米国の消費者金融苦情における大規模な言語モデルの採用と有効性

科学分野:

• 消費者保護法 消費者保護法について
• 金融における人工知能
• 行動経済学は,行動経済学である.

背景:

• 米国消費者金融保護局 (CFPB) への消費者苦情は,金融不正に対処するための重要なメカニズムです.
• ChatGPTのような大型言語モデル (LLM) の急速な進歩と公開は,消費者向けデジタルインタラクションの新たな機会と課題を提示しています.
• 消費者の苦情解決に新興技術の影響を理解することは,規制機関と消費者擁護にとって極めて重要です.

研究 の 目的:

• 大規模言語モデル (LLM) の採用が消費者金融苦情の解決に及ぼす因果関係を調査する.
• LLMが苦情の結果に影響を与えるメカニズムを分析し,特に苦情の提示と事実上の内容に関する苦情の結果に影響を与える.
• LLMが等価化剤として作用し,そうでなければ不利な状況に直面するかもしれない消費者の結果を改善するかどうかを評価する.

主な方法:

• 2015年から2024年までの米国消費者金融保護局の1,134,512件の苦情に関する大規模なデータセットの分析.
• 利便な救済を得るためにLLMの使用の因果的影響を推定するための楽器変数分析.
• 3つのオンライン制御実験 (N=1,010) で,LLMが苦情の提示と結果に影響を与える特定のメカニズムをテストしました.

主要な成果:

• ChatGPTのリリース後に,LLMの利用が著しく増加することが観察されました.
• LLMの使用は,好ましい救済を得る確率を6.9パーセントポイント増加させると推定されました (95%CI: 4.9, 8.9).
• 実験結果は,LLMが苦情の提示を改善し,事実上の内容を変更することなく救済の可能性を高めることを確認し,LLMの採用におけるネガティブな選択の証拠を明らかにしました.

結論:

• 大規模な言語モデルは,苦情の明確性とプレゼンテーションを向上させることで,金融苦情の解決における消費者の結果を大幅に改善することができます.
• LLMは,一部の消費者が苦情処理で直面するデメリットを軽減する"均等化器"としての潜在性を示しています.
• 政策の検討は,すべての消費者のための公平な利益を確保するために,LLM技術へのアクセスを拡大することに焦点を当てなければなりません.