생성형AI 정보품질이 추천의도에 미치는 영향에 관한 연구: 신뢰와 만족의 매개효과 중심으로 = A Study on the Impact of Generative AI Information Quality on Recommendation Intention : Focusing on the Mediating Effects of Trust and Satisfaction

국문 초록 (Abstract)

본 연구는 생성형AI 정보품질이 신뢰와 만족을 매개하여 추천의도에 미치는 영향에 관하여 분석하였다. 생성형AI정보품질에는 다양한 변인들이 있지만 본 연구에서는 가치성, 신뢰성, 정확성, 평판우수성을 독립변수로 선정하였고, 신뢰와 만족을 매개하여 추천의도에 미치는 영향을 분석하였다. 그리고 다중집단분석을 통하여 거래유형(유료/무료)에 따라 변수 간의 영향관계에 차이가 있는지 여부를 확인하였다. 연구결과로는 신뢰성과 정확성, 평판우수성은 신뢰에 유의한 영향을 미쳤고 가치성은 유의하지 않은 것으로 나타났다. 가치성과 평판우수성은 만족도에 유의한 영향을 미쳤으나 신뢰성과 정확성은 만족도에 유의하지 못한 것으로 나타났다. 만족도는 신뢰에, 신뢰와 만족도는 추천의도에 영향을 미치고 있었다. 또한 매개효과검증에서 신뢰는 신뢰성, 정확성, 평판우수성과 추천의도 간을 매개하는 것으로 나타났고, 만족도는 가치성, 평판우수성과 추천의도 간을 매개하고 있었다. 다중집단분석 결과 거래유형에 따라 정확성과 만족도 간, 평판우수성과 만족도 간의 영향관계가 통계적으로 유의한 차이가 있는 것으로 확인되었다. 본 연구는 생성형AI 서비스에서 정보품질이 신뢰와 만족을 차별적으로 매개하여 추천의도에 미치는 영향을 실증적으로 규명함으로써, 기존 정보시스템 성공모델을 생성형AI 환경으로 확장하는 이론적 기여를 제공하였다. 거래유형(유료/무료)에 따라 사용자 간 기대치 차이를 실증적으로 확인하여 신뢰성 확보, 가치성 제고, 고품질 데이터 확보 등 생성형AI 업체의 차별화된 서비스 전략 수립이 필요하다는 실증적 근거를 제시하였다. 또한 생성형AI의 사회적 수용도 제고를 위한 신뢰 형성메커니즘을 사용자 관점에서 규명하여 신뢰할 수 있는 AI 생태계 구축에 기여하였다. 아직까지 생성형AI 관련 연구가 부족한 편으로 지속적인 연구가 필요한 시점에서, 본 연구는 시의 적절하게 학문적, 실무적, 정책적으로 도움이 될 것이라는 점에 의의가 있다.

다국어 초록 (Multilingual Abstract)

This study analyzed the influence of generative AI information quality on recommendation intention, mediated by trust and satisfaction. While various variables constitute generative AI information quality, this study selected value, reliability, accuracy, and reputation excellence as independent variables and analyzed their influence on recommendation intention, mediated by trust and satisfaction. Furthermore, a multi-group analysis was conducted to determine whether differences existed in the influence relationships between variables based on transaction type (paid/free).
The results showed that reliability, accuracy, and reputation excellence significantly influenced trust, while value did not. Value and reputation excellence significantly influenced satisfaction, but reliability and accuracy did not significantly influence satisfaction. Satisfaction influenced trust, and both trust and satisfaction influenced recommendation intention.
Furthermore, the mediation effect analysis revealed that trust mediated the relationship between reliability, accuracy, reputation excellence, and recommendation intention, while satisfaction mediated the relationship between value perception, reputation excellence, and recommendation intention. The multi-group analysis revealed statistically significant differences in the influence relationships between accuracy and satisfaction, and between reputation excellence and satisfaction, depending on the transaction type.
This study empirically clarifies how information quality differentially mediates the effects of trust and satisfaction on recommendation intention in generative AI services. It provides a theoretical contribution by extending existing information system success models to the generative AI environment. It empirically confirmed differences in user expectations based on transaction type (paid/free), providing evidence that generative AI companies need differentiated service strategies, such as ensuring reliability, enhancing value, and securing high-quality data. Furthermore, it clarified the trust-building mechanism from the user perspective to enhance the social acceptance of generative AI, contributing to the establishment of a trustworthy AI ecosystem.
Given the current scarcity of research on generative AI and the need for ongoing studies, this research is timely and significant for its academic, practical, and policy implications.