1. 서 론
2017년에 자연어 처리 모델인 트랜스포머(Transformer)가 발표되었는데, 특정한 정보에 더 많은 주의(Attention)를 기울여 데이터 사이의 복잡한 관계와 패턴까지 학습할 수 있고, 더 중요한 정보를 포착해 이를 기반으로 더 좋은 결과물을 생성할 수 있게 되었다(Vaswani et al., 2017). 기존의 자연어 처리 모델이 갖고 있던 장기 의존성 문제와 병렬 처리의 어려움을 극복한 트랜스포머 모델은 언어 이해 및 생성, 기계 번역, 대화형 시스템 등의 자연어 처리 작업에 혁신적인 변화를 가져왔으며, 대형언어모델(Large Language Model: LLM)의 출현에 큰 영향을 미쳤다. 대형언어모델은 수천억 개의 파라미터를 가진 초대형 인공신경망 모델로 방대한 양의 텍스트 데이터를 학습하여 뛰어난 자연어 이해 및 생성 능력을 갖추고 있으며, 이를 통해 문서 요약, 언어 번역, 감정 분석, 코딩, 질문 응답, 콘텐츠 제작 등 다양한 작업을 효과적으로 수행할 수 있게 되었다.
2022년 11월 30일, OpenAI에서 출시한 대형언어모델 기반 챗봇인 ChatGPT는 다양한 활용 가능성을 보여주며 폭발적인 인기를 끌었다. 챗봇(Chatbot)은 채팅(Chatting)과 로봇(Robot)의 합성어로 사람과 로봇이 문자나 대화를 통해 질문의 답이나 관련 정보를 제공하는 인공지능 기반의 소프트웨어를 뜻한다(Kang & Kim, 2017). ChatGPT는 출시 5일 만에 사용자 100만 명을 돌파하며 기존의 인기 온라인 서비스들을 압도하는 성장세를 보여주었다. ChatGPT가 불러온 생성형 인공지능의 열풍을 타고 수많은 기업들이 챗봇 서비스를 내놓고 있으며, Google의 Gemini, Microsoft의 Copilot, Antrophic의 Claude, 네이버의 CLOVA X 등이 대표적인 예이다.
이러한 상황 속에서 대형언어모델 기반 챗봇을 통해 이용자들은 새로운 경험과 지식을 얻을 수 있고, 기업들은 고객과의 상호작용을 개선하며 비즈니스 모델을 혁신할 수 있는 기회를 갖게 될 것이다. 대형언어모델 기반 챗봇은 인공지능 기술이 일상생활과 사회 전반에 큰 변화를 만들어 가는 과정에서 중요한 역할을 할 것으로 기대된다. 시장 조사 전문 기관인 리서치앤마켓의 ‘2024년 글로벌 챗봇 시장 보고서’에 따르면, 시장 규모는 2023년 67억 달러에서 2024년 84억 3천만 달러로 연평균 성장률 25.9%로 성장할 것으로 예상된다(GTT KOREA, 2023).
대형언어모델 기반 챗봇은 소비자의 삶에 있어서 다양한 분야에 활용되어 시간과 비용을 획기적으로 줄여주면서 고객가치를 창출하는 것이 가능할 것으로 예측된다. 이렇게 대형언어모델 기반 챗봇은 소비자에게 큰 영향을 미칠 것으로 예상되지만, 대형언어모델 기반 챗봇의 이용 의도에 영향을 미치는 요인에 관한 연구는 부족한 실정이다. 대형언어모델 기반 챗봇의 이용이 크게 증가할 것으로 예상되며, 보다 고객지향적인 챗봇의 설계와 구현을 위하여 많은 연구 및 개발이 진행되고 있는 상황에서 본 연구를 통하여 차세대 챗봇을 개발하는 기업이나 관련 연구자들에게 유용한 시사점을 제공하는 것이 가능할 것으로 생각된다. 특히, 소비자의 이용 의도에 영향을 미치는 심리적 요인이나 혁신확산 관점의 연구가 부족한 실정에서 혁신확산이론(Rogers, 1983), 자기결정성 동기 이론(Deci & Ryan, 1985), 기술수용모델(Davis, 1989)을 적용하여 대형언어모델 기반 챗봇의 이용 의도에 영향을 미치는 요인을 분석하고자 한다.
2. 이론적 배경 및 선행연구
2.1 챗봇
챗봇은 인공지능 분야에 속하는 기술로, 텍스트나 텍스트 음성 변환을 통해 대화를 시뮬레이션하여 온라인 채팅 대화를 할 수 있는 소프트웨어를 말한다(Jeon, 2022). 초기 챗봇은 주로 규칙 기반(Rule-based)으로 작동되며, 정해진 스크립트에 따라 특정 질문에 대한 답변을 제공했다. 이러한 챗봇은 주로 제한된 시나리오에서만 유용하고, 복잡한 질문이나 예기치 않은 입력에 대해서는 적절한 응답을 제공하기 어려웠다. 그러나, 최근 인공지능 기술의 발전으로 자연어 처리 기능을 갖춘 챗봇이 등장하였고, 이러한 챗봇은 사용자와의 상호작용에서 문맥을 이해하고 보다 자연스러운 대화를 가능하게 하였다. 챗봇은 건강관리 서비스, 금융 서비스, 교육 서비스 등 많은 영역에서 활용되고 있으며, 이는 챗봇이 자연어 처리 기술을 통해 고객문의 처리 및 정보 탐색을 지원하며 서비스 영역에서 사람의 업무를 대신함으로써 실현되고 있다(Huang et al., 2007).
대형언어모델 기반 챗봇은 대형언어모델을 활용한 생성형 인공지능 채팅 서비스로, 텍스트나 이미지, 동영상 등 막대한 양의 데이터 세트를 기반으로 알고리즘을 통해 훈련 및 학습된 데이터를 활용해 대화의 흐름을 이해하면서 적절한 답변을 자연스럽게 생성해내는 특징을 지니고 있다(Jeong, 2023). 기존의 규칙 기반 챗봇은 정해진 규칙에 따라 작동되므로 복잡한 대화나 예외 상황에 유연하게 대응하기 어려웠지만, 대형언어모델 기반 챗봇은 자연어 처리, 딥러닝 등의 기술을 사용하여 대화를 이해하고 생성할 수 있기 때문에 다양한 상황에 대하여 자연스러운 대화가 가능하다(Lee et al., 2024)
챗봇에 관한 연구는 주로 이용자의 경험, 상호작용의 질, 사회적 실재감, 그리고 이용 의도에 초점을 맞추고 있다. 연구에 따르면, 챗봇의 이용은 팬데믹 이후 크게 증가하였으며, 특히 개인화와 상호작용성을 강화하는 방향으로 발전하고 있다. 온라인 쇼핑몰 챗봇 사용자들은 개인화 수준, 지능성, 개인정보 위험, 사회적 실재감이 활용 의도에 유의적인 영향을 미치며, 응대 정확성과 개인정보 위험이 활용 축소나 포기 의도에 영향을 미친다(Kim et al., 2020). Kim & Park(2021)은 챗봇 서비스품질이 고객경험과 재사용의도에 미치는 영향에 관한 연구에서 챗봇의 정확성, 상호작용성, 가시성이 인지적 경험 차원에 유의한 영향을 미치며, 챗봇 이모티콘의 적절성과 공감성은 감성적 경험 차원에 유의한 영향을 미치고 있음을 확인하였다. 챗봇의 지속 사용의도에 영향을 미치는 요인으로 의인화와 개인화가 지각된 유용성과 확신에 유의한 영향을 미치며, 자율성은 지각된 유용성에 직접적인 영향을 미치지는 않지만, 확신에 강한 영향을 미쳐 간접적으로 유용성에 영향을 미치는 것으로 나타났다(Jeon et al., 2024; Jung & Ahn, 2023; Kim et al., 2023).
대형언어모델 기반 챗봇은 사람과 컴퓨터 언어의 상호작용 연구를 통해 개발된 자연어 처리 기술이 적용되어 질문의 단어가 아닌 맥락 자체를 인지하고 그 맥락에 맞는 답변을 제공하기 때문에 정확도가 높아지고, 마치 사람과 대화한다는 느낌을 받게 된다. 기술이 계속 발전되고 인공지능 알고리즘이 더욱 정교해짐에 따라 챗봇은 점점 더 지능화되고 고도로 개인화되며 인간과 비슷한 수준의 상호작용을 제공할 수 있게 될 것이다. 앞으로 대형언어모델 기반 챗봇은 일상생활뿐만 아니라 다양한 산업으로 확장될 수 있는 엄청난 잠재력을 가지고 있다. 본 연구에서는 챗봇에 대한 선행연구들을 바탕으로 대형언어모델 기반 챗봇의 특성으로 정확성(Accuracy), 상호작용성(Interactivity), 사회적 실재감(Social Presence), 개인화(Personalization)를 독립변수로 도출하였다.
2.2 혁신확산이론
Rogenrs(1983)의 혁신확산이론(Innovation Diffusion Theory: IDT)은 새로운 아이디어나 기술이 사회와 문화 속에서 어떻게 확산되는지를 설명하는 이론으로, 혁신확산의 과정에서 개인이 혁신에 대하여 갖는 인식과 태도는 혁신 채택에 큰 영향을 미친다고 하였다. Rogers(1983)에 의하면 혁신에 대한 지각된 특성은 크게 다음의 5가지 혁신의 속성과 연결된다. 첫째, 상대적 이점(Relative Advantage)은 새로운 혁신이 이전의 아이디어보다 얼마나 더 좋은 가를 수용자가 느끼는 정도를 말하며, 둘째, 적합성(Compatibility)은 새로운 혁신이 잠재적 수용자의 가치관, 과거의 경험 및 필요에 부합하는 것으로 지각되는 정도를 말하고, 셋째, 복잡성(Complexity)은 혁신을 이해하거나 사용하기에 어렵다고 지각되는 정도를 나타내며, 넷째, 시용 가능성(Trialability)은 수용자가 혁신을 제한된 범위 내에서 시험해 볼 수 있는 정도를 의미하고, 다섯째, 관찰 가능성(Observability)은 혁신의 결과가 다른 사람들에게 보여지는 정도를 말한다.
Moore & Benbasat(1991)은 정보기술 혁신을 채택할 때, 개인이 가질 수 있는 다양한 지각을 측정하도록 설계된 측정도구를 개발하여 보고하였으며, 이들은 엄격한 평가를 통하여 타당성과 신뢰성이 높은 8개의 변수를 다음과 같이 도출하였다. 첫째, 상대적 이점은 PWS(Personal Work Station)를 사용하는 것이 자신의 업무에 이익이 되는 정도를 말하며, 둘째, 적합성은 업무에서 PWS의 사용이 호환되거나 변화를 요구하는 정도를 나타내고, 셋째, 사용 편의성(Ease of Use)은 PWS가 배우고 사용하기 쉬운 정도를 말하며, 넷째, 시용 가능성은 PWS를 사용해 볼 수 있는 정도를 나타내고, 다섯째, 가시성(Visibility)은 PWS를 사용하는 것이 보여지는 정도를 말하며, 여섯째, 결과 입증성(Result Demonstrability)은 PWS 사용의 편익이 측정 가능한 정도를 나타내고, 일곱째, 이미지(Image)는 PWS의 사용이 조직 내에서 개인의 이미지 또는 지위를 향상시키는 정도를 말하며, 여덟째, 자발성(Voluntariness)은 PWS의 사용이 자발적이라고 지각되는 정도를 나타낸다.
자율주행차 채택에 영향을 미치는 요인에 관한 연구에서 지각된 유용성과 지각된 용이성이 사용자의 자율주행차 사용 행동 의도에 긍정적 영향을 미치며, 상대적 이점, 호환성, 이미지, 결과 입증성, 가시성 및 시용 가능성이 지각된 유용성과 지각된 용이성에 영향을 미치는 것으로 나타났다(Yuen et al. 2020). Raman et al.(2024)은 ChatGPT의 초기 수용자로서의 대학생 채택 요인으로 남학생은 호환성, 사용 편의성, 관찰 가능성을 우선시하는 반면, 여학생은 사용 편의성, 호환성, 상대적 이점, 시용 가능성을 선호하는 것으로 나타났다고 주장하였다.
언제 어디서든 자유롭고 편리하게 인터넷에 접속하여 대형언어모델 기반 챗봇 서비스를 사용할 수 있기 때문에 Moore & Benbasat(1991)이 제시한 8개 혁신의 속성 중에서 적합성, 시용 가능성, 자발성은 본 연구의 변수로서 적당하지 않다고 판단하였다. 또한, 사용자의 필요에 따라서 다양한 질문을 통해 원하는 정보나 서비스를 제공받을 수 있고 실시간으로 만족 혹은 불만족을 느낄 수 있는 상황이므로 결과 입증성도 본 연구의 변수에서 제외하였다. 따라서, 본 연구에서는 혁신확산이론에 대한 선행연구들을 바탕으로 대형언어모델 기반 챗봇과 관련성이 크다고 생각되는 상대적 이점, 사용 편의성, 가시성, 이미지를 독립변수로 도출하였다.
2.3 자기결정성이론
자기결정성이론(Self-Determination Theory: SDT)은 인간의 동기와 성격을 이해하는 데 중점을 두며, 인간은 자율성(Autonomy), 유능감(Competence), 관계성(Relatedness)이라는 세 가지 기본적이고 보편적인 심리적 욕구가 충족될 때 스스로 동기부여가 된다(Deci & Ryan, 1985). 자율성은 개인이 자신의 행동을 스스로 조절하고 선택할 수 있다고 느끼는 정도를 의미하고, 유능감은 개인이 특정 과제나 활동을 성공적으로 수행할 수 있다고 느끼는 능력을 의미하며, 관계성은 다른 사람들과 연결되어 있고 소속감을 느끼는 욕구를 의미한다(Deci & Ryan, 2000). 자기 결정성은 한 개인이 누군가의 통제를 받지 않고 스스로 주어진 상황에 대처하고 본인의 행동을 선택할 수 있다고 느끼는 정도로서 통제된 의도와 구분하여 사용하였다(Deci & Ryan, 1985). 개인의 자율적 의도 즉, 자기결정성이 가장 높은 것은 스스로 즐거움이나 만족감에 의해서 동기가 유발된 행동이며, 자기결정성이 낮은 것은 강압이나 강요에 의한 행동을 들 수 있을 것이다(Lee, 2015).
어떤 활동을 유발한 동기는 상, 벌, 강요와 같은 외적 수단에 의한 것과 그 자체가 좋아서 하는 내적 요인으로 양분하기보다는 개인의 자율성 혹은 결정권이 어느 정도 반영되었는지에 따라서 <Figure 1>과 같이 세분화할 수 있다(Ryan & Deci, 2000).
자기결정성의 연속선상의 한쪽 극단에는 행동하려는 아무런 의지가 없는 무동기(Amotivation) 상태가 있으며, 다른 한쪽 극단에는 내재적 동기(Intrinsic Motivation)를 두고 그 사이에 자기결정성의 수준에 따라 외재적 동기(Extrinsic Motivation) 유형을 외적 조절(External Regulation), 주입된 조절(Introjected Regulation), 동일시된 조절(Identified Regulation), 통합된 조절(Integrated Regulation)의 네 가지 유형으로 구분하여 차례로 위치시키고 있다(Yang, 2012). 자기결정성 이론은 외재적 동기는 부정적인 것으로 간주되던 종전의 이분법적 구분의 한계를 극복하고, 자율성의 정도에 따라 동기의 유형을 세분화함으로써 외재적 동기를 점차 내재적 동기로 내면화하는 과정을 강조하여 교육적 맥락에서 중요한 의미와 가치를 담고 있다(Yang, 2012).
내재적 동기는 자신의 만족감과 성취감에 의해 우러나온 동기를 의미하며, 인지평가이론은 내재적 동기에 관하여 가장 널리 알려진 이론이다(Do, 2015). 인지평가이론에서 사람은 자기결정성과 유능감을 느끼려는 본능적 욕구를 지니고 있다고 전제하며, 자기결정성과 유능감을 높여주는 활동이나 사건이 개인의 내재적 동기를 증가시킨다는 것이다. 개인이 어떤 행동을 하는 경우 내재적으로 동기화되어 있으면 그 행동에 추가적인 보상이나 유인 혹은 강제하는 것이 필요하지 않게 되는데, 이는 그 행동 자체가 개인에게 보상이 되기 때문에 스스로 행동하게 되는 것이다. 외재적 동기는 업무 그 자체와는 구별되는 특정 결과를 이끌어내기 위하여 어떤 행동을 하는 것을 의미하기 때문에 어떤 행동 그 자체의 즐거움을 위해 행동하는 내재적 동기와 구분되며, 업무환경과 승진 및 급여와 같은 외적인 만족과 관련된다(Ryan & Deci, 2000). 외재적 동기부여는 자신의 외부 환경으로부터 무언가를 획득 또는 회피하고자 하는 동기를 활용한 방식으로 목표를 달성한 경우 높은 수준의 외재적 보상이 뒤따를 것이라는 기대가 그 원천이 된다(Lee & Lee, 2007).
Lee et al.(2005)은 인터넷 기반 학습 매체에 대한 학생들의 수용을 조사하는 연구에서 외재적 동기인 지각된 유용성과 내재적 동기인 지각된 즐거움 모두 이용 의도에 유의미한 영향을 미치고 있음을 확인하였다. Dinh & Park(2023)는 자기결정성이론을 기반으로 사회적 실재감이 소비자 동기(쾌락적 및 실용적)와 챗봇 서비스 이용 의도 사이의 매개 역할을 하는 연구에서 쾌락적 동기가 챗봇의 사회적 실재감에 상당한 영향을 미쳐 궁극적으로 챗봇 서비스 이용 의도에 영향을 미치는 것으로 나타났으며, 두려움이 챗봇 서비스 이용 의도에 미치는 사회적 실재감의 영향을 증폭시킨다고 주장하였다.
2.4 기술수용모델
Davis(1989)의 기술수용모델(Technology Acceptance Model: TAM)은 정보 시스템 분야에서 가장 영향력 있는 이론 중 하나로, 사용자들이 어떻게 새로운 기술을 수용하고 사용하는지를 설명하는 모델이다. 기술수용모델에 따르면, 지각된 유용성(Perceived Usefulness)과 지각된 용이성(Perceived Ease of Use)은 시스템 사용에 대한 태도에 영향을 미치고, 이는 시스템을 사용하려는 행동 의도에 영향을 미치며, 최종적으로 행동 의도는 실제 시스템 사용을 결정한다. 지각된 유용성을 ‘특정 시스템을 사용하면 자신의 직무 성과가 향상될 것이라고 믿는 정도’로 정의했고, 지각된 용이성은 ‘특정 시스템을 사용하는 것이 노력이 적게 들 것이라고 믿는 정도’로 정의했다(Davis, 1989).
Davis et al.(1992)은 지각된 유용성은 외재적 동기의 예로, 지각된 즐거움(Perceived Enjoyment)은 내재적 동기의 예로 선정하여 컴퓨터 사용 의도에 영향을 미치는지 연구하였으며, <Figure 2>에서와 같이 확장된 기술수용모델을 사용하여 지각된 유용성과 지각된 즐거움이 이용 의도에 유의적으로 영향을 미치고 있음을 확인하였다. 지각된 즐거움을 ‘특정 시스템을 사용하는 활동이 그 자체로 즐겁다고 인식되는 정도’로 정의하며(Davis et al., 1992), 이는 시스템 사용의 외재적 동기와는 별개로 사용 자체에서 오는 내재적 동기를 나타낸다.
Davis et al.(1992)의 확장된 기술수용모델은 대형언어모델 기반 챗봇과 같은 새로운 기술의 수용을 이해하는 데 유용한 프레임워크를 제공한다. 지각된 유용성은 대형언어모델 기반 챗봇과 관련하여 이용자가 이 기술을 통해 얻을 수 있는 이점을 인식하는 정도를 의미한다. 예를 들어, 정보 검색의 효율성, 복잡한 질문에 대한 상세한 답변, 연중무휴 24시간 이용 가능성 등이 포함된다. 지각된 즐거움은 기술수용모델의 확장된 형태에서 중요한 요소로 간주되며, 이용자의 기술수용 의도에 영향을 미치는 주요 변수이다. 지각된 즐거움의 개념은 내재적 동기와 매우 밀접한 관련이 있으며, Deci & Ryan(1985)의 자기결정성이론에 따르면 내재적으로 동기부여된 행동은 그 자체로 만족감을 주기 때문에 수행한다고 한다(Abdalla, 2024). 지각된 즐거움은 기술수용 연구에서 중요한 변수로 자리잡았으며, 쾌락적 시스템이나 자발적 사용 환경에서 그 중요성이 더욱 부각된다(Seo et al., 2022).
챗봇 서비스 품질과 인지된 유용성과의 관계에서 챗봇 서비스 품질은 유용성에 유의한 영향을 미치는 것으로 나타났으며, 서비스 품질 측정 도구인 SERVQUAL의 다섯 가지 차원인 신뢰성, 확신성, 유형성, 공감성, 대응성이 모두 인지된 유용성에 긍정적인 영향을 미쳤다(Jeon, 2022). Strzelecki(2023)는 고등 교육 학생의 ChatGPT 채택에 관한 연구에서 습관이 행동 의도를 가장 잘 예측하는 것으로 나타났고, 성과 기대와 쾌락적 동기가 그 뒤를 이었으며, 사용 행동의 지배적인 결정요인은 행동 의도, 개인 혁신성 순으로 나타났고, 촉진 조건은 행동 의도에 유의한 영향을 미치지 못한다고 주장하였다.
마케팅 연구자들은 특정 제품 또는 서비스 이용을 통해 소비자가 얻고자 하는 효용을 실용적 가치(Utilitarian Value)와 쾌락적 가치(Hedonic Value)의 두 가지로 구분하였다(Chitturi et al., 2008). 실용적 가치는 소비자가 제품 또는 서비스의 이용 결과로써 발생하는 혜택을 의미하며 외재적 가치라고도 불리며, 쾌락적 가치는 소비자가 제품 또는 서비스의 이용 과정에서 발생하는 재미와 즐거움을 뜻하며 내재적 가치로도 불린다(Koh et al., 2015). 유용성은 제품이나 서비스가 실질적으로 얼마나 기능적이고 실용적인 도움을 제공하는지에 중점을 두며, 즐거움은 감정적이고 주관적인 경험을 강조한다. 따라서, 유용성과 즐거움은 소비자 가치의 핵심적 양 축이라고 할 수 있으며, 제품이나 서비스의 성공 여부는 이 두 가지 가치를 얼마나 잘 충족시키는지에 따라 크게 좌우된다고 볼 수 있다. 본 연구에서는 자기결정성 동기 이론과 기술수용모델에 대한 선행연구들을 바탕으로 지각된 유용성과 지각된 즐거움을 매개변수로, 이용 의도를 종속변수로 설정하였다.
3. 연구모형과 가설 설정
3.1 연구모형
본 연구는 혁신확산의 관점에서 대형언어모델 기반 챗봇의 이용 의도에 영향을 미치는 요인을 분석하는 것을 목적으로 한다. 혁신의 속성과 챗봇의 특성이 외재적 동기와 내재적 동기에 미치는 영향을 분석하고 이러한 동기가 소비자의 이용 의도에 어떠한 영향을 미치는지를 실증적으로 분석하고자 한다. 자기결정성이론(SDT)과 기술수용모델(TAM)을 결합하여, 대형언어모델 기반 챗봇의 이용 의도에 영향을 미치는 요인을 분석하기 위한 연구모형은 <Figure 3>과 같다.
3.2 연구가설의 설정
3.2.1 혁신의 속성과 지각된 유용성의 관계
혁신확산이론에 의하면 확산 속도는 혁신의 상대적 이점, 복잡성, 적합성, 시용 가능성, 그리고 관찰 가능성에 의해 영향을 받는다(Rogers, 1983). Moore & Benbasat(1991)은 혁신의 수용과 이용에 영향을 미치는 추가적인 요인으로 이미지, 결과 입증성 및 자발성을 제시하며, 복잡성과 관찰 가능성은 각각 사용 편의성과 가시성으로 수정된다. 현재 사용자가 기존 제품보다 혁신적인 제품을 사용하는 것에 대하여 상대적인 이점을 발견한다면, 사용자는 그 유용성을 지각할 것이다(Oh & Yoon, 2014). 기술수용모델은 지각된 용이성이 지각된 유용성에 긍정적으로 영향을 미친다고 가정한다(Davis et al., 1989). 기술수용모델과 함께 가시성을 연구하여 시간이 지남에 따라서 정보기술 채택에 대한 태도의 가시성 영향을 조사하고 긍정적인 관계가 통계적으로 유의함을 확인했다(Karahanna et al., 1999). Mun et al.(2006)은 선행연구 조사를 통해 상대적 이점, 복잡성, 결과 입증성 및 이미지가 기술을 사용하려는 사용자의 의도를 예측하는 데 가장 중요한 요인이라는 증거를 제공했다고 결론지었다.
조사한 선행연구로부터 혁신의 속성인 상대적 이점, 사용 편의성, 가시성, 이미지가 지각된 유용성에 유의한 영향을 미친다는 것을 확인할 수 있었다. 대형언어모델 기반 챗봇 서비스의 관점에서 보면, 상대적 이점은 소비자에게 대형언어모델 기반 챗봇을 사용함으로써 자신의 일을 더 쉽고 빨리 할 수 있을 것이라는 믿음을 갖게 하고, 이용 절차의 편의성이나 이용 방법의 용이성은 노력 대비 성과가 클 것이라는 기대감을 갖게 할 것으로 생각된다. 또한, 가시성은 소비자에게 대형언어모델 기반 챗봇 서비스의 노출 빈도를 높여 친근감을 유발시키고 성과기대를 갖게 할 것이며, 이미지는 주변 사람들이 자신을 더 가치 있는 사람으로 생각하고 높은 명성을 얻게 되어 삶의 질을 높여줄 것이라고 느낄 수 있을 것으로 예상된다. 따라서 본 연구는 혁신의 속성과 지각된 유용성에 관한 선행연구 결과를 바탕으로 다음과 같은 H1의 가설을 설정하였다.
H1. 혁신의 속성은 지각된 유용성에 유의한 영향을 미칠 것이다.
H1-1. 상대적 이점은 지각된 유용성에 유의한 영향을 미칠 것이다.
H1-2. 사용 편의성은 지각된 유용성에 유의한 영향을 미칠 것이다.
H1-3. 가시성은 지각된 유용성에 유의한 영향을 미칠 것이다.
H1-4. 이미지는 지각된 유용성에 유의한 영향을 미칠 것이다.
3.2.2 혁신의 속성과 지각된 즐거움의 관계
사용자는 제품의 유용성을 평가하고 만족감을 느끼며 호기심을 충족시켜 주기 때문에 기존 제품에 비해 혁신적인 제품의 상대적 이점은 실용적이고 쾌락적인 특성을 모두 수용할 수 있다(Oh & Yoon, 2014). 사용 편의성이 지각된 즐거움의 방법으로 인터넷 사용에 영향을 미치는 중요한 동기라는 것을 검증하기 위해 신념 구성요소가 인터넷 사용에 미치는 영향을 조사했으며, 사용 편의성은 지각된 즐거움을 통하여 사용 빈도에 긍정적인 영향을 미치는 것으로 나타났다(Teo et al., 1999). 사회적 영향의 요인으로 주관적 규범, 가시성, 이미지를 제시하면서 가시성이 지각된 유용성, 지각된 놀이성 및 이용 의도에 유의한 영향을 미치는 것으로 나타났다(Lee & Lee, 2005). 소비자가 스마트 워치를 착용함으로써 사회적으로 이미지가 높아질 것이라고 지각할수록 정서적 즐거움이 높아지며, 심미성과 이미지 고양과 같은 패션제품으로서의 속성은 지각된 즐거움에 유의한 정적 영향을 미치는 것으로 나타났다(Lee et al., 2018).
조사한 선행연구로부터 혁신의 속성인 상대적 이점, 사용 편의성, 가시성, 이미지가 지각된 즐거움에 유의한 영향을 미친다는 것을 확인할 수 있었다. 대형언어모델 기반 챗봇 서비스의 관점에서 보면, 상대적 이점은 소비자에게 대형언어모델 기반 챗봇을 사용함으로써 자신의 호기심과 상상력을 자극하는 데 긍정적인 영향을 미칠 것이라 느끼고, 사용 편의성은 내재적 동기 유발에 영향을 미쳐 흥미롭고 재미있을 것이라는 기대감을 갖게 할 것으로 예상된다. 또한, 가시성은 대형언어모델 기반 챗봇 서비스에 대한 접근성을 높이고 다른 사람들과 직간접적으로 소통함으로써 호기심을 자극하며, 나의 이미지가 향상되고 인지도가 높아질수록 정서적 즐거움은 배가될 것으로 생각된다. 따라서 본 연구는 혁신의 속성과 지각된 즐거움에 관한 선행연구 결과를 바탕으로 다음과 같은 H2의 가설을 설정하였다.
H2. 혁신의 속성은 지각된 즐거움에 유의한 영향을 미칠 것이다.
H2-1. 상대적 이점은 지각된 즐거움에 유의한 영향을 미칠 것이다.
H2-2. 사용 편의성은 지각된 즐거움에 유의한 영향을 미칠 것이다.
H2-3. 가시성은 지각된 즐거움에 유의한 영향을 미칠 것이다.
H2-4. 이미지는 지각된 즐거움에 유의한 영향을 미칠 것이다.
3.2.3 챗봇의 특성과 지각된 유용성의 관계
정확성은 챗봇 서비스가 사용자의 요청 내용을 정확하게 이해하고 응대하는 수준을 의미한다(Lee et al., 2021). 챗봇의 특성 중 정확성은 지각된 유용성에 유의한 영향을 미치며, 챗봇은 정확성이 높아야 소비자들이 유용하다고 인지하는 것으로 나타났다(Kim et al., 2018). 정보의 수신자와 발신자가 쌍방향적 교류를 할 수 있는 미디어가 활발하게 사용되면서, 디지털 미디어의 상호작용성은 현실적 시간의 구애 없이 정보를 전달하고, 사용자가 자신이 원하는 의사결정과 지식형성에 동적이고 적극적으로 참여가능한 것이 특징이다(Kim & Baek, 2014). 챗봇 인터페이스의 상호작용성이 더 높을 때 사용자의 지각된 유용성, 몰입, 그리고 만족도가 높아지는 것이 확인되었다(Baek et al., 2019). 사회적 실재감은 마치 사람처럼 사용자와 대화를 나누며 인터랙션하는 수준을 의미하며, 이미 많은 선행연구에서 사회적 실재감은 챗봇을 확대하여 활용하려는 의도에 영향을 미친다는 것으로 확인되었다(Lee et al., 2021). 개인화란 제품이나 서비스를 개인 혹은 집단에 맞춤화하여 제공하는 것으로, 챗봇의 경우에 사용자 정보와 대화를 통해 사용자가 요구하는 정보를 획득하고, 이를 토대로 사용자에게 차별화된 서비스를 제공할 수 있다(Smeaton & Callan, 2005). 지각된 개인화는 추천 챗봇에 대한 사용자의 신뢰, 지각된 유용성 및 지각된 즐거움을 증가시키는 것으로 나타났다(Danckwerts et al., 2020).
조사한 선행연구로부터 챗봇의 특성인 정확성, 상호작용성, 사회적 실재감, 개인화가 지각된 유용성에 유의한 영향을 미친다는 것을 확인할 수 있었다. 대형언어모델 기반 챗봇은 대규모 정보를 학습하고 자연어 처리 능력이 크게 향상됨으로써 정확도가 개선되어 소비자에게 새로운 경험가치를 제공하는 것이 가능하며, 상호작용성 측면에서 챗봇과 이용자 간에 의사소통이 원활히 이루어짐으로써 이용자 일상을 지원하고 업무 성과를 향상시켜 줄 것이라는 기대감이 높아질 것으로 생각된다. 또한, 사회적 실재감은 챗봇 서비스 이용자에게 서비스를 실재적으로 느끼게 해주고, 대형언어모델 기반 챗봇의 장기기억 기능 향상으로 개인화는 이용자에게 최적화된 서비스를 제공하여 새로운 기회를 발견하도록 도와줄 것으로 예상된다. 따라서 본 연구는 챗봇의 특성과 지각된 유용성에 관한 선행연구 결과를 바탕으로 다음과 같은 H3의 가설을 설정하였다.
H3. 챗봇의 특성은 지각된 유용성에 유의한 영향을 미칠 것이다.
H3-1. 정확성은 지각된 유용성에 유의한 영향을 미칠 것이다.
H3-2. 상호작용성은 지각된 유용성에 유의한 영향을 미칠 것이다.
H3-3. 사회적 실재감은 지각된 유용성에 유의한 영향을 미칠 것이다.
H3-4. 개인화는 지각된 유용성에 유의한 영향을 미칠 것이다.
3.2.4 챗봇의 특성과 지각된 즐거움의 관계
선행연구에 따르면 결과에 대한 지각된 정확성은 온라인 쇼핑 및 지식 공유와 같은 온라인 애플리케이션에 대한 사용자의 신뢰 신념과 즐거움에 영향을 미치는 것으로 나타났다(Hwang & Kim, 2007). 인간의 사회적 욕구를 인터넷 매체를 통해 효과적으로 충족시켜 줄 수 있는 것이 바로 SNS인 것이며, SNS 사용자는 주변 사람들과 더욱 자유롭고 편리한 상호작용을 원하게 되고, 이러한 욕구가 충족되었을 때 사용자는 즐거움과 유용성을 인지하게 된다(Chen & Jung, 2012). 챗봇 서비스는 사용자와 대화를 나누며 상호작용하는 방식으로 진행되기 때문에 직접 만나서 대화하는 것처럼 느껴지며 즐거움을 불러올 수 있다. 패션 쇼핑 챗봇의 의인화와 개인화가 지각된 즐거움에 미치는 주효과를 확인하였으며, 이원분산분석 결과에서 의인화와 개인화가 모두 지각된 즐거움에 영향을 미치는 것으로 나타났다(Jeong, 2019).
조사한 선행연구로부터 챗봇의 특성인 정확성, 상호작용성, 사회적 실재감, 개인화가 지각된 즐거움에 유의한 영향을 미친다는 것을 확인할 수 있었다. 대형언어모델 기반 챗봇 서비스의 관점에서 보면, 이용자 요청에 대한 처리 결과의 정확성은 이용자의 서비스 신뢰와 관심을 높일 것이고, 상호작용성 측면에서는 쌍방향 커뮤니케이션이 용이할수록 이용자의 집중과 몰입에 도움이 클 것으로 생각된다. 또한, 직접 만나서 대화하는 것처럼 느껴지는 사회적 실재감은 인간적인 감성과 친밀감을 느끼게 함으로써 이용자의 흥미와 호기심을 자극할 것이며, 개인에게 맞춤화된 서비스는 이용자에게 호의적 반응을 유도하여 지각된 즐거움에 유의미한 영향을 미칠 것으로 예상된다. 따라서 본 연구는 챗봇의 특성과 지각된 즐거움에 관한 선행연구 결과를 바탕으로 다음과 같은 H4의 가설을 설정하였다.
H4. 챗봇의 특성은 지각된 즐거움에 유의한 영향을 미칠 것이다.
H4-1. 정확성은 지각된 즐거움에 유의한 영향을 미칠 것이다.
H4-2. 상호작용성은 지각된 즐거움에 유의한 영향을 미칠 것이다.
H4-3. 사회적 실재감은 지각된 즐거움에 유의한 영향을 미칠 것이다.
H4-4. 개인화는 지각된 즐거움에 유의한 영향을 미칠 것이다.
3.2.5 동기와 이용 의도의 관계
자기결정성 동기 이론에 따르면, 인간의 동기를 내재적 및 외재적 동기로 구분하고 있다. 내재적 동기는 한 개인이 위협, 억압 또는 보상으로부터 자유로운 느낌을 가질 때 행위를 촉발시키는 것으로 행동 그 자체가 보상이 되며 즐거움이 되고 성취감을 주는 것이고, 외재적 동기는 높은 지위, 돈, 명예, 긍정적인 반응과 같은 보상을 얻기 위해서 또는 처벌의 위협을 회피하기 위해서 의도적 행위를 유발하게 한다(Deci & Ryan, 1985). 지각된 유용성은 외재적 동기의 예로, 지각된 즐거움은 내재적 동기의 예로 선정하여 직장에서 컴퓨터의 사용 의도에 어떻게 영향을 미치는지 검토하였고, 유용성이 즐거움보다 사용 의도에 4~5배 강한 영향을 주는 것을 확인하였다(Davis et al., 1992). Teo et al.(1999)은 인터넷 사용에 대한 내재적 동기(지각된 즐거움)와 외재적 동기(지각된 유용성)에 대한 연구에서, 인터넷 사용자들은 인터넷이 직무에 더 유용하다고 지각하는 것과 즐겁고 사용하기 쉽다고 지각하기 때문에 인터넷을 사용한다고 주장했다. 금융권 챗봇 서비스의 수용의도에 영향을 미치는 요인 연구에서 인지된 유용성, 인지된 용이성, 인지된 유희성이 높을수록 수용의도에 정(+)의 영향을 미치고 있음을 확인했다(Lee et al., 2021).
조사한 선행연구로부터 지각된 유용성과 지각된 즐거움은 이용 의도에 유의한 영향을 미친다는 것을 확인할 수 있었다. 대형언어모델 기반 챗봇 서비스의 관점에서 보면, 외재적 동기의 예인 지각된 유용성은 소비자에게 실용적 가치를 제공함으로써 챗봇 서비스 이용 의도에 유의한 영향을 미치며, 내재적 동기의 예인 지각된 즐거움은 소비자에게 쾌락적 가치를 제공함으로써 이용 의도에 유의한 영향을 미칠 것으로 예상된다. 따라서, 본 연구는 동기와 이용 의도에 관한 선행연구 결과를 바탕으로 다음과 같은 H5의 가설을 설정하였다.
H5. 외재적 및 내재적 동기는 챗봇의 이용 의도에 유의한 영향을 미칠 것이다.
H5-1. 지각된 유용성은 이용 의도에 유의한 영향을 미칠 것이다.
H2-2. 지각된 즐거움은 이용 의도에 유의한 영향을 미칠 것이다.
4. 연구 방법 및 실증분석
4.1 자료의 수집 및 분석 방법
본 연구의 자료 수집은 10대 이상의 일반 소비자를 대상으로 2024년 6월 1주간 Survey Monkey 온라인 설문조사 도구를 활용하여 진행되었다. 수집된 전체 설문지 380부 중에서 불성실하게 응답한 설문지 29부를 제외하고 총 351부를 대상으로 분석을 수행하였다. 설문 문항은 55개의 측정항목과 7개의 인구통계학적 정보와 관련한 문항을 포함하여 총 62개의 문항으로 구성되어 있으며, 리커트 7점 척도로 측정하였다. 본 연구에서 자료 분석을 위한 통계 프로그램은 SPSS(Ver. 22.0)와 AMOS(Ver. 22.0) 그리고 jamovi(Ver. 2.3.21)를 사용하였다.
4.2 인구통계학적 분석
본 연구에 사용된 설문지의 응답자 351명에 대한 인구통계학적 특성은 <Table 1>과 같다. 성별의 구성은 남성 192명으로 54.7%, 여성 159명으로 45.3%로 되어 있다. 연령대는 19세 이하 48명으로 13.7%, 20~29세 54명으로 15.4%, 30~39세 53명으로 15.1%, 40~49세 60명으로 17.1%, 50~59세 76명으로 21.6%, 60세 이상 60명으로 17.1%로 구성되어 있다. 대형언어모델 기반 챗봇의 이용 경험이 있는 응답자는 67명으로 19.1%, 이용 경험이 없는 응답자는 284명으로 80.9%로 나타났다.
4.3 타당성 및 신뢰도 분석
타당성 검증은 탐색적 요인분석으로 진행하였다. 탐색적 요인분석 결과를 판정할 때, 요인적재량(Factor Loading) 값이 0.4 이상이면 유의한 변수로 간주하며 0.5 이상이면 중요한 변수로 판단할 수 있다(Kim, 2011). 신뢰도는 내적 일관성 신뢰도(Internal Consistency Reliability)와 지표 신뢰도(Indicator Reliability)로 평가할 수 있으며, 내적 일관성 신뢰도는 Cronhach’s α 계수값이 0.7 이상을 충족한 경우에 관측변수들의 내적 신뢰도를 확보한다(Nunnally & Bernstein, 1994). 본 연구에서 요인에 대한 추출방법은 주성분 분석(Principal Components Analysis)을 이용하였으며, 요인적재량 값은 0.5 이상을 기준으로 설정하였고, 요인 회전방식은 도출된 각 요인 점수들 간에 연결될 수 있는 다중공선성(Multicollinearity) 방지를 위하여 직각회전방식 중에서 카이저(Kaiser) 정규화가 있는 베리맥스(Varimax)를 이용하였다(Kim, 2011).
본 연구에서는 1차 탐색적 요인분석을 수행하여, 55개 설문항목 중에서 요인적재량 값이 0.5 미만으로 나오거나 요인이 잘 묶이지 않는 14개 항목을 제거하였다. 남아있는 41개 설문항목을 대상으로 2차 탐색적 요인분석을 수행하였으며, 요인분석 및 신뢰도 평가 결과는 <Table 2>와 같다. 탐색적 요인분석에서의 전체 분산 값은 81.27%로 나와 설명력을 확보했다고 볼 수 있다.
4.4 집중타당성 및 판별타당성 검증
개념신뢰도(Construct Reliability: CR)와 평균분산추출(Average Variance Extracted: AVE)는 각각 권장기준치 0.7 이상과 0.5 이상(Hair et al., 1998; Fornell & Larcker, 1981)을 만족해야 집중타당성이 확보된다. <Table 3>에서 개념신뢰도 및 평균분산추출 값이 권장기준치를 만족하고 있으므로, 모든 잠재변수에 대하여 집중타당성이 확보되었다고 할 수 있다.
각 잠재변수에 대한 평균분산추출 값의 제곱근이 잠재변수들 간의 상관계수 값보다 커야 판별타당성이 확보된다(Gefen & Straub, 2005). 본 연구에서는 <Table 3>의 대각선에 위치한 평균분산추출 값의 제곱근이 잠재변수들 간의 상관계수 값보다 크므로, 판별타당성이 확보되었다고 볼 수 있다.
4.5 연구가설의 검증
본 연구에서 설정한 가설들의 검증을 위하여 AMOS를 사용하여 경로분석을 수행하였으며, 가설의 채택 여부는 Critical Ratio(t-value) 값이 ±1.96 이상과 유의확률(p-value) 값은 0.05 미만을 기준으로 하여, 이 기준을 만족할 때 가설을 채택하였다. 연구가설의 검증 결과는 <Table 4>와 같으며, 총 18개 가설 중에서 14개 가설이 채택되었고 4개의 가설은 기각되었다.
혁신의 속성과 지각된 유용성의 경로분석에서는 상대적 이점, 가시성, 이미지가 유의한 영향을 미치는 것으로 나타났으며, 사용 편의성은 기각으로 분석되어 유의한 영향을 미치지 않는 것으로 나타났다. 혁신의 속성과 지각된 즐거움의 경로분석에서는 상대적 이점과 이미지가 유의한 영향을 미치는 것으로 나타났으며, 사용 편의성과 가시성은 기각으로 분석되어 유의한 영향을 미치지 않는 것으로 나타났다. 챗봇의 특성과 지각된 유용성의 경로분석에서는 상호작용성, 사회적 실재감, 개인화가 유의한 영향을 미치는 것으로 나타났으며, 정확성은 기각으로 분석되어 유의한 영향을 미치지 않는 것으로 나타났다. 챗봇의 특성과 지각된 즐거움의 경로분석에서는 정확성, 상호작용성, 사회적 실재감, 개인화 모두 유의한 영향을 미치는 것으로 나타났다. 동기와 이용 의도의 경로분석에서는 지각된 유용성, 지각된 즐거움 모두 유의한 영향을 미치는 것으로 나타났다.
구조모델의 평가를 위하여 사용되는 가장 일반적인 척도 중의 하나로 결정계수(Coefficient of Determinant: R²) 를 사용하며, 결정계수 값이 클수록 높은 수준의 예측 정확성을 나타낸다. 본 연구모형의 내생변수(Endogeneous Variable) 중에서 지각된 유용성의 결정계수는 0.864, 지각된 즐거움의 결정계수는 0.698, 이용 의도의 결정계수는 0.791로 비교적 높은 수준의 예측 정확성을 보여주고 있다.
5. 결 론
5.1 연구 결과
본 연구는 일반 소비자를 대상으로 대형언어모델 기반 챗봇의 이용 의도에 영향을 미치는 요인에 관하여 혁신확산의 관점에서 실증적으로 분석하고자 하였다. 선행연구와 문헌 조사를 통하여 혁신의 속성으로 상대적 이점, 사용 편의성, 가시성, 이미지와 챗봇의 특성으로 정확성, 상호작용성, 사회적 실재감, 개인화를 독립변수로 선정하였다. 그리고, Davis et al.(1992)의 확장된 기술수용모델을 바탕으로 외재적 동기의 예로 지각된 유용성과 내재적 동기의 예로 지각된 즐거움을 매개변수로 하여 이용 의도에 영향을 미치는 요인을 분석하였으며, 연구 결과는 다음과 같다.
첫째, 혁신의 속성 중에서 상대적 이점, 이미지, 가시성 순서로 지각된 유용성에 유의한 영향을 미치고 있다. 상대적 이점의 경로계수는 이미지의 경로계수보다 1.9배 이상 높고 가시성의 경로계수보다 4.9배 이상 높은 것으로 확인되어, 혁신의 속성 중에서 상대적 이점이 지각된 유용성에 매우 강한 영향을 주고 있는 것으로 분석되었다. 혁신의 속성 중에서 사용 편의성이 지각된 유용성에 유의한 영향을 미치지 못하는 결과가 나왔는데, 챗봇 서비스 제공자가 이미 프로그램을 설치했거나 혹은 이용자가 해당 웹사이트에 접속하여 간단한 인증 절차를 밟고 쉽게 이용할 수 있는 서비스가 대부분이기 때문에, 대형언어모델 기반 챗봇을 처음 이용하고자 하는 소비자에게 있어서 사용의 편리성은 유의미한 효용이라고 느끼지 못하는 것으로 생각된다. Chen & Park(2018)은 VR기기 수용 관련 소비자 연구에서 지각된 용이성이 지각된 유용성에 유의한 영향을 미치지 않는다고 주장하였다.
둘째, 혁신의 속성 중에서 상대적 이점과 이미지가 지각된 즐거움에 유의한 영향을 미치고 있다. 상대적 이점의 경로계수가 이미지의 경로계수보다 1.3배 이상 높은 것으로 확인되어, 혁신의 속성 중에서 상대적 이점이 지각된 즐거움에 비교적 강한 영향력을 미치고 있는 것으로 생각된다. 혁신의 속성 중에서 사용 편의성과 가시성이 지각된 즐거움에 유의한 영향을 미치지 못하는 결과가 나왔는데, 챗봇의 이용 방법이나 절차 등을 쉽게 만든다고 해도 이용자에게 즐거움을 느끼게 하는 것에는 그다지 도움이 되지 않는 것으로 생각된다. Noh & Kim(2007)의 모바일 서비스 수용에 관한 연구에서도 지각된 용이성이 지각된 즐거움에 유의한 영향을 미치지 않는 것으로 나타났다.
셋째, 챗봇의 특성 중에서 상호작용성, 개인화, 사회적 실재감 순서로 지각된 유용성에 유의한 영향을 미치는 것으로 분석되었다. 하지만, 챗봇의 특성 중에서 정확성이 지각된 유용성에 유의한 영향을 미치지 못하는 것으로 분석되었다. 2024년에 한국 프로야구 리그에 도입된 볼·스트라이크 자동 판정 시스템(Automatic Ball-Strike System: ABS)은 주심 대신에 기계가 볼과 스트라이크를 판정하고 있다. 판정의 객관성을 확보하기 위하여 ABS를 도입하였지만, Song(2024)의 연구에서 심판의 실수나 오심도 경기의 일부라는 의견이 있고 인공지능 심판이 주체가 되고 인간은 부차적인 요소, 평가당하는 처지로 전락할 수 있다고 우려하였다. 심판은 경기를 박진감 있고 흥미진진하게 운영하기 위하여 선수들과 관중들이 암암리에 허용하는 범위를 활용할 필요가 있을 것이다.
넷째, 챗봇의 특성인 정확성, 상호작용성, 사회적 실재감, 개인화 모두 지각된 즐거움에 유의한 영향을 미치고 있는 것으로 분석되었으며, 상호작용성, 개인화, 사회적 실재감, 정확성 순서로 지각된 즐거움에 영향을 미치고 있다. 대형언어모델 기반 챗봇에 대한 즐거움을 높이기 위해서는 이용자와 챗봇 상호 간의 의사나 정보가 원활하게 전달되는 것과 제공되는 정보나 결과가 나에게 맞춤화되어 있다고 느낄 수 있도록 하는 것이 중요하다는 것을 보여준다고 할 수 있겠다.
다섯째, 지각된 유용성과 지각된 즐거움은 이용 의도에 매우 유의한 영향을 주고 있는 것으로 분석되었다. 지각된 유용성과 지각된 즐거움의 결정계수는 각각 0.864, 0.698로 나왔으며, 이는 8개의 독립변수들이 지각된 유용성과 지각된 즐거움을 각각 86.4%와 69.8% 설명할 수 있음을 의미하며, 높은 설명력을 가지고 있다고 생각된다. 그리고 종속변수인 이용 의도의 결정계수는 0.791로 상당히 높은 수준의 설명력을 가지고 있어서, 연구모형이 종속변수를 잘 설명하고 있다고 생각된다.
5.2 연구의 시사점
5.2.1 연구의 학문적 시사점
외재적 동기인 지각된 유용성과 내재적 동기인 지각된 즐거움의 경로계수는 이용 의도에 비슷한 수준으로 영향을 주고 있다. 이는 대형언어모델 기반 챗봇의 이용 의도에 외재적 동기와 내재적 동기가 유사한 수준으로 영향을 주고 있다고 볼 수 있으며, 소비자는 실용적 가치와 쾌락적 가치를 균형있게 평가하여 판단하는 것으로 보여진다.
혁신의 속성 중에서 상대적 이점, 이미지, 가시성이 외재적 동기인 지각된 유용성에 유의한 영향을 미치고 있으며, 내재적 동기인 지각된 즐거움에는 상대적 이점과 이미지가 유의한 영향을 미치고 있다. 즉, 상대적 이점과 이미지는 외재적 동기 및 내재적 동기에 모두 영향을 주고 있는데, 가시성은 외재적 동기에만 영향을 미치고 있는 것이다. 대형언어모델 기반 챗봇을 이용하는 것이 보여지는 정도는 소비자에게 서비스의 유용성을 지각하는 데에는 긍정적인 영향을 주지만, 즐거움이나 재미를 증진하는 데에는 별로 도움이 되지 않는 것으로 생각된다.
챗봇의 특성 중에서 사회적 실재감이 지각된 유용성과 지각된 즐거움에 부(-)의 유의한 영향을 주는 것으로 나타났다. Rogers(1995)의 혁신확산이론에 의하면, 새로운 기술이 사회에서 채택되는 과정은 일반적으로 S자 형태의 곡선을 그리는데, 초기 수용자와 초기 다수자 사이에서 수요가 후퇴되거나 정체되는 캐즘(Chasm) 현상이 발생할 수 있다(Moore, 1991). 이러한 캐즘은 기술의 발전과 그에 따른 소비자들의 반응에 따라 다양한 형태로 나타날 수 있는 데, Mathur & Reichling(2016)은 인공지능과 같은 첨단 기술에서는 캐즘이 ‘불쾌한 골짜기’ 현상과 관련되어 나타날 수 있다고 하였다. 대형언어모델 기반 챗봇에 대한 소비자들의 현재 인식 수준은 불쾌감이 생겨 호감도가 떨어지는 기술 수준으로 바라보고 있다고 생각된다.
5.2.2 연구의 실무적 시사점
지각된 유용성과 지각된 즐거움의 경로계수는 이용 의도에 비슷한 수준으로 영향을 주고 있다. 그리고, 지각된 유용성, 지각된 즐거움, 이용 의도의 결정계수는 상당히 높은 수준을 보이고 있으므로, 대형언어모델 기반 챗봇의 이용으로 내 삶의 질을 향상시키고 일상의 즐거움을 느낄 수 있도록 실용적인 가치와 쾌락적인 가치를 동시에 구현할 수 있는 서비스 개발전략이 필요하다는 것을 보여준다.
혁신의 속성 중에서 상대적 이점이 지각된 유용성과 지각된 즐거움에 강한 영향력을 미치는 것으로 나타났다. 따라서, 이용자들이 대형언어모델 기반 챗봇을 기존 제품이나 서비스 대비하여 더 나은 것으로 지각할 수 있도록 세비스 제공자는 성능 향상이나 차별화에 집중하는 것이 중요하다고 생각된다.
혁신의 속성 중에서 사용 편의성은 지각된 유용성과 지각된 즐거움에 유의한 영향을 미치지 않는 것으로 나타났다. 즉, 사용 편의성은 외재적 동기와 내재적 동기를 불러일으키는 중요한 요인이 아니므로, 대형언어모델 기반 챗봇 서비스 제공자는 사용 편의성에 대해서는 기존의 챗봇과 비슷한 수준으로 서비스를 출시해도 될 수 있다는 점을 시사한다.
챗봇의 특성 중에서 사회적 실재감이 지각된 유용성과 지각된 즐거움에 부(-)의 영향을 미치고 있는 것으로 나타났다. 대형언어모델 기반 챗봇에 대한 소비자들의 현재 인식은 불쾌감이 생겨 호감도가 떨어지는 기술 수준으로 보고 있다고 생각되며, 이러한 인식 수준을 뛰어넘을 수 있도록 인간과 거의 같은 수준 혹은 영화 ‘Her’에서와 같이 인간과 대화하고 있다는 착각이 들 정도록 서비스를 고도화해야 한다는 시사점을 제공한다.
5.3 연구의 한계 및 향후 연구 방향
본 연구는 실증적 분석을 통하여 혁신확산의 관점에서 대형언어모델 기반 챗봇의 이용 의도에 영향을 미치는 요인에 관하여 유의미한 결과를 도출한 것에 의미가 있지만, 다음과 같은 연구의 한계점을 가지고 있다.
첫째, 사회적 실재감이 지각된 유용성과 지각된 즐거움에 부(-)의 유의한 영향을 미치는 것으로 분석되었다. Mori의 불쾌한 골짜기 이론을 근거로, 사람들이 인간이 아닌 존재를 볼 때 그것이 인간과 더 많이 닮을수록 호감도가 높아지지만, 일정 수준에 다다르면 오히려 불쾌감이 생겨 호감도가 급격히 떨어지는 현상으로 현재의 대형언어모델 기반 챗봇의 기술 수준을 분석하였는데, 현재의 대형언어모델 기반 챗봇의 기술 수준이 소비자에게 불쾌감을 불러오는 수준이라고 단정하기에는 한계가 있으며, 어느 정도 수준까지 기술 발전이 되어야 소비자가 인공지능 챗봇과 친밀한 교감을 나눌 수 있는 것인지에 대한 명확한 기준을 마련하기 쉽지 않다고 생각된다.
둘째, 설문지에 기존의 챗봇과 대형언어모델 기반 챗봇의 특성과 차이점에 대한 설명을 자세히 했음에도 불구하고, 설문 대상자가 그 내용을 분명히 인지하고 응답한 설문지도 있지만, 그렇지 못한 설문지도 있을 것으로 생각되어, 연구의 구체화에 한계점이 있을 수 있다고 생각된다.
향후 연구에서는 사용 편의성, 정확성, 사회적 실재감에 대한 추가적인 선행연구 조사를 통하여 보다 정교한 설문 항목을 적용함으로써 실증분석의 타당성과 신뢰성을 제고할 필요가 있으며, 신뢰수준 95%에서의 분석 정확도를 개선하기 위하여 더 많은 설문지를 확보하여 분석하는 것이 바람직할 것으로 생각된다. 그리고, 페르소나 인공지능 챗봇을 포함하여 글로벌 빅테크 기업들이 출시하는 차세대 인공지능 챗봇에 대한 추가적인 연구를 통해 챗봇의 이용 의도에 영향을 미치는 요인에 대하여 분석한다면, 더욱 유의미한 연구 결과를 얻을 수 있을 것으로 기대된다.
PDF Links
PubReader
ePub Link
Full text via DOI
Download Citation 
Print 
