DOI: https://doi.org/10.1016/j.jik.2024.100545
تاريخ النشر: 2024-07-01
المؤلف: Alberto Michele Felicetti وآخرون
الموضوع الرئيسي: البيانات الضخمة وذكاء الأعمال
نظرة عامة
تبحث ورقة البحث في التأثير التحويلي لأدوات الذكاء الاصطناعي التوليدي، وخاصة الدردشة الآلية مثل ChatGPT، على ممارسات إدارة المشاريع. باستخدام نظرية الهيكلة التكيفية، تحلل الدراسة كيف يتبنى مدراء المشاريع الإيطاليون هذه التقنيات ويكيفونها، مع التركيز على عوامل مثل موقف الابتكار، تأثير الأقران، وملاءمة المهمة والتكنولوجيا. تكشف تحليل البيانات من خلال نموذج المعادلات الهيكلية – المربعات الصغرى الجزئية أن كل من موقف الابتكار وتأثير الأقران يؤثران إيجابياً على الاستخدام الإبداعي والمبتكر للذكاء الاصطناعي، بينما تعتبر ملاءمة المهمة والتكنولوجيا ضرورية للتكامل الفعال، مما يؤثر على أداء المشروع.
تؤكد النتائج على أهمية تعزيز عقلية مبتكرة وثقافة تعاونية بين مدراء المشاريع لتعزيز الاستحواذ على أدوات الذكاء الاصطناعي. تسهم هذه الدراسة في الأدبيات المتعلقة بتبني الذكاء الاصطناعي في إدارة المشاريع من خلال تسليط الضوء على تفاعل العوامل النفسية والاجتماعية والمتعلقة بالمهام في تكامل التكنولوجيا. تقترح أن على المنظمات الاستثمار في مبادرات التدريب والتطوير التي تتماشى مع احتياجات المشاريع المحددة، مما يسهل استخدامها الفعال. بشكل عام، تقدم الدراسة رؤى قابلة للتنفيذ للممارسين وتضع أساساً للبحث المستقبلي حول الدور المتطور للذكاء الاصطناعي في إدارة المشاريع.
مقدمة
يعمل إدخال أدوات الذكاء الاصطناعي التوليدي على تحويل ممارسات الأعمال بشكل كبير، وخاصة في إدارة المشاريع، من خلال أتمتة المهام المعقدة وتعزيز العمليات الإبداعية التي كانت تعتمد تقليدياً على الذكاء البشري. لا يحسن هذا التحول الكفاءة التشغيلية فحسب، بل يعزز أيضاً الابتكار، مما يجعل التكامل الفعال للذكاء الاصطناعي محدداً رئيسياً للميزة التنافسية (كانباخ وآخرون، 2023؛ كيم وكيم، 2023). تمتد قدرات الذكاء الاصطناعي التوليدي إلى ما هو أبعد من أتمتة المهام؛ حيث تسهل تحسين اتخاذ القرار وإدارة المخاطر من خلال تحديد الفرص والتهديدات التي قد لا تكون واضحة من خلال الطرق التقليدية (هايفنر وآخرون، 2021؛ فيرغنتي وآخرون، 2020). ومع ذلك، بينما استكشفت الأدبيات الحالية الجوانب التكنولوجية للذكاء الاصطناعي في إدارة المشاريع، لا يزال هناك فجوة ملحوظة بشأن العوامل الإدارية التي تؤثر على تبني هذه التقنيات من قبل مدراء المشاريع.
تهدف هذه الورقة إلى معالجة هذه الفجوة من خلال التحقيق في العوامل التي تؤثر على استحواذ مدراء المشاريع على أدوات الذكاء الاصطناعي التوليدي، مثل ChatGPT، ضمن سير عملهم. باستخدام إطار نظرية الهيكلة التكيفية (AST)، تفحص الدراسة كيف يتكيف مدراء المشاريع ويكاملون هذه التقنيات بناءً على سياقاتهم التشغيلية الفريدة، مع التركيز على متغيرات مثل موقف الابتكار (IA)، تأثير الأقران (PI)، وملاءمة المهمة والتكنولوجيا (TTF). تشير النتائج الأولية إلى أن هذه العوامل تؤثر بشكل كبير على كيفية استغلال مدراء المشاريع للذكاء الاصطناعي التوليدي، مما يعزز قدراتهم وقد يؤدي إلى ممارسات إدارة مشاريع أكثر ابتكاراً. تسهم هذه الدراسة في فهم أعمق لتبني التكنولوجيا في إدارة المشاريع، مع التأكيد على أهمية المنظورات الإدارية في المشهد المتطور لتكامل الذكاء الاصطناعي.
الطرق
تحدد قسم منهجية البحث النهج المنهجي المستخدم للتحقيق في أهداف الدراسة. يوضح اختيار المشاركين، وتقنيات جمع البيانات، والأساليب التحليلية المستخدمة لضمان موثوقية وصدق النتائج. استخدمت الدراسة تصميمًا مختلطًا، يجمع بين البيانات الكمية والنوعية لتوفير فهم شامل لأسئلة البحث.
تم جمع البيانات الكمية من خلال استبيانات منظمة، والتي تم تحليلها إحصائيًا باستخدام أدوات البرمجيات لتحديد الأنماط والارتباطات المهمة. تم الحصول على رؤى نوعية من خلال المقابلات ومجموعات التركيز، مما سمح باستكشاف أعمق لوجهات نظر المشاركين. سهل الجمع بين هذه الأساليب التثليث، مما يعزز قوة النتائج ويضمن تفسيرًا متوازنًا للبيانات. بشكل عام، تم تصميم المنهجية لمعالجة التحيزات والقيود المحتملة، مما يعزز مصداقية نتائج البحث.
النتائج
في قسم النتائج، تقدم الدراسة تحليلًا شاملاً لنماذج القياس والبنية. تؤكد تقييم نموذج القياس قوته، حيث تتجاوز جميع تحميلات المؤشرات عتبة 0.708، وتتفوق قيم الموثوقية المركبة ($\rho_C$) وقيم ألفا كرونباخ على 0.7، مما يشير إلى اتساق داخلي قوي. تتجاوز قيم متوسط التباين المستخرج (AVE) للإنشاءات—0.687 لـ CB، 0.768 لـ UFOA، 0.601 لـ IA، 0.668 لـ PI، و0.739 لـ TTF—عتبة 0.5، مما يؤكد الصلاحية التقاربية. كما تم إثبات الصلاحية التمييزية من خلال التحميلات المتقاطعة، ومعايير فورنل-لاركر، ومقاييس نسبة الهتروترات-المونوترايت (HTMT)، حيث تدعم جميع النتائج صلاحية النموذج.
يكشف تحليل نموذج الهيكل عن عدم وجود مشاكل في التعدد الخطي، كما تشير إليه قيم عامل التضخم التبايني (VIF) التي تقل عن 5. تظهر معاملات المسار تأثيرات إيجابية كبيرة للإنشاءات المستقلة (IA، PI، وTTF) على تبني الدردشة الآلية التوليدية (CB وUFOA)، مع إظهار TTF لأقوى تأثير. يتم تأكيد الأهمية الإحصائية بقيم t التي تتجاوز 1.96 لجميع الإنشاءات، مما يحقق الفرضيات المقترحة. تشير أحجام التأثير ($f^2$) إلى قوة تفسيرية كبيرة لـ IA، PI، وTTF على كل من CB وUFOA، مع قيم $R^2$ تبلغ 0.499 و0.551، على التوالي، مما يعكس مستوى مرضٍ من القوة التفسيرية للنموذج.
المناقشة
تتناول قسم المناقشة في ورقة البحث هذه الإطار النظري والنتائج التجريبية المتعلقة باستحواذ مدراء المشاريع على أدوات الذكاء الاصطناعي التوليدي، باستخدام نظرية الهيكلة التكيفية (AST). يقترح المؤلفون نموذجًا يحدد ثلاثة عوامل رئيسية تؤثر على هذا الاستحواذ: موقف الابتكار (IA)، تأثير الأقران (PI)، وملاءمة المهمة والتكنولوجيا (TTF). تقوم الدراسة بتشغيل الاستحواذ من خلال إنشائين—السلوك الإبداعي (CB) وعدم الأمانة في الاستحواذ (UFOA)—وتؤكد جميع الفرضيات من خلال التحليل التجريبي. من الجدير بالذكر أن مدراء المشاريع الذين لديهم IA عالية هم أكثر عرضة للمشاركة في كل من UFOA وCB، مما يشير إلى أن عقلية مبتكرة تعزز الاستخدامات الإبداعية وغير التقليدية لأدوات الذكاء الاصطناعي في إدارة المشاريع.
تسلط النتائج الضوء أيضًا على الدور المهم لـ PI، حيث أن ملاحظة الأقران الذين يستخدمون أدوات الذكاء الاصطناعي التوليدي بشكل فعال تحفز مدراء المشاريع على تبني هذه التقنيات وتطبيقها بشكل إبداعي. هذا يبرز أهمية الديناميات الاجتماعية في تبني التكنولوجيا، حيث تخلق قصص نجاح الأقران معايير إيجابية تشجع الممارسات الابتكارية. بالإضافة إلى ذلك، تجد الدراسة أن TTF القوي يعزز كل من CB وUFOA، مما يشير إلى أنه عندما تتماشى أدوات الذكاء الاصطناعي بشكل جيد مع مهام المشروع، يكون مدراء المشاريع أكثر عرضة للانخراط بعمق وإبداع مع التكنولوجيا. بشكل عام، تسهم هذه الدراسة في الأدبيات من خلال توسيع AST إلى مجال الذكاء الاصطناعي وإدارة المشاريع، مع التأكيد على التفاعل بين التكنولوجيا، التأثير الاجتماعي، وتوافق المهام في تعزيز الاستحواذ الفعال على التكنولوجيا.
القيود
تسلط قيود هذه الدراسة البحثية الضوء على عدة مجالات رئيسية للتحسين والاستكشاف المستقبلي. أولاً، يقتصر التركيز على مدراء المشاريع الإيطاليين على تعميم النتائج على سياقات ثقافية أو تنظيمية أخرى. لتعزيز الصدق، ينبغي على الدراسات المستقبلية النظر في تكرار هذا البحث في بيئات وطنية متنوعة أو استخدام عينات دولية. بالإضافة إلى ذلك، قد لا تعكس التطورات السريعة في تقنيات الذكاء الاصطناعي بشكل كامل نتائج الدراسة، مما يبرز الحاجة إلى أبحاث مستمرة لالتقاط المشهد المتغير لتبني أدوات الذكاء الاصطناعي بين مدراء المشاريع.
علاوة على ذلك، قد يحد الاعتماد على استبيان كطريقة جمع البيانات الوحيدة من عمق الرؤى المتعلقة بتجارب مدراء المشاريع. يمكن أن يؤدي استخدام نهج مختلط، بما في ذلك المقابلات أو مجموعات التركيز، إلى فهم أكثر شمولاً. كما أن الدراسة تتجاهل العوامل المحتملة التي قد تؤثر على العلاقات المحددة، مثل الثقافة التنظيمية، تعقيد المشروع، أو الفروق الفردية. ينبغي أن تهدف الأبحاث المستقبلية إلى التحقق من صحة هذه النتائج عبر سياقات متنوعة والتحقيق في التأثيرات طويلة الأمد لتبني أدوات الذكاء الاصطناعي على نتائج إدارة المشاريع، فضلاً عن التأثيرات المعدلة للعوامل ذات الصلة، مما يثري مجال الدراسة.
DOI: https://doi.org/10.1016/j.jik.2024.100545
Publication Date: 2024-07-01
Author(s): Alberto Michele Felicetti et al.
Primary Topic: Big Data and Business Intelligence
Overview
The research paper investigates the transformative impact of generative AI tools, particularly chatbots like ChatGPT, on project management practices. Utilizing Adaptive Structuration Theory, the study analyzes how Italian project managers adopt and adapt these technologies, focusing on factors such as Innovation Attitude, Peer Influence, and Task-Technology Fit. Data analysis through Partial Least Square – Structural Equation Modeling reveals that both Innovation Attitude and Peer Influence positively influence the creative and innovative use of AI, while Task-Technology Fit is essential for effective integration, impacting project performance.
The findings underscore the importance of fostering an innovative mindset and collaborative culture among project managers to enhance the appropriation of AI tools. The research contributes to the literature on AI adoption in project management by highlighting the interplay of psychological, social, and task-related factors in technology integration. It suggests that organizations should invest in training and development initiatives that align AI tools with specific project needs, thereby facilitating their effective use. Overall, the study provides actionable insights for practitioners and lays a foundation for future research on the evolving role of AI in project management.
Introduction
The introduction of generative artificial intelligence (AI) tools is significantly transforming business practices, particularly in project management, by automating complex tasks and enhancing creative processes that traditionally relied on human intellect. This shift not only improves operational efficiency but also fosters innovation, making the effective integration of AI a key determinant of competitive advantage (Kanbach et al., 2023; Kim & Kim, 2023). Generative AI’s capabilities extend beyond task automation; they facilitate improved decision-making and risk management by identifying opportunities and threats that may not be evident through conventional methods (Haefner et al., 2021; Verganti et al., 2020). However, while existing literature has explored the technological aspects of AI in project management, there remains a notable gap regarding the managerial factors influencing the adoption of these technologies by project managers.
This paper aims to address this gap by investigating the factors that affect project managers’ appropriation of generative AI tools, such as ChatGPT, within their workflows. Utilizing the Adaptive Structuration Theory (AST) framework, the study examines how project managers adapt and integrate these technologies based on their unique operational contexts, focusing on variables like Innovation Attitude (IA), Peer Influence (PI), and Task-Technology Fit (TTF). Preliminary findings suggest that these factors significantly influence how project managers leverage generative AI, thereby enhancing their capabilities and potentially leading to more innovative project management practices. The research contributes to a deeper understanding of technology adoption in project management, emphasizing the importance of managerial perspectives in the evolving landscape of AI integration.
Methods
The research methodology section outlines the systematic approach employed to investigate the study’s objectives. It details the selection of participants, data collection techniques, and analytical methods utilized to ensure the reliability and validity of the findings. The study employed a mixed-methods design, integrating both quantitative and qualitative data to provide a comprehensive understanding of the research questions.
Quantitative data were gathered through structured surveys, which were statistically analyzed using software tools to identify significant patterns and correlations. Qualitative insights were obtained through interviews and focus groups, allowing for a deeper exploration of participants’ perspectives. The combination of these methods facilitated triangulation, enhancing the robustness of the results and ensuring a well-rounded interpretation of the data. Overall, the methodology was designed to address potential biases and limitations, thereby strengthening the credibility of the research outcomes.
Results
In the Results section, the study presents a comprehensive analysis of the measurement and structural models. The measurement model evaluation confirms its robustness, with all indicator loadings exceeding the threshold of 0.708, and both composite reliability ($\rho_C$) and Cronbach’s alpha values surpassing 0.7, indicating strong internal consistency. The Average Variance Extracted (AVE) values for the constructs—0.687 for CB, 0.768 for UFOA, 0.601 for IA, 0.668 for PI, and 0.739 for TTF—exceed the 0.5 threshold, affirming convergent validity. Discriminant validity is also established through cross-loadings, Fornell-Larcker criteria, and Heterotrait-Monotrait Ratio (HTMT) metrics, with all findings supporting the model’s validity.
The structural model analysis reveals no collinearity issues, as indicated by Variance Inflation Factor (VIF) values below 5. Path coefficients demonstrate significant positive influences of the independent constructs (IA, PI, and TTF) on the adoption of generative chatbots (CB and UFOA), with TTF showing the strongest impact. Statistical significance is confirmed with t-values exceeding 1.96 for all constructs, validating the proposed hypotheses. The effect sizes ($f^2$) indicate substantial explanatory power for IA, PI, and TTF on both CB and UFOA, with $R^2$ values of 0.499 and 0.551, respectively, reflecting a satisfactory level of explanatory power for the model.
Discussion
The discussion section of this research paper elaborates on the theoretical framework and empirical findings regarding the appropriation of generative AI tools by project managers, utilizing the Adaptive Structuration Theory (AST). The authors propose a model that identifies three key antecedents influencing this appropriation: Innovation Attitude (IA), Peer Influence (PI), and Task-Technology Fit (TTF). The study operationalizes appropriation through two constructs—Creative Behaviour (CB) and Unfaithfulness of Appropriation (UFOA)—and confirms all hypotheses through empirical analysis. Notably, project managers with a high IA are more likely to engage in both UFOA and CB, indicating that an innovative mindset fosters creative and unconventional uses of AI tools in project management.
The findings also highlight the significant role of PI, where observing peers effectively utilizing generative AI tools motivates project managers to adopt and creatively apply these technologies. This underscores the importance of social dynamics in technology adoption, as peer success stories create positive norms that encourage innovative practices. Additionally, the study finds that a strong TTF enhances both CB and UFOA, suggesting that when AI tools align well with project tasks, project managers are more likely to engage deeply and creatively with the technology. Overall, the research contributes to the literature by extending AST into the realm of AI and project management, emphasizing the interplay between technology, social influence, and task alignment in fostering effective technology appropriation.
Limitations
The limitations of this research study highlight several key areas for improvement and future exploration. Firstly, the focus on Italian project managers restricts the generalizability of the findings to other cultural or organizational contexts. To enhance validity, future studies should consider replicating this research in diverse national settings or utilizing international samples. Additionally, the rapid evolution of AI technologies may not be fully reflected in the study’s findings, underscoring the need for ongoing research to capture the changing landscape of AI tool adoption among project managers.
Moreover, the reliance on a questionnaire as the sole data collection method may limit the depth of insights regarding project managers’ experiences. Employing a mixed-methods approach, including interviews or focus groups, could yield a more comprehensive understanding. The study also overlooks potential moderating factors, such as organizational culture, project complexity, or individual differences, which could influence the identified relationships. Future research should aim to validate these findings across varied contexts and investigate the long-term impacts of AI tool adoption on project management outcomes, as well as the moderating effects of relevant factors, thereby enriching the field of study.