earticle

영어

This study conducts an exploratory analysis of the acceptance of a Generative AI-based Voice of Customer (VOC) system in public organizations from the perspective of the Expectation-Reality Gap (ERG). An integrated framework combining the Technology Acceptance Model (TAM), Fairness Perception Theory, and Automation Perception Theory was developed, and a mixed-methods approach was applied to civil servants in a Korean public agency operating the system. Quantitative results showed that perceived usefulness (PU) and efficiency-related automation perception significantly influenced behavioral intention (BI), confirming functional expectations. In contrast, qualitative findings revealed barriers such as repetitive expressions, lack of emotional adaptation, and insufficient explainability (XAI). These results suggest that efficiency perceptions alone are insufficient to explain AI adoption in public organizations, and that unmet socio-psychological conditions create ERGs between expectations and actual experiences. This study extends TAM by proposing a public-sector acceptance model that incorporates fairness, explainability, and affective responses, while also providing practical implications such as enhancing accuracy, designing emotionally adaptive responses, implementing human-in-the-loop structures, and institutionalizing feedback governance. However, as this research is based on a single organization and a small sample, its generalizability is limited. Nevertheless, these initial findings provide a foundational basis for public-sector AI acceptance research and highlight the need for expansion through larger-scale, multi-agency samples and more rigorous quantitative validation in future studies.

한국어

본 연구는 생성형 인공지능(Generative AI) 기반 민원 응답 시스템(VOC: Voice of Customer)의 공공조직 수용성을 기대-현실 간 괴리(Expectation-Reality Gap, ERG) 관점에서 탐색적으로 분석하였다. 기술수용 모델(TAM), 공정성 인식 이론, 자동화 인식 이론을 통합한 분석 틀을 제시하고, 실제 시스템을 운영 중인 국내 공공기관 민원 담당자를 대상으로 혼합 방법론을 적용하였다. 정량 분석에서는 지각된 유용성(PU)과 업무 효율성 인식이 행동 의도(BI)에 유의한 영향을 미쳐 기능적 기대를 뒷받침한 반면, 정성 분석에서는 반복 표현, 감정 미반영, 설명가능성(XAI) 부족이 주요 저해 요인으로 나타났다. 이는 효율성 인식만으로는 공공조직 내 AI 수용성을 충분히 설명하기 어렵고, 사회적․심리적 조건이 충족되지 않을 경우 ERG가 발생함을 보여준다. 본 연구는 TAM의 기능 중심 한계를 보완하여 공정성․설명가능성․감정 대응을 포함한 공공부문 수용 모델을 제안하였으며, 정책적으로는 정확성 강화, 정서 기반 응답 설계, Human-in-the-loop 구조, 피드백 거버넌스 제도화를 제시한다. 다만 본 연구는 단일 기관․소규모 표본에 기반한 탐색적 연구이므로 일반화에는 한계가 있다. 그럼에도 불구하고, 이러한 초기 결과는 공공조직 AI 수용성 연구의 기초 토대를 제공하며, 향후 다기관․대규모 표본과 정교한 계량적 검증을 통해 확장될 수 있음을 시사한다.