DOI: https://doi.org/10.1108/vjikms-09-2025-0407
تاريخ النشر: 2026-05-08
المؤلف: Anshita Bihari وآخرون
الموضوع الرئيسي: اعتماد التكنولوجيا وسلوك المستخدم
نظرة عامة
تستكشف هذه الدراسة فعالية المستشارين الآليين المدعومين بالذكاء الاصطناعي (RAs) في اتخاذ القرار من خلال دمج نموذج قبول التكنولوجيا (TAM) والنظرية الموحدة لقبول واستخدام التكنولوجيا (UTAUT). باستخدام بيانات من 365 مستجيبًا، تستخدم البحث نماذج المعادلات الهيكلية (SEM) وتقنيات الشبكات العصبية الاصطناعية (ANN) لتحليل تأثير التحيزات العاطفية والمعرفية على تصورات المستثمرين للمستشارين الآليين، مع الأخذ في الاعتبار العمر والدخل والمعرفة المالية كعوامل معتدلة. تشير النتائج الرئيسية إلى أن الفائدة المدركة، وسهولة الاستخدام المدركة، وتوقع الأداء، إلى جانب التحيزات العاطفية والمعرفية، تتوسط بشكل إيجابي اعتماد المستشارين الآليين. علاوة على ذلك، فإن العمر والدخل والمعرفة المالية تعزز بشكل كبير العلاقة بين مكونات UTAUT والنية السلوكية لاستخدام المستشارين الآليين.
تساهم الدراسة في الأدبيات من خلال كونها واحدة من أولى الدراسات التي تستكشف دور التحيزات السلوكية في اعتماد المستشارين الآليين، مما يوسع نماذج قبول التكنولوجيا إلى مجال المالية السلوكية. تؤكد على الصلاحية النظرية لإطار العمل المدمج TAM-UTAUT، مشددة على أن سهولة الاستخدام المدركة والفائدة المدركة هما أقوى المؤشرات على مواقف المستثمرين تجاه المستشارين الآليين. ومع ذلك، تحدد أيضًا فجوة بين النوايا السلوكية والاستخدام الفعلي، مما يشير إلى وجود حواجز هيكلية أو تنظيمية محتملة أمام اعتماد المستشارين الآليين. تشمل القيود التركيز على السياق الهندي وفحصًا ضيقًا للتحيزات، مما يشير إلى الحاجة إلى أبحاث مستقبلية لتضمين مقارنات عبر البلدان، وتحقيقات إضافية في التحيزات السلوكية، والاعتبارات التنظيمية لتعزيز فهم اعتماد المستشارين الآليين المستدام.
مقدمة
تناقش مقدمة ورقة البحث التأثير التحويلي لإدارة التكنولوجيا على اتخاذ قرارات الاستثمار، مشددة على الدور الحاسم الذي تلعبه هذه القرارات في الصحة المالية الشخصية والاستقرار الاقتصادي. تبرز أن المستثمرين غالبًا ما يعملون في ظروف من عدم اليقين والتأثير العاطفي، مما يؤدي إلى انحرافات منهجية عن القرارات المالية العقلانية، وهو ظاهرة تم استكشافها من خلال عدسة نظرية المالية السلوكية (BFT). يتم التباين بين النظريات المالية التقليدية، التي تفترض سلوكًا عقلانيًا وأسواقًا فعالة، وBFT، التي تعترف بالتحيزات المعرفية والعاطفية مثل الثقة المفرطة والقلق من الخسارة التي يمكن أن تؤثر سلبًا على نتائج الاستثمار.
تستكشف الورقة أيضًا ظهور المستشارين الآليين (RAs) كحلول مدفوعة بالذكاء الاصطناعي مصممة للتخفيف من هذه التحيزات من خلال تقديم نصائح مالية موضوعية قائمة على البيانات. تشير إلى الطبيعة المزدوجة لاستجابات المستثمرين لنصائح الخوارزميات، التي تتميز بكل من “النفور من الخوارزمية” و”تقدير الخوارزمية”. تهدف الدراسة إلى سد فجوة في الأدبيات المتعلقة باعتماد المستشارين الآليين في الاقتصادات النامية، وخاصة الهند، من خلال فحص كيفية تقليل هذه الأنظمة للتحيزات السلوكية وتعزيز اتخاذ قرارات الاستثمار. تشمل أهداف البحث تحليل الأدوار الوسيطة لنماذج قبول التكنولوجيا المعتمدة (TAM وUTAUT) والمتنبئين السياقيين، بالإضافة إلى التأثيرات المعتدلة للعوامل الديموغرافية على سلوك المستثمرين. في النهاية، تسعى الدراسة إلى تقديم رؤى حول دمج التكنولوجيا والمالية السلوكية، مما يساهم في تحسين استراتيجيات الاستثمار وفهم مواقف المستثمرين تجاه خدمات الاستشارة الآلية.
النتائج
يقدم قسم “النتائج” نتائج الدراسة، موضحًا نتائج التجارب التي تم إجراؤها. تكشف التحليلات عن اتجاهات ونماذج مهمة تدعم الفرضيات الأولية. تشمل النتائج الرئيسية تحديد متغيرات معينة تؤثر على الظواهر الملحوظة، والتي تم قياسها من خلال مقاييس إحصائية مثل قيم p وفترات الثقة.
بالإضافة إلى ذلك، يتضمن القسم تمثيلات رسومية للبيانات، توضح العلاقات والارتباطات السببية. تعزز هذه المساعدات البصرية من فهم النتائج، مما يسمح بتفسير أوضح للآليات الأساسية التي تلعب دورًا. بشكل عام، تساهم النتائج في تقديم رؤى قيمة للمجال، مما يقترح طرقًا محتملة لمزيد من البحث والتطبيق.
المناقشة
في قسم المناقشة، تستكشف الورقة النظريات والأسس المتعلقة باعتماد التكنولوجيا، مع التركيز بشكل خاص على نماذج UTAUT وTAM. تبرز الأساليب المزدوجة في الأدبيات الحالية: واحدة تفحص التأثيرات التكنولوجية على قرارات الاعتماد والأخرى تأخذ في الاعتبار التحيزات السلوكية. تم تحديد نموذج UTAUT كالإطار الأكثر فعالية لفهم قبول التكنولوجيا، حيث يتضمن عوامل معتدلة مثل الرغبة في الاستخدام، والعمر، والجنس، والخبرة. تؤكد الدراسة على أن عوامل مثل الميزة النسبية المدركة، والثقة، والتأثير الاجتماعي، وتوقع الجهد تؤثر بشكل كبير على النوايا السلوكية تجاه اعتماد المستشارين الماليين الآليين (RAs).
تقترح الورقة عدة فرضيات بناءً على النتائج من دراسات مختلفة، مؤكدة أن البنى مثل سهولة الاستخدام المدركة (PREOU)، والفائدة المدركة (PRU)، وتوقع الأداء (PE)، والتأثير الاجتماعي (SI)، والثقة تؤثر بشكل إيجابي على النوايا السلوكية للمستثمرين لاعتماد المستشارين الماليين الآليين. بالإضافة إلى ذلك، تعترف بدور التحيزات العاطفية والمعرفية في اتخاذ قرارات الاستثمار، مقترحة أن هذه التحيزات يمكن أن تؤثر على المواقف تجاه اعتماد التكنولوجيا. تختتم المناقشة بصياغة فرضيات تربط هذه البنى بالنوايا السلوكية، مع الأخذ في الاعتبار أيضًا العوامل الديموغرافية مثل العمر والدخل والمعرفة المالية كمتغيرات معتدلة. بشكل عام، يبرز القسم تعقيد سلوك المستثمرين في سياق اعتماد تقنيات مالية جديدة، داعيًا إلى نموذج شامل يدمج بين العوامل النفسية والديموغرافية المختلفة.
DOI: https://doi.org/10.1108/vjikms-09-2025-0407
Publication Date: 2026-05-08
Author(s): Anshita Bihari et al.
Primary Topic: Technology Adoption and User Behaviour
Overview
This study investigates the effectiveness of AI-driven roboadvisors (RAs) in decision-making by integrating the Technology Acceptance Model (TAM) and the Unified Theory of Acceptance and Use of Technology (UTAUT). Utilizing data from 365 respondents, the research employs Structural Equation Modeling (SEM) and Artificial Neural Network (ANN) techniques to analyze the impact of emotional and cognitive biases on investors’ perceptions of RAs, while considering age, income, and financial literacy as moderating factors. Key findings indicate that perceived usefulness, perceived ease of use, and performance expectancy, along with emotional and cognitive biases, positively mediate the adoption of RAs. Furthermore, age, income, and financial literacy significantly moderate the relationship between UTAUT components and the behavioral intention to use RAs.
The study contributes to the literature by being one of the first to explore the role of behavioral biases in the adoption of RAs, extending technology acceptance models into the realm of behavioral finance. It confirms the theoretical validity of the integrated TAM-UTAUT framework, highlighting that perceived ease of use and perceived usefulness are the strongest predictors of investor attitudes towards RAs. However, it also identifies a gap between behavioral intentions and actual usage, suggesting potential structural or regulatory barriers to RA adoption. Limitations include a focus on the Indian context and a narrow examination of biases, indicating the need for future research to incorporate cross-country comparisons, additional behavioral biases, and regulatory considerations to enhance understanding of sustainable RA adoption.
Introduction
The introduction of the research paper discusses the transformative impact of technology management on investment decision-making, emphasizing the critical role these decisions play in personal financial health and economic stability. It highlights that investors often operate under conditions of uncertainty and emotional influence, leading to systematic deviations from rational financial decisions, a phenomenon explored through the lens of Behavioral Finance Theory (BFT). Traditional finance theories, which assume rational behavior and efficient markets, are contrasted with BFT, which recognizes cognitive and emotional biases such as overconfidence and loss aversion that can adversely affect investment outcomes.
The paper further explores the emergence of Robo-Advisors (RAs) as AI-driven solutions designed to mitigate these biases by providing objective, data-driven financial advice. It notes the dual nature of investor responses to algorithmic advice, characterized by both ‘algorithm aversion’ and ‘algorithm appreciation.’ The study aims to fill a gap in the literature regarding the adoption of RAs in developing economies, particularly India, by examining how these systems can reduce behavioral biases and enhance investment decision-making. The research objectives include analyzing the mediating roles of established technology acceptance models (TAM and UTAUT) and contextual predictors, as well as the moderating effects of demographic factors on investor behavior. Ultimately, the study seeks to provide insights into the integration of technology and behavioral finance, contributing to improved investment strategies and understanding of investor attitudes towards automated advisory services.
Results
The “Results” section presents the findings of the study, detailing the outcomes of the experiments conducted. The analysis reveals significant trends and patterns that support the initial hypotheses. Key results include the identification of specific variables that influence the observed phenomena, quantified through statistical measures such as p-values and confidence intervals.
Additionally, the section includes graphical representations of the data, illustrating correlations and causal relationships. These visual aids enhance the understanding of the results, allowing for a clearer interpretation of the underlying mechanisms at play. Overall, the findings contribute valuable insights to the field, suggesting potential avenues for further research and application.
Discussion
In the discussion section, the paper explores the foundational theories and hypotheses related to technology adoption, particularly focusing on the UTAUT and TAM models. It highlights the dual approaches in existing literature: one that examines technological influences on adoption decisions and another that considers behavioral biases. The UTAUT model, identified as the most effective framework for understanding technology acceptance, incorporates moderators such as willingness to use, age, gender, and experience. The study emphasizes that factors like perceived relative advantage, trust, social influence, and effort expectancy significantly impact behavioral intentions toward adopting financial robo-advisors (RAs).
The paper proposes several hypotheses based on the findings from various studies, asserting that constructs such as perceived ease of use (PREOU), perceived usefulness (PRU), performance expectancy (PE), social influence (SI), and trust positively affect investors’ behavioral intentions to adopt financial RAs. Additionally, it acknowledges the role of emotional and cognitive biases in investment decision-making, suggesting that these biases can influence attitudes toward technology adoption. The discussion culminates in the formulation of hypotheses that link these constructs to behavioral intentions, while also considering demographic factors like age, income, and financial literacy as moderating variables. Overall, the section underscores the complexity of investor behavior in the context of adopting new financial technologies, advocating for a comprehensive model that integrates various psychological and demographic factors.