Intelligenza Artificiale e Consumer Behaviour: rischi e benefici percepiti dai consumatori nell'interazione con un assistente vocale. Un'indagine esplorativa.

Anno
2020
Proponente -
Struttura
Sottosettore ERC del proponente del progetto
SH1_10
Componenti gruppo di ricerca
Componente Categoria
Maria Vernuccio Tutor di riferimento
Abstract

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.

ERC
SH1_10
Keywords:
INTELLIGENZA ARTIFICIALE, MARKETING, ANALISI COMPLESSA DI PIU¿ VARIABILI, CLUSTER ANALYSIS, INTERFACCE E INTERAZIONE UOMO-MACCHINA

© Università degli Studi di Roma "La Sapienza" - Piazzale Aldo Moro 5, 00185 Roma