后疫情时代人工智能对移动银行使用行为意向的影响机制研究——基于UTAUT模型的扩展分析

这篇综述基于UTAUT（技术接受与使用统一理论）框架，创新性整合人工智能（AI）的感知智能性（Perceived Intelligence）和拟人化特征（Anthropomorphism），通过结构方程模型（SEM）分析泰国412名用户数据，揭示了后疫情时代移动银行（m-banking）行为意向的关键驱动因素，为金融科技领域的AI应用提供理论拓展与实践指导。

　　

后疫情时代移动银行行为意向的AI驱动机制

引言

新冠疫情的爆发加速了全球数字化金融转型，移动银行（m-banking）成为泰国用户高频使用的工具（周使用率达97%）。研究以UTAUT理论为基础，首次整合AI两大核心特征——感知智能性（PI）和拟人化（PA），探究后疫情时代用户行为意向（BI）的影响机制，填补了AI在金融科技应用中的理论空白。

研究方法

采用横断面设计，通过随机抽样收集泰国430份问卷（有效样本412份），使用AMOS软件构建结构方程模型（SEM）。模型拟合指标优良（CMIN/DF=2.167，RMSEA=0.054），信效度检验通过Cronbach's α>0.7和AVE>0.5标准。关键变量包括：

• 传统UTAUT维度：绩效期望（PE）、努力期望（EE）、社会影响（SI）、便利条件（FC）

• 扩展变量：AI特性（PI/PA）、信任（T）、隐私感知（PP）等

关键发现

1. AI特性显著驱动行为意向

   • 感知智能性（β=0.429, p<0.001）通过个性化推荐和欺诈检测提升用户体验

   • 拟人化设计（β=0.516, p<0.001）增强情感联结，如具备同理心的AI客服

2. 传统因素持续生效

   社会影响（β=0.389）和绩效期望（β=0.114）仍是核心驱动力，印证了UTAUT的跨文化适用性。

3. 意外非显著因素

   价格价值（PV）和习惯（HT）未达显著性，反映泰国用户更关注功能而非成本，且疫情打破了原有行为惯性。

实践启示

• 金融机构应开发生物识别（如声纹验证）和情感化AI界面

• 政策制定者需建立AI伦理框架，确保算法透明度（Algorithmic Transparency）

• 研究前瞻：建议采用纵向研究追踪AI技术采纳的生命周期效应

局限性

样本年龄偏斜（18-29岁占比高）可能放大数字原生代的影响，未来可结合神经经济学方法（如fMRI）探究深层认知机制。

（注：全文严格依据原文数据，未添加非文献支持结论）