人工智能驱动的个性化、感知安全与移动银行持续使用:新兴市场中数字信任的基于知识的系统框架

《Knowledge-Based Systems》:AI-Driven Personalisation, Perceived Security and Mobile Banking Continuance: A Knowledge-Based Systems Framework for Digital Trust in Emerging Markets

【字体: 大 中 小 】 时间:2026年10月21日 来源:Knowledge-Based Systems 8.0

编辑推荐:

   • 人工智能驱动的个性化、感知安全与移动银行延续性:面向新兴市场数字信任的知识系统框架 • 个性化被理论化为知识型银行系统的属性 • 双路径将个性化引向满意度,将安全引向信任 • 感知侵入性中介了非单调的个性化—信任效应 • 透明度和控制权构成受调节中介的第一阶段 • 四个新

  

• 人工智能驱动的个性化、感知安全与移动银行延续性:面向新兴市场数字信任的知识系统框架
• 个性化被理论化为知识型银行系统的属性
• 双路径将个性化引向满意度,将安全引向信任
• 感知侵入性中介了非单调的个性化—信任效应
• 透明度和控制权构成受调节中介的第一阶段
• 四个新兴市场条件构成一个高阶情境脆弱性

引言

移动银行已成为金融机构管理客户关系和数据最重要的信息渠道之一。对银行而言,战略问题已从"能否说服客户下载并尝试应用"转向"在采纳的新鲜感消退后,客户是否会将其作为主要信息和交易渠道继续使用"。延续性之所以重要,是因为零售银行客户越来越多地在银行与金融科技公司应用之间多头开户,比较不同服务商的数字体验,并切换用于支付、储蓄、信贷和财务监控的常用应用。在此环境下,银客关系不仅通过网点互动或产品捆绑来维持,还通过数据驱动的、基于应用的微观体验不断重新协商。

移动银行的后采纳性质为知识型与人工智能赋能系统的研究带来特定的理论问题。传统技术采纳模型解释了用户为何接受系统,但在解释用户在反复使用一个日益代为行动的信息系统后为何保持参与方面,其能力不足。技术接受传统确立了感知有用性和易用性作为接受的核心驱动因素,期望确认模型将此逻辑延伸至后采纳行为,提出延续性源于用户对期望的确认、感知有用性和满意度。在移动银行研究中,由于金融服务具有高风险、信息密集和关系依赖的特点,该逻辑被进一步拓展了信任、风险、服务质量和安全等构念。

然而,移动银行已不再是一个静态的自助信息系统。其界面日益由人工智能塑造:个性化仪表板、预测性支出提醒、自动储蓄提示、欺诈警报、聊天机器人、产品推荐和自适应内容排序正成为日常服务互动的一部分。这一转变与更广泛的服务革命相一致,即智能系统从后台走向客户关系的一线。其规模与速度——因生成式和对话式人工智能而加速——使得对人工智能驱动的、基于知识的系统进行治理成为人工智能和决策支持研究的核心关切。到2020年代中期,随着大语言模型和生成式、日益自主的人工智能从后台分析走向银行应用的对话式一线,这一转变进一步加剧,重塑了相关性如何生成以及敏感数据如何使用的方式。因此,人工智能改变了信息系统延续性理论中"有用性"和"满意度"的含义。客户继续使用某个应用,不仅因为便利,还因为它似乎理解他们的财务习惯、预判相关需求并减少决策负担。这使得人工智能驱动的个性化成为一种关系性和体验性的信息线索,而不仅仅是技术特性。

与此同时,人工智能个性化银行的数据需求加剧了信息隐私理论核心中的安全和隐私担忧。移动银行应用只有通过收集、处理和解读敏感财务行为才能提供相关推荐。同样驱动相关性的数据智能也可能使客户质疑其数据如何存储、谁可访问、推荐如何生成,以及银行是否以公平和善意的方式使用客户信息。这产生了一种算法安全紧张关系,与信息系统文献中所识别的个性化—隐私悖论一致:个性化可通过增加感知相关性来增强延续性,但当其体验为侵入性、不透明或利用性时,也会削弱信任。先前的研究已将隐私与个性化结合以解释持续使用移动银行,近期的概念性工作通过个性化—隐私悖论将拟人化、个性化的AI与信息披露联系起来。本文与此不同,将个性化和安全视为通过不同的中介变量——满意度和信任——路由,并在人工智能赋能的金融信息系统中指定了非单调的、而非普遍正向的个性化到信任关系。

本文围绕一个核心问题展开:人工智能驱动的个性化和感知安全如何共同塑造移动银行延续性,以及在什么条件下个性化有助于而非损害客户关系?为回答此问题,本文发展了一个概念框架,明确将其定位为前瞻性、社会技术性的阐释,说明人工智能如何重塑银客关系——锚定于信息系统理论,但面向人工智能赋能金融服务的轨迹,而非单一学科的营销模型。核心论点是:延续性通过两条互补路径产生。首先,体验路径将人工智能驱动的个性化与经典期望确认模型评估连接至满意度。其次,关系风险路径将感知安全、隐私计算和可信赖的数据使用连接至信任。满意度和信任随后共同支持延续意愿,但通过不同的心理机制:满意度捕捉与信息系统交互的累积正面体验,而信任捕捉在脆弱条件下对客户作为数据托管方未来行为的信心。贯穿全文,这些客户感知被视为对底层知识系统特定、可治理属性的回应,这些属性在第二节第六部分中列出,并映射到第三节第九部分的命题中。

方法论上,本文使用理论综合来整合先前不相连的研究流派,并在人工智能赋能的移动银行语境中指定所提议的关系。借鉴信息系统延续性、信息隐私和信任研究,结合新兴的消费者—AI和信息管理文献,整合了通常被孤立考察的构念,并指定它们在人工智能赋能银行中如何协同运作。为使综合基础透明而非任意,综述协议(数据库、检索词、时间范围和纳入标准)以及从筛选到七项命题的路径,均在第二节第五部分报告。

本文对金融服务中知识型与人工智能赋能系统的研究做出了五项贡献。第一,通过理论化人工智能驱动的个性化——即一种自适应推荐能力——作为后采纳的知识系统构念,并将其规格化为生成该系统侧属性的条件,扩展了基于期望确认模型的延续性理论。第二,将信息隐私理论——特别是个性化—隐私悖论和隐私计算文献——与信任理论整合,解释数据驱动的相关性何时助力、何时损害延续性。第三,将体验路径通向满意度与关系风险路径通向信任区分开来,表明这些机制是差异化的而非可互换的。第四,引入算法安全紧张关系作为金融服务中人工智能赋能、知识型系统的关键边界条件,并将其指定为通过感知侵入性运行的受调节中介。第五,为新兴市场语境发展命题,其中数字金融包容、制度信任、信息系统合法性和异质性数字成熟度可能改变客户如何解读个性化和安全信号,将这些条件整合为单一高阶情境脆弱性调节变量。所形成的框架旨在引导对知识系统的进一步实证研究,并帮助组织设计人工智能赋能的、基于知识的金融系统,以维持长期参与而不损害客户信任。重要的是,贡献不在于两条路径的命名,那只是阐述性的,而在于框架所产生的具体且部分相互竞争的理论预测:体验线索与关系风险线索之间的差异化分离(命题1和3)、先前移动银行延续性模型中未指定的非单调算法安全紧张关系(命题6),以及将延续性重新表述为相关性与安全的信息治理联合优化,而非单一的采纳结果。

片段

移动银行延续性与期望确认模型

延续意愿指客户在初始采纳后继续使用一个信息系统的意愿。在移动银行中,延续性尤为重要,因为仅凭采纳并不能保证持久的关系价值。客户可能安装应用、用于有限任务,随后将常规活动转移至其他银行或金融科技公司。移动银行中的留存问题不仅是技术性的,也是关系性和体验性的。

概念框架与命题

图1总结了所提议的概念框架。该模型将当代人工智能赋能的信息系统线索与经典后采纳评估整合起来。人工智能驱动的个性化、感知安全和期望确认模型评估通过两种机制塑造延续性:满意度和信任。满意度代表体验路径;信任代表关系风险路径。模型还纳入了算法安全紧张关系,指定为通过感知侵入性运行的受调节中介。

研究议程

该框架识别了几个未来实证信息系统研究方向。首先,未来研究应使用纵向设计扩展当前分析。横断面调查可识别关联,但延续性本质上是动态的。客户可能最初重视个性化,随后体验疲劳或侵入性,并在安全事件或服务恢复后修正信任。纵向数据将允许研究者考察满意度和信任如何随时间变化。

知识型银行系统设计治理的启示

该框架对信息和银行管理者具有直接启示。第一,人工智能驱动的个性化应作为关系建设型信息能力来治理,而非狭窄的销售技术。个性化功能应根据感知相关性、客户收益、公平性和可解释性来评估。一项能提升短期转化但降低感知善意的推荐可能损害延续性。

第二,银行应使安全可见,并……

对知识系统研究的贡献

本文通过重新框定移动银行延续性为一个双路径、信息治理问题——将自适应信息过滤与数据保护耦合——而非单一技术采纳结果,对知识系统研究做出贡献。先前研究通常将延续性视为有用性、满意度或信任被单独考虑的结果。正如表1明确所示,每个先前视角都提供了必要但不完整的解释;框架的价值在于……

局限与结论

本研究是概念性的,通过理论综合发展而成,因此其命题应结合框架的范围和设计来解读,而非视为实证检验的结果。其价值在于澄清机制、命题和边界条件,以指导未来研究。该框架可使用纵向调查数据、行为应用使用数据、关于个性化推荐透明度的实验以及跨市场比较来扩展和检验。

贡献者声明

作者贡献声明

Ece Kozol:概念化;方法论;调查;可视化;原始论文撰写;论文审阅与编辑。

数据可用性

这是一篇通过理论综合发展的概念性论文;未生成或分析主要或次要数据集。综合中引用的所有来源均列于参考书目中。

生成式人工智能在写作过程中的使用声明

在撰写本文手稿过程中,作者使用了生成式人工智能工具(Claude,Anthropic)协助语言编辑、参考文献检查和引文验证。作为本次修订的一部分,对2024–2025年的引文进行了一次验证,逐一对照原始出版物核实;所有引文均确认准确。该工具未被用于生成研究设计、理论命题或实质性分析。作者审阅并编辑了所有贡献者声明。

稿件编号:KNOSYS-D-26-18982
标题:人工智能驱动的个性化、感知安全与移动银行延续性:面向新兴市场数字信任的知识系统框架

Ece Kozol:概念化;方法论;调查;可视化;原始论文撰写;论文审阅与编辑。作为唯一作者,Ece Kozol负责上述描述工作的各个方面。

作者贡献声明
Ece Kozol:论文审阅与编辑,原始论文撰写,可视化,概念化。

利益冲突声明
作者声明,他们没有任何已知的竞争性经济利益或个人关系可能影响本文所报告的工作。

Ece Kozol
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号