Intelligenza Artificiale e Consumer Behaviour: rischi e benefici percepiti dai consumatori nell'interazione con un assistente vocale. Un'indagine esplorativa.
| Componente | Categoria |
|---|---|
| Maria Vernuccio | Tutor di riferimento |
La diffusione delle tecnologie dell'intelligenza artificiale (IA) attivate dalla voce (assistenti vocali) ha iniziato ad attirare l'attenzione della letteratura accademica. L'interazione utente-assistente vocale si basa su algoritmi di apprendimento e adattamento dinamici, i quali per funzionare correttamente richiedono molteplici dati personali, comportamentali e attitudinali degli utenti. A livello più generale, vanno crescendo le pratiche di raccolta/elaborazione massiva dei dati sui consumatori da parte delle imprese e, in parallelo, la tutela della privacy è sempre di più oggetto di importanti restrizioni normative (es., il GDPR in Europa). In questo contesto, i ricercatori di marketing hanno iniziato ad indagare le percezioni dei consumatori circa il rischio di violazione dei dati individuali raccolti (perceived privacy risk) e utilizzati (privacy concern) dagli assistenti vocali (AV). In questi studi, il rischio è stato indagato congiuntamente alla percezione dei benefici (utilitaristici, edonici e simbolici) derivanti dall'interazione con queste tecnologie. Data la rilevanza del tema e la carenza di contributi, il presente lavoro intende inserirsi in questo filone di studi e, con riferimento al contesto di interazione individuo-AV, si pone i seguenti obiettivi conoscitivi: 1) indagare le principali dimensioni del rischio percepito da parte dei consumatori; 2) esplorare le principali dimensioni dei benefici percepiti a seguito dell'interazione con un AV; e 3) verificare la presenza di gruppi di individui che siano distinti sulla base delle differenze percettive riguardanti i costrutti indagati (rischio e benefici percepiti). La natura conoscitiva degli obiettivi richiede un approccio di ricerca esplorativo quantitativo, che utilizzerà il questionario come strumento di raccolta dei dati. I dati saranno poi elaborati eseguendo un'exploratory factor analysis (EFA), alla quale farà seguito una k-means cluster analysis.