人工智能對金融科技創(chuàng)新阻力的影響機制研究

一、緒論根據(jù)《金融科技發(fā)展規(guī)劃（2022-2025年）》，數(shù)字經(jīng)濟的蓬勃興起為金融創(chuàng)新發(fā)展構筑廣闊舞臺，數(shù)字技術的快速嚴謹為金融數(shù)字化轉型注入充沛活力，金融科技逐步邁入高質量發(fā)展的新階段。在“十三五”規(guī)劃期間，我國逐步形成了以“F（綜合金融科技）A（人工智能）B（區(qū)塊鏈）C（云計算）D（大數(shù)據(jù)）E（用戶體驗）”為主體的金融科技創(chuàng)新體系。“十四五”規(guī)劃明確將創(chuàng)新驅動作為發(fā)展方向，具體到金融科技領域，重點提到“要提升金融科技水平”[1]。金融科技一詞源于金融和技術這兩個詞的縮寫，于1972年出現(xiàn)在科學文獻中，被定義為“將銀行專業(yè)知識與現(xiàn)代管理科學技術和計算機結合起來”[2]。目前，金融科技正在以驚人的速度變革金融業(yè)[3][4][5][6]。金融科技有助于降低成本，增加客戶的可接觸性，并以更有效的方式管理風險，幫助企業(yè)獲得可持續(xù)的競爭優(yōu)勢[6]，帶動企業(yè)自主創(chuàng)新。例如，在金融科技的幫助下，小企業(yè)和個人或家庭，能夠便捷使用移動支付、在線貸款等金融服務；企業(yè)獲得在信用評估方面的信息優(yōu)勢，量化風險，提高自身風控和風險管理能力；其強大的數(shù)據(jù)收集和分析能力，能有效減少信息不對稱，促進金融市場和金融體系的穩(wěn)定發(fā)展等。而金融科技給用戶帶來高效便捷的體驗時，也改變了用戶使用金融科技服務的傳統(tǒng)方式，這可能會使用戶產(chǎn)生金融科技的創(chuàng)新阻力。創(chuàng)新阻力是消費者由于現(xiàn)有滿意狀態(tài)的潛在變化或信念矛盾而反對創(chuàng)新[7][8]。一旦創(chuàng)新打破了消費者的規(guī)范、傳統(tǒng)、習慣或慣例，或與消費者的信仰、信念、價值觀發(fā)生沖突，就會產(chǎn)生抵觸[9]。近年來，雖然創(chuàng)新阻力的研究在移動和互聯(lián)網(wǎng)銀行[10]、移動式電子錢包[11]、移動支付[12]等具體領域正迅速獲得學者們的關注，但學者們較少聚焦于當前金融科技的核心技術——人工智能對金融科技創(chuàng)新阻力的影響。人工智能則由于能夠為客戶提供廉價、高效和個性化的服務，在金融行業(yè)越來越受歡迎[13]。并且，《金融科技發(fā)展規(guī)劃（2022-2025年）》指出，抓住全球人工智能發(fā)展新機遇，著力打造場景感知、人機協(xié)同、跨界融合的指揮金融新業(yè)態(tài)；不斷提升金融服務深度、廣度和溫度?！敖鹑诳萍?人工智能”模式不僅給金融行業(yè)帶來了前所未有的機遇，而且也顛覆了用戶體驗金融服務的傳統(tǒng)使用方式和渠道，如智能支付、智能客服、智能征信、智能風控、智能投顧、智能理賠、智能保險等。Haenlein和Kaplan[14]將人工智能定義為“一種系統(tǒng)的能力，即正確解釋外部數(shù)據(jù)，從這些數(shù)據(jù)中學習，并通過靈活地采用這些學習結論來實現(xiàn)特定的目標和任務”。隨著服務提供商將人工智能技術整合到面向客戶的活動中，它不僅可能改變消費者的服務體驗[15]，還可能有助于創(chuàng)建更高效的后臺操作[16]?？偟膩碚f，在人工智能的支持下，機器在工作場所和整個社會中執(zhí)行當前由人類負責的特定角色和任務的能力不斷提高[17]。人工智能以機器學習、語音識別和預測分析的形式，使機器人和聊天機器人能夠提供財務建議；分析風險；管理資產(chǎn)并從事算法交易[13]。整體而言，人工智能技術進一步提升金融行業(yè)的數(shù)據(jù)處理能力和效率，推動金融服務模式趨向主動化、個性化、智能化，提升金融風險控制效能和助推普惠金融服務發(fā)展[18]。此外，隨著金融機構將其商業(yè)模式轉向數(shù)字自助服務技術渠道，客戶在與人工智能代理交互時感到舒適的需求對于增強客戶體驗和公司績效至關重要[16]。綜上，結合現(xiàn)有文獻中的研究，人工智能具有不同于其他科技的特性，即感知智能化和感知擬人化。我們將感知智能化定義為感知人工智能的行為是高效和自主的，具有處理和產(chǎn)生自然語言并提供有效輸出的能力；感知擬人化定義為用戶基于典型和獨特的人類特征感知代理類人的程度，比如流利、尊重或有趣（人類獨有的特征），以及友好、快樂或關心（人類的特征）[19]。因此，在本研究中，我們將探討人工智能如何降低金融科技創(chuàng)新阻力，以減少用戶使用金融科技產(chǎn)品和服務的障礙，推動智慧金融服務與生產(chǎn)生活場景深度融合，拓展金融服務觸達半徑和輻射范圍，彌合地域間、群體間、機構間的數(shù)字鴻溝，讓金融科技發(fā)展成果更廣泛、更深入、更公平地惠及廣大人民群眾。在上述背景下，本文旨在研究人工智能對金融科技創(chuàng)新阻力的影響機制，以創(chuàng)新阻力理論為基礎，結合人工智能感知智能化和感知擬人化的特性，把調查環(huán)境鎖定在國內。學者們主要關注金融科技中人工智能的應用和監(jiān)管[13][20][21]，而對于人工智能感知智能化和感知擬人化對金融科技創(chuàng)新阻力的影響研究較少，這是有關金融科技研究領域的一塊空缺，故本文擬繼續(xù)對此展開研究。并且，雖然已有學者們和大型金融機構等對國內人工智能在金融科技中的創(chuàng)新進行研究，但其主要針對中小企業(yè)，商業(yè)銀行等主要參與者[22][23]，而對于作為金融科技的起點的用戶，學者們的關注較少，故本研究以用戶為研究對象展開深入研究，完善和填補當前研究的這一空缺，從而促進對人工智能影響金融科技創(chuàng)新阻力的理解。下一節(jié)首先對現(xiàn)有人工智能和金融科技創(chuàng)新阻力研究的文獻綜述，其次提出了實證研究的假設和研究模型。在對研究數(shù)據(jù)和結果進行討論后，我們總結了其局限性和未來發(fā)展方向。二、文獻綜述金融穩(wěn)定理事會將金融科技定義為金融服務領域的技術創(chuàng)新，這些創(chuàng)新可能會帶來新的商業(yè)模式、應用程序、流程或產(chǎn)品，并對金融市場和機構以及金融服務的提供產(chǎn)生相關的重大影響。盡管金融科技在一定程度上給予用戶生產(chǎn)生活便捷的服務和幫助，仍存在一些因素導致用戶延遲或減少對金融科技的采用，進而阻礙金融科技的進一步發(fā)展以及降低金融服務的水平和效率。先前學者們在對金融科技的采用和持續(xù)使用的研究中，常采用技術接受模型（TechnologyAcceptanceModel，TAM）和技術接受整合模型（UnifiedTheoryofUserAcceptanceofTechnology，UTAUT）等[20][24][25][26][27][28]，仍主要關注金融科技采用的推動因素，對于金融科技產(chǎn)生的創(chuàng)新阻力的影響的關注有限。然而，理解人們?yōu)槭裁床皇褂靡环N新產(chǎn)品和服務的原因與理解他們?yōu)槭裁词褂盟粯又匾?。這一結論不僅有助于新產(chǎn)品和服務的開發(fā)階段，而且對現(xiàn)有的“新”產(chǎn)品的服務提出了調整建議[12]。在創(chuàng)新不斷進入市場的背景下，創(chuàng)新阻力理論的重要性日益凸顯。該理論著重于從不同的障礙因素來解釋消費者對任何產(chǎn)品的反應，為學者們解釋創(chuàng)新的阻力提供了理論基礎[10]。并且，人工智能已廣泛應用于現(xiàn)有的金融科技服務。因此通過創(chuàng)新阻力理論，同時能填補人工智能對金融科技創(chuàng)新阻力的影響機制研究的空白。創(chuàng)新阻力理論已被學者們廣泛用于研究不同創(chuàng)新產(chǎn)品或服務給用戶帶來的障礙和阻力，如表1所示。具體來說，創(chuàng)新阻力可以被定義為由于現(xiàn)有狀況的改變和現(xiàn)有信念體系的偏離可能帶來的變化，進而產(chǎn)生對創(chuàng)新的采用和使用進行再次理性思考并影響最終決策的行為[16]。其中，該理論提出了五種障礙，即使用障礙、價值障礙、風險障礙、傳統(tǒng)障礙和形象障礙[8]。先前的文獻中，學者們對不同種類的金融科技產(chǎn)品或服務給用戶造成的阻力進行了實證研究，部分展示于表1中。隨著人工智能高度滲透金融科技領域，它通過提高金融科技服務效率和提供更智能化的金融科技產(chǎn)品和金融服務來推動金融業(yè)和社會經(jīng)濟水平的的新增長。如智能支付減少現(xiàn)金使用頻率，便利了我們的日常生活；智能投顧為不同類型客戶提供個性化的投資服務，提高閑置資金的使用率；智能風控有效降低風險事件發(fā)生的概率和損失，保障金融機構的業(yè)務效率和安全性等。因此基于創(chuàng)新阻力理論，我們考慮從人工智能感知智能化和感知擬人化兩個維度，結合“使用障礙、價值障礙、風險障礙、傳統(tǒng)障礙和形象障礙”五個方面，探討人工智能對金融科技創(chuàng)新阻力的影響。表1有關創(chuàng)新阻力理論的實證研究作者研究主題理論主要研究結果Shikshaetal.,2019有機食品消費消費價值理論；創(chuàng)新阻力理論本文是2004年后首個關于有機食品消費的不同動機和障礙的系統(tǒng)文獻綜述。本文利用兩個著名的理論框架，即消費價值理論和創(chuàng)新阻力理論，對不同的動機和障礙進行了分類。當前的系統(tǒng)文獻綜述發(fā)展了一個關于動機、障礙和消費者購買決策之間潛在關聯(lián)的綜合框架，其將使學者能夠在有機食品中選擇和測試影響購買決定的最相關的因素。Mohdetal.,2020購買環(huán)保化妝品創(chuàng)新阻力理論所有障礙都是采用環(huán)?；瘖y品的重要障礙，其中傳統(tǒng)壁壘和形象壁壘對消費者購買意愿的抑制力最強。消費者對環(huán)境的關注降低了價值障礙和形象障礙對消費者購買環(huán)保產(chǎn)品意愿的負面影響。消費者對健康的關注降低了傳統(tǒng)障礙和風險障礙對消費者環(huán)?；瘖y品購買意圖的負面影響。Shalinietal.,2020在線旅行社消費創(chuàng)新阻力理論利益障礙是在線旅行社服務購買意愿的主要抑制因素。隱私和安全問題以及脆弱性障礙與意圖呈正相關。可見性影響利益障礙和購買意愿之間的關聯(lián)強度，其強度在年輕、中年和老年用戶之間存在差異。Long&Chei2019慕課的使用創(chuàng)新阻力理論發(fā)展中國家學生在采用慕課時遇到的主要障礙是使用障礙、價值障礙和傳統(tǒng)障礙。個人因素（如自我控制和態(tài)度）以及環(huán)境（如基礎設施和經(jīng)濟）也會影響學生使用慕課的決定。Puneetetal.,2020移動支付創(chuàng)新阻力理論使用、價值和風險障礙與用戶使用移動支付的意圖呈負相關，而傳統(tǒng)障礙和形象障礙與其沒有關聯(lián)。使用和價值障礙與用戶推薦移動支付的意圖呈負相關。Kuo&Silvia2020移動支付自決理論；創(chuàng)新阻力論使用移動支付的自主性對復雜性障礙、圖象障礙、風險障礙有顯著的負面影響；使用移動支付的能力對圖象障礙有顯著的負面影響；使用移動支付的相關性對圖象障礙和風險障礙有顯著的負面影響。復雜性障礙和圖象障礙對移動支付的使用意圖有顯著的負面影響。Leongetal.,2020移動錢包創(chuàng)新阻力理論研究發(fā)現(xiàn)教育對移動錢包創(chuàng)新阻力有負面影響，收入則對其有積極影響，感知新穎性對其有顯著影響。在創(chuàng)新阻力中，對移動錢包創(chuàng)新阻力的影響由強到弱是使用障礙、傳統(tǒng)障礙、風險障礙和價值障礙。人工智能因其在媒體中的重要性及其改變商業(yè)和日常生活方式的潛力而獲得了廣泛的公眾興趣，它包括通過專家系統(tǒng)、機器學習或深度學習來設計模仿人類智能和能力的機器[29]。人工智能擁有克服人類的一些計算密集型、智力甚至有限創(chuàng)造性的能力，在教育和營銷、醫(yī)療保健、金融和制造領域開辟了新的應用領域，從而對生產(chǎn)力和績效產(chǎn)生影響。人工智能系統(tǒng)的時代已經(jīng)發(fā)展到可以通過機器智能執(zhí)行自動駕駛汽車、聊天機器人、自主規(guī)劃和調度、游戲、翻譯、醫(yī)療診斷甚至和垃圾郵件對抗的水平[30]。隨著人工智能和數(shù)字平臺等的崛起，它們可能導致傳統(tǒng)銀行業(yè)務模式的縱向和橫向解體。專業(yè)的金融服務提供商可以削減不依賴存款資金的服務，例如支付和資產(chǎn)管理服務。數(shù)字平臺則可以成為銀行與其客戶之間的新中間人[31]。同時，越來越多的金融機構尋求從人工智能應用程序中受益，以簡化其客戶群的運營和服務績效[32]。同時，在國內研究中，程雪軍[33]基于我國消費金融的發(fā)展難點以及人工智能的技術特點，分析了人工智能深度介入消費金融行業(yè)的動因、主要風險，提出人工智能在消費金融場景的應用中的風險防控措施，探索人工智能賦能消費金融的發(fā)展意義。在金融科技的持續(xù)發(fā)展和用戶的金融需求不斷增長方面，人工智能代表了一個明顯的機會，通過為用戶提供更大的價值和增加公司的收入從而推動金融業(yè)的轉型[20]。在P2P網(wǎng)絡借貸平臺中，機器人顧問以自動化的方式生成大量數(shù)據(jù)，這些數(shù)據(jù)不僅可以用來改進服務，使其更加個性化，還可以降低合規(guī)風險[21]。在移動銀行領域，近年來，人工智能已成為應對網(wǎng)絡安全威脅的重要工具，例如，它能夠快速識別對客戶賬戶未經(jīng)授權的使用，并采取行動將財務風險降至最低，而客戶無需付出任何努力[16]。同時，由人工智能支持的聊天機器人在執(zhí)行重復性任務時，通常更具成本效益和速度更快。并且，在銀行賬戶和某些投資等特定類型的財務建議上，客戶似乎更信任人工智能[13]。在人工智能的支持下，金融科技和傳統(tǒng)金融服務已經(jīng)并將繼續(xù)以更快的速度發(fā)生變化[29]。表2總結了人工智能在金融科技業(yè)務中的應用研究。表2人工智能在金融科技業(yè)務中的應用研究作者研究主題主要研究成果Belancheetal.,2019機器人顧問的采用態(tài)度是使用財務機器人顧問的行為意圖的最強預測因素，其次是主觀規(guī)范。當參與者對使用機器人的熟悉程度較低時，主觀規(guī)范的影響比當他們熟悉程度較高的時候更大。不同參與者的文化對使用意向前因的影響存在相關差異。Payneetal.,2021人工智能；移動銀行服務平臺這表明消費者更加重視人工智能和移動銀行的實用價值（即安全性、速度和便利性）而不是在非社會背景下提供服務的享樂價值。結果支持將消費者視為數(shù)字技術渠道中價值共創(chuàng)過程的參與者的觀點。人工智能所支持的應用常直接或間接作用于消費者使用的金融產(chǎn)品或服務，由此用戶的感知則是金融科技受人工智能影響的結果。人工智能作為獲取某一領域的海量信息，并利用這些信息對具體案例做出判斷，達成特定目標的一種技術。它可能模仿人類思考于認知的模式和在與人交互時擁有人類的反應[18]。Moussawi[19]等人將感知智能化定義為感知人工智能的行為是高效和自主的，具有處理和產(chǎn)生自然語言并提供有效輸出的能力；感知擬人化定義為用戶基于典型和獨特的人類特征感知代理類人的程度，比如流利、尊重或有趣（人類獨有的特征），以及友好、快樂或關心（人類的特征）。具體到金融科技領域，一方面機器智能分析復雜的客戶數(shù)據(jù)，了解呵護的消費習慣和金融訴求，另一方面會說話的機器人在無人值守銀行里作為大堂經(jīng)理來引導客戶、和客戶對話、解決客戶問題并完成交易，使批量實現(xiàn)對客戶的智能化和個性化服務成為可能[18]。因此，我們認為人工智能的感知智能化和感知擬人化會影響金融科技創(chuàng)新阻力。創(chuàng)新阻力理論以功能障礙和心理障礙的形式指出消費者抵抗的所有主要來源，解釋了消費者拒絕購買新產(chǎn)品的原因，是研究障礙或消費者阻力的最成熟和有效的框架[34]。金融科技在金融和科技的深入融合中不斷推進金融業(yè)的創(chuàng)新發(fā)展，拓寬金融服務，提供智能化的金融產(chǎn)品，提升傳統(tǒng)金融的服務效率，助力金融機構數(shù)字化轉型。該理論認為，消費者面臨的創(chuàng)新阻力可以具體分為使用障礙、價值障礙、風險障礙、傳統(tǒng)障礙和形象障礙[8]。當消費者感受到創(chuàng)新所帶來的變化時，功能障礙就會產(chǎn)生影響，而當創(chuàng)新與既定的價值觀或信念相悖時，心理障礙就會被激活[9]。這就意味著，在消費者采用金融科技前后均會受到創(chuàng)新阻力的影響。而基于創(chuàng)新所帶來的變化或其不連續(xù)的程度，和/或它與消費者的信念結構沖突所產(chǎn)生的創(chuàng)新阻力的程度不同，對創(chuàng)新的采用時機的影響不同[8]。因此，為了進一步了解人工智能智能化和擬人化特征對金融科技創(chuàng)新阻力的影響，我們選擇創(chuàng)新阻力理論作為本研究適合的理論框架。Chung和Liang[12]結合了創(chuàng)新阻力理論和自決理論，提出一個綜合的研究框架，探討了消費者對移動支付的使用意圖，并試圖從用戶的角度來理解和分類對移動支付的阻力?；谏鲜?，國內外學者們對于金融科技創(chuàng)新阻力的影響的關注有限。因此，本研究重點關注中國用戶，從人工智能智能化和擬人化方面探討其對金融科技創(chuàng)新阻力的影響。這有助于提升普惠金融服務質效，讓更多小微市場主體真正獲益。三、研究模型本研究在“創(chuàng)新阻力理論（innovationresistancetheory）”[35]的基礎上，結合人工智能的感知智能化和感知擬人化的特性，如圖1，從“創(chuàng)新阻力理論（innovationresistancetheory）”中的“使用障礙、價值障礙、風險障礙、傳統(tǒng)障礙和形象障礙”五個方面，結合人工智能感知智能化和感知擬人化的特性，建立了分析人工智能對金融科技創(chuàng)新阻力的影響的研究模型。創(chuàng)新阻力理論創(chuàng)新阻力理論人工智能的特性使用障礙人工智能的特性使用障礙假設1-5假設6-15假設1-5假設6-15價值障礙金融科技創(chuàng)新阻力金融科技創(chuàng)新阻力感知智能化風險障礙感知擬人化風險障礙感知擬人化傳統(tǒng)障礙傳統(tǒng)障礙形象障礙形象障礙圖1研究模型（一）創(chuàng)新阻力對金融科技阻力的影響1.使用障礙使用障礙是指該創(chuàng)新對現(xiàn)有的實踐、工作流程或習慣造成不便或不兼容的情況，因為新的產(chǎn)品可能會擾亂消費者的使用模式，如個人習慣，導致更多的問題而不是方便[36]。以移動式電子錢包為例，它是使用帶有小鍵盤和屏幕的移動設備進行的，與使用筆記本電腦或臺式電腦相比，解釋和數(shù)據(jù)輸入更困難[37]。當用戶意識到移動錢包由于顯示器有限和移動設備的小鍵盤而難以使用時，他們將不愿意使用移動錢包[38]。所以，金融科技創(chuàng)新帶來的使用習慣的改變，會增加金融科技的創(chuàng)新阻力。因此，我們假設：假設1：使用障礙會增加金融科技創(chuàng)新阻力。2.價值障礙價值障礙是指創(chuàng)新成本，以及與現(xiàn)有替代品相比的性價比[35]。這表明，想要吸引用戶并改變其行為，創(chuàng)新產(chǎn)品所產(chǎn)生的價值要大于現(xiàn)有產(chǎn)品所產(chǎn)生的價值[7]。對于習慣使用人工方式進行金融交易的用戶來說，金融科技的創(chuàng)新意味著必須有電腦或智能手機等設備與互聯(lián)網(wǎng)連接，增加了用戶使用金融科技創(chuàng)新的成本。所以，如果金融科技服務不能提供給用戶更好的價格和性能，金融科技的創(chuàng)新阻力會上升。因此，我們假設：假設2：價值障礙會增加金融科技創(chuàng)新阻力。3.風險障礙風險障礙包括任何一種創(chuàng)新的不確定性[35]，并會帶來無法預料的潛在副作用。用戶意識到風險，試圖推遲采用此類創(chuàng)新，直到他們可以了解更多關于它的情況。金融科技的創(chuàng)新帶來了新的風險，比如網(wǎng)絡安全風險（如網(wǎng)絡攻擊、惡意程序破壞）等。對創(chuàng)新的感知風險越高，技術接受率越低[39]。風險會對用戶的個人利益造成威脅，從而造成金融科技創(chuàng)新的阻力。因此，我們假設：假設3：風險障礙會增加金融科技創(chuàng)新阻力。4.傳統(tǒng)障礙傳統(tǒng)障礙是指創(chuàng)新改變了消費者的現(xiàn)有文化并與之發(fā)生沖突的情況[40]。對于個人消費者來說，違反社會規(guī)范和社會與家庭價值觀的行為會造成障礙。傳統(tǒng)的金融交易活動需要在指定場合通過專業(yè)人士進行金融業(yè)務的辦理和處理。而在金融科技的背景下，我們可以隨時隨地參與金融活動，享受金融服務。但這也意味著，金融服務不再由專業(yè)人士所協(xié)助。換句話說，人工智能設備的使用改變了我們的日常生活習慣和固定模式，金融科技創(chuàng)新阻力上升。因此，我們假設：假設4：傳統(tǒng)障礙會增加金融科技創(chuàng)新阻力。5.形象障礙形象障礙是指用戶對原產(chǎn)國家、行業(yè)生產(chǎn)的品牌、產(chǎn)品質量、服務或創(chuàng)新的副作用存在不良印象[40]?？梢哉f，形象障礙是一種源于刻板思維的感知問題，這會使創(chuàng)新變得困難[8]。對于金融科技的創(chuàng)新，由于此前p2p網(wǎng)貸機構的違約規(guī)模龐大，其經(jīng)營操作涉及嚴重違法違紀，給大眾留下負面印象。所以，金融科技創(chuàng)新的安全等問題，使用戶對此創(chuàng)新呈觀望態(tài)度，推遲用戶做出初次使用金融科技創(chuàng)新的決策，從而增加金融科技創(chuàng)新阻力。因此，我們假設：假設5：形象障礙會增加金融科技創(chuàng)新阻力。（二）人工智能對創(chuàng)新阻力的影響感知智能化部分主要關注技術的使用和問題的解決，感知擬人化部分則側重于其與人類和社會的交互的形象和內在感知。接著，金融科技在人工智能的幫助下，感知智能化和感知擬人化能否降低創(chuàng)新的阻力，本文提出下列假設。使用障礙過去，想要參與金融交易的用戶需要在指定場所或借助專業(yè)人士的協(xié)助進行操作。而在人工智能設備的幫助下，用戶可以不受時間和空間的限制，靈活地進行金融交易。如我們原本需要通過電話聯(lián)系或在電腦終端進行買賣股票，但現(xiàn)在我們可以直接使用智能手機這類移動終端的上的軟件或應用小程序進行交易。所以，用戶感知到人工智能設備的實用性，有利于其改變使用金融科技創(chuàng)新方式，降低使用障礙。人工智能設備類人特征的影響，如進行對話的能力和代表性的化身，可以用社會存在，即用戶與他們的交流伙伴之間的聯(lián)系感來解釋[41]。在采集用戶數(shù)據(jù)以全面評估信用風險時，人工智能客服通過模仿人與人的對話，并創(chuàng)建更像人的對話，使得互動更自然和愉快，增強用戶提供隱私信息的主動性。所以，人工智能客服創(chuàng)造給用戶如同面對真人時的交流氛圍，增強用戶對金融科技創(chuàng)新的了解，減少由創(chuàng)新帶來的不便。因此，本文假設：假設6：感知智能化會降低使用障礙。假設7：感知擬人化會降低使用障礙。價值障礙與傳統(tǒng)的人類咨詢服務相比，機器人顧問減少了費用，并提供了全天候的財務機會，強化了可訪問的普遍性，顯著降低管理費[42][43]。比如，在使用移動銀行服務時，無論用戶在何處，都能夠檢查賬戶余額和交易，增加客戶在移動設備中對其財務事務的控制感[44]。所以，智能化的人工智能設備有利于用戶感知金融科技創(chuàng)新的易用性，在用戶體驗過程中突出其性能的提升，從而降低價值障礙。人工智能支持的咨詢流程有助于用戶對產(chǎn)品資料的學習和掌握，使他們能夠做出與金融產(chǎn)品相關的更明智的決策[45]。人工智能客服具有與人類似的社交能力和表達能力，能激發(fā)用戶的交互欲望，更樂于表明自己的觀點。人工智能設備的擬人化特征通過增加客戶的參與對客戶的行為產(chǎn)生積極影響[46]。所以，用戶在金融科技中的參與感增強，享受到更好的服務，價值障礙下降。因此，本文假設：假設8：感知智能化會降低價值障礙。假設9：感知擬人化會降低價值障礙。風險障礙安全是消費者關注的主要問題之一[47]，不安全可靠的技術會增加用戶的風險感知。在用戶投資的過程中，信用風險或成為他們的主要關注對象。若被投資者產(chǎn)生違約風險，會對投資者資金的使用和收益造成負面影響。而人工智能設備可以使用強大的算法系統(tǒng)，對企業(yè)或個人進行精準的風險測量，提供被投資對象詳盡的分析報告，減少信息的不對稱，降低信用風險發(fā)生的概率。所以，通過使用人工智能算法來記錄和識別金融產(chǎn)品的任何潛在問題，對可能發(fā)生的風險發(fā)布預警，并提供可行的解決方案，減少用戶參與金融交易的顧慮，從而降低風險障礙。人性化外觀可能使得用戶在人機互動中對獲得的信息更積極地感知[48][49][50]，用戶會更努力理解人工智能客服提供的個性化投資理財方案，對金融科技產(chǎn)品有更全面的認識，了解其存在的潛在風險，做出更理智的決策。所以，用戶減少了金融科技創(chuàng)新存在的潛在副作用的不確定性，從而降低風險障礙。因此，本文假設假設10：感知智能化會降低風險障礙。假設11：感知擬人化會降低風險障礙。傳統(tǒng)障礙隨著越來越多的個人和組織愿意接受人工智能設備的使用，用戶可能會將人工智能設備視為高效有效的服務交付工具，更愿意接受它們在服務交互中的使用[38]。如日常生活中，因支付方式的智能化，用戶可以通過二維碼進行付款，此類創(chuàng)新使用戶替代了以前的現(xiàn)金支付習慣。人們大量使用移動支付后所感知的便捷，會在一定程度上影響周圍人群的行為。所以，用戶在獲得對人工智能設備的智能化體驗后，可能會提高對人工智能設備的認可度，降低傳統(tǒng)障礙。擁有人工智能設備來實現(xiàn)人類員工承擔的功能、社會和情感角色，從根本上挑戰(zhàn)了用戶服務的核心信念[51]。在銀行業(yè)務中，機器人客服為用戶提供符合個人特色的投資、理財建議。區(qū)別于人為的金融投資方案，使用人工智能設備進行分析和涉及的方案，能夠更加全面涵蓋用戶的需求，更加精準地解決用戶的問題，為用戶實現(xiàn)經(jīng)濟效益最大化。Song[52]發(fā)現(xiàn)，感知的有用性和社交能力都是服務機器人采用的決定因素。當用戶通過機器人參與金融科技活動時，獲得高效服務的同時，與人工智能設備的交互類似與人類的溝通交流，這可以降低對專業(yè)人士的情感依賴，從而減輕傳統(tǒng)障礙的影響。因此，本文假設：假設12：感知智能化會降低傳統(tǒng)障礙。假設13：感知擬人化會降低傳統(tǒng)障礙。形象障礙由于人工智能技術賦予的先進數(shù)據(jù)存儲能力、快速的處理速度和精確的個性化功能，人工智能設備不僅可以提供更標準和及時的服務，而且比人類員工的服務質量更高[53]。如今，大多數(shù)用戶借助人工智能設備參與金融科技活動，如螞蟻金服旗下的花唄，用戶使用此類消費信貸產(chǎn)品，享受“先消費，后付款”的購物體驗，能夠緩解短時間內資金有限的問題。所以，現(xiàn)有的智能化設備給用戶帶來了便捷、愉快的使用體驗，用戶對金融科技中人工智能的使用有較好的印象，降低了人工智能設備的形象障礙。智能投資顧問可以提供個性化的投資理財建議，增強與用戶的認知共情，從而對用戶采用產(chǎn)生正面影響。區(qū)塊鏈的使用，增強了用戶對金融科技的信任，提高使用滿意度。而情緒對接受人工智能設備使用的意愿的影響很大[38]。當用戶對人工智能設備共情的擬人化特性體驗感到滿意時，即人工智能設備在操作過程中能夠識別用戶的需求、感知用戶的情緒并做出相應的反饋，提高了對金融科技的好感度，積極的情緒會大大提升用戶的使用意愿，形象障礙會下降。因此，本文假設：假設14：感知智能化會降低形象障礙。假設15：感知擬人化會降低形象障礙。四、研究方法（一）研究設計本研究通過網(wǎng)絡問卷調查的方式對模型和假設進行驗證，選擇有使用金融科技經(jīng)歷的用戶作為研究對象。問卷基于過往研究中的已驗證過的量表并結合本研究情景進行本問卷問題的設計，采用李克特7分量表設置測量項目的尺度。為確保信效度，問卷經(jīng)過專業(yè)人士審查，以確認問卷各題目的有效適用的同時預先發(fā)送給多名金融科技用戶進行填寫測試，以保證措辭符合國內的語言習慣。最后，問卷使用問卷星這一在線問卷調查平臺進行發(fā)放，并主要通過微信等渠道進行傳播，來確保樣本的隨機性。（二）測量標準構建本問卷包括8個潛在變量，其中7個自變量（感知智能化、感知擬人化、使用障礙、價值障礙、風險障礙、傳統(tǒng)障礙、形象障礙），1個因變量（金融科技創(chuàng)新阻力）。由表3可見問卷各測量變量項及其參考文獻。表3問卷量表變量測量變量項參考文獻感知智能化（PI）PI1.J金融科技可以幫助我快速完成金融業(yè)務。PI2.金融科技可以理解我的的指示。PI3.金融科技可以以我理解的方式與我交流。PI4.金融科技可以根據(jù)用戶需求自動設置和執(zhí)行任務。PI5.金融科技可以根據(jù)之前發(fā)生的事情調整其行為。[54]感知擬人化（PA）PA1.使用金融科技完成業(yè)務的感覺類似于與真人互動。PA2.金融科技讓我感覺是友好的。PA3.我感覺金融科技是尊重我的。PA4.金融科技讓我感覺到是有趣的。PA5.金融科技讓我感覺到是考慮周到的。[54]使用障礙（UB）UB1.我覺得金融科技很難使用。（強調使用是的困難等）UB2.對我來說，使用金融科技不方便。UB3.我對金融科技的使用流程不清楚。[11]價值障礙（VB）VB1.與傳統(tǒng)金融產(chǎn)品和服務相比，金融科技沒有任何優(yōu)勢。VB2.使用金融科技沒有提高我自身辦理金融業(yè)務、控制財務的能力。VB3.金融科技產(chǎn)品和服務（如移動支付）不能很好地替代傳統(tǒng)的金融產(chǎn)品和服務（如現(xiàn)金支付）。VB4.金融科技在使用時并沒有很好地消除時空的限制。[11]風險障礙（RB）RB1.我擔心在我使用金融科技過程中犯任何錯誤。RB2.我擔心當我使用金融科技時，我可能會輸入錯誤的信息。RB3.我擔心當我使用金融科技時，會將個人隱私暴露給第三方。RB4.我擔心當我使用金融科技時，會出現(xiàn)不合理或者欺詐性的消費。RB5.我擔心當我使用金融科技時，有人可能會盜用我的帳戶。[10][11]傳統(tǒng)障礙（TB）TB1.我對金融科技的服務感到不耐煩。TB2.我發(fā)現(xiàn)很難獲取有關金融科技使用的一些信息。TB3.我發(fā)現(xiàn)金融科技服務平臺不能解決我的問題。[10][11]形象障礙（IB）IB1.我對金融科技的印象非常差。IB2.在我看來，金融科技通常太復雜以至于沒用。IB3.我覺得金融科技很難用。（強調我對金融科技的印象是這樣）[11]創(chuàng)新阻力（RS）RS1.我擔心使用金融科技浪費我的時間。RS2.在不久的將來，我不太可能使用金融科技。RS3.我覺得金融科技產(chǎn)品和服務不適合我。RS4.我不需要金融科技產(chǎn)品和服務。[11]樣本描述統(tǒng)計經(jīng)過問卷的收集與篩選，剔除沒有使用金融科技經(jīng)歷的無效問卷后，共收回249份數(shù)據(jù)，樣本信息見表4。由統(tǒng)計結果可見：金融科技的用戶主要來自去全日制學生。其中，男女比例約為1:2，以月平均收入在6000元以下的19-25歲青年人為主。69%以上的用戶使用金融科技的頻率為每周使用兩三次甚至每天都使用，但也有小于或等于每月兩三次使用金融科技的用戶。表4樣本人口統(tǒng)計信息類別數(shù)量百分比類別數(shù)量百分比性別教育背景高中及以下41.61%專科72.81%男8032.13%本科23795.18%女16967.87%研究生及以上10.40%年齡月平均收入（元）18歲及以下52.01%19-25歲24096.39%＜300021586.35%26-35歲10.40%3000-59992710.84%36-45歲20.80%6000-899920.80%45歲以上10.40%＞900052.01%職業(yè)最近一年內使用金融科技的頻次事業(yè)單位/公務員/政府工作人員10.40%企業(yè)職員41.61%專業(yè)技術人員31.20%少于每季度一次4116.47%商業(yè)/服務業(yè)從業(yè)人員20.80%每季度兩三次187.23%全日制學生23694.78%每月兩三次187.23%退休人員20.80%每周兩三次208.03%其他10.40%每天都使用15261.04%五、數(shù)據(jù)分析（一）測量模型分析本文基于結構方程模型（StructuralEquationModeling,SEM）中的偏最小二乘法，使用SmartPLS3.3.3軟件進行數(shù)據(jù)運算分析，從而評估測量模型和結構模型。測量模型分析即信效度分析，重點在于驗證理論中各測量變數(shù)是否能正確的測量到其潛在變項，是否有負荷在不同潛在變項的復雜測量變數(shù)，主要包含三個方面：信度、收斂效度（ConvergentValidity,CV）、區(qū)別效度（DiscriminantValidity,DV）。信度是檢定結果穩(wěn)定性、可靠性和一致性的分析方法，通常選擇組合信度（CompositeReliability,CR）、平均萃取變異量（AverageVarianceExtracted,AVE）、各變量因素負荷量（FactorLoading）、Cronbach’sα進行檢驗。當組合信度大于0.7、平均萃取變異量大于0.5、各變量因素負荷量大于0.7、Cronbach’sα大于0.7，并且值越高，題項越能測出該潛在變數(shù)，就表明研究具有良好的構面信度。如表5所示，各變量均達到信度的各項檢定因素標準值，因此各題項對應的構面中存在良好的內部一致性，模型的構面信度較強。此外，平均萃取變異量（大于0.5）和各變量因素負荷量（大于0.7）也是收斂效度的檢定因素。收斂效度是指來自相同構面的項目之間相關性高。由表5可知，所有平均萃取變異量均大于0.5、各變量因素負荷量均大于0.7，表明各測量變項對潛在變項較強的解釋力。區(qū)別效度則是檢定測量變項對于不同的構面間的鑒別程度。通過判斷平均萃取變異量的平方根是否大于構面間相關系數(shù)、各變量因素負荷是否大于交叉負荷（CrossLoading）以及異質-單質比率（heterotrait-monotraitratio，HTMT）是否小于0.9進行驗定[55]，以證明來自不同構面的項目之間相關性低。如表6所示，平均萃取變異量的平方根均大于構面間相關系數(shù)，由表7可見，各變量因素負荷均大于交叉負荷。表8中，所有HTMT值都低于0.9[55]。由此可知，測量模型中各構面的變項之間相異，具有足夠的區(qū)別效度。綜上測量模型分析結果表明，該模型的信度、收斂效度和區(qū)別效度均符合檢定因素的標準。因此，該模型可用于本文的研究。表5樣本各變量信度和收斂效度分析潛變量測量變量CRAVEFactorLoadingCronbach’sα感知智能化PI1PI2PI3PI4PI50.923O.7060.8790.8350.7380.8120.9250.911感知擬人化PA1PA2PA3PA4PA50.9210.7010.8720.8230.8160.8280.8470.894使用障礙UB1UB2UB30.9330.8230.9020.9250.8950.893價值障礙VB1VB2VB3VB40.9310.7720.8810.8150.9170.8990.902風險障礙RB1RB2RB3RB4RB50.9090.6680.7730.8160.8400.8410.8140.876傳統(tǒng)障礙TB1TB2TB30.8910.7310.8650.8550.8450.816形象障礙IB1IB2IB30.9400.8390.9080.9240.9160.904創(chuàng)新阻力RS1RS2RS3RS40.9330.7770.7760.9180.8990.9240.903表6樣本各變量區(qū)別效度分析VBTBUBIBPAPIRSRBVB0.879TB0.4590.855UB0.6390.5460.907IB0.6740.6320.6240.916PA0.1390.0500.0800.0530.837PI-0.177-0.084-0.200-0.1940.6010.840RS0.6440.5410.6490.7420.041-0.2500.881RB0.0350.2510.1470.1160.1870.2560.0390.817注：各潛變量平均萃取變異量的平方根為對角線上的粗體值；非對角線上的值是構面間的相關系數(shù)。表7樣本個變量因素負荷量與交叉負荷量分析結果VBTBUBIBPAPIRSRBVB1VB2VB3VB40.8810.8150.9170.8990.4600.3590.4050.3830.6160.4740.5670.5750.6610.4970.6000.5950.1320.0110.1920.128-0.136-0.158-0.154-0.1760.6280.4680.5640.5850.0180.0380.0550.015TB1TB2TB30.3850.3990.3940.8650.8550.8450.4790.5160.4100.5420.5310.5470.0330.0500.045-0.024-0.083-0.1070.4750.4400.4720.2130.2440.190UB1UB2UB30.5460.5940.5980.4950.4740.5200.9020.9250.8950.5400.5760.5810.0760.0380.104-0.126-0.215-0.1970.5610.6210.5810.1720.0750.158IB1IB2IB30.6130.6260.6140.5760.5530.6080.5120.5790.6190.9080.9240.9160.0060.0730.061-0.189-0.134-0.2100.6360.7060.6930.0890.1090.120PA1PA2PA3PA4PA50.1740.1650.1110.0650.0330.0490.0380.0530.067-0.0140.1270.0650.0090.0570.0460.1120.0540.0210.035-0.0450.8720.8230.8160.8280.8470.4650.5240.4720.5000.5900.0780.039-0.0210.065-0.0210.1460.1180.1440.1930.195PI1PI2PI3PI4PI5-0.231-0.104-0.034-0.046-0.157-0.099-0.0670.010-0.014-0.091-0.249-0.092-0.051-0.076-0.195-0.235-0.090-0.030-0.083-0.1980.4070.6050.5610.5920.5800.8790.8350.7380.8120.925-0.309-0.126-0.065-0.108-0.2340.3080.1370.0930.1450.225RS1RS2RS3RS40.4530.6060.6030.5950.4680.4470.4880.5070.5570.5380.5740.6190.5640.6920.6590.6920.0390.0740.040-0.007-0.189-0.189-0.248-0.2520.7760.9180.8990.9240.0980.034-0.0370.051RB1RB2RB3RB4RB50.152-0.040-0.0270.063-0.0170.2450.2250.1060.2250.2170.2820.0540.0110.1690.0680.2440.0290.0040.1400.0420.1830.1250.1110.1910.1480.1820.1970.2140.1880.2580.206-0.065-0.0260.107-0.0760.7730.8160.8400.8410.814表8HTMT分析結果價值障礙傳統(tǒng)障礙使用障礙形象障礙感知擬人化感知智能化創(chuàng)新阻力風險障礙價值障礙傳統(tǒng)障礙0.533使用障礙0.7060.642形象障礙0.7410.7350.692感知擬人化0.1530.0640.0870.080感知智能化0.1540.1040.1710.1700.716創(chuàng)新阻力0.7060.6320.7230.8190.0690.217風險障礙0.0890.2960.1720.1270.2130.2350.145結構模型分析結構模型分析是指對結構模型中標準化路徑系數(shù)（β）與模型解釋力R2進行估算與驗定，從而衡量研究模型的適配度。通過對249份樣本數(shù)據(jù)進行PLSAlgorithm運算，得到各變量之間的路徑系數(shù)和擬合優(yōu)度，見圖2。路徑系數(shù)用于檢驗是否能夠達到統(tǒng)計上的顯著，模型解釋力R2則是驗定各構面之間路徑系數(shù)是否顯著，R2在0-1之間，值越大表示模型的解釋力就越好。然后，使用拔靴法，進行5000次放回后再抽樣對模型假設進行檢驗，結果如表9所示。當t值大于1.96時，表示p值達到0.05的顯著性水平，變量間因果關系具有顯著性，假設成立。反之，假設不成立。當t值大于2.58時，表示p值達到0.01顯著性水平；當t值大于3.29時，表示p值達到0.001顯著性水平[56]。由圖2可見本研究的模型解釋力R2，該模型解釋了64.6%金融科技的用戶采用意向，達到了中等解釋力的標準。此外，7個自變量構面的假設中，假設3、4、10、11、13不成立。即風險障礙和傳統(tǒng)障礙可能不會導致金融科技的用戶創(chuàng)新阻力增強，感知智能化與風險障礙不相關，感知擬人化也與風險障礙和傳統(tǒng)障礙不相關。R2R2=0.103使用障礙-0.388***R-0.388***R2=0.126價值障礙-0.408***感知智能化-0.408***感知智能化0.225R2=0.067R20.225R2=0.067R2=0.626金融科技創(chuàng)新阻力-0.179*風險障礙-0.179*風險障礙感知擬人化化R2=0.023感知擬人化化R2=0.023傳統(tǒng)障礙傳統(tǒng)障礙RR2=0.082形象障礙形象障礙注：各變量之間連線上的數(shù)值為路徑系數(shù)，路徑系數(shù)后***表示p＜0.001，**表示p＜0.01，*表示p＜0.05，圖中虛線箭頭表示p＞0.05，即不顯著。圖2模型分析結果表9假設關系檢驗結果假設t值p值檢驗結果H1:使用障礙→創(chuàng)新阻力3.046**0.002成立H2:價值障礙→創(chuàng)新阻力2.371*0.018成立H3:風險障礙→創(chuàng)新阻力1.1750.240不成立H4:傳統(tǒng)障礙→創(chuàng)新阻力0.9300.353不成立H5:形象障礙→創(chuàng)新阻力5.441***0.000成立H6:感知智能化→使用障礙6.051***0.000成立H7:感知擬人化→使用障礙3.459**0.001成立H8:感知智能化→價值障礙5.088***0.000成立H9:感知擬人化→價值障礙3.598***0.000成立H10:感知智能化→風險障礙1.6280.104不成立H11:感知擬人化→風險障礙0.4540.650不成立H12:感知智能化→傳統(tǒng)障礙2.284*0.023成立H13:感知擬人化→傳統(tǒng)障礙1.7380.083不成立H14:感知智能化→形象障礙4.967***0.000成立H15:感知擬人化→形象障礙2.776**0.006成立注：t值后***表示p＜0.001，**表示p＜0.01，*表示p＜0.05，無標記表示不顯著。中介效果分析Lee和Xiong在研究中指出評估中介效果大小時，如果直接效果和間接效果都不顯著，則不存在中介。如果直接效果和間接效果均顯著，且兩種效果的乘積為正，則存在互補中介。該方法中對直接效果的要求不是必須顯著，即具有顯著的間接效果和不顯著直接影響的路徑仍可表示完全中介[57][58]。因此，基于上述結構模型分析可知，假設3、4、10、11、13不成立，即風險障礙和傳統(tǒng)障礙對金融科技創(chuàng)新阻力的影響不顯著，從而剔除風險障礙和傳統(tǒng)障礙作為中介的路徑，選擇其余六條路徑進行中介效果分析。根據(jù)表8分析結果所示，感知智能化和感知擬人化對采用意向的間接影響是顯著的，而直接影響則不顯著。換句話說，四條路徑均為完全中介，任務技術匹配和信任可以完全解釋感知智能化和感知擬人化對采用意向的影響。表10中介效果分析結果路徑序號路徑直接效果間接效果整體效果結果1PI→UB→RS2PI→VB→RS3PI→IB→RS4PA→UB→RS5PA→VB→RS6PA→IB→RS注：（）中的數(shù)值代表t值，***代表p＜0.001，ns表示p＞0.05，即不顯著。研究結果討論（一）理論貢獻（二）實踐意義七、結語

參考文獻[1]楊望.從“十四五”規(guī)劃展望金融科技變中求進[J].國際金融,2021(02):11-18.[2]Bettinger,A.fintech:Aseriesof40timesharedmodelsusedatmanufacturershanovertrustcompany.Interfaces,1972,62-63.[3]Demirguc-Kunt,A.,L.Klapper,D.Singer,S.Ansar&J.Hess.TheGlobalFindexDatabase2017:MeasuringFinancialInclusionandTheFintechRevolution[M].TheWorldBank,2018.[4]GoldsteinI.,W.Jiang&GA.Karoly.ToFinTechandBeyond[J].ReviewofFinancialStudies,2019,32(5),1647-1661.[5]Gomber,P.,RJ.Kauffman,C.Parker&BW.Weber.ontheFintechrevolution:Interpretingtheforcesofinnovation,disruption,andtransformationinfinancialservices[J].JournalofManagementInformationSystems,2018,35(1),220-265.[6]Hua,XP.,YP.Huang&YF.Zheng.Currentpractices,newinsights,andemergingtrendsoffinancialtechnologies[J].IndustrialManagement&DataSystems,2019,119(7),1401-1410.[7]Chen,PT.,&SC.Kuo.Innovationresistanceandstrategicimplicationsofenterprisesocialmediawebsitesintaiwanthroughknowledgesharingperspective[J].TechnologicalForecastingandSocialChange,2017,118,55-69.[8]Ram,S.,&JN.Sheth.Consumerresistancetoinnovations:Themarketingproblemanditssolutions[J].TheJournalofConsumerMarketing,1989,6(2),5-14.[9]Ma,L.,&CS.Lee.Understandingthebarrierstotheuseofmoocsinadevelopingcountry:Aninnovationresistanceperspective[J].JournalofEducationalComputingResearch,2019,57(3),571-590.[10]Kaur,P.,A.Dhir,N.Singh,G.Sahu&M.Almotairi.Aninnovationresistancetheoryperspectiveonmobilepaymentsolutions[J].JournalofRetailingandConsumerServices,2020,55,102059.[11]]Leong,LY.,TS.Hew,KB.Ooi&J.Wei.Predictingmobilewalletresistance:Atwo-stagedstructuralequationmodeling-artificialneuralnetworkapproach[J].InternationalJournalofInformationManagement,2020,51,102047.[12]Chung,KC.,&SWJ.Liang.Understandingfactorsaffectinginnovationresistanceofmobilepaymentsintaiwan:Anintegrativeperspective[J].Mathematics,2020,8(10),1841.[13]Alison,L&L.GeorgeWilliam.Artificialintelligenceandaugmentedintelligencecollaboration:Regainingtrustandconfidenceinthefinancialsector[J].Information&communicationstechnologylaw,2018,27(3),267-283.[14]Haenlein,M.,&A.Kaplan.Abriefhistoryofartificialintelligence:Onthepast,present,andfutureofartificialintelligence[J].CaliforniaManagementReview,2019,61(4),5-14.[15]Hoyer,WD.,M.Kroschke,B.Schmitt,K.Kraume&V.Shankar.Transformingthecustomerexperiencethroughnewtechnologies[J].JournalofInteractiveMarketing,2020,51,57-71.[16]Payne,EHM.,AJ.Dahl&J.Peltier.Digitalservitizationvalueco-creationframeworkforaiservices:Aresearchagendafordigitaltransformationinfinancialserviceecosystems[J].JournalofResearchInInteractiveMarketing,2021,15(2),200-222.[17]Dwivedi,YK.,L.Hughes,E.Ismagilova,G.Aarts&MD.Williams.Artificialintelligence(AI):Multidisciplinaryperspectivesonemergingchallenges,opportunities,andagendaforresearch,practiceandpolicy[J].InternationalJournalofInformationManagement,2021,57,101994.[18]谷來豐,趙國玉,鄧倫勝.智能金融：人工智能在金融科技領域的13大應用場景[M].北京:電子工業(yè)出版社,2019:39-41.[19]Moussawi,S&M.Koufaris.Perceivedintelligenceandperceivedanthropomorphismofpersonalintelligentagents:Scaledevelopmentandvalidation[J].ProceedingsofThe52NdAnnualHawaiiInternationalConferenceOnSystemSciences,2019,115-124.[20]Belanche,D.,LV.Casalo&C.Flavian.ArtificialintelligenceinFintech:Understandingrobo-advisorsadoptionamongcustomers[J].IndustrialManagement&DataSystems,2019,119(7),1411-1430.[21]Giudici,P.Fintechriskmanagement:Aresearchchallengeforartificialintelligenceinfinance[J].FrontiersinArtificialIntelligence,2018,1(1).[22]Bhasin,NK.&A.Rajesh.Impactofe-collaborationbetweenindianbanksandFintechcompaniesfordigitalbankingandnewemergingtechnologies[J].Internationaljournalofe-collaboration,2021,17(1),15-35.[23]Jaksic,M&M.Marinc.Relationshipbankingandinformationtechnology:theroleofartificialintelligenceandFinTech[J].Riskmanagement-aninternationaljournal,2019,21(1),1-18.[24]Hu.ZQ,S.Ding,SZ.Li,LT.Chen&SL.Yang.AdoptionintentionofFintechservicesforbankusers:Anempiricalexaminationwithanextendedtechnologyacceptancemodel[J].Symmetry-Basel,2019,11(3),340.[25]Candra,S.,F.Nuruttarwiyah&IH.Hapsari.RevisitedtheTechnologyAcceptanceModelwithe-trustforpeer-to-peerlendinginindonesia(perspectivefromFintechusers)[J].Internationaljournaloftechnology,2020,11(4),710-721.[26]Junger,M.&M.Mietzner.Bankinggoesdigital:TheadoptionofFinTechservicesbyGermanhouseholds[J].Financeresearchletters,2020,34,101260.[27]Baabdullah,AM.,AA.Alalwan,NP.Rana,P.Patil&YK.Dwivedi.Anintegratedmodelform-bankingadoptioninSaudiArabia[J].Internationaljournalofbankmarketing,2019,37(2),452-478.[28]Sivathanu,B.AdoptionofdigitalpaymentsystemsintheeraofdemonetizationinIndiaAnempiricalstudy[J].Journalofscienceandtechnologypolicymanagement,2019,10(1),143-171.[29]Zhang,BZ.,A.Ashta&ME.Barton.DoFintechandfinancialincumbentshavedifferentexperiencesandperspectivesontheadoptionofartificialintelligence?[J].StrategicChange-BriefingsinEntrepreneurialFinance,2021,30(3),223-234.[30]Dwivedi,YK.,L.Hughes,E.Ismagilova,G.Aarts&MD.Williams.Artificialintelligencemultidisciplinaryperspectivesonemergingchallengesopportunitiesandagendaforresearchpracticeandpolicy[J].InternationalJournalofInformationManagement,2021,57,101994.[31]Boot,A.,P.Hoffmann,L.Laeven&L.Ratnovski.Fintech:what’sold,what’snew?[J].JournalofFinancialStability,2021,53,100836.[32]Hassan,A.LectureNotesinNetworksandSystems[M].2022，Volume238:8-19.[33]程雪軍.人工智能深度介入消費金融：動因、風險及防控[J].深圳大學學報(人文社會科學版),2021,38(03):67-76.[34]Kushwah,S.,A.Dhir&M.Sagar.Understandingconsumerresistancetotheconsumptionoforganicfood.Astudyofethicalconsumption,purchasing,andchoicebehaviour[J].Foodqualityandpreference,2019,77,1-14.[35]ElMhamdi,S.,G.Wolfcarius-Khiari,S.Mhalla,K.BenSalem&S.M.Soltani.Prevalenceandpredictorsofsmokingamongadolescentschoolchildreninmonastir,tunisia[J].EasternMediterraneanHealthJournal,2011,17(6),523-528.[36]Kleijien,M.,N.Lee&M.Wetzels.Anexplorationofconsumerresistancetoinnovationanditsantecedents[J].JournalofEconomicPsychology,2009,30(3),344-357.[37]Bruner,GC.,&A.Kumar,A.Explainingconsumeracceptanceofhandheldinternetdevices[J].JournalofBusinessResearch,2005,58(5),553-558.[38]Gursoy,D.,OHX.Chi,L.Lu&R.Nunkoo.Consumersacceptanceofartificiallyintelligent(AI)deviceuseinservicedelivery[J].InternationalJournalofInformationManagement,2019,49,157-169.[39]Luo,X.,H.Li,J.Zhang&JP.Shim.Examiningmulti-dimensionaltrustandmulti-facetedriskininitialacceptanceofemergingtechnologies:Anempiricalstudyofmobilebankingservices[J].DecisionSupportSystems,2010,49(2),222-234.[40]Lian,JW&DC.Yen.Onlineshoppingdriversandbarriersforolderadults:Ageandgenderdifferences[J].ComputersInHumanBehavior,2014,37,133-143.[41]ParkerE.,J.Short,E.Williams&B.Christie.Thesocialpsychologyoftelecommunications[J].ContemporarySociology,1978,7(1),32.[42]Faubion,B.EffectofAutomatedAdvisingPlatformsOnTheFinancialAdvisingMarket[D].ayetteville,Arkansas:SamM.WaltonCollegeofBusiness,UniversityofArkansas,2016.[43]Park,J.Y.,J.P.Ryu&H.J.Shin.Roboadvisorsforportfoliomanagement[J].AdvancedScienceandTechnologyLetters,2016,141,104-108.[44]Laukkanen,T.,&J.Lauronen.Consumervaluecreationinmobilebankingservices[J].InternationalJournalofMobileCommunications,2005,3(4),325-338.[45]Heinrich,P.,&G.Schwabe.Facilitatinginformeddecision-makinginfinancialserviceencounters[J].Business&InformationSystemsEngineering,2018,60(4),317-329.[46]Schuetzler,RM.,JS.Giboney,GM.Grimes&JF.Nunamaker.Theinfluenceofconversationalagentembodimentandconversationalrelevanceonsociallydesirableresponding[J].DecisionSupportSystems,2018,114,94-102.[47]Rogers,EM.DiffusionofInnovations,SpringerNature,UnitedKingdom,2003.[48]Qiu,LY.,&I.Benbasat.Evaluatinganthropomorphicproductrecommendationagents:Asocialrelationshipperspectivetodesigninginformationsystems[J].JournalofManagementInformationSystems,2009,25(4),145-181.[49]Khan,RF.,&A.Sutcliffe.Attractiveagentsaremorepersuasive[J].InternationalJournalofHuman-ComputerInteraction,2014,30(2),142-150.[50]Kim,KJ.,E.Park&SS.Sundar.Caregivingroleinhuman-robotinteraction:Astudyofthemediatingeffectsofperceivedbenefitandsocialpresence[J].ComputersInHumanBehavior,2013,29(4),1799-1806.[51]Lu,L.,RY.Cai&D.Gursoy.Developingandvalidatingaservicerobotintegrationwillingnessscale[J].InternationalJournalofHospitalityManagement,2019,80,36-51.[52]Song,S.Y.Modelingtheconsumeracceptanceofretailservicerobots[D].Knoxville:UniversityofTennessee,2017.[53]West,A.,J.Clifford&D.Atkinson.“Alexa,BuildMeaBrand”:Aninvestigationintotheimpactofartificialintelligenceonbranding[J].TheBusiness&ManagementReview,2018,9(3)