الذكاء الاصطناعي التوليدي
التوجه الريادي
المرونة الريادية
اضطراب السوق
وجه القدرة الديناميكية

خلال أوقات الأزمات، يواجه رواد الأعمال تحديات فريدة تتطلب المرونة والقدرة على التكيف (بولوه ورينكو، 2013؛ داهليس وسوسيلواتي، 2015؛ غروفر وسابهر وال، 2020)، مما يستلزم تعديلات سريعة على استراتيجيات الأعمال، والاستجابة لتغيرات السوق، ووضع حلول مبتكرة للتحديات غير المتوقعة (كيرتلي وأوماهوني، 2023). يتطلب الأمر البقاء على قيد الحياة في مواجهة الشدائد والازدهار واغتنام الفرص الجديدة (بورنومو وآخرون، 2021)، ويعتمد على عقلية النمو، والقدرة على التعلم من الفشل، والاستعداد لتحمل المخاطر المحسوبة (خورانا وآخرون، 2022). من خلال تعزيز المرونة، يمكن لرواد الأعمال التنقل بشكل أفضل في ظل عدم اليقين والظهور بشكل أقوى على المدى الطويل (هادجيلياس وآخرون،
2022).

في ظل تطور مشهد الأعمال، تلجأ الشركات من جميع الأحجام إلى الذكاء الاصطناعي التوليدي (Gen AI) للحفاظ على تنافسيتها (كار وآخرون، 2023؛ ماهوترا ومايجكرازاك، 2024؛ فيليبو وآخرون، 2024). لقد أدى التقدم السريع في التقنيات الرقمية، بما في ذلك الذكاء الاصطناعي التوليدي، والميتافيرس، والحوسبة السحابية، إلى تعزيز نمو نماذج الأعمال الرقمية (زهرة وآخرون، 2006؛ سي وآخرون، 2023؛ فيلنهوفر، 2023). من خلال الاستفادة من الخوارزميات المتقدمة وتقنيات التعلم الآلي، يمكّن الذكاء الاصطناعي التوليدي الشركات من أتمتة المهام، وتوقع الاتجاهات، وتحديد الفرص الجديدة (بودهوار وآخرون، 2023)، مما يعزز بشكل حاسم مرونة ريادة الأعمال (شيبرد ومايجكرازاك، 2022). يعزز الذكاء الاصطناعي التوليدي الكفاءة من خلال تبسيط العمليات وأتمتة

العمليات، مما يمكّن الشركات من مواجهة تقلبات السوق (بارمار وآخرون، 2014) بينما تحدد وتستفيد من الفرص الجديدة للحفاظ على التنافسية (كانباخ وآخرون، 2024). الذكاء الاصطناعي العام هو أداة قوية لتعزيز المرونة والتنافسية في اقتصاد اليوم الديناميكي (بانكينز وآخرون، 2023)، مما يسمح للشركات بالازدهار في بيئات صعبة (دويفيدي وآخرون، 2023؛ كار وآخرون، 2023).

المرونة الريادية (ER) ضرورية لنجاح الأعمال، خاصة في الأوقات غير المؤكدة (Shepherd et al., 2020). تشير ER إلى قدرة الأعمال على التغلب على التحديات والتكيف مع المواقف غير المتوقعة مع الحفاظ على القيم الأساسية وتعديل الاستراتيجيات لتتناسب مع ظروف السوق المتغيرة، وهو أمر أساسي للنجاح على المدى الطويل (Hillmann and Guenther, 2021). على الرغم من أن مفهوم ER قد حظي باهتمام في الأدبيات الأكاديمية (Salvato et al., 2020; Khurana et al., 2022)، إلا أن هناك حاجة لمزيد من التركيز على قدرات الذكاء الاصطناعي وإمكانات الذكاء الاصطناعي التوليدي لتعزيز ER (Isensee et al., 2023; McElheran et al., 2024). بينما قد لا يؤثر الذكاء الاصطناعي التوليدي بشكل مباشر على ER، فإن إدارة المخاطر من قبل رواد الأعمال أمر حاسم في استغلال إمكانات الذكاء الاصطناعي التوليدي لتعزيز ER.

تلعب التوجه الريادي (EO) دورًا حاسمًا في ترجمة نتائج الذكاء الاصطناعي التوليدي لتحديد المخاطر والفرص المحتملة للمنظمات. يتيح التوجه الريادي للشركات التقاط العمليات والممارسات والأنشطة التي تمكّن من خلق القيمة من خلال المساعي الريادية (ويلز وآخرون، 2013). في عصر التحول الرقمي السريع، يساعد العقلية الريادية المنظمات على تنمية قدرات الذكاء الاصطناعي التوليدي وتطوير الكفاءات الديناميكية الضرورية للمؤسسات الصغيرة للتنقل بفعالية في الأوقات المضطربة (فريك وآخرون، 2021؛ شيوما وآخرون، 2022؛ طاهري زاده وبودري، 2023). كما أن هذه المقاربة تساعد أيضًا في تحسين حصة السوق، وإطلاق منتجات جديدة، أو زيادة الربحية (دويفيدي وآخرون، 2021؛ تشانغ وألميرال، 2022؛ كشتري وآخرون، 2023؛ كانباخ وآخرون، 2024).

يُعرف ريادة الأعمال (EO) بأنه عقلية واستراتيجيات رواد الأعمال في السعي وراء الفرص والابتكار وتحمل المخاطر (ويلز وآخرون، 2013؛ دوباي وآخرون، 2020؛ دونثو وغوستافسون، 2020). تعزز مستويات عالية من ريادة الأعمال (EO) ريادة الأعمال (ER)، مما يمكّن رواد الأعمال من التكيف مع الظروف المتغيرة، والتعافي من النكسات، والازدهار في ظل التحديات (كاسترو وزيرمينو، 2021؛ زيغان وآخرون، 2022). تلعب الذكاء الاصطناعي (AI) دورًا محوريًا في تعزيز ريادة الأعمال (EO) من خلال تشجيع الابتكار، وتحمل المخاطر، والتعرف الاستباقي على فرص الأعمال الجديدة (شيبرد ومايجكرزاك، 2022؛ دافيدسون وسفيان، 2023؛ أوبادياي وآخرون، 2023).

لذا، يمكن القول إن الذكاء الاصطناعي التوليدي قد غيّر بشكل كبير كيفية عمل الشركات الصغيرة (Chen et al., 2023). بفضل خوارزمياته المتقدمة وقدرات التعلم الآلي، مكّن الذكاء الاصطناعي التوليدي الشركات الصغيرة من أتمتة العمليات، وتعزيز الكفاءة، وتحسين اتخاذ القرارات (Shepherd and Majchrzak, 2022). من التحليلات التنبؤية إلى روبوتات الدردشة، زود الذكاء الاصطناعي التوليدي الشركات الصغيرة بالأدوات والتقنيات التي كانت متاحة سابقًا فقط للمؤسسات الكبيرة (Rizomyliotis et al., 2022)، مما يمكّنها من المنافسة في سوق اليوم السريع والحفاظ على ميزة تنافسية (Norbäck and Persson, 2024).

أظهرت الدراسات الحديثة في ريادة الأعمال أهمية الرقمنة للمنظمات الصغيرة، خاصة خلال الفترات الصعبة مثل جائحة COVID-19 (ليباهو وريتالا، 2022). تواجه الشركات الصغيرة زيادة في عدم اليقين في الطلب والعرض بسبب الأزمات الجيوسياسية (الثقبي وآخرون، 2022)، مما يدفع إلى استكشاف كيفية مساعدة الأنظمة المدعومة بالذكاء الاصطناعي في التكيف مع الظروف المتغيرة بسرعة وتحديد فرص النمو (سانتوس وآخرون، 2023؛ عبادي، 2023). ومع ذلك، على الرغم من هذا الاهتمام المتزايد، فإن الأدلة التجريبية التي تدعم فعالية هذه الأنظمة مفقودة. بينما توجد دراسات حالة واعدة وأدلة قصصية، هناك حاجة إلى مزيد من البحث لتمييز الفوائد والقيود المحتملة لاستخدام الذكاء الاصطناعي في هذا السياق. في النهاية، فإن فعالية هذه الأنظمة في مساعدة الشركات الصغيرة على الازدهار في ظل adversity تتطلب تقييمًا دقيقًا.

في الدراسات السابقة، سعى الباحثون إلى توضيح الدور المحوري للتوجه الريادي (EO) في قرار المنظمة بالاستثمار في القدرات الرقمية. ومع ذلك، على عكس التقنيات الأخرى، تقدم الذكاء الاصطناعي التوليدي ميزة فريدة في تشكيل نماذج أعمال جديدة تسهل
رواد الأعمال في اتخاذ قرارات مستنيرة كانت تعتبر سابقًا صعبة. وبالتالي، فإن هذه الفجوة البحثية تمثل فرصة لتوسيع النقاش النظري حول ريادة الأعمال. كانت المناقشات المبكرة حول ريادة الأعمال تركز على ثلاثة أبعاد رئيسية: الإدارة العليا، الهيكل التنظيمي، ومبادرات الدخول الجديدة (ويلز وآخرون، 2020). ومع ذلك، لا تزال الأدبيات حول مكونات ريادة الأعمال بحاجة إلى استكشاف (أندرسون وآخرون، 2015). نقترح سؤال البحث (RQ1) لمعالجة هذه الفجوة البحثية المحتملة، بهدف التحقيق في تأثير أدوات الذكاء الاصطناعي التوليدي على ريادة الأعمال.

RQ1: ما هو تأثير الذكاء الاصطناعي التوليدي على العمليات الهندسية؟
تعتبر التوجه الريادي (EO)، الذي يحدد الموقف الاستراتيجي للمنظمة تجاه ريادة الأعمال، أمرًا حيويًا في تطوير والحفاظ على المرونة الريادية خلال أوقات الأزمات (زيغان وآخرون، 2022). وهذا يشير إلى أن الشركات التي تتبنى عقلية ريادية وميلاً للمخاطرة المحسوبة تكون أكثر قدرة على التنقل والتغلب على التحديات التي تطرأ نتيجة الأزمات (شارما وآخرون، 2024). هناك انقسام حديث بين العلماء في إدارة الاستراتيجيات وريادة الأعمال يتعلق باستخدام وجهة نظر القدرة الديناميكية لفحص التوجه الريادي كقدرة ديناميكية (زهرة وآخرون، 2006؛ أندرسون وآخرون، 2009). تدعو هذه المناقشة إلى وجهة النظر الشرطية للقدرة الديناميكية، حيث تفترض أن فعالية القدرات الديناميكية لا تعتمد فقط على الروتين التنظيمي ولكن أيضًا على النشر السياقي لهذه القدرات (ليفينثال، 2011؛ سيرمون وهيت، 2009؛ شيلكي، 2014). وقد جادل العلماء بأن قابلية التكيف التنظيمي تتأثر، إلى حد ما، بالقوى البيئية (هريبينيك وجويس، 1985؛ شيلكي، 2014)، حيث تظهر تقلبات السوق كمتغير سياقي محوري محتمل في تفسير آثار القدرات الديناميكية (وانغ وآخرون، 2015). ومع ذلك، لم تستكشف الدراسات الحالية بعد كيف تؤثر تقلبات السوق (MT) على العلاقة بين EO وER. لمعالجة هذه الفجوات البحثية، نطرح سؤالنا البحثي الثاني.

تدرس الدراسة روح المبادرة كعامل وسيط بين الذكاء الاصطناعي العام والموارد البشرية، مما يساهم بشكل كبير في نقاش ريادة الأعمال والإدارة الاستراتيجية. بينما تم توثيق دور روح المبادرة في تعزيز الموارد البشرية بشكل جيد، إلا أن دورها المحدد كوسيط بين الذكاء الاصطناعي العام والموارد البشرية يتطلب استكشافًا أعمق. تستند حجتنا إلى الرؤية الهرمية للقدرة الديناميكية (وينتر، 2003). يصنف فاينشميت وآخرون (2016) القدرات الديناميكية إلى قدرات عالية الترتيب وقدرات منخفضة الترتيب. نحن نعرف الذكاء الاصطناعي العام كقدرة ديناميكية أساسية منخفضة الترتيب للتعلم التنظيمي. تدعم القدرات الديناميكية الأعلى عمليات التعلم التوليدية المرنة (فاينشميت وآخرون، 2016، ص. 1354). في هذه الدراسة، نتصور روح المبادرة كقدرة عالية الترتيب يصعب تكرارها وترتبط بالأداء.

من خلال اعتماد وجهة نظر القدرة الديناميكية، نستكشف RQ1 و RQ2 (انظر Teece وآخرون، 1997؛ Teece، 2007). تدعم النظرة الهرمية للقدرة الديناميكية العلاقة بين الذكاء الاصطناعي التوليدي، وريادة الأعمال، والقدرة على التحمل. إنها تساعد في فهم كيف تؤثر القدرات ذات المستوى الأدنى على القدرات ذات المستوى الأعلى، مما يؤثر على الأداء، خاصة في ظل تقلبات السوق (Schilke، 2014؛ Fainshmidt وآخرون، 2016).

تسلط وجهة النظر المشروطة للقدرات الديناميكية الضوء على أهمية قدرة المنظمة على التكيف والابتكار للحفاظ على ميزة تنافسية في ظل ديناميكيات السوق المتغيرة. جمعنا البيانات من خلال استطلاع آراء الشركات الصغيرة والمتوسطة في فرنسا التي تفكر في اعتماد أدوات الذكاء الاصطناعي التوليدي. كان هدف استطلاعنا هو فهم تصوراتهم حول فوائد الذكاء الاصطناعي التوليدي مقارنة بأدوات الذكاء الاصطناعي السابقة، مع التركيز على كيفية تحسين الذكاء الاصطناعي التوليدي لعملياتهم ونتائجهم التجارية. اخترنا الشركات الصغيرة والمتوسطة لأنها غالبًا ما تعتمد تقنيات جديدة مبكرًا ولكنها تواجه تحديات فريدة. يهدف دراستنا إلى إظهار كيف يمكن لهذه الشركات الاستفادة بفعالية من أدوات الذكاء الاصطناعي التوليدي لتحقيق الأهداف الاستراتيجية.

تقدم البحث مساهمتين رئيسيتين. أولاً، يعزز فهمنا للتوجه الريادي وريادة الأعمال.
المرونة في عصر الذكاء الاصطناعي. ثانياً، يُظهر كيف تساهم الدراسة في الرؤية الطارئة لوجهة نظر القدرة الديناميكية. في جوهرها، تقدم الدراسة رؤى قيمة وتساهم في النقاش المستمر عند تقاطع التحول الرقمي، وريادة الأعمال، والإدارة الاستراتيجية.

النسخة المخطوطة منظمة على النحو التالي: يوفر القسم الثاني خلفية نظرية للدراسة. يقدم القسم الثالث النموذج النظري وفرضيات البحث. يقدم القسم الرابع تصميم البحث. يقدم القسم الخامس النتائج التي تم الحصول عليها من خلال تحليل البيانات باستخدام برنامج WarpPLS 7.0 التجاري لنمذجة المعادلات الهيكلية المعتمدة على التباين. يناقش القسم السادس النتائج في ضوء النظرية والممارسة والسياسة، ويحدد أيضًا قيود الدراسة واتجاهات البحث المستقبلية. أخيرًا، نستنتج الدراسة.

تشير القدرات الديناميكية إلى قدرة الشركة على التكيف مع ظروف السوق المتغيرة والاستجابة للفرص والتهديدات الناشئة (تيش وآخرون، 1997). هذه القدرات ضرورية للمنظمات لإدارة عدم اليقين وكسب ميزة تنافسية (تيش، 2007). تتضمن تطوير مهارات جديدة، وعمليات، وتقنيات، وهياكل تنظيمية تمكّن الشركات من الاستجابة للتغيرات بسرعة وفعالية في بيئتها (أيزنهاورد ومارتن، 2000). من خلال بناء القدرات الديناميكية، يمكن للمنظمات تحسين مرونتها وابتكارها، مما يؤدي إلى ميزة تنافسية مستدامة على مر الزمن (تيش، 2007).

تجادل دراستنا بأن الذكاء الاصطناعي العام يمكن أن يصبح قدرة ديناميكية تنظيمية قوية. من خلال الاستفادة من الذكاء الاصطناعي العام، يمكن للمنظمات أن تستشعر وتحدد الفرص في السوق بشكل أفضل، وتستغلها بشكل أكثر كفاءة، وتقوم بتكوين مواردها للاستجابة للتغيرات في بيئة الأعمال (مارياني وآخرون، 2023). يمكن أن يساعد الذكاء الاصطناعي العام المنظمات في تحقيق هذه الأهداف من خلال تحليل كميات هائلة من البيانات في الوقت الفعلي، وتحديد الأنماط، وتوليد رؤى يمكن أن تُفيد في اتخاذ القرارات (دويفيدي وآخرون، 2023). يمكن أيضًا تطوير نماذج تنبؤية لتمكين المنظمات من توقع اتجاهات السوق المستقبلية وتعديل استراتيجياتها وفقًا لذلك. علاوة على ذلك، يمكن أن يساعد الذكاء الاصطناعي العام المنظمات في أتمتة المهام الروتينية، مما يحرر الوقت والموارد التي يمكن إعادة توجيهها نحو مبادرات أكثر استراتيجية. يمكن أن يعزز ذلك الإنتاجية، ويقلل التكاليف، ويحسن الكفاءة التشغيلية.

باختصار، تشير دراستنا إلى أن الذكاء الاصطناعي التوليدي لديه القدرة على أن يصبح محركًا رئيسيًا لنجاح المنظمات. من خلال الاستفادة من قدراته، يمكن للمنظمات أن تحقق ميزة تنافسية في السوق، وتتكيف مع الظروف المتغيرة بشكل أكثر فعالية، وتحقق أهدافها الاستراتيجية بشكل أكثر كفاءة (بودهوار وآخرون، 2023). وفقًا لرؤية القدرات الديناميكية التي اقترحها تييس وآخرون (1997) وتييس (2007)، يجب على المنظمات تطوير قدرات ديناميكية للتكيف مع البيئات المتغيرة وتحقيق النجاح على المدى الطويل. واحدة من هذه القدرات الديناميكية هي التوجه الريادي (EO)، الذي يحدد ويستغل الفرص التجارية الجديدة (دوباي وآخرون، 2020). نحن نؤكد أن EO، بالاشتراك مع الذكاء الاصطناعي التوليدي، يمكن أن يساعد المنظمات في تحقيق المرونة الريادية (ER)، وهي القدرة على التعافي بسرعة من النكسات ومواصلة السعي وراء الفرص التجارية.

من خلال الاستفادة من هذه القدرات الديناميكية، يمكن للمنظمات أن تظل متقدمة على المنافسة وتحقق أهداف الأداء.

مؤخراً، كان الذكاء الاصطناعي التوليدي موضوع اهتمام كبير بسبب قدرته الملحوظة على تقليد السلوك البشري في بيئات معقدة ودقيقة (بودهوار وآخرون، 2023). باستخدام خوارزميات متقدمة وتقنيات التعلم الآلي، يمكن للذكاء الاصطناعي التوليدي إنشاء محتوى أصلي وواقعي مثل الصور ومقاطع الفيديو وحتى القصص الكاملة (دويفيدي وآخرون، 2023). هذه التكنولوجيا فتحت آفاق جديدة في مختلف
الصناعات، مثل الترفيه والتسويق والإعلانات (كانباخ وآخرون، 2024). التطبيقات المحتملة للذكاء الاصطناعي التوليدي واسعة النطاق وبعيدة المدى، ومن المتوقع أن تلعب دورًا كبيرًا في تشكيل مستقبل التكنولوجيا والابتكار في السنوات القادمة (فوسو وامبا وآخرون، 2023). لدى تكنولوجيا الذكاء الاصطناعي التوليدي القدرة على إحداث ثورة في طريقة عمل الشركات الصغيرة والمتوسطة والشركات الصغيرة من خلال تزويدها بأدوات تحليلية قوية لمساعدتها على البقاء تنافسية (عبادي، 2023). مع قدراتها المتقدمة، يمكن لهذه التكنولوجيا أن تساعد الشركات الصغيرة في إعداد تحليلات مقارنة مفصلة لمنافسيها، والصناعة، وديناميات السوق (مانورو وآخرون، 2023). يمكن أن تساعد هذه المعلومات الشركات الصغيرة والمتوسطة في اتخاذ قرارات مستنيرة بشأن مسار عملها الحالي والمستقبلي واستغلال الفرص الجديدة (براساد أغراوال، 2023). من خلال الاستفادة من الذكاء الاصطناعي التوليدي، يمكن للشركات الصغيرة أن تحقق ميزة تنافسية وتسريع نموها في بيئة الأعمال المتطورة بسرعة (وي وباردو، 2022؛ دويفيدي وآخرون، 2023).

التوجه الريادي هو مجموعة من الخصائص التي تمتلكها الشركات الريادية، والتي تمكنها من تحديد واستغلال الفرص الجديدة (لومبكين وديس، 1996؛ تشاستون وسادلر-سميث، 2012؛ جيانغ وآخرون، 2018). يشمل هذا التوجه عوامل مختلفة مثل الابتكار، وتحمل المخاطر، والاستباقية، والعدوانية التنافسية (كرايسر وديفيس، 2010). تميل الشركات الريادية التي تتمتع بدرجة عالية من التوجه الريادي إلى أن تكون أكثر ابتكارًا واستباقية واستعدادًا لتحمل المخاطر لتحقيق أهدافها (هيوز وآخرون، 2022). تساعد هذه الصفات على أن تكون أكثر تنافسية وقابلية للتكيف وازدهارًا على المدى الطويل. لذلك، يمكن الاستنتاج أن التوجه الريادي هو جانب حيوي من أي شركة ريادية يبرز أهمية الابتكار والاستباقية وتحمل المخاطر في تحقيق النمو المستدام (ماتسونو وآخرون، 2002؛ مكغي وتيري، 2022). يشير EO إلى العقلية والنهج الذي تتبعه الشركة تجاه الابتكار وتحمل المخاطر والاستباقية في تحديد واستغلال الفرص السوقية (تشانغ وآخرون، 2020). هذا التوجه حاسم في تمكين الشركة من التنقل في تحديات بيئة الأعمال غير المؤكدة والمتغيرة بسرعة (زيغان وآخرون، 2022). تميل الشركات التي تتمتع بتوجه ريادي قوي إلى أن تكون أكثر مرونة وقابلية للتكيف ومرونة في مواجهة التحديات (خان وآخرون، 2021؛ فيريراس-مينديز وآخرون، 2021). من ناحية أخرى، فإن الشركات التي تفتقر إلى هذا التوجه من المرجح أن تواجه صعوبة في التعامل مع عدم اليقين وقد تصبح راكدة أو تفشل في الازدهار على المدى الطويل (وانغ وآخرون، 2021). لذلك، فإن التوجه الريادي القوي ضروري للشركات التي تسعى للبقاء تنافسية والنجاح في بيئة الأعمال الديناميكية وغير المتوقعة اليوم (كوك وجيموندن، 2021).

المرونة الريادية هي صفة تسمح للمنظمات بالاستمرار في العمل بفعالية على الرغم من مواجهة اضطرابات مثل الركود الاقتصادي، والكوارث الطبيعية، أو أحداث غير متوقعة أخرى (اينغار وآخرون، 2021). تتضمن القدرة على التكيف بسرعة مع الظروف الجديدة، والتفكير بشكل إبداعي، والحفاظ على شعور بالتفاؤل والعزيمة في مواجهة الشدائد (كورنر وآخرون، 2017). يمكن للمنظمات التي تتمتع بالمرونة الريادية أن تتجاوز العواصف وتخرج من الأوقات الصعبة أكثر قوة ومرونة من أي وقت مضى (ثوكرا، 2021). لديهم رؤية واضحة لأهدافهم ويظلون مركزين على تحقيقها، حتى عند مواجهة تحديات غير متوقعة (تشودري وآخرون، 2024). أحد الجوانب الرئيسية للمرونة الريادية هو التعلم من التجارب السابقة وتطبيق تلك الدروس على المواقف المستقبلية. هذا يسمح للمنظمات بأن تكون أكثر استعدادًا للاضطرابات المستقبلية وتطوير استراتيجيات للتخفيف من تأثيرها (أرفي وآخرون، 2023). بشكل عام، تعتبر المرونة الريادية حاسمة لأي منظمة ترغب في النجاح في بيئة الأعمال المتغيرة بسرعة اليوم (أنور وآخرون، 2023). من خلال الحفاظ على موقف إيجابي، والبقاء مرنًا، وفتح الأبواب للأفكار الجديدة، يمكن للمنظمات أن تستمر في الازدهار على الرغم من عدم اليقين والشدائد (ويليامز وآخرون، 2017).

يشير اضطراب السوق إلى التغيرات المفاجئة وغير المتوقعة في ظروف السوق التي تؤثر على الاستقرار الاقتصادي والمالي للمنظمة (تشو وآخرون، 2019). يمكن أن يكون ناتجًا عن عوامل مختلفة، مثل التغيرات في طلب المستهلكين، والسياسات الحكومية، والكوارث الطبيعية (تساي ويانغ، 2013). يمكن أن تُشعر آثار اضطراب السوق من خلال تقلبات الأسعار، واضطرابات سلسلة التوريد، والتغيرات في سلوك العملاء (أوسترم وآخرون، 2021). نتيجة لذلك، تحتاج المنظمات إلى وضع سياسات وخطط عمل لمساعدتها على التنقل خلال ظروف السوق المضطربة والخروج منها بشكل أقوى (ماركيز ورينارد، 2015). قد تشمل هذه السياسات تنويع المنتجات والخدمات، واستراتيجيات إدارة المخاطر، وتدابير استباقية لتلبية احتياجات وتوقعات العملاء. تحاول هذه الدراسة فهم كيف يؤثر اضطراب السوق على قدرة رواد الأعمال على التكيف والنجاح (كام-سينغ وونغ، 2014). نهدف إلى تحديد الاستراتيجيات والممارسات الرئيسية لمساعدة رواد الأعمال على بناء أعمال أكثر مرونة.

تستند الدراسة إلى نموذج القدرات الديناميكية الموسع لتييس (2007)، الذي يقترح أن فعالية القدرات الديناميكية تتأثر بالشروط التي يتم استخدامها فيها (شيلكي، 2014). تؤكد رؤية القدرات الديناميكية على أهمية قدرة المنظمة على التكيف والاستجابة لظروف السوق المتغيرة بسرعة، وهو عنصر حاسم في DCV لشركة (ايسنهارت ومارتن، 2000؛ وينتر، 2003). يبرز هذا المنظور أهمية قدرة الشركة على إعادة تكوين مواردها وقدراتها للازدهار في بيئات ديناميكية وغير مؤكدة للغاية (ايسنهارت ومارتن، 2000؛ تييس، 2007؛ تشيرومالا، 2021).

تركيزنا هو فهم سلوك رواد الأعمال، خاصة عندما تواجه المنظمات الصغيرة مستويات عالية من عدم اليقين. قد تحتاج المنظمات الصغيرة إلى الوصول إلى محترفين مهرة أو مستشارين، وهو ما يكون مكلفًا (بيري وآخرون، 2006). في مثل هذه الحالات، يمكن للذكاء الاصطناعي التوليدي تطوير نماذج وأطر استنادًا إلى البيئة الحالية وقدرة المنظمة على ريادة الأعمال لمواجهة التحديات والتعافي لتصبح مرنة (تاونسند وهنت، 2019؛ تران ومورفي، 2023؛ بيرثون وآخرون، 2024). نحن نتصور الذكاء الاصطناعي التوليدي كقدرة ديناميكية من مستوى أعلى، تم إنشاؤها والمحافظة عليها من خلال تجميع الموارد، بما في ذلك المهارات البشرية، والبنية التحتية التكنولوجية، وثقافة تقدر اتخاذ القرارات المستندة إلى البيانات (ميكاليف وغوبتا، 2021؛ فوسو وامبا وآخرون، 2023). يمكن للذكاء الاصطناعي التوليدي أن يساعد المنظمات في إنشاء نماذج أعمال جديدة باستخدام مجموعات بيانات كبيرة وخوارزميات تستند إلى الظروف الحالية (فوسو وامبا وآخرون، 2023؛ بودهوار وآخرون، 2023). علاوة على ذلك، فإنه يمكّن المنظمات من تحديد واغتنام الفرص الجديدة، والاستجابة بسرعة لتغيرات السوق، والتكيف مع التقنيات المدمرة.

استنادًا إلى زهراء وآخرون (2006، ص. 918)، نجادل بأن ريادة الأعمال (EO) هي قدرة ديناميكية تتطور من تجارب التعلم. تكمن الميزة التنافسية لريادة الأعمال في قدرة المنظمة على تعديل قاعدة مواردها من خلال إنشاء ودمج وإعادة تجميع وإطلاق الموارد (ويكلوند وشيبرد، 2003؛ جانتونين وآخرون، 2005؛ ويلز وآخرون، 2013). في هذه الدراسة، تصورنا ريادة الأعمال كقدرة ديناميكية من مستوى أدنى. نقترح رؤية موسعة لريادة الأعمال تستند إلى حجج آيزنهاورد ومارتن (2000)، مما يشير إلى أن القدرات الديناميكية متجذرة في المعرفة التراكمية الموجودة في الأسواق الديناميكية المعتدلة. تشمل هذه القدرات تحليل المعرفة الموجودة واستخدام قواعد الإبهام، تليها التنفيذ. تعتبر التكنولوجيا الإدارية (MT) العامل الحاسم الضروري الذي يخلق الفرص للمنظمات لتحديد التحديات واستغلال الحلول الموجودة في الذاكرة التنظيمية (شيلكي، 2014؛ كالوبانغا وغوديرغان، 2022). ومع ذلك، فإن فعالية الذكاء الاصطناعي التوليدي في تعزيز مرونة ريادة الأعمال والقدرات الديناميكية تعتمد على مستوى اضطراب السوق الذي تواجهه المنظمة (بالطا وآخرون، 2023). يعتمد تأثير الذكاء الاصطناعي التوليدي على التنافسية على مستوى عدم اليقين والتقلب في بيئة الأعمال (فان دن وآخرون، 2023).

لفهم العلاقة بين الذكاء الاصطناعي التوليدي والقدرات الديناميكية بشكل أفضل، من الضروري استكشاف كيفية استفادة المنظمات منه لتعزيز توجهها الريادي ومرونتها في ظل تقلبات السوق وعدم اليقين المتفاوت (كار وآخرون، 2023). بالإضافة إلى القدرات الديناميكية (الذكاء الاصطناعي التوليدي وريادة الأعمال) والعوامل الطارئة (MT)، تُعتبر مرونة ريادة الأعمال (ER) نتيجة أداء تُوفر، في أوقات الأزمات، ميزة تنافسية كبيرة (تيش، 2016؛ مارتينيلي وآخرون، 2018).

لذلك، تفحص هذه الدراسة فعالية الذكاء الاصطناعي التوليدي في تعزيز توجهات المنظمات الريادية ومرونتها في سياقات سوقية مختلفة. الشكل 1 يقدم نموذجنا النظري الذي يساعد في معالجة أسئلة بحثنا.

لقد تم البحث بشكل موسع في تأثير التقنيات الناشئة على توجه ريادة الأعمال (كلوزن وكورنليوسن، 2012؛ متهانتي وأوربان، 2014؛ تشاترجي وآخرون، 2020؛ شيا وآخرون، 2024). يتمتع الذكاء الاصطناعي (AI) بإمكانات هائلة لتوجيه المنظمات خلال حالات عدم اليقين كتقنية ناشئة (دويفيدي وآخرون، 2021؛ فوسو وامبا، 2022؛ كولوباييفا وتيشيفا، 2023). يمكن أن يؤثر الذكاء الاصطناعي بشكل كبير على جوانب مختلفة من توجه ريادة الأعمال، مثل تحمل المخاطر، والابتكار، والاستباقية، والعدوانية التنافسية (دوباي وآخرون، 2020؛ أوبادياي وآخرون، 2023). مع الاستخدام المتزايد للأدوات والتقنيات المدعومة بالذكاء الاصطناعي، أصبح رواد الأعمال مجهزين بشكل أفضل لاتخاذ قرارات مستنيرة استنادًا إلى البيانات، وتحديد الفرص والاتجاهات، والتكيف مع ظروف السوق المتغيرة (أوبادياي وآخرون، 2023؛ العلوان وآخرون، 2023). نتيجة لذلك، أصبح الذكاء الاصطناعي مؤخرًا ممكنًا حاسمًا لتوجه ريادة الأعمال (هانسن وبوغ، 2021؛ شيفرد ومايخرزك، 2022؛ جيوجولي وليبيجريني، 2022). يقدم الذكاء الاصطناعي إرشادات هائلة لرواد الأعمال لتطوير وتصميم وتوسيع شركاتهم خلال عملية ريادة الأعمال (أوبشونكا وأودريتش، 2020؛ تشالمرز وآخرون، 2021). مع ظهور جيل جديد من العمال، الذكاء الاصطناعي التوليدي، الذين نشأوا محاطين بالتكنولوجيا ومعتادين على استخدامها، نفترض أن تأثيرهم على توجه ريادة الأعمال سيكون كبيرًا (عبادي، 2023). وبالتالي، هناك حاجة لمزيد من التحقيق لاستكشاف كيف يمكن استغلال وجهة نظر الذكاء الاصطناعي التوليدي الفريدة وعلاقته بالتكنولوجيا لتعزيز سلوك ريادة الأعمال داخل المنظمات. وفقًا لرؤية القدرة الديناميكية، يُعتبر الذكاء الاصطناعي التوليدي قدرة ديناميكية تم بناؤها من خلال تجميع الموارد الاستراتيجية مثل المهارات البشرية، والتكنولوجيا، وثقافة قائمة على البيانات (ميكاليف وغوبتا، 2021). استنادًا إلى الحجج المقدمة سابقًا، والتي تستند إلى رؤية القدرة الديناميكية، نفترض أن المهارات البشرية (غوبتا وجورج، 2016؛ أكتير وآخرون، 2016)، والتكنولوجيا (أكتير وآخرون، 2016؛ غوبتا وجورج، 2016؛ ميكاليف وغوبتا، 2021)، وثقافة قائمة على البيانات (سيامبي وآخرون، 2021؛ ميكاليف وغوبتا، 2021) لها تأثير إيجابي على توجه ريادة الأعمال. تختلف هذه الدراسة عن الأبحاث السابقة من خلال التعمق في التأثيرات المميزة لثلاثة موارد مختلفة على ريادة الأعمال، بهدف تقديم فهم أوضح للموضوع. يجادل وو وآخرون (2006) بأن القدرات التنظيمية هي تركيبات من مستوى أعلى تم تطويرها من خلال تجميع الموارد. يجادل غرانت (1991) بأن الموارد تُجمع وتُستخدم لإنشاء القدرات. وبالمثل، تصور غوبتا وجورج (2016) قدرة تحليل البيانات الكبيرة كتركيب من مستوى أعلى يتم الحصول عليه من خلال مزيج من الموارد الملموسة، والمهارات البشرية، والموارد غير الملموسة. لذلك، استنادًا إلى هذه الحجج، نحن نتصور الذكاء الاصطناعي التوليدي كقدرة ديناميكية من مستوى أعلى تم الحصول عليها من خلال المهارات البشرية، والتكنولوجيا، وثقافة قائمة على البيانات.

في بيئة ديناميكية للغاية، تلعب كفاءة مهارات التكنولوجيا الإدارية دورًا حاسمًا في تنفيذ الذكاء الاصطناعي التوليدي بنجاح (أغراوال، 2023). وذلك لأن المديرين يحتاجون إلى فهم عميق للتطورات التكنولوجية وكيف يمكن تطبيقها لتعظيم إمكانيات الذكاء الاصطناعي التوليدي (سينغ وآخرون، 2024). ومن ثم، يمكننا افتراض ذلك.

H1a. تؤثر المهارات البشرية (HS) بشكل إيجابي على توجه ريادة الأعمال

(EO).
علاوة على ذلك، فإن تقدم التكنولوجيا، بما في ذلك كل من الأجهزة والبرامج، هو حجر الزاوية في إنشاء وصيانة البنية التحتية للذكاء الاصطناعي التوليدي (كانباخ وآخرون، 2024). لقد سهلت وتيسرت توفر مرافق الحوسبة السحابية والتقنيات المتقدمة استخدام الذكاء الاصطناعي التوليدي (الحمدي وآخرون، 2024). توفر الحوسبة السحابية موارد قابلة للتوسع وفعالة من حيث التكلفة، مما يمكّن من نشر نماذج الذكاء الاصطناعي بسرعة وتوسيعها (غوباخلو وآخرون، 2024). لقد عززت التقنيات المتقدمة، مثل الحوسبة عالية الأداء والخوارزميات الفعالة، تطوير وتنفيذ الذكاء الاصطناعي التوليدي، مما يعزز الثقة في إمكانيات تطبيقات الذكاء الاصطناعي عبر مختلف الصناعات (الحمدي وآخرون، 2024؛ غوباخلو وآخرون، 2024). ومن ثم، يمكننا افتراض ذلك.

H1b. تؤثر التكنولوجيا (TECH) بشكل إيجابي على توجه ريادة الأعمال (EO).

إن إنشاء ثقافة قائمة على البيانات داخل المنظمة يتضمن خلق بيئة يتم فيها إبلاغ القرارات والاستراتيجيات من خلال تحليل البيانات (غوبتا وجورج، 2016). وهذا يتطلب تعزيز عقلية يتم فيها تقدير البيانات واستخدامها لدفع العمليات التجارية واتخاذ القرارات (ميكاليف وغوبتا، 2021). يشمل تنمية ثقافة قائمة على البيانات تعزيز معرفة الموظفين بالبيانات، وتنفيذ عمليات وتدفقات عمل قائمة على البيانات، واستخدام أدوات تحليل البيانات للحصول على رؤى قابلة للتنفيذ (شيت وآخرون، 2021). إن هذا التحول الثقافي أمر حاسم لاعتماد وتكامل الذكاء الاصطناعي التوليدي بنجاح، حيث يضمن أن تكون المنظمة مجهزة بشكل جيد للاستفادة من البيانات بفعالية في استغلال قدرات الذكاء الاصطناعي التوليدي من أجل نمو الأعمال والابتكار (هولمستروم وكارول، 2024). ومن ثم، يمكننا أن نجادل بأن هذه الموارد الثلاثة كموارد مستقلة تلعب دورًا كبيرًا في تعزيز التوجه الريادي. ومن ثم، يمكننا أن نفترض ذلك.

H1c. الثقافة المعتمدة على البيانات (DDC) تؤثر بشكل إيجابي على التوجه الريادي (EO).

تشير ER إلى قدرة رائد الأعمال أو الشركة على التكيف والتغلب على التحديات خلال الأزمات (خورانا وآخرون، 2022). يمكن أن تنشأ الأزمات من التراجع الاقتصادي، الكوارث الطبيعية، أو الأوبئة. للبقاء قابلاً للحياة خلال مثل هذه الأوقات، يجب أن يتمتع رواد الأعمال بصفات وسلوكيات تساعدهم على التنقل في حالة عدم اليقين والخروج أقوى (إنجل وآخرون، 2017). المنظمات التي تتمتع بـ EO قوي تكون مجهزة بشكل أفضل لـ
تستجيب هذه الشركات للتغيرات البيئية وتتغلب على التحديات (لومبكين وديس، 2001؛ كوسا وآخرون، 2022). هذه الشركات أكثر تكيفًا وموارد ومرونة (بينكو وآخرون، 2023). لذلك، تساهم ريادة الأعمال بشكل كبير في بناء المرونة المؤسسية، وهي القدرة على التعافي من النكسات، والتعلم من الفشل، والحفاظ على النجاح على المدى الطويل (زيغان وآخرون، 2022؛ كريشنان وآخرون، 2022؛ خورانا وآخرون، 2022).

يعتبر EO مكونًا حاسمًا في ER (زيغان وآخرون، 2022؛ غوتشالك وآخرون، 2021). يشير إلى عقلية وروح المبادرة والابتكار والمخاطرة لدى رواد الأعمال. من المرجح أن يتعرف رواد الأعمال ذوو التوجه الريادي العالي على الفرص ويستفيدوا منها خلال الأزمات بدلاً من مجرد البقاء على قيد الحياة (بولوغ ورينكو، 2013). يمكنهم تغيير نماذج الأعمال، وتطوير منتجات أو خدمات جديدة، والعثور على أسواق جديدة مع الالتزام بقيمهم الأساسية ورؤيتهم. لذلك، نفترض.

H2. التوجه الريادي له تأثير إيجابي على المرونة الريادية.

في البداية، اقترحنا أن الذكاء الاصطناعي يمكن أن يؤثر بشكل مباشر على ريادة الأعمال (شيبرد ومايخرزاك، 2022). ومع ذلك، بينما يُعتبر الذكاء الاصطناعي قدرة ديناميكية (ميكاليف وغوبتا، 2021؛ فوسو وامبا وآخرون، 2024) ومصدرًا محتملاً للميزة التنافسية، قد تكون تأثيراته على ريادة الأعمال غير مباشرة، تتأثر بالريادة التنظيمية. بناءً على الحجج السابقة، نرى أن الذكاء الاصطناعي العام هو قدرة ديناميكية تتمتع بقدرات متفوقة على مواجهة عدم اليقين (أكتر وآخرون، 2023؛ رايش وفومينا، 2024). نحن نؤكد أن الذكاء الاصطناعي العام يمكن أن يسهل الريادة التنظيمية من خلال توفير الأساس الهيكلي للمنظمة لتنميتها. على سبيل المثال، فإن قدرة المنظمة على تعديل هيكلها لتلبية متطلبات السوق الخارجية تعزز الريادة التنظيمية، مما يعالج عدم اليقين الناتج عن التغيرات التكنولوجية السريعة ومتطلبات السوق المتأثرة بالعوامل الداخلية والخارجية.

تم تطوير EO استنادًا إلى Gen AI (تران ومورفي، 2023)، والذي يشير إلى العقلية والمهارات الريادية التي يكتسبها الأفراد ذوو الخبرة في الذكاء الاصطناعي المتقدم، وقد يساعد الشركات في استغلال قدراتها الابتكارية للتكيف والازدهار في ظل التقلبات (شيبرد ومايخرزاك، 2022). يشمل ذلك التنقل بين التغيرات السريعة في السوق، والاستجابة للتحولات الجيوسياسية، واحتضان التقنيات المتطورة، وتحمل الأزمات الاقتصادية. أفادت SIA (2023) بأن من المرجح أن يستخدم أصحاب الأعمال الصغيرة الذكاء الاصطناعي التوليدي، مما يقلل من تكاليف العمالة المباشرة ويزيد من هوامش الربح.

قد يكون التأثير المباشر للذكاء الاصطناعي على العلاقات العامة غير مؤكد، ولكن من المحتمل أن يلعب الذكاء العاطفي دورًا في تعزيز تأثير غير مباشر أقوى. وهذا يمثل الفعالية
تسلسل قدرات الذكاء الاصطناعي العام والعمليات الخارجية.
H3a. التوجه الريادي يتوسط تأثير المهارات البشرية على المرونة الريادية.

H3b. التوجه الريادي يتوسط تأثير التكنولوجيا على المرونة الريادية.

H3c. التوجه الريادي يتوسط تأثير الثقافة المعتمدة على البيانات على المرونة الريادية.
3.4. تأثير تقلبات السوق على العلاقة بين التوجه الريادي (EO) والمرونة الريادية (ER)
تشير “الاضطرابات السوقية” إلى التغيرات غير المتوقعة والمفاجئة في ظروف السوق وتفضيلات العملاء التي تؤثر على الأعمال التجارية بجميع أحجامها (سون وغوفيند، 2017). تقدم الأدبيات الحالية مناقشتين حول تأثير الاضطرابات السوقية على العلاقة بين القدرات الديناميكية والميزة التنافسية (كاشوي وآخرون، 2018). الآراء متباينة، مع وجود ارتباط ضئيل (تشو وآخرون، 2019). يناقش مجموعة من الباحثين ما إذا كان ينبغي على المنظمات الاستثمار في بناء القدرات الديناميكية (هيلفات وآخرون، 2009؛ زهراء وآخرون، 2006)، بينما يجادل آخرون بأن القدرات الحالية قد لا تكون كافية لمواجهة الطلبات السريعة التطور في السوق (أولريش وسمول وود، 2004؛ شيلكي، 2014).

عندما تواجه منظمة اضطرابًا عاليًا في السوق، فإن الاستثمار في القدرات الديناميكية له فوائد محتملة (تشين وآخرون، 2016). ومع ذلك، في حالة الاضطراب المنخفض في السوق، تكون هذه الفوائد ضئيلة بسبب زيادة التكاليف، مما يؤدي إلى انخفاض هوامش الربح (وانغ وآخرون، 2015).

تؤثر تقلبات السوق بشكل كبير على روح المبادرة الريادية (EO)، التي تقيس ميل الشركة نحو الابتكار وتحمل المخاطر (كام-سينغ وونغ، 2014). في الأسواق المضطربة، تتكيف الشركات ذات الروح الريادية القوية بسرعة مع الظروف المتغيرة وتستفيد من الفرص الجديدة (كراوس وآخرون، 2012؛ رانك وسترينغ، 2018). تلعب تقلبات السوق أيضًا دورًا حاسمًا في بناء القدرة على التحمل (ER)، وهي القدرة على الصمود والتعافي من الظروف السلبية مثل الركود الاقتصادي، الكوارث الطبيعية، أو التحولات المفاجئة في السوق (سالفاتو وآخرون، 2020؛ ميكليان وهويلشر، 2022). يساعد التنقل في تقلبات السوق الشركات على تطوير المهارات والاستراتيجيات والموارد اللازمة لتصبح أكثر مرونة وتتكيف بشكل أفضل مع التحديات المستقبلية (إيبورا وآخرون، 2020). بناءً على هذه المناقشات، نفترض.

H4. تعزز الاضطرابات السوقية (MT) بشكل إيجابي المسار الذي يربط بين ريادة الأعمال (EO) والنتائج الاقتصادية (ER).

استخدمنا طريقة قائمة على الاستطلاع لاختبار نموذجنا النظري. لضمان دقة وشمولية الاستطلاع، قمنا بإجراء مراجعة أدبية شاملة لاختيار المقاييس المناسبة (مالهوترا وغروفر، 1998). بالإضافة إلى ذلك، أجرينا مقابلات نوعية مع 11 مديرًا كانوا مالكين أو رؤساء أقسام تكنولوجيا المعلومات في منظماتهم لجمع الملاحظات والأفكار، مما ساعدنا في تحسين وتعديل أداة الاستطلاع (انظر تشيرشيل، 1979). قمنا بتعديل عناصر البناء بناءً على مدخلاتنا لضمان ملاءمتها لحالتنا. على سبيل المثال، اعتمدنا المقاييس للمهارات البشرية، والتكنولوجيا، والثقافة المعتمدة على البيانات من دراسات سابقة. موضوع الذكاء الاصطناعي التوليدي لا يزال في مراحله المبكرة، لذا لم يكن لدينا مقاييس مناسبة للدراسة. بدلاً من ذلك، استخدمنا مقاييس سابقة لقياس قدرة الذكاء الاصطناعي وأجرينا تعديلات طفيفة بناءً على مدخلات من المقابلات النوعية مع الخبراء. الخبراء الذين حددناهم هم من كبار التنفيذيين العاملين في شركات تكنولوجيا مرموقة ويشاركون حاليًا في مشاريع الذكاء الاصطناعي التوليدي. استخدمنا نهج البناء الانعكاسي لقياس بناءنا، مما أتاح لنا التحقيق في العلاقات بين البناء والمتغيرات الأخرى في دراستنا. أعطتنا هذه الطريقة فهمًا أعمق للعوامل الأساسية التي تؤثر على البناء (انظر الملحق أ). في القسم التالي، سنناقش كل بناء وعناصره.

كجزء من دراستنا الشاملة حول الذكاء الاصطناعي (AI)، قمنا بإطلاق مشروع بحثي جديد يركز بشكل خاص على الذكاء الاصطناعي التوليدي (Gen AI)، وهو مجال ناشئ من أبحاث الذكاء الاصطناعي لديه القدرة على تحويل طريقة عمل الشركات. غالبًا ما استخدم الباحثون الذكاء الاصطناعي والذكاء الاصطناعي التوليدي بالتبادل، مما ساهم في حدوث لبس ونقص في الوضوح حول الخصائص الفريدة للذكاء الاصطناعي التوليدي. لقد طورنا مقياسًا جديدًا مصممًا خصيصًا للذكاء الاصطناعي التوليدي لمعالجة هذه القضية، مع تسليط الضوء على ميزاته الفريدة. لإنشاء هذا المقياس الجديد، بدأنا بتعديل المقياس الحالي للذكاء الاصطناعي الذي طوره ميكاليف وغوبتا (2021) ليعكس بشكل أفضل الخصائص المحددة للذكاء الاصطناعي التوليدي. ثم طلبنا مدخلات من مستشارين ومديرين كبار لديهم خبرة في العمل على مشاريع تستخدم الذكاء الاصطناعي التوليدي في بيئات الأعمال الواقعية. سمحت لنا رؤاهم القيمة بتنقيح مقياسنا وضمان أنه شامل ودقيق، مما يعكس مجموعة كاملة من الميزات والقدرات للذكاء الاصطناعي التوليدي. تهدف أبحاثنا إلى تسليط الضوء على إمكانيات الذكاء الاصطناعي التوليدي في تحويل الأعمال والصناعات بطرق متنوعة. يمثل مقياسنا الجديد خطوة كبيرة إلى الأمام في هذا الاتجاه، حيث يوفر للشركات أداة قيمة لتقييم جاهزيتها للذكاء الاصطناعي التوليدي وتحديد المجالات التي قد تحتاج إلى التركيز عليها لتحقيق الفوائد الكاملة لهذه التكنولوجيا. عند تصور الذكاء الاصطناعي التوليدي، حددنا ثلاثة أبعاد أساسية حاسمة لنجاحه: (أ) المهارات البشرية، (ب) التكنولوجيا، و(ج) الثقافة المعتمدة على البيانات. من خلال التركيز على هذه الأبعاد، نعتقد أن مقياسنا الجديد يعكس مجموعة كاملة من الميزات والقدرات للذكاء الاصطناعي التوليدي ويوفر للشركات أداة شاملة لتقييم جاهزيتها لهذه التكنولوجيا الناشئة.

لإنشاء مقياسنا للتوجه الريادي، أجرينا بحثًا شاملاً حول الدراسات التي أجراها ماتسونو وآخرون (2002) ودوباي وآخرون (2020). قمنا بتحليل وتقييم منهجيات وإطارات ونتائج كلا الدراستين بعناية للوصول إلى فهم شامل لمفهوم التوجه الريادي. تم تصميم مقياسنا من خلال دمج العناصر الأكثر صلة وعملية من هذه الدراسات، ونعتقد أنه سيوفر رؤى قيمة حول التوجه الريادي للمؤسسات الصغيرة والمتوسطة. لقد طورنا بناءً عاكسًا مكونًا من أربعة عناصر نعتقد أنه سيساعد في التقاط التوجه الريادي بدقة في البيئة الرقمية.

المرونة الريادية هي بناء معقد يشير إلى قدرة المؤسسات الصغيرة والمتوسطة (SMEs) على التكيف والتعديل والتعافي من التحديات والنكسات والأزمات. هذا البناء ضروري للمؤسسات الصغيرة والمتوسطة لأنها غالبًا ما تعمل في بيئات غير مؤكدة وديناميكية وتنافسية تتطلب منها أن تكون مرنة ومبتكرة وسريعة الاستجابة. ومع ذلك، فإن قياس المرونة الريادية ليس بالأمر السهل لأنه ينطوي على أبعاد وعوامل متعددة تتفاعل وتؤثر على بعضها البعض. درست الدراسات السابقة المرونة الريادية من منظور المرونة التنظيمية، مع التأكيد على أهمية بناء وصيانة القدرات والهياكل والعمليات التنظيمية التي يمكن أن تتحمل وتستجيب للصدمات الداخلية والخارجية. ومع ذلك، فقد أبرزت الأبحاث الحديثة الحاجة إلى مراعاة الخصائص والتحديات الفريدة للمؤسسات الصغيرة والمتوسطة، مثل الموارد المحدودة، ونقص الخبرة، والاعتماد على الشبكات الخارجية. لتطوير مقياس أكثر شمولية وخصوصية للسياق للمرونة الريادية، قمنا بمراجعة نقدية ودمج رؤى من دراسات متنوعة، بما في ذلك زيجان وآخرون (2022)، خورانا وآخرون (2022)، وفاتوك (2018). بناءً على هذه المراجعة، اقترحنا مقياسًا مكونًا من أربعة عناصر يلتقط الأبعاد التالية للمرونة الريادية. تشمل هذه الأبعاد التكيف مع التغيير، والإصرار على تحقيق الأهداف على الرغم من أي عقبات، وقبول الفشل كخطوات نحو النجاح، والقدرة على التعافي من الفشل الأولي. من خلال
قياس هذه الأبعاد، يوفر مقياسنا المقترح تقييمًا أكثر دقة وقابلية للتنفيذ للمرونة الريادية. يمكن أن يساعد المؤسسات الصغيرة والمتوسطة وأصحاب المصلحة في تحديد نقاط قوتهم وضعفهم، وتحديد أولويات استثماراتهم وتدخلاتهم، وتعزيز قدرتهم على البقاء والنمو والتأثير على المدى الطويل.

قمنا بتطوير بناء عاكس يتكون من ثلاثة عناصر يمكن استخدامها لقياس اضطراب السوق بدقة. تم بناء هذا البناء استنادًا إلى مراجعة نقدية متعمقة للأدبيات الحالية، مع التركيز بشكل خاص على أعمال زو وآخرون (2019) ووانغ وآخرون (2015). من خلال بحثنا، سعينا لفهم كيف يمكن أن يؤثر اضطراب السوق على التوجه الريادي والمرونة في البيئة الرقمية. حددنا العوامل الرئيسية التي تسهم في اضطراب السوق، مثل تفضيلات العملاء المتغيرة بسرعة، وسلوك العملاء الجدد، والتغيرات المفاجئة في سلوك الشراء خلال أوقات الأزمات. من خلال مراعاة هذه العوامل، طورنا بناءً شاملاً يمكنه قياس مستوى الاضطراب في كل سوق بدقة. لأبحاثنا آثار كبيرة على الشركات التي تعمل في المشهد الرقمي. من خلال فهم مستوى اضطراب السوق في صناعاتهم المعنية، يمكن للشركات أن تتوقع بشكل أفضل وتتكيف مع التغيرات في سلوك العملاء، وظروف السوق، والعوامل الخارجية الأخرى التي قد تؤثر على عملياتها. وهذا بدوره يمكن أن يساعد الشركات في بناء استراتيجيات أكثر مرونة وقابلية للتكيف تمكنها من الازدهار في سوق متزايد الديناميكية والتنافسية.

كجزء من دراستنا البحثية، قمنا باستطلاع آراء المديرين الكبار في المؤسسات الصغيرة والمتوسطة (SMEs) في فرنسا. استهدف استطلاعنا قطاعات الرعاية الصحية، والأغذية الزراعية، وتكنولوجيا المعلومات والاتصالات (ICT)، والسلع والخدمات البيئية، والأمن. قمنا بإجراء الاستطلاع على فرق الإدارة العليا في مونبلييه، وتولوز، وباريس لجمع رؤى حول تصوراتهم لاستخدام أدوات الذكاء الاصطناعي التوليدي لبناء القدرات الريادية خلال حالة عدم اليقين العالية الناتجة عن الجائحة والأزمات الجيوسياسية. من خلال مبادرة بيزنس فرنسا، حصلنا على عينات ومعلومات حول شركات متنوعة، بمساعدة فرد مجهول يعمل داخل حكومة فرنسا.

جمعنا معلومات شاملة، بما في ذلك أسماء الشركات وتفاصيل الاتصال، مثل أرقام الهواتف، وعناوين البريد الإلكتروني، والعناوين الفعلية. كان اختيارنا لفرنسا قائمًا على الارتباط القوي مع مدرسة مونبلييه المتخصصة في المؤسسات الصغيرة والمتوسطة، والدور الكبير للمؤسسات الصغيرة والمتوسطة في الاقتصاد الوطني والأوروبي، والاستخدام المبتكر للتكنولوجيا من قبل المؤسسات الصغيرة والمتوسطة الفرنسية (فاكيت ومالارد، 2020).

وزعنا 124 استبيانًا وتلقينا 87 استجابة مكتملة، مما أسفر عن معدل استجابة (انظر الجدول 1). كان المشاركون لدينا متنوعين، حيث كان هناك من الرعاية الصحية، و من الأغذية الزراعية، و من تكنولوجيا المعلومات والاتصالات، و من السلع والخدمات البيئية، و من خدمات الأمن. تساعد هذه التنوعات في فهم تمثيل الصناعات المختلفة في عينتنا.

بالإضافة إلى ذلك، كان من المستجيبين رؤساء قسم البحث والتطوير، و كانوا مديري تطوير الأعمال، و كانوا رؤساء الأعمال، و كانوا مديري العلاقات.

لضمان عدم تأثر نتائجنا بتحيز عدم الاستجابة، اتبعنا توصيات أرمسترونغ وأوفرتون (1977). أجرينا تحليلًا مقارنًا بين المستجيبين الأوائل والمتأخرين باستخدام اختبار -، والذي لم يكشف عن اختلافات كبيرة ( )، مما يشير إلى أن غير المستجيبين لم يؤثروا على عيّنتنا. تعطي هذه النتيجة ثقة في دقة بياناتنا ونتائجنا. نعتقد أن طريقة جمع البيانات هذه مناسبة تمامًا لهذا السياق، حيث أن الذكاء الاصطناعي التوليدي هو تقنية جديدة، ولدى عدد قليل من المستجيبين فهم شامل لتطبيقها في الأعمال (انظر ليانغ وآخرون، 2007؛ فوسو وامبا وآخرون، 2023).

في دراستنا حول الذكاء الاصطناعي التوليدي، واجهنا تحدي الحصول على حجم عينة كبير بسبب الحداثة النسبية لهذه الظاهرة. استخدمنا طريقة الجذر التربيعي العكسي التي اقترحها كوك وحدايا (2018) لمعالجة هذه المشكلة وتحديد حجم العينة. حددنا قوتنا الإحصائية عند 0.58، والتي تقع ضمن نطاق عند مستوى دلالة 0.05. قادنا هذا الحساب إلى تحديد أننا بحاجة إلى حجم عينة يبلغ 88. استخدمنا تقنية PLS-SEM، وهي نهج مرن قائم على المكونات للتعامل مع النماذج المعقدة لاختبار نموذجنا النظري. كان اختيارنا لـ PLS-SEM مستندًا إلى دراسات سابقة مثل ليانغ وآخرون (2007)، وكوك وحدايا (2018)، وبنيتيز وآخرون (2020)، ومانلي وآخرون (2021). باختصار، اعتبرت طريقتنا في تحديد حجم العينة الطبيعة الفريدة لموضوع بحثنا مع ضمان أن لدينا قوة إحصائية كافية لاستخلاص استنتاجات ذات مغزى.

خلال تحليلنا، قمنا بفحص عوامل مختلفة بعناية لتحديد صحة البنى المستخدمة في النموذج. كانت جميع تحميلات العوامل لعناصر القياس أكبر من 0.5، مما يشير إلى علاقة قوية مع البنية الأساسية. بالإضافة إلى ذلك، كانت قيمة موثوقية التركيب المقياسي (SCR) أكبر من 0.7، مما يدل على أن عناصر القياس كانت موثوقة ومتسقة في قياساتها. كانت قيمة التباين المتوسط المستخرج (AVE) أكبر من 0.5، مما يشير إلى أن العناصر تقيس باستمرار نفس البنية الأساسية (انظر الجدول 2). لتأكيد الصلاحية التمييزية للبنى، قمنا بفحص مصفوفة الارتباط المتبادل. لاحظنا أن القيم في القطر الرئيسي لجذر مربع AVE للمصفوفة كانت أكبر من تلك الموجودة في الصف والعمود المعطى (انظر الجدول 3). وهذا يشير إلى أن البنى تمتلك صلاحية تمييزية، تقيس بنيات أساسية مختلفة. لذلك، يمكننا أن نقول إن النماذج المستخدمة في هذا التحليل تمتلك صلاحية تقارب وصلاحية تمييز كافية، مما يدل على أن البنى المستخدمة تم قياسها بدقة وتكون متميزة (فورنيل ولارك، 1981).

قمنا أيضًا بإجراء اختبار اقترحه هنسلر وآخرون (2015)، والذي يتضمن حساب نسبة الهتروترايت-مونوترايت (HTMT) لكل زوج من البنى الانعكاسية. HTMT هو نسبة الارتباطات بين البنى المختلفة والارتباطات بين مؤشرات نفس البنية، مع القيم التي تقل عن 0.90 (انظر الجدول 4) تشير إلى صلاحية تمييز كافية. بالنظر إلى الخصائص النفسية القوية لبنى لدينا، نحن واثقون من أنها توفر مقاييس موثوقة وصالحة لتقدير الهيكل.

لأبحاثنا، استخدمنا استبيانًا لمصدر واحد لجمع البيانات من المستجيبين الرئيسيين، وفقًا للمنهجية المعتمدة في الدراسات السابقة من قبل سرينيفاسان وسوينك (2018) وفوسو وامبا وآخرون (2023). ومع ذلك، نحن على دراية بالمشكلة المحتملة لـ

تحيز الطريقة الشائعة، الذي يمكن أن يحدث بسبب استخدام مصدر واحد للمعلومات. لمعالجة هذه القلق، اعتمدنا تدابير موصى بها من قبل الأبحاث السابقة، بما في ذلك بودساكوف وآخرون (2003)، كيتوكيفي وشرويدر (2004)، وهولاند وآخرون (2018). كما اتبعنا الإرشادات المقدمة من ماكنزي وبودساكوف (2012) لضمان أن أدواتنا تم اختبارها مسبقًا ولم تحتوي على عبارات مزدوجة أو أسئلة غامضة. من خلال اتخاذ هذه الاحتياطات، هدفنا إلى تقليل أي مصادر محتملة للتحيز وزيادة صلاحية نتائجنا.

استخدمنا اختبار العامل الواحد من هارمان لتقييم انحياز الطريقة المشتركة (CMB). تُستخدم هذه التقنية عادةً لتحديد عامل واحد يمكنه تفسير التباينات في مجموعة من المتغيرات. للقيام بذلك، استخدمنا تحليل العوامل الاستكشافية، وهي طريقة إحصائية تساعد في كشف الأنماط الكامنة في البيانات. أظهرت تحليلاتنا أنه لا يوجد عامل واحد يفسر أكثر من من إجمالي التباين في المتغيرات.

ومع ذلك، يجب توخي الحذر بشأن هذا النهج، حيث قد تؤثر عوامل أخرى أيضًا على المتغيرات (انظر هولاند وآخرون، 2018، ص. 102). لمعالجة هذه المسألة، استخدمنا تقنية علامات الارتباط، التي تتضمن إضافة علامات مرتبطة بشدة مع البناء المعني. هذا يقلل من خطر الاعتماد المفرط على عامل واحد ويضمن تحليلًا أكثر دقة. اقترح ليندل وويتني (2001) هذه الطريقة، التي تخفف بشكل فعال من المشكلات المحتملة مع اختبار العامل الواحد. من خلال استخدام كل من اختبار العامل الواحد وتقنية علامات الارتباط، تمكنا من إجراء تحليل شامل والتوصل إلى استنتاجات أكثر موثوقية.

الشكل 2 يعرض تقديرات من تحليل نمذجة المعادلات الهيكلية باستخدام طريقة المربعات الصغرى الجزئية (PLS-SEM) باستخدام WarpPLS 7.0، الذي تم تطويره بواسطة كوك وحدايا (2018). قيمة 0.52 تشير إلى أن النموذج يفسر حوالي التغير في المرونة الريادية (ER)، مما يشير إلى توافق جيد وقوة تفسيرية كبيرة (Hair et al.، 2013). تدعم النتائج الدور الوسيط المفترض للتوجه الريادي (EO) بين الذكاء الاصطناعي التوليدي (Gen AI) وER، مما يبرز EO كآلية حاسمة من خلالها يؤثر Gen AI على ER. وهذا يبرز أهمية تطوير EO كقدرة حيوية لتعزيز المرونة الريادية في مواجهة التحديات والشكوك. يفسر Gen AI تقريبًا من التغير في EO ( 0.48) (انظر الشكل 3).

تدعم بياناتنا فرضيات البحث (انظر الجدول 5). على وجه التحديد، هناك علاقة إيجابية ذات دلالة إحصائية بين ثلاثة موارد استراتيجية – المهارات البشرية (HS) والتكنولوجيا المتقدمة (TECH) والثقافة المعتمدة على البيانات (DDC) – ورائد الأعمال (EO). فرضية H1a (HS EO) يظهر أن المستويات العالية من المهارات البشرية ترتبط إيجابياً مع ريادة الأعمال. الفرضية H1b (التكنولوجيا EO) ، ص ) تشير إلى أن التكنولوجيا المتقدمة تؤثر بشكل إيجابي على EO. الفرضية يظهر أن الثقافة المعتمدة على البيانات تؤثر بشكل كبير وإيجابي على ريادة الأعمال. إن تجميع هذه الموارد الثلاثة يخلق الذكاء الاصطناعي العام، الذي يؤثر بشكل إيجابي على ريادة الأعمال. بعبارة أخرى، فإن دمج المهارات البشرية والتكنولوجيا والثقافة المعتمدة على البيانات يساعد الشركات على تطوير ثقافة ريادة الأعمال التي تعزز الابتكار والنمو.

فرضية يدعم ذلك، مما يشير إلى أن الريادة في الأعمال تلعب دورًا حاسمًا في تعزيز المرونة أثناء الأزمات. الشركات التي تتمتع بمستويات عالية من الريادة في الأعمال تكون أكثر قدرة على الصمود والتكيف مع الاضطرابات، مما يزيد من فرص نجاحها على المدى الطويل.

الفرضية H3 (MT*EO لا يتم دعم (ER) )، مما يشير إلى أن تأثير اضطراب السوق (MT) على المسار بين EO و ER سلبي. تشير النتائج إلى أن الأسواق المضطربة بشدة تطرح تحديات فريدة لفعالية القدرات الديناميكية. إن مطابقة المواقف الجديدة وغير المؤكدة مع التغييرات التنظيمية أمر معقد، مما قد يقلل من القدرة على التكيف بسرعة ويؤدي إلى استراتيجيات غير فعالة بسبب عدم الألفة مع الظروف الجديدة. في البيئات الديناميكية، هناك حاجة إلى تغييرات كبيرة للبقاء تنافسياً، لكن التكيف القائم على الخبرة يمكن أن يخلق جموداً، مما يجعل التغييرات الضرورية صعبة التنفيذ. وهذا يشير إلى أن اضطراب السوق يؤثر على كل من إمكانية التغيير وقدرة المنظمة على الاستفادة من الفرص من خلال التغيير القائم على الروتين، مما يدمج وجهات نظر من وجهات نظر بحثية مختلفة حول تأثير اضطراب السوق (Wang et al., 2015).

يجادل شيلكي (2014) بأنه عندما يكون اضطراب السوق منخفضاً، فإن إمكانيات القدرات الديناميكية تكون محدودة بسبب قلة الفرص لاستخدامها، مما يقلل من الروتين التنظيمي لتكييف قاعدة الموارد. عندما يكون الديناميكية البيئية عالية، قد يكون للقدرات الديناميكية تأثير أقل على الميزة التنافسية على الرغم من الفرص لإعادة تكوين الموارد، حيث تجعل الأحداث غير المتوقعة والتغيير المتقطع الأنشطة القائمة على الروتين تحدياً (Li and Liu, 2014; Girod and Whittington, 2017).

تظهر النتائج أن MT العالي يؤثر سلباً على العلاقة بين EO و ER، مما يتحدى فرضية العلاقة الخطية بين اضطراب السوق والقدرات الديناميكية (Wang et al.,

2015). بناءً على حجج شيلكي (2014)، نقترح أن العلاقة بين MT والقدرات الديناميكية غير خطية، مما يستدعي مزيداً من التحقيق. يُوصى بإجراء دراسة طولية لالتقاط طبيعة هذه العلاقة بشكل أفضل.

قمنا بفحص تأثير EO الوسيط (H4) باستخدام إجراء كوك (2014)، بناءً على طرق هايز وبريشر (2010)، والتي تعتبر أكثر موثوقية من نهج بارون وكيني (1986). يوفر اختبار الوساطة لكوك، باستخدام WarpPLS 7.0 (انظر الملحق ب)، معلومات عن
مجموع التأثيرات غير المباشرة، مقاطع المسار، قيم P، الأخطاء المعيارية، وأحجام التأثير ( ) وفقاً لكوهين (1988) (مقبيل وآخرون، 2020). تشير النتائج إلى أن EO له تأثيرات وساطة جزئية ( )، ، و (DDC )، مما يدعم ، و H 4 c.

يمكن أن تحول الذكاء الاصطناعي العام (Gen AI) والتوجه الريادي (EO) الشركات الصغيرة والمتوسطة (SMEs) والشركات الصغيرة من خلال تزويدها بأدوات تحليلية، وتعزيز الابتكار، والاستباقية، وتحمل المخاطر (عبادي، 2023؛ هيوز وآخرون، 2022). كانت دراستنا تهدف إلى فهم تأثير Gen AI و EO على المرونة الريادية (ER). وقد أثبتنا أن دمج EO مع Gen AI يشكل قدرة ديناميكية، تدعم ER بناءً على وجهة النظر الشرطية للقدرة الديناميكية (شيلكي، 2014؛ فاينشميت وآخرون، 2016). كما استكشفنا كيف يؤثر اضطراب السوق على القدرات الديناميكية، مما يفتح آفاقاً لمزيد من البحث حول تأثير EO على ER في ظل الظروف المتغيرة. أجرينا استبيانات بين SMEs في فرنسا، مع التركيز على تلك التي تعتمد أدوات Gen AI، حيث أنها من أوائل المتبنين للتكنولوجيا الجديدة ولكن تواجه تحديات فريدة.

تظهر نتائجنا أن EO تتوسط جزئياً العلاقة بين Gen AI و ER، مما يشير إلى تأثيرات مباشرة وغير مباشرة (انظر الملحق ب). يؤثر Gen AI، الذي يجمع بين المهارات البشرية، والتكنولوجيا، وثقافة قائمة على البيانات، بشكل مباشر وغير مباشر على ER من خلال EO. يتماشى هذا مع وجهة نظر القدرة الديناميكية الهرمية (وينتر، 2003؛ شيلكي، 2014؛ فاينشميت وآخرون، 2016)، مما يشير إلى أن المنظمات تستثمر في القدرات العليا بناءً على ظروف السوق للحصول على ميزة تنافسية.

يعزز هذا فهمنا لـ EO كقدرة تنظيمية ديناميكية (ويكلود وشيبرد، 2003؛ زهراء وآخرون، 2006؛ دوباي وآخرون، 2020). يمكن أن يؤدي استغلال أدوات Gen AI إلى تطوير EO، مما يسهل ER في ظل ظروف السوق المتغيرة. تكشف تحليلاتنا عن وجود علاقة إيجابية كبيرة بين المهارات البشرية (HS)، والتكنولوجيا (TECH)، وثقافة قائمة على البيانات (DDC) مع EO، كما تم الافتراض في H 1 (الشكل 2). يساعد دمج HS و TECH و DDC الشركات على تنمية ثقافة ريادية تعزز الابتكار والنمو.

تشير فرضيتنا الثانية إلى أن EO ضرورية لتعزيز ER خلال الأزمات الاقتصادية (الجدول 5). يمكن للشركات التي تتمتع بمستويات عالية من EO التكيف مع التحديات غير المتوقعة، مما يعزز بقائها ونجاحها على المدى الطويل. ومع ذلك، فإن فرضيتنا الثالثة (H3) لا تدعم الادعاء
أن EO تؤثر بقوة على ER في ظل اضطراب السوق العالي. تتعارض هذه النتيجة مع بعض العلماء الذين يجادلون بأن الديناميكية العالية تعزز تأثير EO على ER (بولوه ورينكو، 2013) لكنها تتماشى مع آخرين يقترحون أن اضطراب السوق العالي قد لا يؤثر إيجابياً على القدرات الديناميكية والميزة التنافسية (شيلكي، 2014).

تساهم دراستنا في الأدبيات من خلال التركيز على تطوير ER من خلال EO و Gen AI بناءً على وجهة نظر القدرات الديناميكية (DCV). استكشفنا كيف يؤثر Gen AI على EO والآليات التي تؤثر من خلالها القدرات الرقمية الديناميكية على ER (دوباي وآخرون، 2020). تشير نتائجنا إلى أن تبني Gen AI لتعزيز EO يدعم تحقيق ER. بينما ركزت الأعمال الحالية على ER بشكل أساسي على EO (ويكلود وشيبرد، 2003؛ زهراء وآخرون، 2006)، فإن دمج Gen AI لا يزال غير مستكشف نسبياً. توضح دراستنا الدور الحاسم لـ EO كقدرة ديناميكية، تتأثر بـ Gen AI و اضطراب السوق، في تعزيز ER.

تبحث هذه الدراسة البحثية كيف تدرك الشركات الصغيرة والمتوسطة (SMEs) في فرنسا الاستخدام المحتمل لـ Gen AI لتحسين قدراتها الريادية ومعالجة عدم اليقين في السوق. لتحقيق ذلك، تم جمع البيانات من خلال أداة قائمة على الاستبيان مصممة لالتقاط آراء ورؤى SMEs حول كيفية مساعدة Gen AI لهم في التغلب على التحديات وتحسين عملياتهم التجارية. تأخذ الدراسة في الاعتبار عوامل مختلفة، مثل حجم العمليات، والصناعة التي تعمل فيها، ومستوى الوعي والفهم لـ Gen AI بين SMEs (عبادي، 2023؛ تران ومورفي، 2023).

تهدف الدراسة إلى فهم شامل لكيفية استفادة SMEs في فرنسا من Gen AI والمساهمة في نموها ونجاحها في السوق. تقدم نتائج الدراسة مساهمتين رئيسيتين. أولاً، تستخدم هذه الدراسة نظرية القدرة الديناميكية لتطوير فرضيات البحث واختبارها باستخدام بيانات الاستبيان. الهدف هو فهم كيف يمكن أن يعزز Gen AI، كقدرة تنظيمية، التوجه الريادي والمرونة. ثانياً، تركز الدراسة على كيفية اكتشاف Gen AI للتهديدات والفرص وتوجيه المنظمات في إعادة تكوين مواردها وقدراتها. من خلال استشعار الفرص، يمكن أن يساعد Gen AI الشركات في تحويلها إلى مزايا تنافسية، مما يؤدي إلى تحسين الأداء والنجاح المستدام في بيئة أعمال تتسم بالتنافس المتزايد.

تشير الدراسة إلى أن الشركات التي تستفيد من قدرات Gen AI تكون أكثر تجهيزاً للتكيف مع ظروف السوق المتغيرة والحفاظ على ميزة تنافسية. ومع ذلك، من الضروري ملاحظة أنه يجب إعطاء اعتبار دقيق للآثار الأخلاقية لاستغلال Gen AI لتحقيق مثل هذه الفوائد (نورباك وبيرسون، 2024).

تدرس الدراسة كيف قامت الشركات الصغيرة والمتوسطة في فرنسا ببناء قدرات ديناميكية للاستجابة لاضطرابات السوق وتعزيز المرونة الريادية. المساهمة الرئيسية لهذه الدراسة هي تطوير واختبار إطار عمل جديد يدمج التوجه الريادي (EO) والذكاء الاصطناعي العام (Gen AI) في سياق المرونة الريادية، وهو ما لم يتم استكشافه في الأدبيات السابقة. من خلال القيام بذلك، تقدم الدراسة أدلة تجريبية حول كيفية تأثير EO وGen AI على المرونة الريادية وكيفية تأثير اضطراب السوق على هذه العلاقة. تستند النتائج إلى الحجج التي قدمها العلماء السابقون وتوسع نطاقها لتشمل Gen AI (انظر Rizomyliotis وآخرون، 2022؛ Shepherd وMajchrzak، 2022؛ Kanbach وآخرون، 2024؛ Xia وآخرون، 2024).

علاوة على ذلك، توفر الدراسة فهمًا تفصيليًا للآليات الوسيطة والمعتدلة لـ EO واضطراب السوق والعلاقة بين Gen AI والمرونة الريادية. لذلك، تساهم النتائج في النقاش المستمر حول كيفية تحسين القدرات الديناميكية للمرونة الريادية، مع الفهم أن فعالية هذه الصفات قد تختلف اعتمادًا على السياق التنظيمي وسيناريو السوق.

تساهم هذه البحث بشكل كبير في النقاش النظري المستمر في مجال ريادة الأعمال وإدارة المعلومات. بالنظر إلى المرحلة الحالية من التطور، فإن هذه المساهمات
تحمل أهمية خاصة. لقد كان التوجه الريادي لفترة طويلة نقطة محورية في نظرية ريادة الأعمال. ومع ذلك، فإن التقاطع غير المستكشف نسبيًا بين Gen AI وتأثيره على التوجه الريادي يتطلب استكشافًا تجريبيًا أكثر صرامة لتوسيع النطاق النظري بشكل فعال. نعتقد أن مساهمتنا قد لعبت دورًا متواضعًا في تعزيز النقاش المستمر عند تقاطع نظرية ريادة الأعمال والابتكار التكنولوجي. لقد قدمت جهودنا وجهات نظر جديدة، وسلطت الضوء على قضايا حاسمة، ووفرت رؤى قيمة أثرت النقاش في هذه المجالات.

تتمتع الدراسة بآثار كبيرة على المديرين الذين يستفيدون من Gen AI لتعزيز مرونتهم الريادية (ER) خلال اضطرابات السوق. تُظهر كيف طورت الشركات الصغيرة والمتوسطة (SMEs) في فرنسا قدرات ديناميكية من خلال دمج ثلاثة موارد استراتيجية من Gen AI: المهارات البشرية (HS)، والتكنولوجيا (TECH)، والثقافة المعتمدة على البيانات (DDC)، لتعزيز التوجه الريادي (EO). يساعد EO المديرين على تعزيز الابتكار، والتوسع، والتكيف في ظل عدم اليقين والتحديات. يجب على المديرين أيضًا أن يكونوا على دراية بالتأثير السلبي المعتدل لاضطراب السوق (MT) على العلاقة بين EO وER والتخفيف من تأثيره من خلال تطوير استراتيجيات التكيف العاطفية والنفسية. بالإضافة إلى ذلك، يجب عليهم مراعاة الآثار الأخلاقية والاجتماعية لاستخدام Gen AI في أنشطتهم الريادية، وضمان الاستخدام المسؤول والشفاف.

تقدم الدراسة نموذجًا مفاهيميًا يوضح كيف يؤثر Gen AI على ER من خلال الوساطة لـ EO والمعتدلة لـ MT. يمكن أن يلهم هذا النموذج المديرين أو صانعي السياسات للاستثمار في القدرات الديناميكية لتعزيز ER وتعديل استراتيجياتهم استجابةً لظروف السوق المتقلبة. يمكن أن يؤدي تبني EO وGen AI إلى تحسين ER وتعزيز البقاء والازدهار على المدى الطويل. ومع ذلك، دون فهم سياق السوق، قد لا تدرك المنظمات بالكامل المزايا المحتملة لـ Gen AI وEO. يؤكد Grover وSabherwal (2020) أن عقبة رئيسية، خاصة بالنسبة للشركات التقليدية، هي الحاجة إلى تغيير عقلية رقمية.

من المثير للاهتمام أن دراستنا وجدت أن الثقافة المعتمدة على البيانات (DDC) في SMEs تؤثر بشكل كبير وإيجابي على EO. يجب على المنظمات الانتقال من الطرق التقليدية لحل النزاعات إلى الطرق الرقمية لتعزيز مثل هذه الثقافات. يمكّن هذا التحول من الانخراط مع الشركاء وأصحاب المصلحة، والتقييم المستمر لفعالية نظام تكنولوجيا المعلومات، وتنفيذ استراتيجيات قابلة للتكيف، مما يعزز في النهاية المرونة الريادية.

تقدم الدراسة البحثية رؤى قيمة يمكن أن توجه صانعي السياسات في صياغة استراتيجيات فعالة لمساعدة الشركات الصغيرة عبر مختلف الصناعات على اعتماد تكنولوجيا الذكاء الاصطناعي. مع ظهور Gen AI، هناك فرص واسعة للاستكشاف، ومع ذلك، من المهم بنفس القدر معالجة الآثار السلبية المحتملة لهذه التكنولوجيا. من الضروري ملاحظة أن جودة الرؤى تعتمد على جودة بيانات التدريب. لذلك، يجب على صانعي السياسات إعطاء الأولوية لدعم المبادرات البحثية التي تهدف إلى فهم الفوائد المحتملة لدمج Gen AI في عالم الأعمال للحصول على ميزة تنافسية. يجب على صانعي السياسات أيضًا مراعاة العيوب المحتملة المرتبطة بهذه التكنولوجيا لاتخاذ قرارات مستنيرة. توفر نتائج البحث إطارًا شاملاً يمكن أن يستخدمه صانعو السياسات لتقييم المخاطر المحتملة المرتبطة بتبني تكنولوجيا الذكاء الاصطناعي، مع الاستفادة أيضًا من الفرص الواسعة التي تقدمها.

على الرغم من أن دراستنا تقدم رؤى نظرية وإدارية كبيرة، إلا أن لديها بعض القيود. أولاً، استندنا في حججنا إلى
نهج القدرة الديناميكية، الذي يعد أمرًا حيويًا لتحقيق الميزة التنافسية وER (Ferreira وآخرون، 2022). ومع ذلك، نعترف بأن افتراضات القدرة الديناميكية قد لا تنطبق في جميع الأزمات (Dubey وآخرون، 2023). كما نعتبر نظرية معالجة المعلومات التنظيمية (OIPT) التي قدمها غالبراث (1974)، والتي تؤكد على دور OIPT في التعامل مع عدم اليقين البيئي وتحسين الأداء. من منظور OIPT، قد يتطلب اضطراب السوق (MT) معالجة المعلومات من ظروف السوق غير المؤكدة، مما يحفز المنظمات على البحث عن معرفة جديدة وتعزيز اتخاذ القرار، وبالتالي تعزيز المرونة الريادية.

ثانيًا، بينما نتفق مع Flynn وآخرون (1990) على أن منهجية قائمة على الاستطلاعات فعالة للتحقيق في أهداف بحثنا، فإن البحث القائم على الاستطلاعات له عيوب، مثل الأخطاء الناتجة عن الذاتية والتحيز (Boyer وSwink، 2008). على الرغم من الجهود المبذولة لتقليل عدم الاستجابة والانحيازات الناتجة عن الطريقة الشائعة، فإن دراسة طولية ستعزز من صحة النتائج. يجب أن تتصل الدراسات المستقبلية عشوائيًا بعينة من المستجيبين للحصول على مزيد من الرؤى حول Gen AI وEO وتأثيرهما على ER.

ثالثًا، قد يحد استخدام عينات من اقتصاد واحد من قابلية تطبيق نتائجنا. اخترنا فرنسا بسبب القيود الثقافية والاقتصادية والقانونية. رابعًا، يمكن أن تستخدم الأبحاث المستقبلية منهجية متعددة الحالات لفهم Gen AI كقدرة ديناميكية. خامسًا، كما يشير Dubey وآخرون (2023)، تؤثر الثقافة بشكل كبير على السياسات الحكومية. لذلك، سيكون من المفيد استكشاف كيف تؤثر العوامل الثقافية على عقليات رواد الأعمال، والاستثمارات التكنولوجية، والرقمنة المجتمعية لتعزيز المرونة. سادسًا، يجب أن تحقق الأبحاث الطولية في الطبيعة الديناميكية لتنفيذ التقنيات الرقمية وارتباطها بالمرونة والأداء.

أخيرًا، لم نقم بقياس تأثير Gen AI على معايير المرونة الأخرى، حيث ركزنا فقط على المرونة الريادية. يمكن أن تتداخل عوامل أخرى، مثل الاستجابات العاطفية السلبية خلال الاضطراب، مع تطوير ER (Shore وآخرون، 2023).

يمكن أن تستكشف الأبحاث المستقبلية كيف يتفاعل EO وGen AI ويؤثران على ER في سياقات تنظيمية وسيناريوهات سوق مختلفة. يمكن أن تفحص أيضًا دور العواطف والعوامل النفسية على ER، مثل كيفية تأثير الاستجابات العاطفية السلبية خلال الاضطراب على تطوير المرونة وكيف يمكن أن تعزز العواطف الإيجابية مثل التفاؤل والأمل المرونة. أخيرًا، يمكن أن تحقق الأبحاث المستقبلية في الآثار الأخلاقية والاجتماعية لاستخدام Gen AI في ريادة الأعمال، بما في ذلك تأثيراتها على اتخاذ القرار، والإبداع، والابتكار، والأثر الأوسع على أصحاب المصلحة والمجتمع.

لقد أحدث التقدم المستمر في التقنيات الرقمية ثورة في المشهد المؤسسي وخلق العديد من الفرص، مما أدى إلى طرق جديدة للمساعي الريادية (لامين وآخرون، 2023). المرونة في
تشير ريادة الأعمال إلى القدرة على الاستجابة والتكيف بفعالية مع الأعمال في مواجهة التحديات وعدم اليقين (كوربر وماكنوتون، 2018). تستخدم ريادة الأعمال بفعالية موقفًا رياديًا لتعزيز التكنولوجيا وأداء الأعمال (سيو وبارك، 2022). تدرس هذه الدراسة المرونة كاستجابة لاضطرابات السوق وتحقق في كيفية زراعة الشركات الناجحة للمرونة من خلال الرقمنة والتقدم التكنولوجي خلال الجائحة. بشكل أكثر دقة، نكشف عن الذكاء الاصطناعي التوليدي وتوجه ريادة الأعمال الذي يستخدمه رواد الأعمال لزراعة المرونة الريادية وتحويل أعمالهم بسرعة. بحثنا أيضًا في كيفية تأثير اضطراب السوق على العلاقات بين الانضمام إلى ريادة الأعمال والمرونة الريادية. تقدم دراستنا مساهمتين في مجال القدرات الديناميكية. يوفر عملنا أدلة تجريبية تدعم المبدأين النظريين الأساسيين للقدرات الديناميكية. تكشف دراستنا أن الجمع بين الذكاء الاصطناعي التوليدي وتوجه ريادة الأعمال له تأثير ملحوظ وبناء على المرونة الريادية. لقد أثبتنا بنجاح التأثير المعتدل لاضطراب السوق كفكرة ثانية.

لقد بحثت الأبحاث السابقة في تأثير التقدم الرقمي خلال جائحة COVID-19 (فاسي وآخرون، 2024؛ لي وآخرون، 2022). ومع ذلك، في حالتنا، قمنا بتوسيع المبدأ النظري الثاني من خلال دراسة التأثير المعتدل لاضطراب السوق، الذي يعتمد على عدة جوانب، بما في ذلك التغيرات الديناميكية في تفضيلات العملاء، وسلوك العملاء الجدد، والتغيرات المفاجئة في أنماط الشراء في فترات معينة. لقد ركزت جهودنا على معالجة الفجوة المستمرة من خلال إجراء دراسة شاملة لتحليل التأثير المحتمل للذكاء الاصطناعي التوليدي على العلاقات العامة. نحن واثقون من أن نتائج بحثنا وقيود الدراسة ستوفر فرصًا جديدة لمزيد من البحث.

آدم شور: الكتابة – المراجعة والتحرير، الكتابة – المسودة الأصلية، الموارد، المنهجية، التصور. مانيشا تيواري: الكتابة – المراجعة والتحرير، الكتابة – المسودة الأصلية، التصور، التحقق، إدارة المشروع، المنهجية، التحقيق، التحليل الرسمي، تنظيم البيانات، التصور. بريانكا تاندون: الكتابة – المراجعة والتحرير، الكتابة – المسودة الأصلية، التصور، إدارة المشروع. سيريل فوروبون: الموارد، تنظيم البيانات.

لا شيء.

ستكون البيانات متاحة عند الطلب.

Abaddi, S., 2023. GPT revolution and digital entrepreneurial intentions. Journal of Entrepreneurship in Emerging Economies. https://doi.org/10.1108/JEEE-07-20230260.

Agrawal, K.P., 2023. Towards adoption of generative AI in organizational settings.
J. Comput. Inf. Syst. 1-16. https://doi.org/10.1080/08874417.2023.2240744.

Akter, S., Wamba, S.F., Gunasekaran, A., Dubey, R., Childe, S.J., 2016. How to improve firm performance using big data analytics capability and business strategy alignment? Int. J. Prod. Econ. 182, 113-131.

Akter, S., Hossain, M.A., Sajib, S., Sultana, S., Rahman, M., Vrontis, D., McCarthy, G., 2023. A framework for AI-powered service innovation capability: review and agenda for future research. Technovation 125, 102768.
Alalwan, A.A., Baabdullah, A.M., Fetais, A.H.M., Algharabat, R.S., Raman, R., Dwivedi, Y.K., 2023. SMEs entrepreneurial finance-based digital transformation: towards innovative entrepreneurial finance and entrepreneurial performance. Ventur. Cap. 1-29. https://doi.org/10.1080/13691066.2023.2195127.
Alhammadi, A., Shayea, I., El-Saleh, A.A., Azmi, M.H., Ismail, Z.H., Kouhalvandi, L., Saad, S.A., 2024. Artificial intelligence in 6G wireless networks: opportunities, applications, and challenges. Int. J. Intell. Syst. 2024 (1), 8845070.
Al-Thaqeb, S.A., Algharabali, B.G., Alabdulghafour, K.T., 2022. The pandemic and economic policy uncertainty. Int. J. Finance Econ. 27 (3), 2784-2794.
Anderson, B.S., Covin, J.G., Slevin, D.P., 2009. Understanding the relationship between entrepreneurial orientation and strategic learning capability: an empirical investigation. Strateg. Entrep. J. 3 (3), 218-240.
Anderson, B.S., Kreiser, P.M., Kuratko, D.F., Hornsby, J.S., Eshima, Y., 2015. Reconceptualizing entrepreneurial orientation. Strat. Manag. J. 36 (10), 1579-1596.
Anwar, A., Coviello, N., Rouziou, M., 2023. Weathering a crisis: a multi-level analysis of resilience in young ventures. Entrep. Theory Pract. 47 (3), 864-892.
Armstrong, J.S., Overton, T.S., 1977. Estimating nonresponse bias in mail surveys. J. Market. Res. 14 (3), 396-402.

Arve, M., Desrieux, C., Espinosa, R., 2023. Entrepreneurial intention and resilience: an experiment during the Covid-19 lockdown. Manag. Decis. Econ. 44 (2), 698-715.
Balta, M.E., Papadopoulos, T., Spanaki, K., 2023. Business model pivoting and digital technologies in turbulent environments. Int. J. Entrepreneurial Behav. Res. https:// doi.org/10.1108/IJEBR-02-2023-0210.
Bankins, S., Ocampo, A.C., Marrone, M., Restubog, S.L.D., Woo, S.E., 2023. A multilevel review of artificial intelligence in organizations: implications for organizational behavior research and practice. J. Organ. Behav. https://doi.org/10.1002/job.2735.
Baron, R.M., Kenny, D.A., 1986. The moderator-mediator variable distinction in social psychological research: conceptual, strategic, and statistical considerations. J. Pers. Soc. Psychol. 51 (6), 1173.
Benitez, J., Henseler, J., Castillo, A., Schuberth, F., 2020. How to perform and report an impactful analysis using partial least squares: guidelines for confirmatory and explanatory IS research. Inf. Manag. 57 (2), 103168.
Berry, A.J., Sweeting, R., Goto, J., 2006. The effect of business advisers on the performance of SMEs. J. Small Bus. Enterprise Dev. 13 (1), 33-47.
Berthon, P., Yalcin, T., Pehlivan, E., Rabinovich, T., 2024. Trajectories of AI technologies: insights for managers. Bus. Horiz. https://doi.org/10.1016/j. bushor.2024.03.002.
Boyer, K.K., Swink, M.L., 2008. Empirical elephants-Why multiple methods are essential to quality research in operations and supply chain management. J. Oper. Manag. 26 (3), 338-344.
Budhwar, P., Chowdhury, S., Wood, G., Aguinis, H., Bamber, G.J., Beltran, J.R., et al., 2023. Human resource management in the age of generative artificial intelligence: perspectives and research directions on ChatGPT. Hum. Resour. Manag. J. 33 (3), 606-659.
Bullough, A., Renko, M., 2013. Entrepreneurial resilience during challenging times. Bus. Horiz. 56 (3), 343-350.
Castro, M.P., Zermeño, M.G.G., 2021. Being an entrepreneur post-COVID-19-resilience in times of crisis: a systematic literature review. Journal of Entrepreneurship in Emerging Economies 13 (4), 721-746.
Chalmers, D., MacKenzie, N.G., Carter, S., 2021. Artificial intelligence and entrepreneurship: implications for venture creation in the fourth industrial revolution. Entrep. Theory Pract. 45 (5), 1028-1053.
Chaston, I., Sadler-Smith, E., 2012. Entrepreneurial cognition, entrepreneurial orientation and firm capability in the creative industries. Br. J. Manag. 23 (3), 415-432.
Chatterjee, S., Gupta, S.D., Upadhyay, P., 2020. Technology adoption and entrepreneurial orientation for rural women: evidence from India. Technol. Forecast. Soc. Change 160, 120236.
Chaudhary, S., Dhir, A., Meenakshi, N., Christofi, M., 2024. How small firms build resilience to ward off crises: a paradox perspective. Enterpren. Reg. Dev. 36 (1-2), 182-207.
Chen, K.H., Wang, C.H., Huang, S.Z., Shen, G.C., 2016. Service innovation and new product performance: the influence of market-linking capabilities and market turbulence. Int. J. Prod. Econ. 172, 54-64.
Chen, B., Wu, Z., Zhao, R., 2023. From fiction to fact: the growing role of generative AI in business and finance. J. Chin. Econ. Bus. Stud. 21 (4), 471-496.
Chirumalla, K., 2021. Building digitally-enabled process innovation in the process industries: a dynamic capabilities approach. Technovation 105, 102256.
Churchill Jr., G.A., 1979. A paradigm for developing better measures of marketing constructs. J. Market. Res. 16 (1), 64-73.
Ciampi, F., Demi, S., Magrini, A., Marzi, G., Papa, A., 2021. Exploring the impact of big data analytics capabilities on business model innovation: the mediating role of entrepreneurial orientation. J. Bus. Res. 123, 1-13.
Clausen, T., Korneliussen, T., 2012. The relationship between entrepreneurial orientation and speed to the market: the case of incubator firms in Norway. Technovation 32 (9-10), 560-567.
Cohen, J., 1988. Set correlation and contingency tables. Appl. Psychol. Meas. 12 (4), 425-434.
Corner, P.D., Singh, S., Pavlovich, K., 2017. Entrepreneurial resilience and venture failure. Int. Small Bus. J. 35 (6), 687-708.
Dahles, H., Susilowati, T.P., 2015. Business resilience in times of growth and crisis. Ann. Tourism Res. 51, 34-50.

Davidsson, P., Sufyan, M., 2023. What does AI think of AI as an external enabler (EE) of entrepreneurship? An assessment through and of the EE framework. J. Bus. Ventur. Insights 20, e00413.
Donthu, N., Gustafsson, A., 2020. Effects of COVID-19 on business and research. J. Bus. Res. 117, 284-289.
Dubey, R., Bryde, D.J., Dwivedi, Y.K., Graham, G., Foropon, C., Papadopoulos, T., 2023. Dynamic digital capabilities and supply chain resilience: The role of government effectiveness. Int. J. Prod. Econ. 258, 108790.
Dubey, R., Gunasekaran, A., Childe, S.J., Bryde, D.J., Giannakis, M., Foropon, C., et al., 2020. Big data analytics and artificial intelligence pathway to operational performance under the effects of entrepreneurial orientation and environmental dynamism: a study of manufacturing organisations. Int. J. Prod. Econ. 226, 107599.
Dwivedi, Y.K., Hughes, L., Ismagilova, E., Aarts, G., Coombs, C., Crick, T., et al., 2021. Artificial Intelligence (AI): multidisciplinary perspectives on emerging challenges, opportunities, and agenda for research, practice and policy. Int. J. Inf. Manag. 57, 101994.

Dwivedi, Y.K., Kshetri, N., Hughes, L., Slade, E.L., Jeyaraj, A., Kar, A.K., et al., 2023. “So what if ChatGPT wrote it?” Multidisciplinary perspectives on opportunities, challenges and implications of generative conversational AI for research, practice and policy. Int. J. Inf. Manag. 71, 102642.
Eisenhardt, K.M., Martin, J.A., 2000. Dynamic capabilities: what are they? Strat. Manag. J. 21 (10-11), 1105-1121.

Engel, Y., Kaandorp, M., Elfring, T., 2017. Toward a dynamic process model of entrepreneurial networking under uncertainty. J. Bus. Ventur. 32 (1), 35-51.
Fainshmidt, S., Pezeshkan, A., Lance Frazier, M., Nair, A., Markowski, E., 2016. Dynamic capabilities and organizational performance: a meta-analytic evaluation and extension. J. Manag. Stud. 53 (8), 1348-1380.
Fatoki, O., 2018. The impact of entrepreneurial resilience on the success of small and medium enterprises in South Africa. Sustainability 10 (7), 2527.
Faquet, R., Malarde, V., 2020. Digitalisation in France’s business sector. TresorEconomics 271 (November), 1-8. https://www.tresor.economie.gouv.fr/Articles/ df17a219-238e-4b52-90f3-e294fbda02f0/files/8ec8a48e-a30e-4479-865e-bce6ce22 63dd. (Accessed 15 October 2023).
Fellnhofer, K., 2023. Positivity and higher alertness levels facilitate discovery: Longitudinal sentiment analysis of emotions on Twitter. Technovation 122, 102409.
Ferreira, J.J., Cruz, B., Veiga, P.M., 2022. Knowledge strategies and digital technologies maturity: effects on small business performance. Entrepreneurship & Regional Development 1-19.
Ferreras-Méndez, J.L., Olmos-Penuela, J., Salas-Vallina, A., Alegre, J., 2021. Entrepreneurial orientation and new product development performance in SMEs: the mediating role of business model innovation. Technovation 108, 102325.
Filippo, C., Vito, G., Irene, S., Simone, B., Gualtiero, F., 2024. Future applications of generative large language models: a data-driven case study on ChatGPT. Technovation 133, 103002.
Flynn, B.B., Sakakibara, S., Schroeder, R.G., Bates, K.A., Flynn, E.J., 1990. Empirical research methods in operations management. J. Oper. Manag. 9 (2), 250-284.
Fornell, C., Larcker, D.F., 1981. Evaluating structural equation models with unobservable variables and measurement error. J. Market. Res. 18 (1), 39-50.
Fosso Wamba, S., 2022. Impact of artificial intelligence assimilation on firm performance: the mediating effects of organizational agility and customer agility. Int. J. Inf. Manag. 67, 102544.
Fosso Wamba, F., Queiroz, M.M., Jabbour, C.J.C., Shi, C.V., 2023. Are both generative AI and ChatGPT game changers for 21st-Century operations and supply chain excellence? Int. J. Prod. Econ. 265, 109015.
Fosso Wamba, F., Queiroz, M.M., Trinchera, L., 2024. The role of artificial intelligenceenabled dynamic capability on environmental performance: the mediation effect of a data-driven culture in France and the USA. Int. J. Prod. Econ. 268, 109131.
Frick, N.R., Mirbabaie, M., Stieglitz, S., Salomon, J., 2021. Maneuvering through the stormy seas of digital transformation: the impact of empowering leadership on the AI readiness of enterprises. J. Decis. Syst. 30 (2-3), 235-258.
Galbraith, J.R., 1974. Organization design: An information processing view. Interfaces 4 (3), 28-36.

Ghobakhloo, M., Fathi, M., Iranmanesh, M., Vilkas, M., Grybauskas, A., Amran, A., 2024. Generative artificial intelligence in manufacturing: opportunities for actualizing Industry 5.0 sustainability goals. J. Manuf. Technol. Manag. 35 (9), 94-121.
Giuggioli, G., Pellegrini, M.M., 2022. Artificial intelligence as an enabler for entrepreneurs: a systematic literature review and an agenda for future research. Int. J. Entrepreneurial Behav. Res. 29 (4), 816-837.

Girod, S.J., Whittington, R., 2017. Reconfiguration, restructuring and firm performance: dynamic capabilities and environmental dynamism. Strat. Manag. J. 38 (5), 1121-1133.
Gottschalck, N., Branner, K., Rolan, L., Kellermanns, F., 2021. Cross-level effects of entrepreneurial orientation and ambidexterity on the resilience of small business owners. J. Small Bus. Manag. 1-37. https://doi.org/10.1080/ 00472778.2021.2002878.

Grant, R.M., 1991. The resource-based theory of competitive advantage: implications for strategy formulation. Calif. Manag. Rev. 33 (3), 114-135.
Grover, V., Sabherwal, R., 2020. Making sense of the confusing mix of digitalization, pandemics, and economics. Int. J. Inf. Manag. 55, 102234.
Gupta, M., George, J.F., 2016. Toward the development of a big data analytics capability. Inf. Manag. 53 (8), 1049-1064.
Hadjielias, E., Christofi, M., Tarba, S., 2022. Contextualizing small business resilience during the COVID-19 pandemic: evidence from small business owner-managers. Small Bus. Econ. 59 (4), 1351-1380.

Hair, J.F., Ringle, C.M., Sarstedt, M., 2013. Partial least squares structural equation modeling: rigorous applications, better results and higher acceptance. Long. Range Plan. 46 (1-2), 1-12.
Hansen, E.B., Bøgh, S., 2021. Artificial intelligence and internet of things in small and medium-sized enterprises: a survey. J. Manuf. Syst. 58, 362-372.
Hayes, A.F., Preacher, K.J., 2010. Quantifying and testing indirect effects in simple mediation models when the constituent paths are nonlinear. Multivariate Behavioural Research 45 (4), 627-660.
Helfat, C.E., Finkelstein, S., Mitchell, W., Peteraf, M., Singh, H., Teece, D., Winter, S.G., 2009. Dynamic Capabilities: Understanding Strategic Change in Organizations. John Wiley & Sons.
Henseler, J., Ringle, C.M., Sarstedt, M., 2015. A new criterion for assessing discriminant validity in variance-based structural equation modeling. J. Acad. Market. Sci. 43, 115-135.
Hillmann, J., Guenther, E., 2021. Organizational resilience: a valuable construct for management research? Int. J. Manag. Rev. 23 (1), 7-44.
Holmström, J., Carroll, N., 2024. How organizations can innovate with generative AI. Bus. Horiz. https://doi.org/10.1016/j.bushor.2024.02.010.
Hrebiniak, L.G., Joyce, W.F., 1985. Organizational adaptation: strategic choice and environmental determinism. Adm. Sci. Q. 30 (3), 336-349.
Hughes, M., Hughes, P., Hodgkinson, I., Chang, Y.Y., Chang, C.Y., 2022. Knowledgebased theory, entrepreneurial orientation, stakeholder engagement, and firm performance. Strateg. Entrep. J. 16 (3), 633-665.
Hulland, J., Baumgartner, H., Smith, K.M., 2018. Marketing survey research best practices: evidence and recommendations from a review of JAMS articles. J. Acad. Market. Sci. 46, 92-108.
Iborra, M., Safón, V., Dolz, C., 2020. What explains the resilience of SMEs? Ambidexterity capability and strategic consistency. Long. Range Plan. 53 (6), 101947.

Isensee, C., Teuteberg, F., Griese, K.M., 2023. Success factors of organizational resilience: a qualitative investigation of four types of sustainable digital entrepreneurs. Manag. Decis. 61 (5), 1244-1273.
Iyengar, D., Nilakantan, R., Rao, S., 2021. On entrepreneurial resilience among microentrepreneurs in the face of economic disruptions… A little help from friends. J. Bus. Logist. 42 (3), 360-380.
Jantunen, A., Puumalainen, K., Saarenketo, S., Kyläheiko, K., 2005. Entrepreneurial orientation, dynamic capabilities and international performance. J. Int. Enterpren. 3, 223-243.
Jiang, W., Chai, H., Shao, J., Feng, T., 2018. Green entrepreneurial orientation for enhancing firm performance: a dynamic capability perspective. J. Clean. Prod. 198, 1311-1323.
Kachouie, R., Mavondo, F., Sands, S., 2018. Dynamic marketing capabilities view on creating market change. Eur. J. Market. 52 (5/6), 1007-1036.
Kalubanga, M., Gudergan, S., 2022. The impact of dynamic capabilities in disrupted supply chains-the role of turbulence and dependence. Ind. Market. Manag. 103, 154-169.
Kam-Sing Wong, S., 2014. Impacts of environmental turbulence on entrepreneurial orientation and new product success. Eur. J. Innovat. Manag. 17 (2), 229-249.
Kanbach, D.K., Heiduk, L., Blueher, G., Schreiter, M., Lahmann, A., 2024. The GenAI is out of the bottle: generative artificial intelligence from a business model innovation perspective. Review of Managerial Science 18 (4), 1189-1220.
Kar, A.K., Varsha, P.S., Rajan, S., 2023. Unravelling the impact of generative artificial intelligence (GAI) in industrial applications: a review of scientific and grey literature. Global J. Flex. Syst. Manag. 24 (4), 659-689.
Ketokivi, M.A., Schroeder, R.G., 2004. Perceptual measures of performance: fact or fiction? J. Oper. Manag. 22 (3), 247-264.
Kirtley, J., O’Mahony, S., 2023. What is a pivot? Explaining when and how entrepreneurial firms decide to make strategic change and pivot. Strat. Manag. J. 44 (1), 197-230.

Khan, S.H., Majid, A., Yasir, M., Javed, A., 2021. Social capital and business model innovation in SMEs: do organizational learning capabilities and entrepreneurial orientation really matter? Eur. J. Innovat. Manag. 24 (1), 191-212.
Khurana, I., Dutta, D.K., Ghura, A.S., 2022. SMEs and digital transformation during a crisis: the emergence of resilience as a second-order dynamic capability in an entrepreneurial ecosystem. J. Bus. Res. 150, 623-641.
Kock, N., 2014. Advanced mediating effects tests, multi-group analyses, and measurement model assessments in PLS-based SEM. Int. J. e-Collaboration 10 (1), 1-13.
Kock, A., Gemünden, H.G., 2021. How entrepreneurial orientation can leverage innovation project portfolio management. R D Manag. 51 (1), 40-56.
Kock, N., Hadaya, P., 2018. Minimum sample size estimation in PLS-SEM: the inverse square root and gamma-exponential methods. Inf. Syst. J. 28 (1), 227-261.
Kolupaieva, I., Tiesheva, L., 2023. Asymmetry and convergence in the development of digital technologies in the EU countries. Equilibrium. Quarterly Journal of Economics and Economic Policy 18 (3), 687-716.
Korber, S., McNaughton, R., 2018. Resilience and entrepreneurship: A systematic literature review. Int. J. Entrepren. Behav. Res. 24 (7), 1129-1154.
Kraus, S., Rigtering, J.C., Hughes, M., Hosman, V., 2012. Entrepreneurial orientation and the business performance of SMEs: a quantitative study from The Netherlands. Review of Managerial Science 6, 161-182.
Kreiser, P.M., Davis, J., 2010. Entrepreneurial orientation and firm performance: the unique impact of innovativeness, proactiveness, and risk-taking. J. Small Bus. Enterpren. 23 (1), 39-51.
Krishnan, C.S.N., Ganesh, L.S., Rajendran, C., 2022. Entrepreneurial Interventions for crisis management: lessons from the Covid-19 Pandemic’s impact on entrepreneurial ventures. Int. J. Disaster Risk Reduc. 72, 102830.

Kshetri, N., Dwivedi, Y.K., Davenport, T.H., Panteli, N., 2023. Generative artificial intelligence in marketing: applications, opportunities, challenges, and research agenda. Int. J. Inf. Manag., 102716
Kusa, R., Duda, J., Suder, M., 2022. How to sustain company growth in times of crisis: the mitigating role of entrepreneurial management. J. Bus. Res. 142, 377-386.
Lamine, W., Fayolle, A., Jack, S., Audretsch, D., 2023. Impact of digital technologies on entrepreneurship: Taking stock and looking forward. Technovation 126, 102823.
Leppäaho, T., Ritala, P., 2022. Surviving the coronavirus pandemic and beyond: unlocking family firms’ innovation potential across crises. Journal of Family Business Strategy 13 (1), 100440.
Levinthal, D.A., 2011. A behavioral approach to strategy-what’s the alternative? Strat. Manag. J. 32 (13), 1517-1523.
Li, L., Tong, Y., Wei, L., Yang, S., 2022. Digital technology-enabled dynamic capabilities and their impacts on firm performance: Evidence from the COVID-19 pandemic. Inform. Manag. 59 (8), 103689.
Liang, H., Saraf, N., Hu, Q., Xue, Y., 2007. Assimilation of enterprise systems: the effect of institutional pressures and the mediating role of top management. MIS Q. 31 (1), 59-87.
Li, D.Y., Liu, J., 2014. Dynamic capabilities, environmental dynamism, and competitive advantage: evidence from China. J. Bus. Res. 67 (1), 2793-2799.
Lindell, M.K., Whitney, D.J., 2001. Accounting for common method variance in crosssectional research designs. J. Appl. Psychol. 86 (1), 114-121.
Lumpkin, G.T., Dess, G.G., 1996. Clarifying the entrepreneurial orientation construct and linking it to performance. Acad. Manag. Rev. 21 (1), 135-172.
Lumpkin, G.T., Dess, G.G., 2001. Linking two dimensions of entrepreneurial orientation to firm performance: the moderating role of environment and industry life cycle. J. Bus. Ventur. 16 (5), 429-451.

Malhotra, M.K., Grover, V., 1998. An assessment of survey research in POM: from constructs to theory. J. Oper. Manag. 16 (4), 407-425.
MacKenzie, S.B., Podsakoff, P.M., 2012. Common method bias in marketing: Causes, mechanisms, and procedural remedies. Journal of Retailing 88 (4), 542-555.
Mahotra, A., Majchrzak, A., 2024. Digital innovations in crowdsourcing using AI tools. Technovation 133, 102997.
Manley, S.C., Hair, J.F., Williams, R.I., McDowell, W.C., 2021. Essential new PLS-SEM analysis methods for your entrepreneurship analytical toolbox. Int. Enterpren. Manag. J. 17, 1805-1825.
Mannuru, N.R., Shahriar, S., Teel, Z.A., Wang, T., Lund, B.D., Tijani, S., et al., 2023. Artificial intelligence in developing countries: the impact of generative artificial intelligence (AI) technologies for development. Inf. Dev. https://doi.org/10.1177/ 02666669231200628.

Mariani, M.M., Machado, I., Magrelli, V., Dwivedi, Y.K., 2023. Artificial intelligence in innovation research: a systematic review, conceptual framework, and future research directions. Technovation 122, 102623.
Martinelli, E., Tagliazucchi, G., Marchi, G., 2018. The resilient retail entrepreneur: dynamic capabilities for facing natural disasters. Int. J. Entrepreneurial Behav. Res. 24 (7), 1222-1243.
Marquis, C., Raynard, M., 2015. Institutional strategies in emerging markets. Acad. Manag. Ann. 9 (1), 291-335.
Matsuno, K., Mentzer, J.T., Özsomer, A., 2002. The effects of entrepreneurial proclivity and market orientation on business performance. J. Market. 66 (3), 18-32.
McElheran, K., Li, J.F., Brynjolfsson, E., Kroff, Z., Dinlersoz, E., Foster, L., Zolas, N., 2024. AI adoption in America: who, what, and where. J. Econ. Manag. Strat. https://doi. org/10.1111/jems.12576.
McGee, J.E., Terry, R.P., 2022. COVID-19 as an external enabler: the role of entrepreneurial self-efficacy and entrepreneurial orientation. J. Small Bus. Manag. 1-26. https://doi.org/10.1080/00472778.2022.2127746.
Mikalef, P., Gupta, M., 2021. Artificial intelligence capability: conceptualization, measurement calibration, and empirical study on its impact on organizational creativity and firm performance. Inf. Manag. 58 (3), 103434.
Miklian, J., Hoelscher, K., 2022. SMEs and exogenous shocks: a conceptual literature review and forward research agenda. Int. Small Bus. J. 40 (2), 178-204.
Mthanti, T.S., Urban, B., 2014. Effectuation and entrepreneurial orientation in hightechnology firms. Technol. Anal. Strat. Manag. 26 (2), 121-133.
Moqbel, M., Guduru, R., Harun, A., 2020. Testing mediation via indirect effects in PLSSEM: a social networking site illustration. Data Analysis Perspectives Journal 1 (3), 1-6.
Norbäck, P.-J., Persson, L., 2024. Why generative AI can make creative destruction more creative but less destructive. Small Bus. Econ. 63 (1), 349-377.
Obschonka, M., Audretsch, D.B., 2020. Artificial intelligence and big data in entrepreneurship: a new era has begun. Small Bus. Econ. 55, 529-539.
Ostrom, A.L., Field, J.M., Fotheringham, D., Subramony, M., Gustafsson, A., Lemon, K.N., et al., 2021. Service research priorities: managing and delivering service in turbulent times. J. Serv. Res. 24 (3), 329-353.
Parmar, R., Mackenzie, I., Cohn, D., Gann, D., 2014. The new patterns of innovation. Harv. Bus. Rev. 92 (1), 2-11.
Penco, L., Profumo, G., Serravalle, F., Viassone, M., 2023. Has COVID-19 pushed digitalisation in SMEs? The role of entrepreneurial orientation. J. Small Bus. Enterprise Dev. 30 (2), 311-341.
Podsakoff, P.M., MacKenzie, S.B., Lee, J.Y., Podsakoff, N.P., 2003. Common method biases in behavioral research: a critical review of the literature and recommended remedies. J. Appl. Psychol. 88 (5), 879-903.
Prasad Agrawal, K., 2023. Towards adoption of Generative AI in organizational settings. J. Comput. Inf. Syst. 1-16. https://doi.org/10.1080/08874417.2023.2240744.

Purnomo, B.R., Adiguna, R., Widodo, W., Suyatna, H., Nusantoro, B.P., 2021. Entrepreneurial resilience during the Covid-19 pandemic: navigating survival,
continuity and growth. Journal of Entrepreneurship in Emerging Economies 13 (4), 497-524.
Raisch, S., Fomina, K., 2024. Combining human and artificial intelligence: hybrid problem-solving in organizations. Acad. Manag. Rev. https://doi.org/10.5465/ amr.2021.0421.
Rank, O.N., Strenge, M., 2018. Entrepreneurial orientation as a driver of brokerage in external networks: exploring the effects of risk taking, proactivity, and innovativeness. Strateg. Entrep. J. 12 (4), 482-503.
Rizomyliotis, I., Kastanakis, M.N., Giovanis, A., Konstantoulaki, K., Kostopoulos, I., 2022. “How mAy I help you today?” The use of AI chatbots in small family businesses and the moderating role of customer affective commitment. J. Bus. Res. 153, 329-340.
Salvato, C., Sargiacomo, M., Amore, M.D., Minichilli, A., 2020. Natural disasters as a source of entrepreneurial opportunity: family business resilience after an earthquake. Strateg. Entrep. J. 14 (4), 594-615.
Santos, S.C., Liguori, E.W., Garvey, E., 2023. How digitalization reinvented entrepreneurial resilience during COVID-19. Technol. Forecast. Soc. Change 189, 122398.

Schilke, O., 2014. On the contingent value of dynamic capabilities for competitive advantage: the nonlinear moderating effect of environmental dynamism. Strat. Manag. J. 35 (2), 179-203.
Schiuma, G., Schettini, E., Santarsiero, F., Carlucci, D., 2022. The transformative leadership compass: six competencies for digital transformation entrepreneurship. Int. J. Entrepreneurial Behav. Res. 28 (5), 1273-1291.
Seo, R., Park, J.H., 2022. When is interorganizational learning beneficial for inbound open innovation of ventures? A contingent role of entrepreneurial orientation. Technovation 116, 102514.
Sharma, G.D., Kraus, S., Liguori, E., Bamel, U.K., Chopra, R., 2024. Entrepreneurial challenges of COVID-19: Re-thinking entrepreneurship after the crisis. J. Small Bus. Manag. 62 (2), 824-846.
Shepherd, D.A., Saade, F.P., Wincent, J., 2020. How to circumvent adversity? Refugeeentrepreneurs’ resilience in the face of substantial and persistent adversity. J. Bus. Ventur. 35 (4), 105940.
Shepherd, D.A., Majchrzak, A., 2022. Machines augmenting entrepreneurs: opportunities (and threats) at the Nexus of artificial intelligence and entrepreneurship. J. Bus. Ventur. 37 (4), 106227.
Shet, S.V., Poddar, T., Samuel, F.W., Dwivedi, Y.K., 2021. Examining the determinants of successful adoption of data analytics in human resource management-A framework for implications. J. Bus. Res. 131, 311-326.
Shore, A.P., Pittaway, L., Bortolotti, T., 2023. From negative emotions to personal growth: failure and reentry into entrepreneurship. Br. J. Manag. (in press).
Si, S., Hall, J., Suddaby, R., Ahlstrom, D., Wei, J., 2023. Technology, entrepreneurship, innovation and social change in digital economics. Technovation 119, 102484.
SIA, 2023. The AI Effect: Two-Thirds of Small Businesses to Try Generative AI over Next 12 Months; 44% Plan to Cut Hiring. Available at: https://www2.staffingindustry.co m/Editorial/Daily-News/The-AI-effect-Two-thirds-of-small-businesses-to-try-gene rative-AI-over-next-12-months-44-plan-to-cut-hiring-65715. (Accessed 8 January 2024).

Singh, K., Chatterjee, S., Mariani, M., 2024. Applications of generative AI and future organizational performance: the mediating role of explorative and exploitative innovation and the moderating role of ethical dilemmas and environmental dynamism. Technovation 133, 103021.
Sirmon, D.G., Hitt, M.A., 2009. Contingencies within dynamic managerial capabilities: interdependent effects of resource investment and deployment on firm performance. Strat. Manag. J. 30 (13), 1375-1394.
Srinivasan, R., Swink, M., 2018. An investigation of visibility and flexibility as complements to supply chain analytics: an organizational information processing theory perspective. Prod. Oper. Manag. 27 (10), 1849-1867.
Sun, W., Govind, R., 2017. Product market diversification and market emphasis: impacts on firm idiosyncratic risk in market turbulence. Eur. J. Market. 51 (7/8), 1308-1331.
Taherizadeh, A., Beaudry, C., 2023. An emergent grounded theory of AI-driven digital transformation: Canadian SMEs’ perspectives. Ind. Innovat. 30 (9), 1244-1273.
Teece, D.J., Pisano, G., Shuen, A., 1997. Dynamic capabilities and strategic management. Strat. Manag. J. 18 (7), 509-533.
Teece, D.J., 2007. Explicating dynamic capabilities: the nature and microfoundations of (sustainable) enterprise performance. Strat. Manag. J. 28 (13), 1319-1350.
Teece, D.J., 2016. Dynamic capabilities and entrepreneurial management in large organizations: toward a theory of the (entrepreneurial) firm. Eur. Econ. Rev. 86, 202-216.
Thukral, E., 2021. COVID-19: small and medium enterprises challenges and responses with creativity, innovation, and entrepreneurship. Strat. Change 30 (2), 153-158.
Townsend, D.M., Hunt, R.A., 2019. Entrepreneurial action, creativity, & judgment in the age of artificial intelligence. J. Bus. Ventur. Insights 11, e00126.
Tran, H., Murphy, P.J., 2023. Generative artificial intelligence and entrepreneurial performance. J. Small Bus. Enterprise Dev. 30 (5), 853-856.
Tsai, K.H., Yang, S.Y., 2013. Firm innovativeness and business performance: the joint moderating effects of market turbulence and competition. Ind. Market. Manag. 42 (8), 1279-1294.

Tschang, F.T., Almirall, E., 2021. Artificial intelligence as augmenting automation: implications for employment. Acad. Manag. Perspect. 35 (4), 642-659.
Ulrich, D., Smallwood, N., 2004. Capitalizing on capabilities. Harv. Bus. Rev. 82 (6), 119-127.
Upadhyay, N., Upadhyay, S., Al-Debei, M.M., Baabdullah, A.M., Dwivedi, Y.K., 2023. The influence of digital entrepreneurship and entrepreneurial orientation on intention of family businesses to adopt artificial intelligence: examining the mediating role of business innovativeness. Int. J. Entrepreneurial Behav. Res. 29 (1), 80-115.
van Dun, C., Moder, L., Kratsch, W., Röglinger, M., 2023. ProcessGAN: supporting the creation of business process improvement ideas through generative machine learning. Decis. Support Syst. 165, 113880.
Wales, W.J., Gupta, V.K., Mousa, F.T., 2013. Empirical research on entrepreneurial orientation: an assessment and suggestions for future research. Int. Small Bus. J. 31 (4), 357-383.

Vasi, N., Ahmed, F., Chen, Y., Gupta, S., 2024. Digital transformation and innovation management in the post-pandemic era. Technovation 129, 102886.
Wales, W.J., Covin, J.G., Monsen, E., 2020. Entrepreneurial orientation: the necessity of a multilevel conceptualization. Strateg. Entrep. J. 14 (4), 639-660.
Wang, G., Dou, W., Zhu, W., Zhou, N., 2015. The effects of firm capabilities on external collaboration and performance: the moderating role of market turbulence. J. Bus. Res. 68 (9), 1928-1936.
Wang, M.C., Chen, P.C., Fang, S.C., 2021. How environmental turbulence influences firms’ entrepreneurial orientation: the moderating role of network relationships and organizational inertia. J. Bus. Ind. Market. 36 (1), 48-59.
Wei, R., Pardo, C., 2022. Artificial intelligence and SMEs: how can B2B SMEs leverage AI platforms to integrate AI technologies? Ind. Market. Manag. 107, 466-483.
Wiklund, J., Shepherd, D., 2003. Knowledge-based resources, entrepreneurial orientation, and the performance of small and medium-sized businesses. Strat. Manag. J. 24 (13), 1307-1314.
Williams, T.A., Gruber, D.A., Sutcliffe, K.M., Shepherd, D.A., Zhao, E.Y., 2017. Organizational response to adversity: fusing crisis management and resilience research streams. Acad. Manag. Ann. 11 (2), 733-769.
Winter, S.G., 2003. Understanding dynamic capabilities. Strat. Manag. J. 24 (10), 991-995.
Wu, F., Yeniyurt, S., Kim, D., Cavusgil, S.T., 2006. The impact of information technology on supply chain capabilities and firm performance: a resource-based view. Ind. Market. Manag. 35 (4), 493-504.
Xia, Q., Xie, Y., Hu, S., Song, J., 2024. Exploring how entrepreneurial orientation improve firm resilience in digital era: findings from sequential mediation and FsQCA. Eur. J. Innovat. Manag. 27 (1), 96-112.
Zahra, S.A., Sapienza, H.J., Davidsson, P., 2006. Entrepreneurship and dynamic capabilities: a review, model and research agenda. J. Manag. Stud. 43 (4), 917-955.
Zhang, J.A., O’Kane, C., Chen, G., 2020. Business ties, political ties, and innovation performance in Chinese industrial firms: the role of entrepreneurial orientation and environmental dynamism. J. Bus. Res. 121, 254-267.
Zhou, J., Mavondo, F.T., Saunders, S.G., 2019. The relationship between marketing agility and financial performance under different levels of market turbulence. Ind. Market. Manag. 83, 31-41.
Zighan, S., Abualqumboz, M., Dwaikat, N., Alkalha, Z., 2022. The role of entrepreneurial orientation in developing SMEs resilience capabilities throughout COVID-19. Int. J. Enterpren. Innovat. 23 (4), 227-239.

Dr Adam Shore is the Director of the Liverpool Business School and Professor of Management Education at LJMU. His research interests are broad and multifaceted, encompassing management development, entrepreneurial learning, and the advancement of understanding management processes through leadership and organisational development. With a background in actuarial statistics, he employs a mixed methods approach to delve into these entrepreneurial phenomena.

Manisha Tiwari is currently a Lecturer at University of Hull Business School. She completed her PhD at Liverpool Business School, Liverpool John Moores University in 2024. She has over 7 years of experience with leading consultancy firms such as Tata Consultancy Services and Ernst & Young in the field of corporate social responsibility and international taxation respectively. She holds an M.B.A degree from The University of Calcutta. Her research interests include Impacts of Epidemic outbreaks on Healthcare Supply Chains: Lessons from COVID-19.

Dr. Priyanka is a Senior Lecturer at Regenesys Business School. She obtained her Ph.D from Motilal Nehru National Institute of Technology, Allahabad in the area of financial inclusion. She is also UGC-NET qualified in Management. She has vast teaching experience in the area of business management and accounting at both UG and PG level. Before joining JBS, she was working with National institute of Financial Management, Faridabad where she was associated with flagship program of Government of India. She also acted as trainer for financial markets and services for Kendriya Vidyalaya teachers. Her area of interest is financial inclusion, financial literacy and capital markets. She has significant publications which are indexed in Scopus and Web of Science. She is also an active reviewer of various reputed journals of Elsevier, Emerald and Sage publications which are indexed in Scopus and web of science and are also listed in ABDC list of Journals. She has good command over various statistical softwares such as SPSS, EViews and STATA.

Dr Cyril Foropon is Full Professor of Operations and Supply Chain Management, and the Director of Doctorate in Business Administration (DBA) Programs at Montpellier Business School (MBS). He holds a PhD in Management from HEC Paris. His research interests are Big Data & Predictive Analytics, Healthcare Operations, Humanitarian Operations Management, Humanitarian Supply Chain Management, Industry 4.0, Lean Operations, and Sustainable Supply Chain Management. He is particularly interested in the implementation of Lean management within both service and manufacturing organisations, quality management practices within ISO 9000 candidate organisations, process management within humanitarian operations and supply chains, the impact of emerging technologies in the field of operations and supply chain management, and the use of metaphors in operations management theory building. His articles are published in IJPE, IJPR, IJOPM, AOR, JCP, MD, IJIM, JEIM, IJLM, TFSC, amongst other leading academic journals. He serves as
an Associate Editor of Global Journal of Flexible Systems Management, and as guest editor of a SI on post Covid-19 at International Journal of Logistics Management.

Generative AI
Entrepreneurial orientation
Entrepreneurial resilience
Market turbulence
Dynamic capability view

During times of crisis, entrepreneurs face unique challenges that demand resilience and adaptability (Bullough and Renko, 2013; Dahles and Susilowati, 2015; Grover and Sabherwal, 2020), necessitating swift adjustments to business strategies, responding to market shifts, and devising innovative solutions to unforeseen challenges (Kirtley and O’Mahony, 2023). entails surviving adversity and thriving and seizing new opportunities (Purnomo et al., 2021), rooted in a growth mindset, a capacity to learn from failure, and a willingness to take calculated risks (Khurana et al., 2022). By fostering resilience, entrepreneurs can better navigate uncertainty and emerge stronger long-term (Hadjielias et al.,
2022).

Amidst the evolving business landscape, enterprises of all sizes turn to generative AI (Gen AI) to maintain competitiveness (Kar et al., 2023; Mahotra and Majchrzak, 2024; Filippo et al., 2024). The rapid advancement of digital technologies, including Gen AI, Metaverse and cloud computing, has spurred the growth of digitally enabled business models entrepreneurship (Zahra et al., 2006; Si et al., 2023; Fellnhofer, 2023). Leveraging advanced algorithms and machine learning techniques, Gen AI empowers businesses to automate tasks, predict trends and identify new opportunities (Budhwar et al., 2023), crucially enhancing entrepreneurial resilience (Shepherd and Majchrzak, 2022). Gen AI boosts efficiency by streamlining operations and automating

processes, enabling businesses to weather market fluctuations (Parmar et al., 2014) while identifying and capitalising on new opportunities to maintain competitiveness (Kanbach et al., 2024). Gen AI is a powerful tool for fostering resilience and competitiveness in today’s dynamic economy (Bankins et al., 2023), allowing businesses to thrive in challenging environments (Dwivedi et al., 2023; Kar et al., 2023).

Entrepreneurial resilience (ER) is vital for business success, particularly in uncertain times (Shepherd et al., 2020). ER denotes a business’s capacity to overcome challenges and adapt to unpredictable situations while maintaining core values and adjusting strategies to match changing market conditions, essential for long-term success (Hillmann and Guenther, 2021). Though the concept of ER has gained attention in academic literature (Salvato et al., 2020; Khurana et al., 2022), more focus is needed on AI capabilities and Gen AI’s potential to foster ER (Isensee et al., 2023; McElheran et al., 2024). While Gen AI may not directly impact ER, entrepreneurs’ risk management is crucial in leveraging Gen AI’s potential to strengthen ER.

Entrepreneurial orientation (EO) plays a critical role in translating Gen AI outcomes to identify potential risks and opportunities for organisations. EO allows firms to capture processes, practices, and activities that enable value creation through entrepreneurial endeavours (Wales et al., 2013). In the age of rapid digital transformation, an entrepreneurial mindset helps organisations cultivate Gen AI capabilities and develop dynamic competencies essential for small enterprises to navigate turbulent times effectively (Frick et al., 2021; Schiuma et al., 2022; Taherizadeh and Beaudry, 2023). This approach also aids in improving market share, launching new products, or increasing profitability (Dwivedi et al., 2021; Tschang and Almirall, 2022; Kshetri et al., 2023; Kanbach et al., 2024).

EO is defined as entrepreneurs’ mindset and strategies for pursuing opportunities, innovation, and risk-taking (Wales et al., 2013; Dubey et al., 2020; Donthu and Gustafsson, 2020). High levels of EO enhance ER, enabling entrepreneurs to adapt to changing circumstances, recover from setbacks, and thrive amid challenges (Castro and Zermeño, 2021; Zighan et al., 2022). AI plays a pivotal role in fostering EO by encouraging innovation, risk-taking, and proactive identification of new business opportunities (Shepherd and Majchrzak, 2022; Davidsson and Sufyan, 2023; Upadhyay et al., 2023).

Hence, it can be argued that Gen AI has significantly changed how small businesses operate (Chen et al., 2023). With its advanced algorithms and machine learning capabilities, Gen AI has enabled small businesses to automate processes, enhance efficiency, and improve decision-making (Shepherd and Majchrzak, 2022). From predictive analytics to chatbots, Gen AI has equipped small businesses with tools and technologies that were previously accessible only to larger enterprises (Rizomyliotis et al., 2022), enabling them to compete in today’s fast-paced market and maintain a competitive edge (Norbäck and Persson, 2024).

Recent studies in entrepreneurship have underscored the importance of digitalisation of small-sized organisations, especially during challenging periods like the COVID-19 pandemic (Leppäaho and Ritala, 2022). Small businesses face heightened demand and supply uncertainties due to geopolitical crises (Al-Thaqeb et al., 2022), prompting exploration into how AI-powered systems can aid in adapting to rapidly changing circumstances and identifying growth opportunities (Santos et al., 2023; Abaddi, 2023). However, despite this growing interest, empirical evidence supporting the efficacy of such systems is lacking. While promising case studies and anecdotal evidence exist, further research is needed to discern the potential benefits and limitations of employing Gen AI in this capacity. Ultimately, the efficacy of these systems in assisting small businesses to thrive amidst adversity warrants thorough assessment.

In previous studies, scholars have sought to elucidate the pivotal role of entrepreneurial orientation (EO) in an organisation’s decision to invest in digital capability. However, unlike other technologies, Gen AI offers a unique advantage in shaping new business models that facilitate
entrepreneurs in making informed decisions previously deemed arduous. Thus, this research gap presents an opportunity to broaden the theoretical debate surrounding EO. Early discussions on EO centred on three primary dimensions: top management, organisational structure, and new entry initiatives (Wales et al., 2020). Yet, the literature on the components of EO remains ripe for exploration (Anderson et al., 2015). We propose research question (RQ1) to address this potential research gap, aiming to investigate the impact of Gen AI tools on EO.

RQ1: What is the impact of Gen AI on EO?
Entrepreneurial Orientation (EO), delineating an organisation’s strategic stance towards entrepreneurship, is crucial in developing and maintaining entrepreneurial resilience during times of crisis (Zighan et al., 2022). This suggests that businesses that embrace an entrepreneurial mindset and a propensity for calculated risk-taking are better equipped to navigate and overcome challenges brought about by crises (Sharma et al., 2024). A recent divergence among scholars in strategic management and entrepreneurship pertains to employing the dynamic capability view for examining entrepreneurial orientation as a dynamic capability (Zahra et al., 2006; Anderson et al., 2009). This debate advocates for the contingent view of dynamic capability, positing that the efficacy of dynamic capabilities is not solely dependent on organisational routines but also the contextual deployment of these capabilities (Levinthal, 2011; Sirmon and Hitt, 2009; Schilke, 2014). Scholars have argued that organisational adaptability is, to some extent, influenced by environmental forces (Hrebiniak and Joyce, 1985; Schilke, 2014), with market turbulence emerging as a potentially pivotal contextual variable in explaining the effects of dynamic capabilities (Wang et al., 2015). Nonetheless, extant studies have yet to explore how market turbulence (MT) moderates the path linking EO and ER. To address these research gaps, we pose our second research question.

The study examines EO as a mediating factor between Gen AI and ER, contributing significantly to entrepreneurship and strategic management discourse. While EO’s role in nurturing ER is well-documented, its specific role as a mediator between Gen AI and ER requires deeper exploration. Our argument is based on the hierarchical view of dynamic capability (Winter, 2003). Fainshmidt et al. (2016) categorise dynamic capabilities into high-order and low-order capabilities. We define Gen AI as a fundamental lower-order dynamic capability for organisational learning. Higher dynamic capabilities are supported by flexible generative learning processes (Fainshmidt et al., 2016, p. 1354). In this study, we conceptualise EO as a higher-order capability that is difficult to replicate and is linked to performance.

Adopting the dynamic capability view, we investigate RQ1 and RQ2 (see Teece et al., 1997; Teece, 2007). The hierarchical view of dynamic capability supports the relationship between Gen AI, EO, and ER. It helps understand how lower-order capabilities influence higher-order capabilities, affecting performance, particularly under market turbulence (Schilke, 2014; Fainshmidt et al., 2016).

The contingent view of dynamic capabilities highlights the importance of an organisation’s ability to adapt and innovate to maintain a competitive advantage amid shifting market dynamics. We gathered data by surveying small and medium-sized businesses in France considering adopting Gen AI tools. Our survey aimed to understand their perceptions of Gen AI benefits compared to previous AI tools, focusing on how Gen AI could improve their business processes and outcomes. We chose small and medium-sized businesses because they often adopt new technologies early but face unique challenges. Our study aims to show how these businesses can effectively leverage Gen AI tools to achieve strategic goals.

The research has two main contributions. Firstly, it enhances our understanding of entrepreneurial orientation and entrepreneurial
resilience in the Gen AI era. Secondly, it demonstrates how the study contributes to the contingent view of the dynamic capability perspective. In essence, the study provides valuable insights and contributes to the ongoing debate at the intersection of digital transformation, entrepreneurship, and strategic management.

The manuscript is organised as follows: The second section provides a theoretical background of the study. Section three presents the theoretical model and research hypotheses. The fourth section presents the research design. The fifth section presents the results obtained through data analysis using WarpPLS 7.0 commercial variance-based structural equation modelling software. The sixth section discusses the results in the light of theory, practice, and policy and further outlines the study’s limitations and future research directions. Finally, we conclude the study.

Dynamic capabilities refer to a company’s ability to adapt to changing market conditions and respond to emerging opportunities and threats (Teece et al., 1997). These capabilities are essential for organisations to manage uncertainty and gain a competitive edge (Teece, 2007). They involve developing new skills, processes, technologies, and organizational structures that enable firms to respond to changes quickly and effectively in their environment (Eisenhardt and Martin, 2000). By building dynamic capabilities, organisations can improve their agility, flexibility, and innovation prowess, leading to sustained competitive advantage over time (Teece, 2007).

Our study argues that Gen AI can become a powerful organizational dynamic capability. By leveraging Gen AI, organisations can better sense and identify opportunities in the market, seize them more efficiently, and configure their resources to respond to changes in the business landscape (Mariani et al., 2023). Gen AI can help organisations achieve these goals by analyzing vast amounts of data in real-time, identifying patterns, and generating insights that can inform decision-making (Dwivedi et al., 2023). Predictive models could also be developed to enable organisations to anticipate future market trends and adjust their strategies accordingly. Moreover, Gen AI can help organisations automate routine tasks, freeing up time and resources that can be redirected towards more strategic initiatives. Doing so can enhance productivity, reduce costs, and improve operational efficiency.

In summary, our study suggests that Gen AI has the potential to become a key driver of organizational success. By leveraging its capabilities, organisations can gain a competitive advantage in the market, adapt to changing circumstances more effectively, and achieve their strategic objectives more efficiently (Budhwar et al., 2023). According to the dynamic capability view proposed by Teece et al. (1997) and Teece (2007), organisations must develop dynamic capabilities to adapt to changing environments and achieve long-term success. One of these dynamic capabilities is entrepreneurial orientation (EO), which identifies and exploits new business opportunities (Dubey et al., 2020). We argue that EO, combined with Gen AI, can help organisations achieve entrepreneurial resilience (ER), which is the capacity to recover quickly from setbacks and continue pursuing business opportunities.

By leveraging these dynamic capabilities, organisations can stay ahead of the competition and achieve performance goals.

Recently, Gen AI has been the subject of considerable attention due to its remarkable ability to replicate human behaviour in intricate and complex settings (Budhwar et al., 2023). Using advanced algorithms and machine learning techniques, Gen AI can create original and realistic content such as images, videos, and even entire stories (Dwivedi et al., 2023). This technology has opened new possibilities in various
industries, such as entertainment, marketing, and advertising (Kanbach et al., 2024). The potential applications of Gen AI are vast and far-reaching, and it is expected to play a significant role in shaping the future of technology and innovation in the coming years (Fosso Wamba et al., 2023). Gen AI technology has the potential to revolutionise the way SMEs and micro-firms operate by providing them with powerful analytical tools to help them stay competitive (Abaddi, 2023). With its advanced capabilities, this technology can assist small businesses in preparing detailed comparative analyses of their competitors, industry, and market dynamics (Mannuru et al., 2023). This information can help SMEs make informed decisions about their present and future course of action and take advantage of new opportunities (Prasad Agrawal, 2023). By leveraging Gen AI, small businesses can gain a competitive edge and accelerate their growth in a rapidly evolving business landscape (Wei and Pardo, 2022; Dwivedi et al., 2023).

Entrepreneurial orientation is a set of characteristics that entrepreneurial firms possess, which enable them to identify and capitalise on new opportunities (Lumpkin and Dess, 1996; Chaston and Sadler-Smith, 2012; Jiang et al., 2018). This orientation encompasses various factors such as innovation, risk-taking, proactiveness, and competitive aggressiveness (Kreiser and Davis, 2010). Entrepreneurial firms with a high degree of entrepreneurial orientation tend to be more innovative, proactive, and willing to take risks to achieve their goals (Hughes et al., 2022). These traits help them to be more competitive, adaptable, and thriving in the long run. Therefore, it can be concluded that entrepreneurial orientation is a vital aspect of any entrepreneurial firm that emphasises the importance of being innovative, proactive, and risk-taking in achieving sustainable growth (Matsuno et al., 2002; McGee and Terry, 2022). EO refers to the mindset and approach of a firm towards innovation, risk-taking, and proactivity in identifying and exploiting market opportunities (Zhang et al., 2020). This orientation is crucial in enabling a firm to navigate the challenges of an uncertain and rapidly changing business environment (Zighan et al., 2022). Firms with a strong entrepreneurial orientation tend to be more agile, adaptable, and resilient in facing challenges (Khan et al., 2021; Ferreras-Méndez et al., 2021). On the other hand, firms that lack this orientation are more likely to struggle in coping with uncertainties and may become stagnant or fail to thrive in the long run (Wang et al., 2021). Therefore, robust entrepreneurial orientation is essential for firms that seek to remain competitive and succeed in today’s dynamic and unpredictable business landscape (Kock and Gemünden, 2021).

Entrepreneurial resilience is a quality that allows organisations to continue operating effectively despite facing disruptions such as economic downturns, natural disasters, or other unforeseen events (Iyengar et al., 2021). It involves the ability to adapt quickly to new circumstances, think creatively, and maintain a sense of optimism and determination in the face of adversity (Corner et al., 2017). Organisations with entrepreneurial resilience can weather the storm and emerge from difficult times more robust and resilient than ever (Thukral, 2021). They have a clear vision of their goals and remain focused on achieving them, even when faced with unexpected challenges (Chaudhary et al., 2024). One key aspect of entrepreneurial resilience is learning from past experiences and applying those lessons to future situations. This allows organisations to be better prepared for future disruptions and develop strategies to mitigate their impact (Arve et al., 2023). Overall, entrepreneurial resilience is crucial for any organisation that wants to succeed in today’s rapidly changing business environment (Anwar et al., 2023). By maintaining a positive attitude, staying flexible, and being open to new ideas, organisations can continue to thrive despite uncertainty and adversity (Williams et al., 2017).

Market turbulence refers to the sudden and unexpected changes in market conditions that impact an organisation’s economic and financial stability (Zhou et al., 2019). It can be caused by various factors, such as changes in consumer demand, government policies, and natural disasters (Tsai and Yang, 2013). The effects of market turbulence can be felt through price volatility, supply chain disruptions, and changes in customer behaviour (Ostrom et al., 2021). As a result, organisations need to have policies and action plans to help them navigate through turbulent market conditions and emerge stronger (Marquis and Raynard, 2015). Such policies may include diversification of products and services, risk management strategies, and proactive measures to address customer needs and expectations. This study attempts to understand how market turbulence affects entrepreneurs’ ability to adapt and succeed (Kam-Sing Wong, 2014). We aim to identify key strategies and practices to help entrepreneurs build a more resilient business.

The study is based on Teece’s (2007) extended DCV, which suggests the effectiveness of dynamic capabilities is influenced by the conditions in which they are utilised (Schilke, 2014). The dynamic capability view emphasises the importance of an organisation’s ability to adapt and respond to rapidly changing market conditions, a critical component of the DCV of a firm (Eisenhardt and Martin, 2000; Winter, 2003). This perspective highlights the significance of a company’s capacity to reconfigure its resources and capabilities to thrive in highly dynamic and uncertain environments (Eisenhardt and Martin, 2000; Teece, 2007; Chirumalla, 2021).

Our focus is to understand entrepreneurs’ behaviour, especially when small-sized organisations face high levels of uncertainty. Smallsized organisations may need access to skilled professionals or consultants, which is costly (Berry et al., 2006). In such cases, Gen AI can develop models and frameworks based on the current environment and the organisation’s entrepreneurial ability to tackle challenges and recover to become resilient (Townsend and Hunt, 2019; Tran and Murphy, 2023; Berthon et al., 2024). We conceptualise Gen AI as a higher-order dynamic capability, created and sustained through bundling resources, including human skills, technological infrastructure, and a culture valuing data-driven decision-making (Mikalef and Gupta, 2021; Fosso Wamba et al., 2023). Gen AI can help organisations create new business models using large data sets and algorithms based on current situations (Fosso Wamba et al., 2023; Budhwar et al., 2023). Furthermore, it enables organisations to identify and capture new opportunities, respond quickly to changing market conditions, and adapt to disruptive technologies.

Building on Zahra et al. (2006, p. 918), we argue that EO is a dynamic capability evolving from learning experiences. The competitive advantage of EO lies in the organisation’s ability to modify its resource base by creating, integrating, recombining, and releasing resources (Wiklund and Shepherd, 2003; Jantunen et al., 2005; Wales et al., 2013). In this study, we conceptualised EO as a lower-order dynamic capability. We propose an expanded view of EO grounded in Eisenhardt and Martin’s (2000) arguments, suggesting dynamic capabilities are embedded in cumulative existing knowledge in moderately dynamic markets. These capabilities involve analysing existing knowledge and using rules of thumb, followed by implementation. MT is the necessary contingent factor that creates opportunities for organisations to identify challenges and leverage solutions existing in organisational memory (Schilke, 2014; Kalubanga and Gudergan, 2022). However, the effectiveness of Gen AI in enhancing entrepreneurial resilience and dynamic capabilities is contingent upon the level of market turbulence an organisation faces (Balta et al., 2023). The impact of Gen AI on competitiveness depends on the level of uncertainty and volatility in the business environment (van Dun et al., 2023).

To better understand the relationship between Gen AI and dynamic capabilities, it is essential to explore how organisations can leverage it to enhance their entrepreneurial orientation and resilience under varying market turbulence and uncertainty (Kar et al., 2023). In addition to dynamic capabilities (Gen AI and EO) and contingent factors (MT), entrepreneurial resilience (ER) is viewed as a performance outcome that, in times of crisis, offers a significant competitive advantage (Teece, 2016; Martinelli et al., 2018).

Therefore, this study examines Gen AI’s effectiveness in enhancing organisations’ entrepreneurial orientation and resilience in different market contexts. Fig. 1 presents our theoretical model that helps address our research questions.

The impact of emerging technologies on entrepreneurial orientation has been extensively researched (Clausen and Korneliussen, 2012; Mthanti and Urban, 2014; Chatterjee et al., 2020; Xia et al., 2024). AI (artificial intelligence) has enormous potential to guide organisations through uncertainties as an emerging technology (Dwivedi et al., 2021; Fosso Wamba, 2022; Kolupaieva and Tiesheva, 2023). AI can significantly influence various aspects of entrepreneurial orientation, such as risk-taking, innovation, proactiveness, and competitive aggressiveness (Dubey et al., 2020; Upadhyay et al., 2023). With the increasing use of AI-powered tools and technologies, entrepreneurs are better equipped to make informed decisions based on data, identify opportunities and trends, and adapt to changing market conditions (Upadhyay et al., 2023; Alalwan et al., 2023). As a result, AI has recently become a critical enabler of entrepreneurial orientation (Hansen and Bøgh, 2021; Shepherd and Majchrzak, 2022; Giuggioli and Pellegrini, 2022). AI offers immense guidance to entrepreneurs to develop, design and scale their companies during the entrepreneurial process (Obschonka and Audretsch, 2020; Chalmers et al., 2021). With the emergence of a new generation of workers, Gen AI, who have grown up surrounded by technology and are accustomed to its use, we hypothesise that their influence on entrepreneurial orientation will be significant (Abaddi, 2023). As such, further investigation is needed to explore how Gen AI’s unique perspective and relationship with technology can be leveraged to enhance entrepreneurial behaviour within organisations. According to the dynamic capability view, Gen AI is a dynamic capability built by bundling strategic resources such as human skills, technology, and a data-driven culture (Mikalef and Gupta, 2021). Based on the arguments presented earlier, which are grounded in the dynamic capability view, we hypothesise that human skills (Gupta and George, 2016; Akter et al., 2016), technology (Akter et al., 2016; Gupta and George, 2016; Mikalef and Gupta, 2021), and a data-driven culture (Ciampi et al., 2021; Mikalef and Gupta, 2021) have a positive impact on entrepreneurial orientation. This study diverges from previous research by delving into the distinct effects of three different resources on EO, aiming to bring a clearer understanding of the subject. Wu et al. (2006) argue that organisational capabilities are higher-order constructs developed through the bundling of resources. Grant (1991) further argues that resources are combined and utilised to create capabilities. Similarly, Gupta & George (2016) conceptualised big data analytics capability as a higher-order construct obtained through a combination of tangible, human skills, and intangible resources. Therefore, based on these arguments, we conceptualise Gen AI as a higher-order dynamic capability obtained through human skills, technology, and a data-driven culture.

In a highly dynamic environment, the proficiency of managerial technology skills plays a crucial role in successfully implementing Generative AI (Agrawal, 2023). This is because managers need to deeply understand technological advancements and how they can be applied to maximise the potential of Generative AI (Singh et al., 2024). Hence, we can hypothesise it as.

H1a. Human skills (HS) positively affect entrepreneurial orientation

(EO).
Moreover, the progress of technology, encompassing both hardware and software, is a cornerstone in establishing and maintaining the infrastructure for Generative AI (Kanbach et al., 2024). The availability of cloud computing facilities and advanced technologies has facilitated and empowered the use of Generative AI (Alhammadi et al., 2024). Cloud computing offers scalable and cost-effective resources, enabling AI models’ swift deployment and scaling (Ghobakhloo et al., 2024). Advanced technologies, such as high-performance computing and efficient algorithms, have further enhanced the development and execution of Generative AI, instilling confidence in the potential of AI applications across various industries (Alhammadi et al., 2024; Ghobakhloo et al., 2024). Hence, we can hypothesise it as.

H1b. Technology (TECH) positively affects entrepreneurial orientation (EO).

Establishing a data-driven culture within the organisation involves creating an environment where decisions and strategies are informed by data analysis (Gupta and George, 2016). This entails fostering a mindset where data is valued and utilised to drive business operations and decision-making (Mikalef and Gupta, 2021). Cultivating a data-driven culture includes promoting employee data literacy, implementing data-driven processes and workflows, and utilising data analytics tools to gain actionable insights (Shet et al., 2021). This culture shift is crucial for the successful adoption and integration of Generative AI, as it ensures that the organisation is well-equipped to leverage data effectively in harnessing the capabilities of Generative AI for business growth and innovation (Holmström and Carroll, 2024). Hence, we can argue that these three resources as independent resources play a significant role in fostering entrepreneurial orientation. Hence, we can hypothesise it as.

H1c. Data-driven culture (DDC) positively affects entrepreneurial orientation (EO).

ER refers to the ability of an entrepreneur or business to adapt and overcome challenges during crises (Khurana et al., 2022). Crises can arise from economic downturns, natural disasters, or pandemics. To remain viable during such times, entrepreneurs must have traits and behaviours that help them navigate uncertainty and emerge stronger (Engel et al., 2017). Organisations with strong EO are better equipped to
respond to environmental changes and overcome challenges (Lumpkin and Dess, 2001; Kusa et al., 2022). These companies are more adaptable, resourceful, and resilient (Penco et al., 2023). Therefore, EO significantly contributes to building ER, which is the ability to bounce back from setbacks, learn from failures, and sustain long-term success (Zighan et al., 2022; Krishnan et al., 2022; Khurana et al., 2022).

EO is a crucial component of ER (Zighan et al., 2022; Gottschalck et al., 2021). It refers to entrepreneurs’ proactive, innovative, and risk-taking mindset and approach. Highly entrepreneurial-oriented entrepreneurs are more likely to identify and capitalise on opportunities during a crisis rather than merely surviving (Bullough and Renko, 2013). They can pivot business models, develop new products or services, and find new markets while adhering to their core values and mission. Therefore, we hypothesise.

H2. Entrepreneurial orientation has a positive effect on entrepreneurial resilience.

Initially, we proposed that AI could directly impact ER (Shepherd and Majchrzak, 2022). However, while AI is a dynamic capability (Mikalef and Gupta, 2021; Fosso Wamba et al., 2024) and a potential source of competitive advantage, its effects on ER may be indirect, influenced by EO. Building on previous arguments, we contend that Gen AI is a dynamic capability with superior abilities to tackle uncertainties (Akter et al., 2023; Raisch and Fomina, 2024). We argue that Gen AI can facilitate EO by providing the structural foundation for the organisation to cultivate it. For example, the organisation’s ability to adapt its structure to external market demands fosters EO, addressing uncertainties from rapid technological changes and market demands influenced by internal and external factors.

The EO developed based on Gen AI (Tran and Murphy, 2023), referring to the entrepreneurial mindset and skills fostered by individuals experienced with advanced AI, may help businesses leverage their innovative capabilities to adapt and thrive in volatility (Shepherd and Majchrzak, 2022). This includes navigating rapid market changes, responding to geopolitical shifts, embracing evolving technologies, and weathering economic crises. SIA (2023) reported that of small business owners are likely to utilise Gen AI, reducing direct labour costs and increasing profit margins.

The direct impact of Gen AI on ER may be uncertain, but EO is likely to mediate a stronger indirect effect. This represents the effective
sequence of Gen AI and EO capabilities.
H3a. Entrepreneurial orientation mediates the effect of human skills on entrepreneurial resilience.

H3b. Entrepreneurial orientation mediates the effect of technology on entrepreneurial resilience.

H3c. Entrepreneurial orientation mediates the effect of data-driven culture on entrepreneurial resilience.
3.4. Moderating effect of market turbulence on the path joining entrepreneurial orientation (EO) and entrepreneurial resilience (ER)
“Market turbulence” refers to unpredictable and abrupt changes in market conditions and customer preferences that impact businesses of all sizes (Sun and Govind, 2017). Existing literature presents two debates on the effect of market turbulence on the link between dynamic capabilities and competitive advantage (Kachouie et al., 2018). The views are divergent, with little correlation (Zhou et al., 2019). One group of researchers debates whether organisations should invest in building dynamic capabilities (Helfat et al., 2009; Zahra et al., 2006), while others argue that existing capabilities might not suffice to match fast-evolving market demands (Ulrich and Smallwood, 2004; Schilke, 2014).

When an organisation faces high market turbulence, investing in dynamic capabilities has potential benefits (Chen et al., 2016). However, in low market turbulence, these benefits are minimal due to increased costs, resulting in lower profit margins (Wang et al., 2015).

Market turbulence significantly influences EO, which measures a company’s inclination towards innovation and risk-taking (Kam-Sing Wong, 2014). In turbulent markets, businesses with strong EO adapt quickly to changing circumstances and capitalise on new opportunities (Kraus et al., 2012; Rank and Strenge, 2018). Market turbulence also plays a crucial role in building ER, the ability to withstand and recover from adverse situations like economic downturns, natural disasters, or sudden market shifts (Salvato et al., 2020; Miklian and Hoelscher, 2022). Navigating market turbulence helps businesses develop the skills, strategies, and resources needed to become more resilient and better cope with future challenges (Iborra et al., 2020). Based on these discussions, we hypothesise.

H4. Market turbulence (MT) positively moderates the path connecting EO and ER.

We used a survey-based method to test our theoretical model. To ensure the accuracy and comprehensiveness of the survey, we conducted an extensive literature review to select appropriate measures (Malhotra and Grover, 1998). In addition, we conducted qualitative interviews with 11 managers who were the owners or the heads of the IT departments of their organisations to gather feedback and insights, which helped us refine and modify the survey instrument (see Churchill, 1979). We adjusted the construct items based on our input to ensure their suitability for our case. For example, we adopted the measures for human skills, technology, and data-driven culture from previous studies. The topic of Gen AI is still in its early stages, so we did not have appropriate measures for the study. Instead, we used previous scales to measure AI capability and made minor edits based on input from qualitative interviews with experts. The experts we identified are senior executives working in reputable tech companies and are currently involved in Gen AI projects. We used a reflective construct approach to measure our construct, allowing us to investigate the relationships between the construct and other variables in our study. This approach gave us a deeper understanding of the underlying factors influencing the construct (see Appendix A). In the following section, we will discuss each construct and its items.

As part of our extensive study on Artificial Intelligence (AI), we have undertaken a new research project that focuses specifically on Gen AI, an emerging area of AI research that has the potential to transform the way businesses operate. Researchers have often used AI and Gen AI interchangeably, which has contributed to confusion and a lack of clarity around the unique characteristics of Gen AI. We have developed a new scale tailored to Gen AI to address this issue, highlighting its unique features. To create this new scale, we started by modifying the existing AI scale developed by Mikalef and Gupta (2021) to better reflect the specific characteristics of Gen AI. We then sought input from consultants and senior managers with experience working on projects using Gen AI in real-world business settings. Their valuable insights allowed us to refine our scale and ensure that it was comprehensive and accurate, capturing the full range of features and capabilities of Gen AI. Our research aims to highlight the potential of Gen AI to transform businesses and industries in various ways. Our new scale represents a significant step forward in this direction, providing businesses with a valuable tool to assess their readiness for Gen AI and identify areas where they may need to focus their efforts to fully realise this technology’s benefits. In conceptualising Gen AI, we have identified three underlying dimensions that are critical to its success: (a) human skills, (b) technology, and (c) data-driven culture. By focusing on these dimensions, we believe that our new scale captures the full range of features and capabilities of Gen AI and provides businesses with a comprehensive tool to assess their readiness for this emerging technology.

To create our measure of entrepreneurial orientation, we conducted extensive research on studies conducted by Matsuno et al. (2002) and Dubey et al. (2020). We carefully analysed and evaluated both studies’ methodologies, frameworks, and findings to arrive at a comprehensive understanding of the concept of entrepreneurial orientation. Our measure has been designed by incorporating the most relevant and practical elements from these studies, and we believe it will provide valuable insights into the entrepreneurial orientation of small and medium enterprises. We have developed a four-item reflective construct that we think will help to capture entrepreneurial orientation in the digital environment accurately.

Entrepreneurial resilience is a complex construct that refers to the ability of small and medium-sized enterprises (SMEs) to adapt, adjust, and recover from challenges, setbacks, and crises. This construct is essential for SMEs because they often operate in uncertain, dynamic, and competitive environments that require them to be flexible, innovative, and agile. However, measuring entrepreneurial resilience is not straightforward as it involves multiple dimensions and factors that interact and influence each other. Prior studies have examined entrepreneurial resilience from an organisational resilience perspective, emphasising the importance of building and maintaining organisational capabilities, structures, and processes that can withstand and respond to internal and external shocks. However, recent research has highlighted the need to consider SMEs’ unique characteristics and challenges, such as limited resources, lack of experience, and dependence on external networks. To develop a more comprehensive and context-specific measure of entrepreneurial resilience, we have critically reviewed and integrated insights from various studies, including Zighan et al. (2022), Khurana et al. (2022), and Fatoki (2018). Based on this review, we have proposed a four-item scale that captures the following dimensions of entrepreneurial resilience. These include adapting to change, being determined to achieve goals despite any obstacles, accepting failures as stepping stones, and being able to bounce back from initial failures. By
measuring these dimensions, our proposed scale provides a more nuanced and actionable assessment of entrepreneurial resilience. It can help SMEs and stakeholders identify their strengths and weaknesses, prioritise their investments and interventions, and enhance their long-term viability, growth, and impact.

We developed a reflective construct consisting of three items that can be used to measure market turbulence accurately. This construct was built based on an in-depth critical review of existing literature, with specific emphasis on the works of Zhou et al. (2019) and Wang et al. (2015). Through our research, we sought to understand how market turbulence can influence entrepreneurial orientation and resilience in the digital environment. We identified key factors that contribute to market turbulence, such as rapidly changing customer preferences, the behaviour of new customers, and sudden changes in buying behaviour during times of crisis. By considering these factors, we developed a comprehensive construct that can accurately measure the level of turbulence in each market. Our research has significant implications for businesses operating in the digital landscape. By understanding the level of market turbulence in their respective industries, companies can better anticipate and adapt to changes in customer behaviour, market conditions, and other external factors that may impact their operations. This, in turn, can help businesses build more resilient and adaptive strategies that will enable them to thrive in an increasingly dynamic and competitive marketplace.

As part of our research study, we surveyed senior managers of small and medium-sized enterprises (SMEs) in France. Our survey targeted the healthcare, agrifood, information and communication technology (ICT), environmental goods and services, and security sectors. We administered the survey to senior management teams in Montpellier, Toulouse, and Paris to gather insights into their perceptions of using Gen AI tools to build entrepreneurial capabilities during high uncertainty caused by the pandemic and geopolitical crises. Through the Business France initiative, we obtained samples and information about various firms, with the assistance of an anonymous individual working within the Government of France.

We collected comprehensive information, including company names and contact details, such as phone numbers, email addresses, and physical addresses. Our choice of France was based on the strong association with a Montpellier school specialising in SMEs, the significant role of SMEs in the national and European economy, and the innovative use of technology by French SMEs (Faquet and Malarde, 2020).

We distributed 124 questionnaires and received 87 completed responses, resulting in a response rate (see Table 1). Our participants were diverse, with from healthcare, from agrifood, from ICT, from environmental goods and services, and from security services. This diversity helps in understanding the representation of different industries in our sample.

Additionally, of respondents were heads of R&D, were business development managers, were business heads, and were relationship managers.

To ensure our results were not impacted by non-response bias, we followed Armstrong and Overton’s (1977) recommendations. We conducted a comparative analysis between early and late respondents using a -test, which did not reveal significant differences ( ), suggesting non-respondents did not affect our sample. This finding gives us confidence in the accuracy of our data and results. We believe this data collection method is well-suited for this context, where Gen AI is a new technology, and only a few respondents have a comprehensive understanding of its application in business (see Liang et al., 2007; Fosso Wamba et al., 2023).

For our study on Gen AI, we faced the challenge of obtaining a large sample size due to the relative novelty of the phenomenon. We used the inverse square root method Kock and Hadaya (2018) suggested to address this issue and determine the sample size. We set our statistical power at 0.58 , which falls within the range of at a significance level of 0.05 . This calculation led us to determine that we needed a sample size 88. We used the PLS-SEM technique, a flexible component-based approach to deal with complex models to test our theoretical model. Our choice of PLS-SEM was based on previous studies such as Liang et al. (2007), Kock and Hadaya (2018), Benitez et al. (2020), and Manley et al. (2021). In summary, our approach to determining the sample size considered the unique nature of our research topic while ensuring we had sufficient statistical power to draw meaningful conclusions.

During our analysis, we carefully examined various factors to determine the validity of the constructs used in the model. All the measurement items’ factor loadings were more significant than 0.5 , indicating a strong relationship with the underlying construct. Additionally, the scale composite reliability (SCR) value was more significant than 0.7 , indicating that the measurement items were reliable and consistent in their measurements. The average variance extracted (AVE) value was more significant than 0.5 , suggesting that the items consistently measured the same underlying construct (see Table 2). To ascertain the discriminant validity of the constructs, we examined the intercorrelation matrix. We observed that the values in the leading diagonal of the matrix’s square root of AVE were more significant than those in the given row and column (see Table 3). This indicates that the constructs possess discriminant validity, measuring different underlying constructs. Therefore, we can say that the models used in this analysis possess sufficient convergent and discriminant validity, indicating that the constructs used are accurately measured and distinct (Fornell and Larcker, 1981).

We also conducted a test suggested by Henseler et al. (2015), which involves calculating the Heterotrait-Monotrait ratio (HTMT) for each pair of reflective constructs. HTMT is a ratio of the correlations between different constructs and the correlations between indicators of the same construct, with values below 0.90 (see Table 4) indicating sufficient discriminant validity. Considering the robust psychometric properties of our constructs, we are confident that they provide reliable and valid measures for estimating the structure.

For our research, we utilised a single informant questionnaire to collect data from critical respondents, following the methodology adopted in prior studies by Srinivasan and Swink (2018) and Fosso Wamba et al. (2023). However, we are aware of the potential issue of

common method bias, which can occur because of using a single source of information. To address this concern, we adopted measures recommended by prior research, including Podsakoff et al. (2003), Ketokivi and Schroeder (2004), and Hulland et al. (2018). We also followed the guidelines provided by MacKenzie and Podsakoff (2012) to ensure that our instruments were pretested and contained no double-barrelled statements or ambiguous questions. By taking these precautions, we aimed to minimise any potential sources of bias and increase the validity of our results.

We used Harman’s one-factor test to assess the common method bias (CMB). This technique is commonly used to identify a single factor that can explain the variations in a set of variables. To do this, we utilised exploratory factor analysis, a statistical method that helps uncover underlying patterns in the data. Our analysis showed that no single factor accounted for more than of the total variance in the variables.

However, caution needs to be applied regarding this approach, as other factors might also affect the variables (see Hulland et al., 2018, p. 102). To address this concern, we used the correlation marker technique, which involves adding highly correlated markers with the construct of interest. This reduces the risk of overreliance on a single factor and ensures a more accurate analysis. Lindell and Whitney (2001) proposed this method, which effectively mitigates potential issues with the one-factor test. By using both the one-factor test and the correlation marker technique, we were able to conduct a comprehensive analysis and arrive at more reliable conclusions.

Fig. 2 displays estimates from a Partial Least Squares Structural Equation Modelling (PLS-SEM) analysis using WarpPLS 7.0, developed by Kock and Hadaya (2018). The value of 0.52 indicates the model explains about of the variation in entrepreneurial resilience (ER), suggesting a good fit and significant explanatory power (Hair et al., 2013). The results support the hypothesised mediating role of entrepreneurial orientation (EO) between Gen AI and ER, highlighting EO as a crucial mechanism through which Gen AI influences ER. This underscores the importance of developing EO as a critical capability to enhance entrepreneurial resilience in facing challenges and uncertainties. Gen AI explains nearly of the variation in EO ( 0.48) (see Fig. 3).

Our research hypotheses are supported by the data (see Table 5). Specifically, there is a statistically significant positive relationship between three strategic resources-human skills (HS), advanced technology (TECH), and data-driven culture (DDC)-and EO. Hypothesis H1a (HS EO) shows that high levels of human skills positively associate with EO. Hypothesis H1b (TECH EO) , p ) indicates that advanced technology positively impacts EO. Hypothesis shows that a data-driven culture significantly and positively affects EO. Bundling these three resources creates Gen AI, which positively influences EO. In other words, combining HS, TECH, and DDC helps firms develop a culture of entrepreneurship that fosters innovation and growth.

Hypothesis is supported, suggesting EO plays a crucial role in fostering ER during crises. Firms with high EO levels are better equipped to withstand and adapt to disruptions, increasing their chances of long-term success.

Hypothesis H3 (MT*EO ER) is not supported ( ), indicating the moderating effect of market turbulence (MT) on the path between EO and ER is negative. The findings suggest highly turbulent markets pose unique challenges to the effectiveness of dynamic capabilities. Matching new and uncertain situations with organisational changes is complex, potentially decreasing the ability to adapt quickly and leading to ineffective strategies due to unfamiliarity with new circumstances. In dynamic environments, significant changes are needed to stay competitive, but experience-based adaptation can create inertia, making necessary changes difficult to implement. This suggests market turbulence affects both the potential for change and an organisation’s ability to take advantage of opportunities through routine-based change, integrating perspectives from different research views on market turbulence’s impact (Wang et al., 2015).

Schilke (2014) argues that when market turbulence is low, dynamic capabilities’ potential is limited due to fewer opportunities to utilise them, reducing organisational routines for adapting the resource base. When environmental dynamism is high, dynamic capabilities may have less impact on competitive advantage despite the opportunities for resource reconfigurations, as unexpected events and discontinuous change make routine-based activities challenging (Li and Liu, 2014; Girod and Whittington, 2017).

The results show high MT negatively moderates the relationship between EO and ER, challenging the linear relationship assumption between market turbulence and dynamic capabilities (Wang et al.,

2015). Building on Schilke’s (2014) arguments, we suggest the relationship between MT and dynamic capabilities is non-linear, warranting further investigation. A longitudinal study is recommended to capture this relationship’s nature better.

We examined EO’s mediating effect (H4) using Kock’s (2014) procedure, based on Hayes and Preacher (2010) methods, and considered more reliable than Baron and Kenny’s (1986) approach. Kock’s mediation test, using WarpPLS 7.0 (see Appendix B), provides information on
the sum of indirect effects, path segments, P values, standard errors, and effect sizes ( ) as per Cohen (1988) (Moqbel et al., 2020). Results indicate EO has partial mediation effects ( ), , and (DDC ), supporting , and H 4 c .

Gen AI and entrepreneurial orientation (EO) have the potential to transform SMEs and micro-firms by equipping them with analytical tools, fostering innovation, proactivity, and risk-taking (Abaddi, 2023; Hughes et al., 2022). Our study aimed to understand the impact of Gen AI and EO on entrepreneurial resilience (ER). We established that combining EO with Gen AI forms a dynamic capability, supporting ER based on the contingent view of dynamic capability (Schilke, 2014; Fainshmidt et al., 2016). We also explored how market turbulence affects dynamic capabilities, opening avenues for further research on EO’s impact on ER under changing conditions. We conducted surveys among SMEs in France, focusing on those adopting Gen AI tools, as they are early adopters of new technology but face unique challenges.

Our findings show that EO partially mediates the relationship between Gen AI and ER, indicating both direct and indirect effects (see Appendix B). Gen AI, which combines human skills, technology, and a data-driven culture, directly and indirectly impacts ER through EO. This aligns with the hierarchical dynamic capability perspective (Winter, 2003; Schilke, 2014; Fainshmidt et al., 2016), suggesting that organisations invest in higher-order capabilities based on market conditions to gain a competitive edge.

This deepens our understanding of EO as a dynamic organisational capability (Wiklud & Shepherd, 2003; Zahra et al., 2006; Dubey et al., 2020). Harnessing Gen AI tools can develop EO, facilitating ER under varying market conditions. Our analysis reveals a significant positive correlation between human skills (HS), technology (TECH), and data-driven culture (DDC) with EO , as hypothesised in H 1 (Fig. 2). Integrating HS, TECH, and DDC helps companies cultivate an entrepreneurial culture that promotes innovation and growth.

Our second hypothesis indicates that EO is crucial for promoting ER during economic crises (Table 5). Companies with high EO levels can adapt to unforeseen challenges, enhancing their long-term survival and success. However, our third hypothesis (H3) does not support the claim
that EO strongly influences ER under high market turbulence. This finding contrasts with some scholars who argue that high dynamism enhances EO’s effect on ER (Bullough and Renko, 2013) but aligns with others who suggest high market turbulence may not positively influence dynamic capabilities and competitive advantage (Schilke, 2014).

Our study contributes to the literature by focusing on the development of ER through EO and Gen AI based on the dynamic capabilities view (DCV). We explored how Gen AI influences EO and the mechanisms through which dynamic digital capabilities impact ER (Dubey et al., 2020). Our findings suggest that embracing Gen AI to enhance EO supports achieving ER. While existing work on ER has primarily focused on EO (Wiklud & Shepherd, 2003; Zahra et al., 2006), the integration of Gen AI remains relatively unexplored. Our study demonstrates EO’s crucial role as a dynamic capability, influenced by Gen AI and market turbulence, in enhancing ER.

This research study investigates how small and medium-sized enterprises (SMEs) in France perceive the potential use of Gen AI to improve their entrepreneurial capabilities and address uncertainties in the market. To achieve this, data was collected through a survey-based instrument designed to capture the opinions and insights of SMEs on how Gen AI can help them overcome challenges and improve their business operations. The study considers various factors, such as the scale of the operations, the industry in which it operates, and the level of awareness and understanding of Gen AI among SMEs (Abaddi, 2023; Tran and Murphy, 2023).

The study aims to comprehensively understand how Gen AI can benefit SMEs in France and contribute to their growth and success in the marketplace. The findings of the study offer two main contributions. Firstly, this study uses dynamic capability theory to develop research hypotheses and test them using survey data. The aim is to understand how Gen AI, as an organisational capability, can enhance entrepreneurial orientation and resilience. Secondly, the study focuses on how Gen AI can detect threats and opportunities and guide organisations in reconfiguring their resources and capabilities. By sensing opportunities, Gen AI can help firms transform them into competitive advantages, leading to improved performance and sustained success in an increasingly competitive business environment.

The study suggests that firms that leverage Gen AI’s capabilities are better equipped to adapt to changing market conditions and maintain a competitive edge. However, it is essential to note that careful consideration must be given to the ethical implications of leveraging Gen AI to achieve such benefits (Norbäck and Persson, 2024).

The study investigates how SMEs in France have built dynamic capabilities to respond to market turmoil and enhance entrepreneurial resilience. The main contribution of this study is to develop and test a novel framework that integrates entrepreneurial orientation (EO) and Gen AI in the context of entrepreneurial resilience, which has not been explored in previous literature. By doing so, the study provides empirical evidence on how EO and Gen AI influence entrepreneurial resilience and how market turbulence moderates this relationship. The findings build upon the arguments put forth by previous scholars and extend the scope to Gen AI (see Rizomyliotis et al., 2022; Shepherd and Majchrzak, 2022; Kanbach et al., 2024; Xia et al., 2024).

Furthermore, the study provides a detailed understanding of the mediating and moderating mechanisms of EO and market turbulence and the relationship between Gen AI and entrepreneurial resilience. Therefore, the findings contribute to the ongoing discussion on how dynamic capabilities might improve entrepreneurial resilience, with the understanding that the effectiveness of these qualities may vary depending on the organisational context and market scenario.

This research contributes significantly to the ongoing theoretical discourse within the realm of entrepreneurship and information management. Given the current stage of development, these contributions
hold particular importance. Entrepreneurial orientation has long been a focal point within entrepreneurship theory. However, the comparatively unexplored intersection of Gen AI and its influence on entrepreneurial orientation requires a more rigorous empirical exploration to effectively broaden the theoretical scope. We believe that our contribution has played a modest role in advancing the ongoing discussion at the intersection of entrepreneurship theory and technological innovation. Our efforts have introduced new perspectives, drawn attention to critical issues, and provided valuable insights that have enriched the discourse in these fields.

The study has significant implications for managers leveraging Gen AI to enhance their entrepreneurial resilience (ER) during market turmoil. It shows how small and medium-sized enterprises (SMEs) in France have developed dynamic capabilities by integrating three strategic Gen AI resources: human skills (HS), technology (TECH), and datadriven culture (DDC), to foster an entrepreneurial orientation (EO). EO helps managers promote innovation, expansion, and adaptation amid uncertainties and challenges. Managers should also be aware of the negative moderating effect of market turbulence (MT) on the relationship between EO and ER and mitigate its impact by developing emotional and psychological coping strategies. Additionally, they should consider the ethical and social implications of using Gen AI in their entrepreneurial activities, ensuring responsible and transparent use.

The study provides a conceptual model explaining how Gen AI influences ER through the mediation of EO and the moderation of MT. This model can inspire managers or policymakers to invest in dynamic capabilities to enhance ER and adjust their strategies in response to volatile market conditions. Embracing EO and Gen AI can improve ER and enhance long-term survival and prosperity. However, without understanding the market context, organisations may not fully recognise the potential advantages of Gen AI and EO. Grover and Sabherwal (2020) asserts that a primary obstacle, especially for conventional firms, is the need to alter their digital mindset.

Interestingly, our study found that a data-driven culture (DDC) in SMEs significantly and favourably impacts EO. Organisations must transition from conventional methods of resolving disputes to digital ones to foster such cultures. This shift enables engagement with partners and stakeholders, ongoing assessment of IT system effectiveness, and the implementation of adaptable strategies, ultimately enhancing entrepreneurial resilience.

The research study offers valuable insights that can guide policymakers in formulating effective strategies to help small businesses across various industries adopt AI technology. With the emergence of Gen AI, there are vast opportunities to explore, however, it is equally important to address the potential negative impacts of this technology. It is crucial to note that the quality of the insights is contingent upon the quality of the training data. Therefore, policymakers should prioritise supporting research initiatives that aim to comprehend the potential benefits of incorporating Gen AI into the business world to gain a competitive edge. Policymakers should also consider the potential drawbacks associated with this technology to make informed decisions. The research findings provide a comprehensive framework that policymakers can use to evaluate the potential pitfalls associated with the adoption of AI technology, while also taking advantage of the vast opportunities it presents.

Although our study provides significant theoretical and managerial insights, it has certain limitations. First, we based our arguments on the
dynamic capability approach, which is crucial for attaining competitive advantage and ER (Ferreira et al., 2022). However, we acknowledge that dynamic capability assumptions may not apply in all crises (Dubey et al., 2023). We also consider the Organisational Information Processing Theory (OIPT) by Galbraith (1974), which emphasises the role of OIPT in dealing with environmental uncertainty and improving performance. From the OIPT perspective, market turbulence (MT) may necessitate processing information from uncertain market conditions, motivating organisations to seek new knowledge and enhance decision-making, thereby fostering entrepreneurial resilience.

Second, while we agree with Flynn et al. (1990) that a survey-based methodology is effective for investigating our research objectives, survey-based research has drawbacks, such as errors from subjectivity and bias (Boyer and Swink, 2008). Despite efforts to minimise non-response and common method biases, a longitudinal study would enhance the validity of the findings. Future studies should randomly contact a sample of respondents to gain further insights into Gen AI, EO, and their impact on ER.

Third, using samples from one economy may limit our findings’ applicability. We chose France due to cultural, economic, and legal constraints. Fourth, future research could employ a multi-case methodology to understand Gen AI as a dynamic capability. Fifth, as Dubey et al. (2023) note, culture significantly influences government policies. Therefore, exploring how cultural factors impact entrepreneurs’ mindsets, technological investments, and societal digitalisation to enhance resilience would be valuable. Sixth, longitudinal research should investigate the dynamic nature of implementing digital technologies and their connection to resilience and performance.

Lastly, we did not measure Gen AI’s impact on other resilience parameters, focusing solely on entrepreneurial resilience. Other factors, such as negative emotional responses during turmoil, could interfere with developing ER (Shore et al., 2023).

Future research could explore how EO and Gen AI interact and influence ER in different organisational contexts and market scenarios. It could also examine the role of emotions and psychological factors on ER, such as how negative emotional responses during turmoil affect resilience development and how positive emotions like optimism and hope could enhance resilience. Finally, future research could investigate the ethical and social implications of using Gen AI in entrepreneurship, including its effects on decision-making, creativity, innovation, and the broader impact on stakeholders and society.

The ongoing progress of digital technologies has revolutionised the corporate landscape and generated many prospects, resulting in novel avenues for entrepreneurial pursuits (Lamine et al., 2023). Resilience in
entrepreneurship refers to the capacity to respond and effectively adjust a business in the face of challenges and unpredictability (Korber and McNaughton, 2018). EO effectively uses an entrepreneurial attitude to enhance technology and business performance (Seo and Park, 2022). This study examines resilience as a reaction to market turbulence and investigates how accomplished businesses cultivate resilience through digitalisation and technological advancements within the pandemic. More precisely, we uncover the Gen AI and entrepreneurial orientation entrepreneurs employ to cultivate entrepreneurial resilience and rapidly transform their businesses. We investigated further how MT influences the relationships between joining EO and ER. Our study makes two contributions to the field of DCV. Our work offers empirical evidence that supports the two fundamental theoretical principles of dynamic capabilities. Our study reveals that combining Gen AI and EO has a notable and constructive impact on entrepreneurial resilience. We have successfully demonstrated the moderating influence of market turbulence as the second notion.

Previous research has investigated the impact of digital progress during the COVID-19 pandemic (Vasi et al., 2024; Li et al., 2022). Nevertheless, in our situation, we extended the second theoretical principle by investigating the moderating influence of market turbulence, which is contingent upon several aspects, including dynamic shifts in customer preferences, the behaviour of new customers, and abrupt changes in purchasing patterns at specific periods. Our efforts have focused on addressing the ongoing disparity by doing a thorough study to analyse the potential impact of Gen AI on ER. We are confident that our research findings and the study’s limitations will provide fresh opportunities for further research.

Adam Shore: Writing – review & editing, Writing – original draft, Resources, Methodology, Conceptualization. Manisha Tiwari: Writing – review & editing, Writing – original draft, Visualization, Validation, Project administration, Methodology, Investigation, Formal analysis, Data curation, Conceptualization. Priyanka Tandon: Writing – review & editing, Writing – original draft, Visualization, Project administration. Cyril Foropon: Resources, Data curation.

None.

Data will be made available on request.

Abaddi, S., 2023. GPT revolution and digital entrepreneurial intentions. Journal of Entrepreneurship in Emerging Economies. https://doi.org/10.1108/JEEE-07-20230260.

Agrawal, K.P., 2023. Towards adoption of generative AI in organizational settings.
J. Comput. Inf. Syst. 1-16. https://doi.org/10.1080/08874417.2023.2240744.

Akter, S., Wamba, S.F., Gunasekaran, A., Dubey, R., Childe, S.J., 2016. How to improve firm performance using big data analytics capability and business strategy alignment? Int. J. Prod. Econ. 182, 113-131.

Akter, S., Hossain, M.A., Sajib, S., Sultana, S., Rahman, M., Vrontis, D., McCarthy, G., 2023. A framework for AI-powered service innovation capability: review and agenda for future research. Technovation 125, 102768.
Alalwan, A.A., Baabdullah, A.M., Fetais, A.H.M., Algharabat, R.S., Raman, R., Dwivedi, Y.K., 2023. SMEs entrepreneurial finance-based digital transformation: towards innovative entrepreneurial finance and entrepreneurial performance. Ventur. Cap. 1-29. https://doi.org/10.1080/13691066.2023.2195127.
Alhammadi, A., Shayea, I., El-Saleh, A.A., Azmi, M.H., Ismail, Z.H., Kouhalvandi, L., Saad, S.A., 2024. Artificial intelligence in 6G wireless networks: opportunities, applications, and challenges. Int. J. Intell. Syst. 2024 (1), 8845070.
Al-Thaqeb, S.A., Algharabali, B.G., Alabdulghafour, K.T., 2022. The pandemic and economic policy uncertainty. Int. J. Finance Econ. 27 (3), 2784-2794.
Anderson, B.S., Covin, J.G., Slevin, D.P., 2009. Understanding the relationship between entrepreneurial orientation and strategic learning capability: an empirical investigation. Strateg. Entrep. J. 3 (3), 218-240.
Anderson, B.S., Kreiser, P.M., Kuratko, D.F., Hornsby, J.S., Eshima, Y., 2015. Reconceptualizing entrepreneurial orientation. Strat. Manag. J. 36 (10), 1579-1596.
Anwar, A., Coviello, N., Rouziou, M., 2023. Weathering a crisis: a multi-level analysis of resilience in young ventures. Entrep. Theory Pract. 47 (3), 864-892.
Armstrong, J.S., Overton, T.S., 1977. Estimating nonresponse bias in mail surveys. J. Market. Res. 14 (3), 396-402.

Arve, M., Desrieux, C., Espinosa, R., 2023. Entrepreneurial intention and resilience: an experiment during the Covid-19 lockdown. Manag. Decis. Econ. 44 (2), 698-715.
Balta, M.E., Papadopoulos, T., Spanaki, K., 2023. Business model pivoting and digital technologies in turbulent environments. Int. J. Entrepreneurial Behav. Res. https:// doi.org/10.1108/IJEBR-02-2023-0210.
Bankins, S., Ocampo, A.C., Marrone, M., Restubog, S.L.D., Woo, S.E., 2023. A multilevel review of artificial intelligence in organizations: implications for organizational behavior research and practice. J. Organ. Behav. https://doi.org/10.1002/job.2735.
Baron, R.M., Kenny, D.A., 1986. The moderator-mediator variable distinction in social psychological research: conceptual, strategic, and statistical considerations. J. Pers. Soc. Psychol. 51 (6), 1173.
Benitez, J., Henseler, J., Castillo, A., Schuberth, F., 2020. How to perform and report an impactful analysis using partial least squares: guidelines for confirmatory and explanatory IS research. Inf. Manag. 57 (2), 103168.
Berry, A.J., Sweeting, R., Goto, J., 2006. The effect of business advisers on the performance of SMEs. J. Small Bus. Enterprise Dev. 13 (1), 33-47.
Berthon, P., Yalcin, T., Pehlivan, E., Rabinovich, T., 2024. Trajectories of AI technologies: insights for managers. Bus. Horiz. https://doi.org/10.1016/j. bushor.2024.03.002.
Boyer, K.K., Swink, M.L., 2008. Empirical elephants-Why multiple methods are essential to quality research in operations and supply chain management. J. Oper. Manag. 26 (3), 338-344.
Budhwar, P., Chowdhury, S., Wood, G., Aguinis, H., Bamber, G.J., Beltran, J.R., et al., 2023. Human resource management in the age of generative artificial intelligence: perspectives and research directions on ChatGPT. Hum. Resour. Manag. J. 33 (3), 606-659.
Bullough, A., Renko, M., 2013. Entrepreneurial resilience during challenging times. Bus. Horiz. 56 (3), 343-350.
Castro, M.P., Zermeño, M.G.G., 2021. Being an entrepreneur post-COVID-19-resilience in times of crisis: a systematic literature review. Journal of Entrepreneurship in Emerging Economies 13 (4), 721-746.
Chalmers, D., MacKenzie, N.G., Carter, S., 2021. Artificial intelligence and entrepreneurship: implications for venture creation in the fourth industrial revolution. Entrep. Theory Pract. 45 (5), 1028-1053.
Chaston, I., Sadler-Smith, E., 2012. Entrepreneurial cognition, entrepreneurial orientation and firm capability in the creative industries. Br. J. Manag. 23 (3), 415-432.
Chatterjee, S., Gupta, S.D., Upadhyay, P., 2020. Technology adoption and entrepreneurial orientation for rural women: evidence from India. Technol. Forecast. Soc. Change 160, 120236.
Chaudhary, S., Dhir, A., Meenakshi, N., Christofi, M., 2024. How small firms build resilience to ward off crises: a paradox perspective. Enterpren. Reg. Dev. 36 (1-2), 182-207.
Chen, K.H., Wang, C.H., Huang, S.Z., Shen, G.C., 2016. Service innovation and new product performance: the influence of market-linking capabilities and market turbulence. Int. J. Prod. Econ. 172, 54-64.
Chen, B., Wu, Z., Zhao, R., 2023. From fiction to fact: the growing role of generative AI in business and finance. J. Chin. Econ. Bus. Stud. 21 (4), 471-496.
Chirumalla, K., 2021. Building digitally-enabled process innovation in the process industries: a dynamic capabilities approach. Technovation 105, 102256.
Churchill Jr., G.A., 1979. A paradigm for developing better measures of marketing constructs. J. Market. Res. 16 (1), 64-73.
Ciampi, F., Demi, S., Magrini, A., Marzi, G., Papa, A., 2021. Exploring the impact of big data analytics capabilities on business model innovation: the mediating role of entrepreneurial orientation. J. Bus. Res. 123, 1-13.
Clausen, T., Korneliussen, T., 2012. The relationship between entrepreneurial orientation and speed to the market: the case of incubator firms in Norway. Technovation 32 (9-10), 560-567.
Cohen, J., 1988. Set correlation and contingency tables. Appl. Psychol. Meas. 12 (4), 425-434.
Corner, P.D., Singh, S., Pavlovich, K., 2017. Entrepreneurial resilience and venture failure. Int. Small Bus. J. 35 (6), 687-708.
Dahles, H., Susilowati, T.P., 2015. Business resilience in times of growth and crisis. Ann. Tourism Res. 51, 34-50.

Davidsson, P., Sufyan, M., 2023. What does AI think of AI as an external enabler (EE) of entrepreneurship? An assessment through and of the EE framework. J. Bus. Ventur. Insights 20, e00413.
Donthu, N., Gustafsson, A., 2020. Effects of COVID-19 on business and research. J. Bus. Res. 117, 284-289.
Dubey, R., Bryde, D.J., Dwivedi, Y.K., Graham, G., Foropon, C., Papadopoulos, T., 2023. Dynamic digital capabilities and supply chain resilience: The role of government effectiveness. Int. J. Prod. Econ. 258, 108790.
Dubey, R., Gunasekaran, A., Childe, S.J., Bryde, D.J., Giannakis, M., Foropon, C., et al., 2020. Big data analytics and artificial intelligence pathway to operational performance under the effects of entrepreneurial orientation and environmental dynamism: a study of manufacturing organisations. Int. J. Prod. Econ. 226, 107599.
Dwivedi, Y.K., Hughes, L., Ismagilova, E., Aarts, G., Coombs, C., Crick, T., et al., 2021. Artificial Intelligence (AI): multidisciplinary perspectives on emerging challenges, opportunities, and agenda for research, practice and policy. Int. J. Inf. Manag. 57, 101994.

Dwivedi, Y.K., Kshetri, N., Hughes, L., Slade, E.L., Jeyaraj, A., Kar, A.K., et al., 2023. “So what if ChatGPT wrote it?” Multidisciplinary perspectives on opportunities, challenges and implications of generative conversational AI for research, practice and policy. Int. J. Inf. Manag. 71, 102642.
Eisenhardt, K.M., Martin, J.A., 2000. Dynamic capabilities: what are they? Strat. Manag. J. 21 (10-11), 1105-1121.

Engel, Y., Kaandorp, M., Elfring, T., 2017. Toward a dynamic process model of entrepreneurial networking under uncertainty. J. Bus. Ventur. 32 (1), 35-51.
Fainshmidt, S., Pezeshkan, A., Lance Frazier, M., Nair, A., Markowski, E., 2016. Dynamic capabilities and organizational performance: a meta-analytic evaluation and extension. J. Manag. Stud. 53 (8), 1348-1380.
Fatoki, O., 2018. The impact of entrepreneurial resilience on the success of small and medium enterprises in South Africa. Sustainability 10 (7), 2527.
Faquet, R., Malarde, V., 2020. Digitalisation in France’s business sector. TresorEconomics 271 (November), 1-8. https://www.tresor.economie.gouv.fr/Articles/ df17a219-238e-4b52-90f3-e294fbda02f0/files/8ec8a48e-a30e-4479-865e-bce6ce22 63dd. (Accessed 15 October 2023).
Fellnhofer, K., 2023. Positivity and higher alertness levels facilitate discovery: Longitudinal sentiment analysis of emotions on Twitter. Technovation 122, 102409.
Ferreira, J.J., Cruz, B., Veiga, P.M., 2022. Knowledge strategies and digital technologies maturity: effects on small business performance. Entrepreneurship & Regional Development 1-19.
Ferreras-Méndez, J.L., Olmos-Penuela, J., Salas-Vallina, A., Alegre, J., 2021. Entrepreneurial orientation and new product development performance in SMEs: the mediating role of business model innovation. Technovation 108, 102325.
Filippo, C., Vito, G., Irene, S., Simone, B., Gualtiero, F., 2024. Future applications of generative large language models: a data-driven case study on ChatGPT. Technovation 133, 103002.
Flynn, B.B., Sakakibara, S., Schroeder, R.G., Bates, K.A., Flynn, E.J., 1990. Empirical research methods in operations management. J. Oper. Manag. 9 (2), 250-284.
Fornell, C., Larcker, D.F., 1981. Evaluating structural equation models with unobservable variables and measurement error. J. Market. Res. 18 (1), 39-50.
Fosso Wamba, S., 2022. Impact of artificial intelligence assimilation on firm performance: the mediating effects of organizational agility and customer agility. Int. J. Inf. Manag. 67, 102544.
Fosso Wamba, F., Queiroz, M.M., Jabbour, C.J.C., Shi, C.V., 2023. Are both generative AI and ChatGPT game changers for 21st-Century operations and supply chain excellence? Int. J. Prod. Econ. 265, 109015.
Fosso Wamba, F., Queiroz, M.M., Trinchera, L., 2024. The role of artificial intelligenceenabled dynamic capability on environmental performance: the mediation effect of a data-driven culture in France and the USA. Int. J. Prod. Econ. 268, 109131.
Frick, N.R., Mirbabaie, M., Stieglitz, S., Salomon, J., 2021. Maneuvering through the stormy seas of digital transformation: the impact of empowering leadership on the AI readiness of enterprises. J. Decis. Syst. 30 (2-3), 235-258.
Galbraith, J.R., 1974. Organization design: An information processing view. Interfaces 4 (3), 28-36.

Ghobakhloo, M., Fathi, M., Iranmanesh, M., Vilkas, M., Grybauskas, A., Amran, A., 2024. Generative artificial intelligence in manufacturing: opportunities for actualizing Industry 5.0 sustainability goals. J. Manuf. Technol. Manag. 35 (9), 94-121.
Giuggioli, G., Pellegrini, M.M., 2022. Artificial intelligence as an enabler for entrepreneurs: a systematic literature review and an agenda for future research. Int. J. Entrepreneurial Behav. Res. 29 (4), 816-837.

Girod, S.J., Whittington, R., 2017. Reconfiguration, restructuring and firm performance: dynamic capabilities and environmental dynamism. Strat. Manag. J. 38 (5), 1121-1133.
Gottschalck, N., Branner, K., Rolan, L., Kellermanns, F., 2021. Cross-level effects of entrepreneurial orientation and ambidexterity on the resilience of small business owners. J. Small Bus. Manag. 1-37. https://doi.org/10.1080/ 00472778.2021.2002878.

Grant, R.M., 1991. The resource-based theory of competitive advantage: implications for strategy formulation. Calif. Manag. Rev. 33 (3), 114-135.
Grover, V., Sabherwal, R., 2020. Making sense of the confusing mix of digitalization, pandemics, and economics. Int. J. Inf. Manag. 55, 102234.
Gupta, M., George, J.F., 2016. Toward the development of a big data analytics capability. Inf. Manag. 53 (8), 1049-1064.
Hadjielias, E., Christofi, M., Tarba, S., 2022. Contextualizing small business resilience during the COVID-19 pandemic: evidence from small business owner-managers. Small Bus. Econ. 59 (4), 1351-1380.

Hair, J.F., Ringle, C.M., Sarstedt, M., 2013. Partial least squares structural equation modeling: rigorous applications, better results and higher acceptance. Long. Range Plan. 46 (1-2), 1-12.
Hansen, E.B., Bøgh, S., 2021. Artificial intelligence and internet of things in small and medium-sized enterprises: a survey. J. Manuf. Syst. 58, 362-372.
Hayes, A.F., Preacher, K.J., 2010. Quantifying and testing indirect effects in simple mediation models when the constituent paths are nonlinear. Multivariate Behavioural Research 45 (4), 627-660.
Helfat, C.E., Finkelstein, S., Mitchell, W., Peteraf, M., Singh, H., Teece, D., Winter, S.G., 2009. Dynamic Capabilities: Understanding Strategic Change in Organizations. John Wiley & Sons.
Henseler, J., Ringle, C.M., Sarstedt, M., 2015. A new criterion for assessing discriminant validity in variance-based structural equation modeling. J. Acad. Market. Sci. 43, 115-135.
Hillmann, J., Guenther, E., 2021. Organizational resilience: a valuable construct for management research? Int. J. Manag. Rev. 23 (1), 7-44.
Holmström, J., Carroll, N., 2024. How organizations can innovate with generative AI. Bus. Horiz. https://doi.org/10.1016/j.bushor.2024.02.010.
Hrebiniak, L.G., Joyce, W.F., 1985. Organizational adaptation: strategic choice and environmental determinism. Adm. Sci. Q. 30 (3), 336-349.
Hughes, M., Hughes, P., Hodgkinson, I., Chang, Y.Y., Chang, C.Y., 2022. Knowledgebased theory, entrepreneurial orientation, stakeholder engagement, and firm performance. Strateg. Entrep. J. 16 (3), 633-665.
Hulland, J., Baumgartner, H., Smith, K.M., 2018. Marketing survey research best practices: evidence and recommendations from a review of JAMS articles. J. Acad. Market. Sci. 46, 92-108.
Iborra, M., Safón, V., Dolz, C., 2020. What explains the resilience of SMEs? Ambidexterity capability and strategic consistency. Long. Range Plan. 53 (6), 101947.

Isensee, C., Teuteberg, F., Griese, K.M., 2023. Success factors of organizational resilience: a qualitative investigation of four types of sustainable digital entrepreneurs. Manag. Decis. 61 (5), 1244-1273.
Iyengar, D., Nilakantan, R., Rao, S., 2021. On entrepreneurial resilience among microentrepreneurs in the face of economic disruptions… A little help from friends. J. Bus. Logist. 42 (3), 360-380.
Jantunen, A., Puumalainen, K., Saarenketo, S., Kyläheiko, K., 2005. Entrepreneurial orientation, dynamic capabilities and international performance. J. Int. Enterpren. 3, 223-243.
Jiang, W., Chai, H., Shao, J., Feng, T., 2018. Green entrepreneurial orientation for enhancing firm performance: a dynamic capability perspective. J. Clean. Prod. 198, 1311-1323.
Kachouie, R., Mavondo, F., Sands, S., 2018. Dynamic marketing capabilities view on creating market change. Eur. J. Market. 52 (5/6), 1007-1036.
Kalubanga, M., Gudergan, S., 2022. The impact of dynamic capabilities in disrupted supply chains-the role of turbulence and dependence. Ind. Market. Manag. 103, 154-169.
Kam-Sing Wong, S., 2014. Impacts of environmental turbulence on entrepreneurial orientation and new product success. Eur. J. Innovat. Manag. 17 (2), 229-249.
Kanbach, D.K., Heiduk, L., Blueher, G., Schreiter, M., Lahmann, A., 2024. The GenAI is out of the bottle: generative artificial intelligence from a business model innovation perspective. Review of Managerial Science 18 (4), 1189-1220.
Kar, A.K., Varsha, P.S., Rajan, S., 2023. Unravelling the impact of generative artificial intelligence (GAI) in industrial applications: a review of scientific and grey literature. Global J. Flex. Syst. Manag. 24 (4), 659-689.
Ketokivi, M.A., Schroeder, R.G., 2004. Perceptual measures of performance: fact or fiction? J. Oper. Manag. 22 (3), 247-264.
Kirtley, J., O’Mahony, S., 2023. What is a pivot? Explaining when and how entrepreneurial firms decide to make strategic change and pivot. Strat. Manag. J. 44 (1), 197-230.

Khan, S.H., Majid, A., Yasir, M., Javed, A., 2021. Social capital and business model innovation in SMEs: do organizational learning capabilities and entrepreneurial orientation really matter? Eur. J. Innovat. Manag. 24 (1), 191-212.
Khurana, I., Dutta, D.K., Ghura, A.S., 2022. SMEs and digital transformation during a crisis: the emergence of resilience as a second-order dynamic capability in an entrepreneurial ecosystem. J. Bus. Res. 150, 623-641.
Kock, N., 2014. Advanced mediating effects tests, multi-group analyses, and measurement model assessments in PLS-based SEM. Int. J. e-Collaboration 10 (1), 1-13.
Kock, A., Gemünden, H.G., 2021. How entrepreneurial orientation can leverage innovation project portfolio management. R D Manag. 51 (1), 40-56.
Kock, N., Hadaya, P., 2018. Minimum sample size estimation in PLS-SEM: the inverse square root and gamma-exponential methods. Inf. Syst. J. 28 (1), 227-261.
Kolupaieva, I., Tiesheva, L., 2023. Asymmetry and convergence in the development of digital technologies in the EU countries. Equilibrium. Quarterly Journal of Economics and Economic Policy 18 (3), 687-716.
Korber, S., McNaughton, R., 2018. Resilience and entrepreneurship: A systematic literature review. Int. J. Entrepren. Behav. Res. 24 (7), 1129-1154.
Kraus, S., Rigtering, J.C., Hughes, M., Hosman, V., 2012. Entrepreneurial orientation and the business performance of SMEs: a quantitative study from The Netherlands. Review of Managerial Science 6, 161-182.
Kreiser, P.M., Davis, J., 2010. Entrepreneurial orientation and firm performance: the unique impact of innovativeness, proactiveness, and risk-taking. J. Small Bus. Enterpren. 23 (1), 39-51.
Krishnan, C.S.N., Ganesh, L.S., Rajendran, C., 2022. Entrepreneurial Interventions for crisis management: lessons from the Covid-19 Pandemic’s impact on entrepreneurial ventures. Int. J. Disaster Risk Reduc. 72, 102830.

Kshetri, N., Dwivedi, Y.K., Davenport, T.H., Panteli, N., 2023. Generative artificial intelligence in marketing: applications, opportunities, challenges, and research agenda. Int. J. Inf. Manag., 102716
Kusa, R., Duda, J., Suder, M., 2022. How to sustain company growth in times of crisis: the mitigating role of entrepreneurial management. J. Bus. Res. 142, 377-386.
Lamine, W., Fayolle, A., Jack, S., Audretsch, D., 2023. Impact of digital technologies on entrepreneurship: Taking stock and looking forward. Technovation 126, 102823.
Leppäaho, T., Ritala, P., 2022. Surviving the coronavirus pandemic and beyond: unlocking family firms’ innovation potential across crises. Journal of Family Business Strategy 13 (1), 100440.
Levinthal, D.A., 2011. A behavioral approach to strategy-what’s the alternative? Strat. Manag. J. 32 (13), 1517-1523.
Li, L., Tong, Y., Wei, L., Yang, S., 2022. Digital technology-enabled dynamic capabilities and their impacts on firm performance: Evidence from the COVID-19 pandemic. Inform. Manag. 59 (8), 103689.
Liang, H., Saraf, N., Hu, Q., Xue, Y., 2007. Assimilation of enterprise systems: the effect of institutional pressures and the mediating role of top management. MIS Q. 31 (1), 59-87.
Li, D.Y., Liu, J., 2014. Dynamic capabilities, environmental dynamism, and competitive advantage: evidence from China. J. Bus. Res. 67 (1), 2793-2799.
Lindell, M.K., Whitney, D.J., 2001. Accounting for common method variance in crosssectional research designs. J. Appl. Psychol. 86 (1), 114-121.
Lumpkin, G.T., Dess, G.G., 1996. Clarifying the entrepreneurial orientation construct and linking it to performance. Acad. Manag. Rev. 21 (1), 135-172.
Lumpkin, G.T., Dess, G.G., 2001. Linking two dimensions of entrepreneurial orientation to firm performance: the moderating role of environment and industry life cycle. J. Bus. Ventur. 16 (5), 429-451.

Malhotra, M.K., Grover, V., 1998. An assessment of survey research in POM: from constructs to theory. J. Oper. Manag. 16 (4), 407-425.
MacKenzie, S.B., Podsakoff, P.M., 2012. Common method bias in marketing: Causes, mechanisms, and procedural remedies. Journal of Retailing 88 (4), 542-555.
Mahotra, A., Majchrzak, A., 2024. Digital innovations in crowdsourcing using AI tools. Technovation 133, 102997.
Manley, S.C., Hair, J.F., Williams, R.I., McDowell, W.C., 2021. Essential new PLS-SEM analysis methods for your entrepreneurship analytical toolbox. Int. Enterpren. Manag. J. 17, 1805-1825.
Mannuru, N.R., Shahriar, S., Teel, Z.A., Wang, T., Lund, B.D., Tijani, S., et al., 2023. Artificial intelligence in developing countries: the impact of generative artificial intelligence (AI) technologies for development. Inf. Dev. https://doi.org/10.1177/ 02666669231200628.

Mariani, M.M., Machado, I., Magrelli, V., Dwivedi, Y.K., 2023. Artificial intelligence in innovation research: a systematic review, conceptual framework, and future research directions. Technovation 122, 102623.
Martinelli, E., Tagliazucchi, G., Marchi, G., 2018. The resilient retail entrepreneur: dynamic capabilities for facing natural disasters. Int. J. Entrepreneurial Behav. Res. 24 (7), 1222-1243.
Marquis, C., Raynard, M., 2015. Institutional strategies in emerging markets. Acad. Manag. Ann. 9 (1), 291-335.
Matsuno, K., Mentzer, J.T., Özsomer, A., 2002. The effects of entrepreneurial proclivity and market orientation on business performance. J. Market. 66 (3), 18-32.
McElheran, K., Li, J.F., Brynjolfsson, E., Kroff, Z., Dinlersoz, E., Foster, L., Zolas, N., 2024. AI adoption in America: who, what, and where. J. Econ. Manag. Strat. https://doi. org/10.1111/jems.12576.
McGee, J.E., Terry, R.P., 2022. COVID-19 as an external enabler: the role of entrepreneurial self-efficacy and entrepreneurial orientation. J. Small Bus. Manag. 1-26. https://doi.org/10.1080/00472778.2022.2127746.
Mikalef, P., Gupta, M., 2021. Artificial intelligence capability: conceptualization, measurement calibration, and empirical study on its impact on organizational creativity and firm performance. Inf. Manag. 58 (3), 103434.
Miklian, J., Hoelscher, K., 2022. SMEs and exogenous shocks: a conceptual literature review and forward research agenda. Int. Small Bus. J. 40 (2), 178-204.
Mthanti, T.S., Urban, B., 2014. Effectuation and entrepreneurial orientation in hightechnology firms. Technol. Anal. Strat. Manag. 26 (2), 121-133.
Moqbel, M., Guduru, R., Harun, A., 2020. Testing mediation via indirect effects in PLSSEM: a social networking site illustration. Data Analysis Perspectives Journal 1 (3), 1-6.
Norbäck, P.-J., Persson, L., 2024. Why generative AI can make creative destruction more creative but less destructive. Small Bus. Econ. 63 (1), 349-377.
Obschonka, M., Audretsch, D.B., 2020. Artificial intelligence and big data in entrepreneurship: a new era has begun. Small Bus. Econ. 55, 529-539.
Ostrom, A.L., Field, J.M., Fotheringham, D., Subramony, M., Gustafsson, A., Lemon, K.N., et al., 2021. Service research priorities: managing and delivering service in turbulent times. J. Serv. Res. 24 (3), 329-353.
Parmar, R., Mackenzie, I., Cohn, D., Gann, D., 2014. The new patterns of innovation. Harv. Bus. Rev. 92 (1), 2-11.
Penco, L., Profumo, G., Serravalle, F., Viassone, M., 2023. Has COVID-19 pushed digitalisation in SMEs? The role of entrepreneurial orientation. J. Small Bus. Enterprise Dev. 30 (2), 311-341.
Podsakoff, P.M., MacKenzie, S.B., Lee, J.Y., Podsakoff, N.P., 2003. Common method biases in behavioral research: a critical review of the literature and recommended remedies. J. Appl. Psychol. 88 (5), 879-903.
Prasad Agrawal, K., 2023. Towards adoption of Generative AI in organizational settings. J. Comput. Inf. Syst. 1-16. https://doi.org/10.1080/08874417.2023.2240744.

Purnomo, B.R., Adiguna, R., Widodo, W., Suyatna, H., Nusantoro, B.P., 2021. Entrepreneurial resilience during the Covid-19 pandemic: navigating survival,
continuity and growth. Journal of Entrepreneurship in Emerging Economies 13 (4), 497-524.
Raisch, S., Fomina, K., 2024. Combining human and artificial intelligence: hybrid problem-solving in organizations. Acad. Manag. Rev. https://doi.org/10.5465/ amr.2021.0421.
Rank, O.N., Strenge, M., 2018. Entrepreneurial orientation as a driver of brokerage in external networks: exploring the effects of risk taking, proactivity, and innovativeness. Strateg. Entrep. J. 12 (4), 482-503.
Rizomyliotis, I., Kastanakis, M.N., Giovanis, A., Konstantoulaki, K., Kostopoulos, I., 2022. “How mAy I help you today?” The use of AI chatbots in small family businesses and the moderating role of customer affective commitment. J. Bus. Res. 153, 329-340.
Salvato, C., Sargiacomo, M., Amore, M.D., Minichilli, A., 2020. Natural disasters as a source of entrepreneurial opportunity: family business resilience after an earthquake. Strateg. Entrep. J. 14 (4), 594-615.
Santos, S.C., Liguori, E.W., Garvey, E., 2023. How digitalization reinvented entrepreneurial resilience during COVID-19. Technol. Forecast. Soc. Change 189, 122398.

Schilke, O., 2014. On the contingent value of dynamic capabilities for competitive advantage: the nonlinear moderating effect of environmental dynamism. Strat. Manag. J. 35 (2), 179-203.
Schiuma, G., Schettini, E., Santarsiero, F., Carlucci, D., 2022. The transformative leadership compass: six competencies for digital transformation entrepreneurship. Int. J. Entrepreneurial Behav. Res. 28 (5), 1273-1291.
Seo, R., Park, J.H., 2022. When is interorganizational learning beneficial for inbound open innovation of ventures? A contingent role of entrepreneurial orientation. Technovation 116, 102514.
Sharma, G.D., Kraus, S., Liguori, E., Bamel, U.K., Chopra, R., 2024. Entrepreneurial challenges of COVID-19: Re-thinking entrepreneurship after the crisis. J. Small Bus. Manag. 62 (2), 824-846.
Shepherd, D.A., Saade, F.P., Wincent, J., 2020. How to circumvent adversity? Refugeeentrepreneurs’ resilience in the face of substantial and persistent adversity. J. Bus. Ventur. 35 (4), 105940.
Shepherd, D.A., Majchrzak, A., 2022. Machines augmenting entrepreneurs: opportunities (and threats) at the Nexus of artificial intelligence and entrepreneurship. J. Bus. Ventur. 37 (4), 106227.
Shet, S.V., Poddar, T., Samuel, F.W., Dwivedi, Y.K., 2021. Examining the determinants of successful adoption of data analytics in human resource management-A framework for implications. J. Bus. Res. 131, 311-326.
Shore, A.P., Pittaway, L., Bortolotti, T., 2023. From negative emotions to personal growth: failure and reentry into entrepreneurship. Br. J. Manag. (in press).
Si, S., Hall, J., Suddaby, R., Ahlstrom, D., Wei, J., 2023. Technology, entrepreneurship, innovation and social change in digital economics. Technovation 119, 102484.
SIA, 2023. The AI Effect: Two-Thirds of Small Businesses to Try Generative AI over Next 12 Months; 44% Plan to Cut Hiring. Available at: https://www2.staffingindustry.co m/Editorial/Daily-News/The-AI-effect-Two-thirds-of-small-businesses-to-try-gene rative-AI-over-next-12-months-44-plan-to-cut-hiring-65715. (Accessed 8 January 2024).

Singh, K., Chatterjee, S., Mariani, M., 2024. Applications of generative AI and future organizational performance: the mediating role of explorative and exploitative innovation and the moderating role of ethical dilemmas and environmental dynamism. Technovation 133, 103021.
Sirmon, D.G., Hitt, M.A., 2009. Contingencies within dynamic managerial capabilities: interdependent effects of resource investment and deployment on firm performance. Strat. Manag. J. 30 (13), 1375-1394.
Srinivasan, R., Swink, M., 2018. An investigation of visibility and flexibility as complements to supply chain analytics: an organizational information processing theory perspective. Prod. Oper. Manag. 27 (10), 1849-1867.
Sun, W., Govind, R., 2017. Product market diversification and market emphasis: impacts on firm idiosyncratic risk in market turbulence. Eur. J. Market. 51 (7/8), 1308-1331.
Taherizadeh, A., Beaudry, C., 2023. An emergent grounded theory of AI-driven digital transformation: Canadian SMEs’ perspectives. Ind. Innovat. 30 (9), 1244-1273.
Teece, D.J., Pisano, G., Shuen, A., 1997. Dynamic capabilities and strategic management. Strat. Manag. J. 18 (7), 509-533.
Teece, D.J., 2007. Explicating dynamic capabilities: the nature and microfoundations of (sustainable) enterprise performance. Strat. Manag. J. 28 (13), 1319-1350.
Teece, D.J., 2016. Dynamic capabilities and entrepreneurial management in large organizations: toward a theory of the (entrepreneurial) firm. Eur. Econ. Rev. 86, 202-216.
Thukral, E., 2021. COVID-19: small and medium enterprises challenges and responses with creativity, innovation, and entrepreneurship. Strat. Change 30 (2), 153-158.
Townsend, D.M., Hunt, R.A., 2019. Entrepreneurial action, creativity, & judgment in the age of artificial intelligence. J. Bus. Ventur. Insights 11, e00126.
Tran, H., Murphy, P.J., 2023. Generative artificial intelligence and entrepreneurial performance. J. Small Bus. Enterprise Dev. 30 (5), 853-856.
Tsai, K.H., Yang, S.Y., 2013. Firm innovativeness and business performance: the joint moderating effects of market turbulence and competition. Ind. Market. Manag. 42 (8), 1279-1294.

Tschang, F.T., Almirall, E., 2021. Artificial intelligence as augmenting automation: implications for employment. Acad. Manag. Perspect. 35 (4), 642-659.
Ulrich, D., Smallwood, N., 2004. Capitalizing on capabilities. Harv. Bus. Rev. 82 (6), 119-127.
Upadhyay, N., Upadhyay, S., Al-Debei, M.M., Baabdullah, A.M., Dwivedi, Y.K., 2023. The influence of digital entrepreneurship and entrepreneurial orientation on intention of family businesses to adopt artificial intelligence: examining the mediating role of business innovativeness. Int. J. Entrepreneurial Behav. Res. 29 (1), 80-115.
van Dun, C., Moder, L., Kratsch, W., Röglinger, M., 2023. ProcessGAN: supporting the creation of business process improvement ideas through generative machine learning. Decis. Support Syst. 165, 113880.
Wales, W.J., Gupta, V.K., Mousa, F.T., 2013. Empirical research on entrepreneurial orientation: an assessment and suggestions for future research. Int. Small Bus. J. 31 (4), 357-383.

Vasi, N., Ahmed, F., Chen, Y., Gupta, S., 2024. Digital transformation and innovation management in the post-pandemic era. Technovation 129, 102886.
Wales, W.J., Covin, J.G., Monsen, E., 2020. Entrepreneurial orientation: the necessity of a multilevel conceptualization. Strateg. Entrep. J. 14 (4), 639-660.
Wang, G., Dou, W., Zhu, W., Zhou, N., 2015. The effects of firm capabilities on external collaboration and performance: the moderating role of market turbulence. J. Bus. Res. 68 (9), 1928-1936.
Wang, M.C., Chen, P.C., Fang, S.C., 2021. How environmental turbulence influences firms’ entrepreneurial orientation: the moderating role of network relationships and organizational inertia. J. Bus. Ind. Market. 36 (1), 48-59.
Wei, R., Pardo, C., 2022. Artificial intelligence and SMEs: how can B2B SMEs leverage AI platforms to integrate AI technologies? Ind. Market. Manag. 107, 466-483.
Wiklund, J., Shepherd, D., 2003. Knowledge-based resources, entrepreneurial orientation, and the performance of small and medium-sized businesses. Strat. Manag. J. 24 (13), 1307-1314.
Williams, T.A., Gruber, D.A., Sutcliffe, K.M., Shepherd, D.A., Zhao, E.Y., 2017. Organizational response to adversity: fusing crisis management and resilience research streams. Acad. Manag. Ann. 11 (2), 733-769.
Winter, S.G., 2003. Understanding dynamic capabilities. Strat. Manag. J. 24 (10), 991-995.
Wu, F., Yeniyurt, S., Kim, D., Cavusgil, S.T., 2006. The impact of information technology on supply chain capabilities and firm performance: a resource-based view. Ind. Market. Manag. 35 (4), 493-504.
Xia, Q., Xie, Y., Hu, S., Song, J., 2024. Exploring how entrepreneurial orientation improve firm resilience in digital era: findings from sequential mediation and FsQCA. Eur. J. Innovat. Manag. 27 (1), 96-112.
Zahra, S.A., Sapienza, H.J., Davidsson, P., 2006. Entrepreneurship and dynamic capabilities: a review, model and research agenda. J. Manag. Stud. 43 (4), 917-955.
Zhang, J.A., O’Kane, C., Chen, G., 2020. Business ties, political ties, and innovation performance in Chinese industrial firms: the role of entrepreneurial orientation and environmental dynamism. J. Bus. Res. 121, 254-267.
Zhou, J., Mavondo, F.T., Saunders, S.G., 2019. The relationship between marketing agility and financial performance under different levels of market turbulence. Ind. Market. Manag. 83, 31-41.
Zighan, S., Abualqumboz, M., Dwaikat, N., Alkalha, Z., 2022. The role of entrepreneurial orientation in developing SMEs resilience capabilities throughout COVID-19. Int. J. Enterpren. Innovat. 23 (4), 227-239.

Dr Adam Shore is the Director of the Liverpool Business School and Professor of Management Education at LJMU. His research interests are broad and multifaceted, encompassing management development, entrepreneurial learning, and the advancement of understanding management processes through leadership and organisational development. With a background in actuarial statistics, he employs a mixed methods approach to delve into these entrepreneurial phenomena.

Manisha Tiwari is currently a Lecturer at University of Hull Business School. She completed her PhD at Liverpool Business School, Liverpool John Moores University in 2024. She has over 7 years of experience with leading consultancy firms such as Tata Consultancy Services and Ernst & Young in the field of corporate social responsibility and international taxation respectively. She holds an M.B.A degree from The University of Calcutta. Her research interests include Impacts of Epidemic outbreaks on Healthcare Supply Chains: Lessons from COVID-19.

Dr. Priyanka is a Senior Lecturer at Regenesys Business School. She obtained her Ph.D from Motilal Nehru National Institute of Technology, Allahabad in the area of financial inclusion. She is also UGC-NET qualified in Management. She has vast teaching experience in the area of business management and accounting at both UG and PG level. Before joining JBS, she was working with National institute of Financial Management, Faridabad where she was associated with flagship program of Government of India. She also acted as trainer for financial markets and services for Kendriya Vidyalaya teachers. Her area of interest is financial inclusion, financial literacy and capital markets. She has significant publications which are indexed in Scopus and Web of Science. She is also an active reviewer of various reputed journals of Elsevier, Emerald and Sage publications which are indexed in Scopus and web of science and are also listed in ABDC list of Journals. She has good command over various statistical softwares such as SPSS, EViews and STATA.

Dr Cyril Foropon is Full Professor of Operations and Supply Chain Management, and the Director of Doctorate in Business Administration (DBA) Programs at Montpellier Business School (MBS). He holds a PhD in Management from HEC Paris. His research interests are Big Data & Predictive Analytics, Healthcare Operations, Humanitarian Operations Management, Humanitarian Supply Chain Management, Industry 4.0, Lean Operations, and Sustainable Supply Chain Management. He is particularly interested in the implementation of Lean management within both service and manufacturing organisations, quality management practices within ISO 9000 candidate organisations, process management within humanitarian operations and supply chains, the impact of emerging technologies in the field of operations and supply chain management, and the use of metaphors in operations management theory building. His articles are published in IJPE, IJPR, IJOPM, AOR, JCP, MD, IJIM, JEIM, IJLM, TFSC, amongst other leading academic journals. He serves as
an Associate Editor of Global Journal of Flexible Systems Management, and as guest editor of a SI on post Covid-19 at International Journal of Logistics Management.