¿Cómo afectan los factores éticos la confianza del usuario y las intenciones de adopción de las herramientas de contenido generado por IA? Evidencia desde una perspectiva de riesgo-confianza
Autores: Yu, Tao; Tian, Yihuan; Chen, Yihui; Huang, Yang; Pan, Younghwan; Jang, Wansok
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
¿Cómo afectan los factores éticos la confianza del usuario y las intenciones de adopción de las herramientas de contenido generado por IA? Evidencia desde una perspectiva de riesgo-confianza
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería de Sistemas
Palabras clave
Percepciones éticas
Comportamiento del usuario
Intención de adopción
Contenido generado por IA
Marco teórico de confianza-riesgo
Dimensiones éticas
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 38
Citaciones: Sin citaciones
Con la aplicación generalizada de herramientas de contenido generado por IA (AIGC) en dominios creativos, los usuarios se han vuelto cada vez más preocupados por los problemas éticos que plantean, lo que puede influir en sus decisiones de adopción. Para explorar cómo las percepciones éticas afectan el comportamiento del usuario, este estudio construye un modelo de percepción ética basado en el marco teórico de confianza-riesgo, centrándose en su impacto en la intención de adopción de los usuarios (ADI). A través de una revisión sistemática de la literatura y entrevistas con expertos, se identificaron ocho dimensiones éticas clave: Desinformación (MIS), Responsabilidad (ACC), Sesgo Algorítmico (ALB), Ética de la Creatividad (CRE), Privacidad (PRI), Desplazamiento Laboral (JOD), Transparencia Ética (ETR) y Control sobre la IA (CON). Con base en 582 respuestas válidas, se realizó un modelado de ecuaciones estructurales (SEM) para probar empíricamente los caminos propuestos. Los resultados muestran que seis factores influyen significativamente y de manera positiva en el riesgo percibido (PR): JOD (beta = 0.216), MIS (beta = 0.161), ETR (beta = 0.150), ACC (beta = 0.137), CON (beta = 0.136) y PRI (beta = 0.131), mientras que los efectos de ALB y CRE no fueron significativos. En cuanto a la confianza en la IA (TR), seis factores influyen significativamente de manera negativa: CRE (beta = -0.195), PRI (beta = -0.145), ETR (beta = -0.148), CON (beta = -0.133), ALB (beta = -0.113) y ACC (beta = -0.098), mientras que MIS y JOD no fueron significativos. Además, PR tiene un efecto negativo significativo en TR (beta = -0.234), lo que impacta aún más en ADI. Específicamente, PR tiene un efecto negativo significativo en ADI (beta = -0.259), mientras que TR tiene un efecto positivo significativo (beta = 0.187). Este estudio no solo amplía la aplicabilidad del marco de confianza-riesgo en el contexto de AIGC, sino que también propone un modelo de percepción ética para la investigación sobre la adopción de usuarios, ofreciendo evidencia empírica y orientación práctica para el diseño de plataformas, mecanismos de gobernanza y estrategias de construcción de confianza.
Descripción
Con la aplicación generalizada de herramientas de contenido generado por IA (AIGC) en dominios creativos, los usuarios se han vuelto cada vez más preocupados por los problemas éticos que plantean, lo que puede influir en sus decisiones de adopción. Para explorar cómo las percepciones éticas afectan el comportamiento del usuario, este estudio construye un modelo de percepción ética basado en el marco teórico de confianza-riesgo, centrándose en su impacto en la intención de adopción de los usuarios (ADI). A través de una revisión sistemática de la literatura y entrevistas con expertos, se identificaron ocho dimensiones éticas clave: Desinformación (MIS), Responsabilidad (ACC), Sesgo Algorítmico (ALB), Ética de la Creatividad (CRE), Privacidad (PRI), Desplazamiento Laboral (JOD), Transparencia Ética (ETR) y Control sobre la IA (CON). Con base en 582 respuestas válidas, se realizó un modelado de ecuaciones estructurales (SEM) para probar empíricamente los caminos propuestos. Los resultados muestran que seis factores influyen significativamente y de manera positiva en el riesgo percibido (PR): JOD (beta = 0.216), MIS (beta = 0.161), ETR (beta = 0.150), ACC (beta = 0.137), CON (beta = 0.136) y PRI (beta = 0.131), mientras que los efectos de ALB y CRE no fueron significativos. En cuanto a la confianza en la IA (TR), seis factores influyen significativamente de manera negativa: CRE (beta = -0.195), PRI (beta = -0.145), ETR (beta = -0.148), CON (beta = -0.133), ALB (beta = -0.113) y ACC (beta = -0.098), mientras que MIS y JOD no fueron significativos. Además, PR tiene un efecto negativo significativo en TR (beta = -0.234), lo que impacta aún más en ADI. Específicamente, PR tiene un efecto negativo significativo en ADI (beta = -0.259), mientras que TR tiene un efecto positivo significativo (beta = 0.187). Este estudio no solo amplía la aplicabilidad del marco de confianza-riesgo en el contexto de AIGC, sino que también propone un modelo de percepción ética para la investigación sobre la adopción de usuarios, ofreciendo evidencia empírica y orientación práctica para el diseño de plataformas, mecanismos de gobernanza y estrategias de construcción de confianza.