DOI: https://doi.org/10.31803/tg-20240512171214
تاريخ النشر: 2025-02-07
المؤلف: Aman Pathak وآخرون
الموضوع الرئيسي: الأنظمة المعقدة واتخاذ القرار
نظرة عامة
تسلط ورقة البحث الضوء على الطبيعة الفريدة لتكنولوجيا الذكاء الاصطناعي (AI) مقارنة بالتبني التكنولوجي السابق من قبل المنظمات. من خلال مراجعة منهجية للأدبيات، حدد المؤلفون العوامل التكنولوجية والتنظيمية الرئيسية التي تؤثر على استعداد المنظمة لتبني الذكاء الاصطناعي. ركزوا على 13 عاملاً فرعياً مختاراً، تم تحديدها من خلال مناقشات مع خبراء المجال، الذين قدموا أيضاً تصنيفات لهذه العوامل.
تشير النتائج إلى أن العوامل الفرعية الثلاثة الرئيسية ضمن السياق التكنولوجي هي قدرات الذكاء الاصطناعي، التوافق، وتعقيد أنظمة الذكاء الاصطناعي. في السياق التنظيمي، فإن العوامل الفرعية الرائدة هي بنية التكنولوجيا التحتية والقوى العاملة الماهرة، إلى جانب الدعم من الإدارة العليا. ومن الجدير بالذكر أن النتائج تشير إلى أن كل من العوامل التنظيمية والتكنولوجية تحمل أهمية متساوية في النجاح في تبني تكنولوجيا الذكاء الاصطناعي.
مقدمة
تستعرض مقدمة هذه المقالة تصورات وتطبيقات الذكاء الاصطناعي (AI) بين مجموعة من 30 بالغاً متمكناً تقنياً. عرّف المشاركون الذكاء الاصطناعي على أنه أدوات أساسية في الحياة اليومية تعزز الإنتاجية، وتؤتمت المهام المتكررة، وتمتلك قدرات معرفية للتفكير المعقد واتخاذ القرارات. اعترف جميع المستجيبين باستخدامهم للذكاء الاصطناعي، مشيرين إلى دوره الواسع في الحياة الحديثة، مع أمثلة تشمل مساعد جوجل، ChatGPT، وأنظمة التوصية المختلفة. ومن الجدير بالذكر أن الردود لم تذكر تطبيقات الذكاء الاصطناعي الحرجة، مما يشير إلى وجود فجوة في الوعي أو الاعتبار لتداعيات الذكاء الاصطناعي الأوسع.
تستكشف المقالة أيضاً تبني الذكاء الاصطناعي داخل المنظمات، وخاصة في قطاع الخدمات المالية الهندي، حيث هو حالياً في مرحلة متوسطة من التنفيذ. يتم التأكيد على فوائد تبني الذكاء الاصطناعي، بما في ذلك زيادة الكفاءة التشغيلية، وتحسين اتخاذ القرارات، وتعزيز خدمة العملاء من خلال وكلاء الذكاء الاصطناعي التفاعليين. يتم وصف عملية التبني على أنها متعددة المراحل، مع أطر تصنفها إلى مراحل مثل ما قبل التبني، التبني، وما بعد التبني، أو بشكل أكثر شمولاً إلى خمس مراحل: المعرفة، الإقناع، القرار، التنفيذ، والتأكيد. يشير المؤلفون إلى نقص البحث الواسع حول العوامل التي تؤثر على استعداد المنظمات لتبني الذكاء الاصطناعي، وخاصة في سياق إطار التكنولوجيا-المنظمة-البيئة (TOE)، مما يشير إلى الحاجة لمزيد من التحقيق في هذه التكنولوجيا الناشئة.
النتائج
كان هدف الدراسة تقييم الأهمية النسبية لعوامل التكنولوجيا والتنظيم في تبني الذكاء الاصطناعي، مستفيدين من رؤى 20 خبيراً في الصناعة من قطاعات الخدمات المالية والاستشارات التكنولوجية. أظهرت التصنيفات الأولية أن كل من التكنولوجيا والتنظيم كانت لها أولوية مماثلة، مع متوسط تصنيفات 1.7 و1.8، على التوالي، وعدم وجود فرق كبير عند مستوى ثقة 95%. بعد تلقي ملاحظات الخبراء، قام الباحثون بتنقيح التحليل من خلال تقليص 20 عاملاً فرعياً إلى 13، والتي تم تصنيفها بعد ذلك باستخدام طريقة تحليل نسبة الوزن التدريجي الخشن (R-SWARA). كشفت النتائج أن التكنولوجيا والتنظيم تم تعيين أوزان قدرها 0.463 و0.303، على التوالي، مع تحديد عوامل فرعية رئيسية لمزيد من التحليل.
تم إجراء استطلاع لاحق لـ 327 محترفاً من قطاع الخدمات المالية باستخدام مقياس ليكرت من 7 نقاط لتقييم البنى المتعلقة بدعم الإدارة العليا، وبنية التكنولوجيا التحتية، وقدرات الذكاء الاصطناعي. أكدت اختبارات الصلاحية قوة مقاييس القياس، حيث تجاوزت الصلاحية التقاربية والتباينية العتبة 0.7 وكانت الصلاحية التمييزية أقل من العتبة 0.9. أظهرت اختبارات T التي تقارن التصورات التنظيمية والتكنولوجية 27 فرقاً ذا دلالة إحصائية بين 63 زوجاً، مما يشير إلى أنه بينما كانت التصورات لعوامل التكنولوجيا والتنظيم غالباً متوافقة، لم يكن هناك استنتاج قاطع بأن أحدهما كان أكثر أهمية من الآخر في سياق تبني الذكاء الاصطناعي.
المناقشة
في هذا القسم، يستكشف المؤلفون الأهمية النسبية للعوامل التكنولوجية والتنظيمية في التأثير على نية المنظمة لتبني الذكاء الاصطناعي (AI). باستخدام طريقة تحليل نسبة الوزن التدريجي الخشن (R-SWARA)، يقيمون درجات الوزن لعوامل مختلفة تؤثر على تبني الذكاء الاصطناعي. تستند الدراسة إلى إطار التكنولوجيا-المنظمة-البيئة (TOE)، مع التركيز بشكل خاص على التكنولوجيا والتنظيم مع استبعاد العوامل البيئية، التي اعتبرتها الأبحاث السابقة أقل أهمية. تكشف النتائج أن كل من التكنولوجيا والتنظيم أساسيان، مع تأكيد خاص على القدرات، والتوافق، وتعقيد تكنولوجيات الذكاء الاصطناعي، فضلاً عن دور دعم الإدارة العليا، وبنية تكنولوجيا المعلومات، والقوى العاملة الماهرة في تسهيل تبني الذكاء الاصطناعي.
تشير النتائج إلى أن العوامل التكنولوجية والتنظيمية هي حقائق متميزة ولكنها مترابطة، مع ملاحظات كبيرة بين مختلف العوامل الفرعية. على سبيل المثال، يعد دعم الإدارة العليا ووجود نظام بيانات قوي أمراً حاسماً لتنفيذ الذكاء الاصطناعي بنجاح. يبرز المؤلفون أن المنظمات يجب أن تفهم تماماً تكنولوجيات الذكاء الاصطناعي وتداعياتها قبل النشر، مشددين على الحاجة إلى بنية تحتية قوية لتكنولوجيا المعلومات والتزام الإدارة. تختتم الدراسة بأن كل من الخصائص التكنولوجية والتنظيمية ضرورية لتبني الذكاء الاصطناعي بشكل فعال، مما يشير إلى أن المنظمات يجب أن تقيم استعدادها وتوافقها مع أنظمة الذكاء الاصطناعي لتقليل مقاومة التغيير وزيادة احتمالية التنفيذ الناجح.
DOI: https://doi.org/10.31803/tg-20240512171214
Publication Date: 2025-02-07
Author(s): Aman Pathak et al.
Primary Topic: Complex Systems and Decision Making
Overview
The research paper highlights the unique nature of artificial intelligence (AI) technology compared to previous technological adoptions by organizations. Through a systematic literature review, the authors identified key technological and organizational factors that influence an organization’s readiness for AI adoption. They focused on 13 selected subfactors, determined through discussions with domain experts, who also provided rankings for these factors.
The findings indicate that the top three subfactors within the technological context are the capabilities of AI, compatibility, and complexity of AI systems. In the organizational context, the leading subfactors are technology infrastructure and skilled workforce, along with support from top management. Notably, the results suggest that both organizational and technological factors hold equal significance in the successful adoption of AI technology.
Introduction
The introduction of this article examines the perceptions and applications of Artificial Intelligence (AI) among a group of 30 technically proficient adults. Participants defined AI as tools integral to daily life that enhance productivity, automate repetitive tasks, and possess cognitive abilities for complex reasoning and decision-making. All respondents acknowledged their use of AI, highlighting its pervasive role in modern life, with examples including Google Assistant, ChatGPT, and various recommendation systems. Notably, the responses lacked mention of critical AI applications, suggesting a gap in awareness or consideration of AI’s broader implications.
The article further explores the adoption of AI within organizations, particularly in the Indian financial services sector, where it is currently at a moderate stage of implementation. The benefits of AI adoption are emphasized, including increased operational efficiency, improved decision-making, and enhanced customer service through interactive AI agents. The adoption process is described as multi-staged, with frameworks categorizing it into phases such as Pre-adoption, Adoption, and Post-adoption, or more comprehensively into five stages: Knowledge, Persuasion, Decision, Implementation, and Confirmation. The authors note a lack of extensive research on the factors influencing organizational readiness for AI adoption, particularly within the context of the technology-organization-environment (TOE) framework, indicating a need for further investigation into this emergent technology.
Results
The study aimed to evaluate the relative importance of Technology and Organization factors in the adoption of AI, utilizing insights from 20 industry experts from the financial services and technology consultancy sectors. Initial rankings indicated that both Technology and Organization were similarly prioritized, with average ranks of 1.7 and 1.8, respectively, and no significant difference at a 95% confidence level. Following expert feedback, the researchers refined the analysis by narrowing down 20 subfactors to 13, which were then ranked using the Rough Stepwise Weight Assessment Ratio Analysis (R-SWARA) method. The results revealed that Technology and Organization were assigned weights of 0.463 and 0.303, respectively, with key subfactors identified for further analysis.
A subsequent survey of 327 professionals from the financial services sector employed a 7-point Likert scale to assess constructs related to top management support, technology infrastructure, and AI capabilities. Validity tests confirmed the robustness of the measurement scales, with convergent and divergent validity exceeding the 0.7 threshold and discriminant validity below the 0.9 threshold. T-tests comparing organizational and technological perceptions yielded 27 statistically significant differences among 63 pairs, suggesting that while perceptions of technology and organization factors were often aligned, there was no definitive conclusion that one was more critical than the other in the context of AI adoption.
Discussion
In this section, the authors investigate the relative significance of technological and organizational factors in influencing an organization’s intention to adopt artificial intelligence (AI). Utilizing the Rough Stepwise Weight Assessment Ratio Analysis (R-SWARA) method, they assess the weight scores of various factors affecting AI adoption. The study builds on the Technology-Organization-Environment (TOE) framework, focusing specifically on technology and organization while excluding environmental factors, which prior research deemed less critical. The findings reveal that both technology and organization are essential, with specific emphasis on the capabilities, compatibility, and complexity of AI technologies, as well as the role of top management support, IT infrastructure, and skilled workforce in facilitating AI adoption.
The results indicate that technology and organizational factors are distinct yet interrelated realities, with significant differences observed among various subfactors. For instance, top management support and the presence of a robust data ecosystem are crucial for successful AI implementation. The authors highlight that organizations must thoroughly understand AI technologies and their implications before deployment, emphasizing the need for a strong IT infrastructure and management commitment. The study concludes that both technological and organizational characteristics are vital for effective AI adoption, suggesting that organizations should evaluate their readiness and compatibility with AI systems to mitigate resistance to change and enhance the likelihood of successful implementation.