멀티모달 AI의 과업-기술 적합성과 지속 사용 의도 = Task-Technology Fit of Multimodal AIs and Continuance Intention

국문 초록 (Abstract)

인공지능이 산업 전반의 변화를 이끄는 AI 전환 시대에, 멀티모달 AI는 다양한 데이터 유형을 통합 처리하여 복잡한 과업에서 기존 AI 기술을 능가하는 잠재력을 지닌다. 본 연구는 기술 수용 모델(TAM), 기술 수용 및 사용에 관한 통합 이론(UTAUT), 과업-기술 적합성 모델(TTF)을 기반으로 과업 특성과 멀티모달 AI의 기술 특성을 통합한 모형을 제안하였으며, 멀티모달 AI 사용자 295명의 설문 데이터를 수집하여, 모형의 경로분석을 통해 과업-기술 적합성과 지속 사용 의도를 분석하였다. 검증 결과, 과업 특성(반복성, 창의성, 사회성, 모호성)과 멀티모달 AI의 기술 특성(표현, 변환, 융합)간 과업-기술 적합성이 유의미하게 나타났으며, 성과 기대를 매개로 지속 사용 의도에 유의미한 영향을 미쳤다. 또한, 기술 특성에 따른 개별 과업 특성의 비선형적 적합성 영향과 과업 특성의 기술 특성 조절 효과를 확인하였다. 이러한 결과는 AI 전환을 추진하는 기업이 과업 요구에 따른 멀티모달 AI 채택을 전략적으로 조정하여 사용자 활용을 최적화하고, 다양한 산업에서 멀티모달 AI의 성공적 실행과 확산을 촉진할 수 있는 실질적 인사이트를 제공한다.

다국어 초록 (Multilingual Abstract)

In the AI-driven Transformation (AX) era, multi-modal AI surpasses conventional AI by integrating diverse data types to support complex tasks. This study employs the Technology Acceptance Model (TAM), the Unified Theory of Acceptance and Use of Technology (UTAUT), and the Task-Technology Fit (TTF) model to examine how task characteristics and multi-modal AI features jointly influence task-technology fit and continuance intention. Survey data from 295 multi-modal AI users, analyzed through structural model path analysis, show that task characteristics (repetitiveness, creativity, sociality, equivocality) and AI features (representation, translation, integration) significantly influence task-technology fit and indirectly affect continuance intention via performance expectancy. Findings also suggest that the impact of task-technology fit varies by task level and that task characteristics moderate the effect of specific AI attributes on task-technology fit. These results offer practical insights for organizations pursuing AI-driven transformation, recommending alignment of task demands with multi-modal AI capabilities to enhance user engagement and accelerate AI adoption across sectors.