective administrative services through immediacy, convenience, flexibility, and acquisition of high-quality information. In the public sector, inbound inquiries from the integrated complaint center are increasing. In cases where formal Q&A is the main focus, introducing an AI chatbot can be an alternative. The development of an AI chatbot centered on service user experience(UX) can contribute to the improvement of outstanding public service quality by reducing the duplicative work burden of public sector personnel as well as reducing users' waiting time. In this study, in the situation where AI chatbot is introduced in the public sector, it provides an AI chatbot development process without resistance and presents an actual AI chatbot development method. Here, we will explain how to create an AI chatbot using Python according to the design thinking process. This study is aimed at making it easy for practitioners in the public sector who are interested in improving public service quality to understand how to create AI chatbots and apply them to practice.