Παράγοντες που επιδρούν στην αντίληψη ανθρωπομορφισμού στην τεχνητή νοημοσύνη

Abstract

Η παρούσα μελέτη διερευνά την ανθρωπομορφική διάσταση της τεχνητής νοημοσύνης (ΤΝ) σε δημοφιλείς πλατφόρμες αξιολόγησης στον κλάδο της φιλοξενίας, εξετάζοντας τις αντιδράσεις των χρηστών στις απαντήσεις της ΤΝ σε σύγκριση με τις πραγματικές απαντήσεις των ανθρώπινων εκπροσώπων. Μέσω ενός ποιοτικού ερευνητικού σχεδιασμού, διερευνούμε τους παράγοντες που επηρεάζουν την ικανοποίηση των χρηστών από τις απαντήσεις που δημιουργούνται από την ΤΝ σε σχέση με τις απαντήσεις που δημιουργούνται από τον άνθρωπο, με τους συμμετέχοντες να μην γνωρίζουν τον συντάκτη της απάντησης. Τα μέχρι στιγμής ερευνητικά ευρήματα, αποκάλυψαν έξι κύριες κατηγορίες που επηρεάζουν την ικανοποίηση των χρηστών, καθεμία από τις οποίες έχει άμεσο θετικό ή αρνητικό συναισθηματικό αντίκτυπο. Τα ευρήματα, υποδηλώνουν ότι οι απαντήσεις των chatbots, οι οποίες αναγνωρίζουν και αντιμετωπίζουν άμεσα τα αρνητικά σχόλια, προτιμώνται συχνά έναντι των απαντήσεων που δημιουργούνται από τον άνθρωπο, οι οποίες δίνουν κυρίως έμφαση στις θετικές πτυχές χωρίς να αναγνωρίζουν τα αρνητικά σχόλια. Η παρούσα μελέτη συμβάλλει στη βιβλιογραφία σχετικά με τον ανθρωπομορφισμό της ΤΝ και τη συναισθηματική νοημοσύνη της ΤΝ στην εξυπηρέτηση πελατών, παρέχοντας πληροφορίες σχετικά με τον ρόλο της ενσυναίσθησης, της επίλυσης προβλημάτων και της συναισθηματικής γλώσσας στις απαντήσεις που δημιουργούνται από την ΤΝ.

This study explores the anthropomorphic dimension of artificial intelligence (AI) on popular review platforms within the hospitality industry by examining users' reactions to AI responses compared to actual responses from human representatives. Through a qualitative research design, we investigate the factors that influence user satisfaction with AI-generated responses versus human-generated responses with participants unaware of the response author. The research findings so far, revealed six main categories that influence user satisfaction, each with a direct positive or negative emotional impact. The findings, suggest that chatbots responses, which directly acknowledge and address negative comments, are often preferred over human-generated responses that primarily emphasize positive aspects without acknowledging negative comments. This study contributes to the literature on the AI anthropomorphism and AI emotional intelligence in customer service by providing insights into the role of empathy, problem-solving, and emotional language in AI-generated responses.