用于支付应用调查的生成式人工智能：人工智能对隐私和技术的看法

本文研究了使用 ChatGPT 模拟支付应用程序调查，重点关注隐私感知和感知收益。研究发现，生成代理对支付应用程序的看法与实际调查结果一致，尤其是在按隐私担忧分组时。关注隐私的代理对应用程序的评价较低，而用户比非用户的态度更积极，即使提示中没有指定这种特征。然而，ChatGPT 无法匹配真实调查的响应变异性，并且倾向于高估隐私担忧。这些结果表明，生成式 AI 可以补充但无法取代人工调查，用于研究人们对支付工具的感知。

研究使用了 Brits 和 Jonker (2023) 的荷兰消费者使用金融应用程序的调查数据，该调查表明荷兰消费者的金融应用程序使用很大程度上反映了理性的隐私计算——仔细权衡感知收益与隐私风险，而不是表现出隐私悖论行为。研究通过设计反映真实用户特征的提示来生成 ChatGPT 的响应，并将这些响应与实际调查结果进行了比较。

研究发现，关注隐私的代理对金融应用程序的评价较低，而用户比非用户的态度更积极，即使提示中没有指定这种特征。此外，ChatGPT 提供的响应考虑了用户和非用户之间的差异，这与实际调查中观察到的结果一致，而无需在提示中指定这些特征。在 ChatGPT 的模拟中，用户发现金融应用程序更有益，而感知到的风险低于非用户。

然而，研究也发现了一些局限性。首先，生成代理的响应变异性低于实际调查。其次，大多数生成代理被归类为“隐私原教旨主义者”，这与实际调查不符。此外，ChatGPT 生成的响应存在偏差，导致对隐私和风险的高估。最后，同时指定多个特征会导致 ChatGPT 对某些特征重视不足，而对其他特征过度重视。

研究结果表明，生成式 AI 有可能成为市场调查的补充工具，但需要谨慎使用，并认识到其局限性。生成式 AI 可以提高设计调查的效率，但不能完全取代人工调查。在使用生成式 AI 进行调查时，需要识别和培养用例，并仔细管理相关风险。