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（英）

本研究使用 ChatGPT 模拟调查用户对支付应用的使用情况，重点关注隐私感知和收益感知。研究发现，生成代理对支付应用的看法与实际调查结果相似，尤其是在隐私关注程度分组的情况下。隐私关注者对应用的评价较低，而用户比非用户对应用的看法更积极，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关注。这些结果表明，生成式 AI 可以补充但无法取代人类调查，用于研究人们对支付工具的感知。

研究方法：

• 使用 ChatGPT-4o 模型模拟调查问卷。
• 设计提示，模拟不同用户特征，包括年龄、性别、是否使用支付应用等。
• 将生成代理分为六组年龄组，并根据实际调查数据分配用户比例。
• 进行三种实验：
  • 案例一：与实际调查的年龄组和用户分布一致。
  • 案例二：在提示中指定 Westin 类别。
  • 案例三：添加收入和教育水平属性。

研究结果：

• 生成代理对支付应用收益和隐私的看法与实际调查结果相似。
• 隐私关注者对支付应用的评价较低，风险感知较高。
• 用户对支付应用的看法比非用户更积极，风险感知较低。
• 生成代理的响应变异性低于实际调查。
• 大多数生成代理被归类为“隐私关注者”，与实际调查结果不符。
• 在提示中指定多个特征会导致 ChatGPT 对某些特征重视程度较低，对其他特征重视程度较高。

研究结论：

• 生成式 AI 有潜力成为市场调查的补充工具，但无法完全取代人类调查。
• 使用生成式 AI 进行市场调查时需要谨慎，注意可能存在的偏差和忽略少数观点的风险。
• 提示设计和合成调查的设置会影响调查结果。
• 政策制定者在使用生成式 AI 进行市场调查时需要认识到这些局限性，并采取必要的措施来减轻风险。