DOI: https://doi.org/10.1108/intr-02-2024-0195
تاريخ النشر: 2024-12-16
المؤلف: Lorenzo Ardito وآخرون
الموضوع الرئيسي: أثر الذكاء الاصطناعي والبيانات الضخمة على الأعمال والمجتمع
نظرة عامة
تستكشف هذه الفقرة من البحث تأثير اعتماد الذكاء الاصطناعي (AI) على نمو الإيرادات للمؤسسات الصغيرة والمتوسطة (SMEs)، مع معالجة فجوة في الأدلة التجريبية المتعلقة بالتداعيات الاقتصادية للذكاء الاصطناعي في هذا القطاع. باستخدام مجموعة بيانات من المفوضية الأوروبية تضم 11,429 مؤسسة صغيرة ومتوسطة، يستخدم البحث وجهة نظر قائمة على الموارد وأدبيات الأصول التكميلية الرقمية لتحليل العلاقة بين اعتماد الذكاء الاصطناعي ونمو الإيرادات. تشير النتائج إلى أنه، مع بقاء العوامل الأخرى ثابتة، يؤدي اعتماد الذكاء الاصطناعي إلى زيادة الإيرادات بأكثر من 30% للمؤسسات الصغيرة والمتوسطة. علاوة على ذلك، يكشف البحث أن دمج الذكاء الاصطناعي مع إنترنت الأشياء (IoT) وتحليلات البيانات الضخمة (BDA) يعزز هذا التأثير الإيجابي.
تتمثل أصالة هذا البحث في إظهار أن الذكاء الاصطناعي لا يدعم فقط نمو الإيرادات للمؤسسات الصغيرة والمتوسطة، ولكنه يكون فعالًا بشكل خاص عند دمجه مع تقنيات إنترنت الأشياء وتحليلات البيانات الضخمة. يقترح المؤلفون أن يتعرف مدراء المؤسسات الصغيرة والمتوسطة على فوائد الاستثمار في الذكاء الاصطناعي، بينما يجب على صانعي السياسات أن يأخذوا هذه النتائج بعين الاعتبار لتطوير سياسات داعمة ومبادرات تمويل تعزز الرقمنة للمؤسسات الصغيرة والمتوسطة.
مقدمة
تسلط مقدمة البحث الضوء على الدور المهم للمؤسسات الصغيرة والمتوسطة (SMEs) في الاقتصاد العالمي، مشيرة إلى مساهمتها في التوظيف وإمكانية النمو من خلال الرقمنة. على الرغم من التقدم السريع في التحول الرقمي عبر مختلف القطاعات، كانت المؤسسات الصغيرة والمتوسطة أبطأ في اعتماد هذه التقنيات، وخاصة الذكاء الاصطناعي (AI). بينما يُعترف بالذكاء الاصطناعي كعامل محفز لنمو الإيرادات، لا تزال الأدلة التجريبية التي تربط اعتماد الذكاء الاصطناعي بزيادات الإيرادات الفعلية في المؤسسات الصغيرة والمتوسطة محدودة. يحدد المؤلفون فجوة في فهم التأثيرات المحددة للذكاء الاصطناعي والأدوار التكميلية للتقنيات الرقمية الأخرى، مثل إنترنت الأشياء (IoT) وتحليلات البيانات الضخمة (BDA)، على نمو الإيرادات للمؤسسات الصغيرة والمتوسطة.
لمعالجة هذه الفجوة، يطرح البحث سؤالين بحثيين: (1) هل يؤدي اعتماد الذكاء الاصطناعي إلى نمو الإيرادات في المؤسسات الصغيرة والمتوسطة؟ و(2) هل إنترنت الأشياء وتحليلات البيانات الضخمة تكمل الذكاء الاصطناعي في تعزيز نمو الإيرادات؟ يجادل المؤلفون بأن التكامل التآزري للذكاء الاصطناعي مع إنترنت الأشياء وتحليلات البيانات الضخمة يمكن أن يخلق نظام بيانات قوي يدعم اتخاذ القرار ويدفع النمو. يستخدمون وجهة نظر قائمة على الموارد ومفهوم الأصول التكميلية كإطارات نظرية، مستفيدين من بيانات عينة تضم 11,429 مؤسسة صغيرة ومتوسطة أوروبية لإجراء تحليل اقتصادي. تشير النتائج الأولية إلى أن اعتماد الذكاء الاصطناعي يؤثر إيجابيًا على نمو الإيرادات، وأن فعاليته تتعزز أكثر عند دمجه مع إنترنت الأشياء وتحليلات البيانات الضخمة، مما يدل على أهمية هذه الأصول التكميلية في التحول الرقمي للمؤسسات الصغيرة والمتوسطة.
الطرق
توضح فقرة المنهجية النهج المنظم المستخدم في البحث للتحقيق في الفرضيات المحددة. تتفصل في التصميم التجريبي، بما في ذلك اختيار المشاركين، وتقنيات جمع البيانات، والأساليب التحليلية المستخدمة لتفسير النتائج. استخدم البحث مزيجًا من الأساليب الكمية والنوعية، مما يضمن تحليلًا شاملاً للبيانات.
تم تجنيد المشاركين بناءً على معايير إدراج محددة، وتم تسجيل معلوماتهم الديموغرافية لتسهيل تحليلات المجموعات الفرعية. شملت جمع البيانات أدوات وبروتوكولات موحدة لضمان الموثوقية والصلاحية. تم إجراء تحليلات إحصائية باستخدام برامج مناسبة، مع تحديد مستويات الدلالة عند p < 0.05 لتحديد قوة النتائج. تؤكد المنهجية على الشفافية وإمكانية التكرار، مما يسمح للدراسات المستقبلية بالبناء على الإطار المعتمد.
النتائج
في قسم النتائج، قيمت الدراسة مشكلات التعدد الخطي والداخلية المتعلقة بتأثير التقنيات الرقمية على أداء الأعمال. تم حساب الارتباطات الزوجية، مع جميع القيم أقل من عتبة 0.70، مما يشير إلى عدم وجود مخاوف بشأن التعدد الخطي. بالإضافة إلى ذلك، تم حساب عوامل تضخم التباين (VIFs)، التي ظلت أقل بكثير من العتبة الحرجة البالغة 10، مما يؤكد غياب التعدد الخطي. لاختبار فرضية الدراسة، تم استخدام انحدارات من مرحلتين مع أخطاء معيارية قوية للمجموعات ومتغيرات أدوات، باستخدام نموذج بروبيت مرتب في المرحلة الثانية بسبب طبيعة المتغير التابع.
تناولت التحليل القضايا المحتملة للسببية العكسية والانحياز المتزامن، كما أبرزها مولر وآخرون (2018)، حيث يمكن أن تؤثر عوامل مثل النمو الاقتصادي على كل من اعتماد التكنولوجيا وأداء الأعمال. لتخفيف هذه القضايا، تم التعامل مع المتغيرات المتعلقة بالذكاء الاصطناعي (AI) وإنترنت الأشياء (IoT) وتحليلات البيانات الضخمة (BDA) على أنها داخلية. تم إجراء اختبارات داخلية لتقييم خارجية متغيرات الأدوات، مما أدى إلى رفض الفرضية الصفرية، التي تشير إلى أن الأدوات كانت داخلية. علاوة على ذلك، أكد اختبار سارجان للتحديد الزائد صلاحية الأدوات، حيث حصل على قيمة p أكبر من 5%، مما يشير إلى أن الأدوات لم تكن مرتبطة بالخطأ في المعادلة الرئيسية.
المناقشة
في هذا القسم، يناقش البحث الدور المحوري للذكاء الاصطناعي (AI) في دفع نمو الإيرادات للمؤسسات الصغيرة والمتوسطة (SMEs). يجادل المؤلفون بأن الذكاء الاصطناعي يعزز الكفاءة التشغيلية من خلال أتمتة العمليات، وهو أمر مفيد بشكل خاص للمؤسسات الصغيرة والمتوسطة ذات الموارد المحدودة. بالإضافة إلى ذلك، يعزز الذكاء الاصطناعي إنتاجية البشر، ويقلل الأخطاء، ويدعم اتخاذ القرار والابتكار، مما يعالج فجوات المهارات التي توجد غالبًا في الشركات الصغيرة. تسمح مرونة الذكاء الاصطناعي للمؤسسات الصغيرة والمتوسطة بالتكيف مع احتياجات الأعمال المتغيرة دون تكبد تكاليف كبيرة، مما يسهل التفاعل مع العملاء ويحسن القدرات التنبؤية. يفترض البحث أن اعتماد الذكاء الاصطناعي سيؤثر إيجابيًا على نمو الإيرادات للمؤسسات الصغيرة والمتوسطة، مما يؤدي إلى صياغة الفرضية 1.
علاوة على ذلك، يبرز البحث الطبيعة التكميلية للذكاء الاصطناعي مع تقنيات رقمية أخرى، تحديدًا إنترنت الأشياء (IoT) وتحليلات البيانات الضخمة (BDA). يؤكد المؤلفون أنه بينما يعد اعتماد الذكاء الاصطناعي مفيدًا، فإن إمكاناته الكاملة تتحقق عند دمجه مع إنترنت الأشياء وتحليلات البيانات الضخمة، التي تعزز معًا جمع البيانات ومعالجتها وقدرات اتخاذ القرار. يقدم البحث الفرضيتين 2 و3، مقترحًا أن إنترنت الأشياء وتحليلات البيانات الضخمة تكمل الذكاء الاصطناعي في تعزيز نمو الإيرادات للمؤسسات الصغيرة والمتوسطة. تدعم النتائج التجريبية من عينة تضم 11,429 مؤسسة صغيرة ومتوسطة أوروبية هذه الفرضيات، مما يظهر أن الاعتماد المتزامن لهذه التقنيات يزيد بشكل كبير من احتمالية نمو الإيرادات، خاصة عند معدلات النمو الأعلى. يساهم هذا البحث في الأدبيات حول التقنيات الرقمية في المؤسسات الصغيرة والمتوسطة، مؤكدًا الأهمية الاستراتيجية لدمج موارد رقمية متعددة لتعظيم إمكانيات النمو.
القيود
تسلط قيود الدراسة الضوء على عدة مجالات للبحث المستقبلي بشأن اعتماد تقنيات البيانات الرقمية من قبل المؤسسات الصغيرة والمتوسطة (SMEs). أولاً، هناك حاجة لاستكشاف كيفية تأثير دورة الابتكار على انتشار هذه التقنيات واعتمادها التكاملي، خاصة فيما يتعلق بتوقيت هذا الاعتماد وتأثيراته على نمو الإيرادات. يُقترح أيضًا فهم التداخلات بين هذه التقنيات كمسار قيم لمزيد من التحقيق.
بالإضافة إلى ذلك، يحد اعتماد الدراسة على مسح فلاش يوروباروميتر من القدرة على تتبع التغيرات في اعتماد التكنولوجيا بمرور الوقت، مما يشير إلى الحاجة إلى دراسات طولية لتقييم التأثيرات طويلة الأجل على إيرادات المؤسسات الصغيرة والمتوسطة والعوامل المربكة المحتملة. المتغيرات المستقلة الحالية لا تلتقط مدى الاستثمارات في التقنيات الرقمية أو التداخلات بينها، مما يشير إلى أن البحث المستقبلي يجب أن يصقل هذه القياسات. علاوة على ذلك، قد تؤثر العوامل الطارئة على مستوى الشركة على العلاقات المدروسة، مما يستدعي مزيدًا من الاستفسار. أخيرًا، لم تتمكن التحليلات من تقييم الاعتماد المشترك للذكاء الاصطناعي (AI) وإنترنت الأشياء (IoT) وتحليلات البيانات الضخمة (BDA) بسبب انخفاض معدلات الاعتماد المتزامن بين المؤسسات الصغيرة والمتوسطة، وهناك دعوة لإجراء فحوصات موثوقية بشأن مقاييس نمو الإيرادات لمعالجة تحيزات الإبلاغ الذاتي.
DOI: https://doi.org/10.1108/intr-02-2024-0195
Publication Date: 2024-12-16
Author(s): Lorenzo Ardito et al.
Primary Topic: Impact of AI and Big Data on Business and Society
Overview
This research paper section investigates the impact of Artificial Intelligence (AI) adoption on the revenue growth of Small and Medium Sized Enterprises (SMEs), addressing a gap in empirical evidence regarding the economic implications of AI in this sector. Utilizing a dataset from the European Commission comprising 11,429 SMEs, the study employs the Resource-Based View and Digital Complementary Asset literature to analyze the relationship between AI adoption and revenue growth. The findings indicate that, ceteris paribus, AI adoption leads to a revenue increase of over 30% for SMEs. Furthermore, the study reveals that the integration of AI with the Internet of Things (IoT) and Big Data Analytics (BDA) enhances this positive effect.
The originality of this research lies in its demonstration that AI not only supports revenue growth for SMEs but is particularly effective when combined with IoT and BDA technologies. The authors suggest that SME managers should recognize the benefits of investing in AI, while policymakers should consider these findings to develop supportive policies and funding initiatives that promote the digitalization of SMEs.
Introduction
The introduction of the research paper highlights the significant role of Small and Medium-Sized Enterprises (SMEs) in the global economy, noting their contribution to employment and the potential for growth through digitalization. Despite the rapid advancement of digital transformation across various sectors, SMEs have been slower to adopt these technologies, particularly Artificial Intelligence (AI). While AI is recognized as a catalyst for revenue growth, empirical evidence linking AI adoption to actual revenue increases in SMEs remains limited. The authors identify a gap in understanding the specific impacts of AI and the complementary roles of other digital technologies, such as the Internet of Things (IoT) and Big Data Analytics (BDA), on SMEs’ revenue growth.
To address this gap, the study poses two research questions: (1) Does AI adoption lead to revenue growth in SMEs? and (2) Are IoT and BDA complementary to AI in enhancing revenue growth? The authors argue that the synergistic integration of AI with IoT and BDA can create a robust data ecosystem that supports decision-making and drives growth. They employ the Resource-Based View and the Complementary Asset concept as theoretical frameworks, utilizing data from a sample of 11,429 European SMEs to conduct an econometric analysis. Preliminary findings suggest that AI adoption positively influences revenue growth, and its effectiveness is further amplified when combined with IoT and BDA, indicating the importance of these complementary assets in the digital transformation of SMEs.
Methods
The methodology section outlines the systematic approach employed in the research to investigate the specified hypotheses. It details the experimental design, including the selection of participants, data collection techniques, and analytical methods used to interpret the results. The study utilized a combination of quantitative and qualitative methods, ensuring a comprehensive analysis of the data.
Participants were recruited based on specific inclusion criteria, and their demographic information was recorded to facilitate subgroup analyses. Data collection involved standardized instruments and protocols to ensure reliability and validity. Statistical analyses were conducted using appropriate software, with significance levels set at p < 0.05 to determine the robustness of the findings. The methodology emphasizes transparency and reproducibility, allowing for future studies to build upon the established framework.
Results
In the results section, the study assessed multicollinearity and endogeneity issues related to the impact of digital technologies on business performance. Pairwise correlations were computed, with all values below the 0.70 threshold, indicating no multicollinearity concerns. Additionally, variance inflation factors (VIFs) were calculated, remaining well below the critical threshold of 10, further confirming the absence of multicollinearity. To test the study’s hypothesis, two-stage regressions with cluster-robust standard errors and instrumental variables were employed, specifically using an ordered probit model in the second stage due to the nature of the dependent variable.
The analysis addressed potential reverse causality and simultaneity bias, as highlighted by Müller et al. (2018), where factors such as economic growth could influence both technology adoption and business performance. To mitigate these issues, the variables related to artificial intelligence (AI), Internet of Things (IoT), and big data analytics (BDA) were treated as endogenous. Endogeneity tests were conducted to evaluate the exogeneity of the instrumental variables, leading to the rejection of the null hypothesis, which indicated that the instruments were endogenous. Furthermore, the Sargan test for overidentification confirmed the validity of the instruments, yielding a p-value greater than 5%, suggesting that the instruments were uncorrelated with the error term in the main equation.
Discussion
In this section, the research discusses the pivotal role of Artificial Intelligence (AI) in driving revenue growth for Small and Medium Enterprises (SMEs). The authors argue that AI enhances operational efficiency by automating processes, which is particularly beneficial for SMEs with limited resources. Additionally, AI augments human productivity, mitigates errors, and supports decision-making and innovation, addressing the skill gaps often found in smaller firms. The flexibility of AI allows SMEs to adapt to changing business needs without incurring significant costs, thereby facilitating customer engagement and improving predictive capabilities. The study posits that the adoption of AI will positively affect SMEs’ revenue growth, leading to the formulation of Hypothesis 1.
Furthermore, the research highlights the complementary nature of AI with other digital technologies, specifically the Internet of Things (IoT) and Big Data Analytics (BDA). The authors assert that while AI adoption is beneficial, its full potential is realized when integrated with IoT and BDA, which together enhance data collection, processing, and decision-making capabilities. The study presents Hypotheses 2 and 3, suggesting that IoT and BDA are complementary to AI in fostering revenue growth for SMEs. Empirical findings from a sample of 11,429 European SMEs support these hypotheses, demonstrating that the concurrent adoption of these technologies significantly increases the likelihood of revenue growth, particularly at higher growth rates. This research contributes to the literature on digital technologies in SMEs, emphasizing the strategic importance of integrating multiple digital resources to maximize growth potential.
Limitations
The limitations of the study highlight several areas for future research regarding the adoption of digital data technologies by small and medium-sized enterprises (SMEs). Firstly, there is a need to explore how the innovation cycle impacts the diffusion of these technologies and their complementary adoption, particularly concerning the timing of such adoption and its effects on revenue growth. Understanding the interdependencies among these technologies is also suggested as a valuable avenue for further investigation.
Additionally, the study’s reliance on the Flash Eurobarometer survey limits the ability to track changes in technology adoption over time, indicating a need for longitudinal studies to assess the long-term impacts on SME revenues and potential confounding factors. The current independent variables do not capture the extent of investments in digital technologies or overlaps between them, suggesting that future research should refine these measures. Furthermore, firm-level contingent factors may influence the relationships studied, warranting additional inquiry. Lastly, the analysis could not evaluate the joint adoption of artificial intelligence (AI), Internet of Things (IoT), and big data analytics (BDA) due to low concurrent adoption rates among SMEs, and there is a call for robustness checks regarding revenue growth measures to address self-reporting biases.