• 품질경영학회지
• /
• 제50권1호
• /
• pp.43-61
• /
• 2022

Purpose: The purpose of this study was verifying factors that affect to intention to use AI financial services and finding a way of building an user oriented AI ecology. Methods: This study used the UTAUT (Unified Theory of Acceptance and Use of Technology) model with independent variables such as performance expectancy, effort expectancy, social influence, facilitating conditions, trust, personal innovativeness and AI understanding as moderating variable. The data was collected through online & offline survey with questionnaire from 330 financial customers. Results: As a result, the analysis suggested that the performance expectancy, social influence, facilitating conditions, personal innovativeness are statistically significant to the intention to use AI. It was also found that AI knowledge of users differently influence the intention to use through the moderating effect on the facilitating conditions. Conclusion: Performance expectancy, social influence, facilitating conditions, personal innovativeness have positive causation to the intention to use in AI financial service. On the facilitating conditions, unlike other variables, it was found that the user's intention to use was different by the level of AI understanding. It means that customers could have the strong intention to use AI even though they don't have enough pieces of knowledge on the factors. Customers seem to be of recognition that the technology has certain benefits for themselves. The facilitating factors are significantly affected by AI understanding and differently effect on the intention to use AI.

• 경영과정보연구
• /
• 제36권3호
• /
• pp.167-184
• /
• 2017

본 연구에서는 기존에 구축되었던 오프라인뱅킹에서의 신뢰가 새로운 스마트뱅킹 서비스 신뢰에 어느 정도 영향을 미치는가를 규명하였다. 이를 위해 스마트뱅킹 신뢰의 영향요인으로 오프라인뱅킹의 신뢰, 스마트뱅킹의 시스템 품질과 정보품질을 비교연구하였다. 실증연구를 위해 스마트뱅킹 서비스 이용자를 대상으로 186부의 설문지를 회수하였고, 자료분석은 Smart-PLS 2.0을 이용하였다. 분석결과, 오프라인뱅킹 신뢰가 스마트뱅킹 신뢰에 미치는 영향이 유의하게 나타나, 핀테크 서비스에서 신뢰전이가 존재함을 검증하였다. 그리고 이러한 오프라인뱅킹 신뢰가 스마트뱅킹 신뢰에 미치는 영향력은 스마트뱅킹 자체의 특성보다 낮은 것을 입증하였다. 본 연구의 의의는 학술적 측면과 산업적 측면에서 살펴볼 수 있다. 먼저, 학술적 측면에서의 의의이다. 지금까지의 뱅킹관련 연구들은 오프라인뱅킹이나 스마트뱅킹 어느 한 측면에 초점을 맞추어 연구를 수행하였다. 이에 비해 본 연구에서는 오프라인뱅킹의 특성이 스마트뱅킹 특성에 어떻게 영향을 미치는가하는 신뢰전이를 검증했다는 점에서 의의가 있다. 다음으로, 산업적 측면에서의 의의이다. 본 연구에서 시중은행의 오프라인뱅킹 특성이 새로운 스마트뱅킹 서비스의 신뢰에 영향을 준다는 것을 보여주었다. 이것은 신흥 핀테크 업체가 시중 은행에 비해 신뢰구축의 경쟁에서 유리하지 않다는 것을 의미한다. 신흥 핀테크 업체들은 시중은행과 달리 모바일, 소셜, 클라우드, 빅데이터 등은 물론, 현실화되고 있는 사물인터넷, 가상현실 등의 기술로 무장하여 고객의 편의성을 혁신적으로 개선하고 있다. 그러나 이러한 강점만으로는 금융거래에 필요한 충분한 신뢰를 형성할 수 있다고 보장할 수는 없다는 것이다. 이미 신뢰관계에 있는 주거래 은행을 고객들이 잘 바꾸지 않는 관성이 있기 때문이다. 따라서 신흥 핀테크 업체들은 상대적으로 고객접점에 우위에 있는 소셜서비스와 같은 온라인 상호작용의 강점과 다양한 인터넷 서비스와의 연계성을 반영한 파괴적인 부가가치 창출을 위해 노력해야하고, 특히 새로운 서비스에 저항이 낮은 젊은층을 중심으로 한 서비스신뢰 구축을 위해 노력해야 할 것이다.

• International journal of advanced smart convergence
• /
• 제8권2호
• /
• pp.102-108
• /
• 2019

Big data was associated with three key concepts, volume, variety, and velocity. Securities and investment services produce and store a large data of text/numbers. They have also the most data per company on the average in the US. Gartner found that the demand for big data in finance was 25%, which was the highest. Therefore securities and investment companies produce the largest data such as text/numbers, and have the highest demand. And insurance companies and credit card companies are using big data more actively than banking companies in Korea. Researches on the use of big data in securities and investment companies have been found to be insignificant. We surveyed 22 major securities and investment companies in Korea for activating big data. We can see they actively use AI for investment recommend. As for big data of securities and investment companies, we studied open API. Of the major 22 securities and investment companies, only six securities and investment companies are offering open APIs. The user OS is 100% Windows, and the language used is mainly VB, C#, MFC, and Excel provided by Windows. There is a difficulty in real-time analysis and decision making since developers cannot receive data directly using Hadoop, the big data platform. Development manuals are mainly provided on the Web, and only three companies provide as files. The development documentation for the file format is more convenient than web type. In order to activate big data in the securities and investment fields, we found that they should support Linux, and Java, Python, easy-to-view development manuals, videos such as YouTube.