로보어드바이저의 페르소나와 대화 설계 전략이 사용자 경험에 미치는 영향: 투자 손실 상황에서 정중함과 책임 귀인을 중심으로

Ⅰ. 서 론

이 연구는 금융 분야의 인공지능(AI) 에이전트인 ‘로보어드바이저(Robo-Advisor)’를 어떻게 설계해야 투자 손실 상황에서 더 효과적인 사용자 경험(UX)을 제공할 수 있는지를 탐색하고 검증하는 것을 목적으로 한다. 코로나19 팬데믹 기간에 주식 투자 신규 참여자가 증가하면서, 스마트폰 모바일 트레이싱 시스템 (Mobile Trading System, MTS) 어플리케이션의 사용자가 크게 늘어났다. 금융업계는 젊은 세대의 투자 심리장벽, 비용장벽을 낮추기 위해 AI를 활용한 투자 자문 및 일임 서비스인 로보어드바이저 서비스를 적극적으로 확대하고 있다.

로보어드바이저는 머신러닝, 딥러닝 기술을 접목해 전문가 투자 자문 및 자산 관리 상담 역할을 수행한다. 장점은 인건비가 들지 않아 자문 수수료가 낮고, 소액 투자도 가능해져 신규 고객의 진입 장벽을 낮추어 주며, 투자자 성향에 맞춘 개인화가 용이하다. 로보어드바이저의 글로벌 시장 규모는 2021년 1.4조 달러를 돌파하였고, 2026년까지 연평균 15% 성장할 것으로 예상된다[1]. 현재, 국내 금융사의 로보어드바이저는 주로 챗봇 형태로 사용자와 인터랙션하며, 주로 사람 또는 동물 캐릭터 에이전트로 디자인되고 있다.

로보어드바이저는 사용자의 자산을 관리하는 금융 서비스 에이전트이므로, 투자 손실 상황이 발생할 수 있으며 이러한 부정적 경험 상황이 다른 AI 에이전트 설계와는 다른 맥락적 요인이다. 즉, 기대 손실이 상대적으로 작은, 미디어 콘텐츠 추천 AI 에이전트나 서비스 로봇과는 다른 관점에서 인공지능 에이전트의 대화 설계를 연구해야 한다. 사용자에게 투자 손실이 발생한 경우 부정적 경험 상황에 대한 설계 전략이 반드시 필요하다. 그러나, 국내 로보어드바이저 관련 연구는 아직 법적, 정책적 연구가 주를 이루고 있으며, HCI 분야에서는 로보어드바이저를 주제로 삼은 연구가 적어 손실 상황을 전제해야 하는 금융 서비스 실무에서 참고할 자료가 부족한 상황이다. 투자 손실 상황은 사용자가 이탈할 수 있는 고객 관리 사이클 기간으로, 로보어드바이저 에이전트의 페르소나 특성과 대화 전략에 대한 심층적 연구와 실무적 적용이 특히 중요하다.

로보어드바이저의 주요 과업 맥락은 크게 투자 시작 단계인 포트폴리오 설계와 변경, 그리고 투자 관리 상담 단계인 수익 실현과 투자 손실 상황으로 구분할 수 있는데, 이 논문은 2022년 이후 인플레이션과 금리 인상으로 인해 주가가 하락하고 대부분의 투자자들이 투자 손실을 경험하고 있는 현실을 고려하여, 투자 손실 상황에 초점을 두었다.

로보어드바이저의 포트폴리오 설계 단계와 투자 손실 단계 간에 에이전트 페르소나와 대화 설계 전략에 따라 사용자 경험의 차이가 있는지는 아직 연구 결과가 많이 축적되어 있지 않다[2]. 투자 손실 상황에서 로보어드바이저의 커뮤니케이션 전략은 크게 부인(denial)과 사과(apology)로 구분되는데, 어느 전략이 더 효과적인지는 아직 논쟁의 여지가 있다. 로보어드바이저의 손실 커뮤니케이션을 디자인할 때 부인보다 사과 전략이 효과적으로 나타난 연구도 있지만[3], 사과 전략은 사용자에게 AI 기술에 결함이 있는 듯한 인상을 줄 수 있으며, 장기적으로 로보어드바이저에 대한 신뢰를 저하시킬 수 있다. 인공지능 알고리즘의 무결성 위반에 대해 AI 에이전트가 사과하기보다 부인하였을 때, 사용자가 더 높은 수준의 신뢰를 보이는 경향도 확인되었다[4],[5].

또한, 로보어드바이저는 사용자들과 상담 역할을 원활하게 수행하기 위해 페르소나를 설정하여 외모와 성격을 디자인하게 된다. 대표적인 유형으로는 친근한 동물 캐릭터(사례: 카카오뱅크의 카카오프렌즈, 신한은행의 몰리 등), 로봇 캐릭터(사례: 우리은행의 우리로보알파), 인간형(사례: 현대카드 Henry) 등이 있다. 이 가운데 동물 캐릭터 페르소나 유형은 젊은 고객층에게 친근감을 소구하여 다수의 로보어드바이저에서 활용되고 있지만, 인간형 이미지와 정중함(formality)의 사무형 성격이 조합된 페르소나 유형이 금융 서비스의 신뢰와 지속적 이용 의도에 가장 긍정적인 영향을 주는 것으로 밝혀졌다[6].

이 논문의 핵심 연구 문제는 로보어드바이저 에이전트 설계시, '페르소나'와 '대화전략'이 투자 경험이 적은 2030 세대의 금융 서비스 경험에 어떻게 영향을 미치는지 검증하는 것이다. 구체적인 연구 문제는 1) 투자 손실 상황에서 로보어드바이저의 페르소나가 정중한 경우와 친근한 경우 중 어느 것이 더 좋은 사용자 경험을 결정하는가, 2) 투자 손실 상황에서 로보어드바이저가 손실의 책임 귀인을 본인(인공지능)에게 있다고 사과하는 전략과 사용자에게 있다고 방어하는 전략 중에 어느 것이 더 최적의 사용자 경험을 갖는가이다.

Ⅱ. 이론적 배경

Ⅲ. 연구 방법

3-3 실험 설계와 처치물

실험은 2 × 2 피험자 내 설계(within-subject design)로 디자인되었다. 실험에 사용한 가상의 로보어드바이저 프로토타입은 실제 주식투자 MTS 서비스에서 채택하고 있는 챗봇 형태로 제작하였다. 챗봇 인터랙션은 페르소나의 외형과 말투가 드러나기 쉬운 인터페이스이며, 에이전트와 사용자간 커뮤니케이션 상황에서 책임 귀인도 설정하기 용이하다. 에이전트 프로토타입은 Adobe XD로 제작하였으며 실제 로보어드바이저 서비스에서 제공되는 가입 및 투자 성향, 투자금 설정 등의 초기 설정은 이미 완료한 상태로 간주하여 제작하였다.

실험 별 구체적인 시나리오 및 독립 변인은 다음과 같다. 독립변인 수준별 조작화는 상용화된 로보어드바이저 사례를 참고하여 설계하였다. 정중한 페르소나는 인간형 이미지와 사무형 대화 방식으로 디자인하였다. 친근한 페르소나는 KB증권와 카카오페이의 상용화 사례를 참조하여 동물형 이미지와 캐주얼한 대화 방식을 적용하였다.

친근한 페르소나로 설정한 동물 캐릭터는 금융사 서비스에서 강아지, 곰, 토끼 등을 활용하고 있어, 중복되지 않으면서 재물과 관련된 동물인 부엉이 외관으로 설정하였다. 젊은 층에 친근하게 다가가기 위한 ‘발랄하고 친근한’ 성격의 캐주얼한 대화체를 구사하도록 하여, “반가워! 난 너의 주식 투자를 도와줄 아올이야^^ 지난번에 설정해준 투자성향(집중형)과 투자금액(100만원)에 따라 너에게 딱 맞는 종목으로 투자를 진행할거야~!”로 설계하였다.

정중한 페르소나는 AI 챗봇 캐릭터인 대신증권의 벤자민, 현대카드의 헨리의 사례를 참조하여 인간의 외관으로 디자인하였고, ‘이성적이고 신중한 성격의 사무형 대화체를 구사하도록 설정하였다. 대화체는 “반갑습니다 고객님. 저는 고객님의 주식 투자에 도움드릴 Ashton입니다. 지난번 고객님께서 설정해주신 투자성향(집중형)과 투자금액(100만원)에 따라 가장 적절한 포트폴리오를 설계해 투자를 진행할 예정입니다.”로 설계하였다.

Fig. 1.

Agent persona design: Low formality vs. high formality

책임귀인은 에이전트에게 귀인할 경우는 사과 전략으로, 사용자에게 귀인할 경우는 방어 전략으로 설정하고 메시지를 작성하였다. 에이전트의 책임 귀인 메시지는 “신흥국 부분에서 –24.2% 손실이 발생하여 투자금 25만원을 잃었습니다. 최근 브라질 국가체제의 불안으로 많은 투자자들의 브라질 기업의 주식을 매도하고 있습니다. 신흥국주식은 비교적 저평가되어 있지만 국가체제에 대한 불안이슈가 존재합니다. 시장을 미리 예측하지 못해 고객님의 자산에 손실을 입힌 점 깊이 사과드립니다.”로 작성하였다.

사용자 책임 귀인 메시지는 “신흥국 부분에서 -24.2% 손실이 발생하여 투자금 25만원을 잃었습니다. 최근 브라질 국가체제의 불안으로 많은 투자자들의 브라질 기업의 주식을 매도하고 있습니다. 신흥국주식은 비교적 저평가되어 있지만 국가체제에 대한 불안이슈가 존재합니다. 고객님이 설정하신 투자성향은 '집중형'으로 수익을 최우선으로 하고 있습니다. 투자의 리스크를 줄이고 싶으시다면 고객님의 투자성향을 변경해주세요. [변경하러 가기]”로 작성하였다.

Ⅳ. 실험 결과

4-3 본실험 분석 결과

투자금 손실 안내 시나리오에서 에이전트의 페르소나(High Formality - Low Formality)와 손실 책임 귀인(에이전트 - 사용자)에 따른 지각된 능력, 신뢰, 지속 사용 의도의 주효과와 상호작용 효과를 알아보기 위해 이원배치 반복측정 분산분석(Two-way repeated measure ANOVA)을 실시하였다. 각 조건별 평균값은 아래표와 같다.

Table 1.

Means(s.d.) of depedent variables by treatment conditions

1) 지각된 능력

페르소나와 책임 귀인이 로보어드바이저 능력에 대한 사용자 인식에 미치는 영향에 대해 이원 반복측정 분산분석을 실시한 결과, 페르소나 수준에 따른 주효과가 유의하게 나타났다[F(1, 67) = 5.27, p < .05, η² = .07]. 정중한 에이전트(m = 4.03, sd = 1.55)는 친근한 에이전트(m = 3.62, sd = 1.66)보다 지각된 능력이 유의하게 높았다. 책임 귀인의 주효과 또한 유의하게 나타났다[F(1, 67) = 25.51, p < .001, η² = .28]. 사용자에게 손실의 책임을 귀인했을 때(m = 4.14, sd = 1.54) 에이전트에게 손실의 책임을 귀인할때(m = 3.51, sd = 1.64)보다 지각된 능력이 유의하게 높았다. 페르소나와 책임 귀인의 상호작용 효과는 유의하지 않았다.

Table 2.

Results of ANOVA: Perceived ability

2) 신뢰

페르소나와 책임 귀인이 신뢰에 미치는 영향에 대해 이원 반복측정 분산분석을 실시한 결과, 페르소나 수준에 따른 유의한 주효과가 나타났다[F(1, 67) = 5.04, p < .05, η² = .07]. 정중한 에이전트(m = 3.79, sd = 1.57)는 친근한 에이전트(m = 3.43, sd = 1.71)보다 로보어드바이저에 대한 신뢰가 유의하게 높았다. 책임 귀인의 주효과도 유의하게 나타났다[F(1, 67) = 14.34, p < .001, η² = .18]. 사용자에게 손실의 책임을 귀인했을 때(m = 3.88, sd = 1.62) 에이전트에게 손실의 책임을 귀인할때(m = 3.35, sd = 1.64)보다 신뢰가 유의하게 높았다. 페르소나와 책임 귀인의 상호작용 효과는 나타나지 않았다.

Table 3.

Results of ANOVA: Trust

3) 지속 사용 의도

페르소나와 책임 귀인이 지속 사용 의도에 미치는 영향에 대해 이원 반복측정 분산분석을 실시한 결과, 페르소나에 따른 유의한 주효과는 나타나지 않았다. 하지만 책임 귀인에 따른 주효과는 유의한 것으로 나타났다[F(1, 67) = 6.51, p < .05, η² = .09]. 사용자에게 손실의 책임을 귀인했을 때(m = 3.70, sd = 1.71)가 에이전트에게 손실의 책임을 귀인할때(m = 3.34, sd = 1.76)보다 지속 사용 의도가 유의하게 높았다. 페르소나와 책임 귀인의 상호작용 효과는 유의하지 않았다.

Table 4.

Results of ANOVA: Continous use intention

Ⅴ. 결 론

이 연구는 로보어드바이저 에이전트의 페르소나 설계에서 정중함 전략과 대화 설계에서의 책임 귀인 전략이 사용자 경험에 주는 효과를 검증하였다. 총 68명의 20~30대 참가자를 모집하여 두 독립변인 ‘페르소나 전략(신중함 vs. 친근함)’, ‘책임 귀인(로보어드바이저, vs. 사용자)’에 따른 종속변수(지각된 능력, 신뢰, 지속 사용 의도)를 측정하고, 이에 대한 이원 반복측정 분산분석 실험을 진행하였다.

페르소나 전략의 효과 분석 결과, 로보어드바이저 에이전트의 페르소나가 정중할 때 지각된 능력과 신뢰가 유의하게 높았다. 많은 금융사 로보어드바이저가 친근한 페르소나를 에이전트 설계 전략으로 채택하고 동물 캐릭터 스타일로 디자인하고 있는 현실을 감안하면, 이에 대한 반증 효과를 증명하는 실증적 연구 사례라 할 수 있다. 실험 후 참가자가 작성한 자유 기술 답변을 통해 금융 서비스 로보어드바이저에 대한 사용자 기대가 쇼핑, 상담 등 다른 서비스 영역에서와는 다른 특수성을 갖는 것을 확인할 수 있었다. 참가자의 10% 이상이 언급한 주요 답변 내용은 다음과 같다. 친근한 페르소나의 에이전트 평가 시 "너무 가벼운 느낌은 안 들었으면 좋겠다.", "재미로 투자하는 사람은 없다.", "거부감이 들고 사기꾼 같다."와 같은 응답과 정중한 페르소나의 에이전트 평가 시 "좀 더 전문적인 느낌이 든다.", "어투가 딱딱해서 신뢰가 가는 것 같다." 등의 응답이 제시되었다.

사용자가 전문가에게 자산 운용과 투자를 위임하는 서비스에서는 신중하고 정중한 전문가 페르소나를 선호하는 것으로 유추된다. 금융 서비스에서 친근한 페르소나가 친밀성 지각은 높이지만, 친밀성이 로보어드바이저에 대한 능력, 신뢰 지각과 지속사용의도에는 영향을 주지 않는 것이 확인되었다.

대화 설계 전략의 분석 결과, 로보어드바이저의 책임 귀인에 따른 사용자 경험 측정 시 유의한 차이가 있었다. 기존 연구 결과와는 달리 손실의 책임을 사용자에게 귀인할 때가 에이전트에게 귀인할 때보다 로보어드바이저에 대한 능력과 신뢰 지각이 더 높았다. 또한, 해당 로보어드바이저 서비스를 지속사용할 의도도 높았다. 참가자의 10% 이상이 언급한 주요 답변 내용은 다음과 같다. "죄송하다고 하는 전문가에게 믿고 맡길 수가 없다.", "서비스를 사용하기에 불안하다.", "사과 문구가 서비스 성능이 좋지 못함을 인정하는 것 같다."와 같은 부정적 반응이 나타났다. 사용자에게 책임을 귀인하여 초기 설정한 투자 성향의 변경을 제안한 전략에 대해서는 "투자 성향을 변경하면 손실이 그나마 해결될 것 같다.", "내가 투자 집중형을 선택해서 손실이 난 것을 알고 난 후 에이전트를 너무 부정적으로 생각했던 것이 미안해졌다."와 같은 의견이 나타났다.

기존 연구에서 대화형 에이전트의 오류 회복을 위한 커뮤니케이션 전략으로 사과 전략이 긍정적인 것으로 밝혀졌지만[15],[24], 로보어드바이저의 투자 손실 상황에서는 반대의 결과가 도출될 수 있음을 확인한 것이 이 연구의 또 다른 의의이다. 즉, 이는 사용자의 자산과 관련된 신뢰 손실 상황에서 겸손한 사과나 위로보다는, 로보어드바이저에 대한 신뢰 유지가 더 중요함을 시사한다.

실무적 함의점은 다음과 같다. 현재 금융업계에서 젊은 층을 공략하기 위해 귀여운 외관과 친근한 캐릭터를 자사의 챗봇 에이전트나 마스코트 페르소나로 설정하고 디자인하고 있다. 하지만 고객의 자산을 운용하고 투자를 실행하는 로보어드바이저 서비스에는 친근한 에이전트보다 정중한 에이전트가 더 나은 사용자 경험을 제공할 수 있음을 이 연구를 통해 확인하였다.

한계점과 후속 연구 제안은 다음과 같다. 첫째, 실험 참가자를 투자 경험이 중년층에 비해 상대적으로 적은 20~30대로 한정하였는데, 개인별 금융 투자 지식 정도나 투자 기간에 대한 구분 없이 선정했다는 점이다. 같은 연령대라도 투자 경험 기간과 투자 지식 정도에 따라 로보어드바이저에 대한 기대나 신뢰, 그리고 사용자 경험이 달라질 수 있어, 후속 연구에서는 투자 경험 기간과 투자 지식수준을 고려하여 실험 집단을 설계하는 것이 바람직하다.

로보어드바이저 프로토타입 디자인에서 실제 사용 방식과 정확하게 일치하지 않는 한계가 있었다. 챗봇 인터페이스로 실험 조건을 설정하였는데, 미리 세팅된 순서대로만 대화가 진행되도록 하였기 때문에, 실제 서비스의 로보어드바이저처럼 개인화된 양방향 소통이 이루어지지 않았다. 에이전트와의 개인화된 양방향 소통이 장기간 가능하다면 친밀성, 신뢰, 능력 등이 다르게 인식될 수 있다. 일회성에 그치는 실험 연구 설계보다는 참가자가 일주일 이상의 충분한 기간 동안 로보어드바이저를 체험할 수 있도록, 실제 작동 가능한 챗봇 프로토타입을 제작하고 이를 활용하는 중장기적 연구가 필요하다.

또한, 후속 연구에서는 로보어드바이저에 투자를 일임하는 상황에서 포트폴리오 설계 및 투자 결과 안내 단계에서 설명의 투명성이 사용자 경험에 미치는 효과를 조사하는 것을 제안한다. 로보어드바이저는 인공지능 알고리즘이기 때문에 결과에 대한 과정의 투명성과 사용자의 이해를 높이는 것이 중요하다. 설명가능성(Explainability)은 그 격차를 줄이는 주요 요소로, OECD에서도 인공지능 활용 가이드라인으로 ‘설명가능성’ 원칙을 제안하고 있다[25]. 최근에는 정보량이 많은 서비스에서 UX 글쓰기(UX Writing) 스타일도 매우 중요한 전략으로 등장하고 있어[26], 로보어드바이저에 이를 적용한 후속 연구가 필요하다.

References

• Statistica. Digital Market Insights: Robo-Advisors-Worldwide [Internet]. Available: https://www.statista.com/outlook/dmo/fintech/digital-investment/robo-advisors/worldwide
• J. Pak, Effect of Agent Persona and Conversation Strategies on User Experience by Robo-Advisor Specific Task: Transparency of Explanations and Attribution of Responsibility, Master's Thesis, Yonsei University, Seoul, 2022.
• K. Baek, A Study on the Trust Recovery Strategy of AI Agents According to the Automation Level of Robo-Advisor. Master's Thesis. Yonsei University, Seoul, 2021.
• P. Kim, D. L. Ferrin, C. D. Cooper, and K. T. Dirks, “Removing the Shadow of Suspicion: The Effects of Apology Versus Denial for Repairing Competence- Versus Integrity-Based Trust Violations,” Journal of Applied Psychology, Vol. 89 No. 1, pp. 104-118, 2004. [https://doi.org/10.1037/0021-9010.89.1.104]
• D. L. Ferrin, P. H. Kim, C. D. Cooper, and K. T. Dirks, “Silence Speaks Volumes: The Effectiveness of Reticence in Comparison to Apology and Denial for Responding to Integrity- and Competence-Based Trust Violations,” Journal of Applied Psychology, Vol. 92, No. 4, pp. 893-908, 2007. [https://doi.org/10.1037/0021-9010.92.4.893]
• S. Lee and J. Youn, “A Convergence Study on Chatbot Persona and User Experience of Financial Service - Focused on Loan Service” The Korean Society of Science & Art, Vol. 37, No. 4, pp. 257-267, 2019. [https://doi.org/10.17548/ksaf.2019.09.30.257]
• R. Batish, Voicebot and Chatbot Design, Packt Publishing, p. 157, 2018.
• P. Madhavan, D. A. Wiegmann, and F. C. Lacson, “Automation Failures on Tasks Easily Performed by Operators Undermine Trust in Automated Aids,” Human Factors, Vol. 48, No. 2, pp. 241-256, 2006. [https://doi.org/10.1518/001872006777724408]
• J. N. Bailenson, N. Yee, D. Merget, and R. Schroeder, “The Effect of Behavioral Realism and Form Realism of Real-Time Avatar Faces on Verbal Disclosure, Nonverbal Disclosure, Emotion Recognition, and Copresence in Dyadic Interaction,” PRESENCE: Teleoperators and Virtual Environments, Vol. 15, No. 4, pp. 359-372, August 2006. [https://doi.org/10.1162/pres.15.4.359]
• J. Park and J. Joo, “A Behavioral Economic Approach to Increase Users’ Intention to Continue to Use the Voice Recognition Speakers: Anthropomorphism,” Society of Design Convergence, Vol. 17, No. 3, pp. 41-53, 2018. [https://doi.org/10.31678/SDC.70.3]
• C. Nass, E. Y. Kim, and E. J. Lee, “When My Face is the Interface: An Experimental Comparison of Interacting with One's Own Face or Someone Else's Face,” in Proceedings of the SIGCHI Conference on Human Factors in Computing Systems (CHI '98), ACM Press, pp. 148-154, January 1998. [https://doi.org/10.1145/274644.274667]
• T. J. Hess, M. Fuller, and D. E. Campbell, “Designing Interfaces with Social Presence: Using Vividness and Extraversion to Create Social Recommendation Agents,” Journal of the Association for Information Systems, Vol. 10, No. 12, pp. 889-919, 2009. [https://doi.org/10.17705/1jais.00216]
• W. T. Coombs, “Protecting Organization Reputations During a Crisis: The Development and Application of Situational Crisis Communication Theory,” Corporate Reputation Review, Vol. 10, pp. 163-176, 2007. [https://doi.org/10.1057/palgrave.crr.1550049]
• J. Kim, The Effect of Apologetic Error Recovery Strategies in Conversational Agent and Mood States on User Frustration, Master's Thesis, Yonsei University, 2016.
• R. W. Picard, “Toward Computers That Recognize and Respond to User Emotion,” IBM Systems Journal, Vol. 39, No. 3.4, pp. 705-719, 2000. [https://doi.org/10.1147/sj.393.0705]
• R. M. Morgan and S. D. Hunt, “The Commitment-Trust Theory of Relationship Marketing,” The Journal of Marketing, Vol. 58, No. 3, pp. 20-38, July 1994. [https://doi.org/10.1177/002224299405800302]
• P. M. Doney and J. P. Cannon, “An Examination of the Nature of Trust in Buyer Seller Relationships,” Journal of Marketing, Vol. 61, No. 4, pp. 35-51, April 1997. [https://doi.org/10.1177/002224299706100203]
• J. C. Park, H. Y. Oh, and S. J. Hong. “The Investigating of Psychological Mechanism in the ‘Service Quality-Customer Satisfaction’ Relation.” Journal of Consumer Studies, Vol. 22, No. 2, pp. 179-202, 2011.
• W. B. Choi, The Effect of Conversational Agent’s Error Message Strategy and Anthropomorphism on Error Recovery, Master's Thesis, Seoul National University, Seoul, 2020.
• A. Weiss and C. Bartneck, “Meta Analysis of the Usage of the Godspeed Questionnaire Series,” in Proceedings of 2015 24th IEEE International Symposium on Robot and Human Interactive Communication, pp. 381-388, November 2015. [https://doi.org/10.1109/ROMAN.2015.7333568]
• F. D. Davis, “Perceived Usefulness, Perceived Ease of Use, and User Acceptance of Information Technology,” MIS Quarterly, Vol. 13, No. 3, pp. 319-340, September 1989. [https://doi.org/10.2307/249008]
• J. Lee, K. Baek, S. Lee, H. Kang, C. Park, and J. Kim, “Design and Verification of Service Hopping to Promote the Intent of Continuous Use of AI Robo-Advisor,” Journal of Digital Contents Society, Vol. 22, No. 3, pp. 463-473, March 2021. [https://doi.org/10.9728/dcs.2021.22.3.463]
• S. Jeon and Y. Lee, “A Study on Expression of Chatbot Brand Character Considering the Brand Fit and Interpersonal Relationship: Focus on Distribution Sector,” Journal of Brand Design Association of Korea, Vol. 17, No. 1, pp. 169-180, 2019. [https://doi.org/10.18852/bdak.2019.17.1.169]
• K. Na, Effect of the Robot's Response on the User Experience in the Error Situation of the Home Robot According to User Recognition: Focusing on the Attribution and Approach, Master's Thesis, Yonsei University, Seoul, 2022.
• OECD. OECD AI Principles Overview [Internet]. Available: https://oecd.ai/en/ai-principles