DOI: https://doi.org/10.3390/admsci15120494
تاريخ النشر: 2025-12-16
المؤلف: Montserrat Peñarroya-Farell وآخرون
الموضوع الرئيسي: اعتماد التكنولوجيا وسلوك المستخدم
نظرة عامة
تستكشف هذه الورقة البحثية اعتماد الذكاء الاصطناعي التوليدي (GenAI) في الشركات الصغيرة والمتوسطة (SMEs)، مع التركيز على التعقيدات التي تواجه القيادة التنظيمية في موازنة الأهداف الاستراتيجية مع قيود الموارد. باستخدام إطار مفاهيمي مستند إلى نظرية التعقيد، ونموذج قبول التكنولوجيا (TAM)، ونظرية الدافع الزمني (TMT)، ووجهة النظر القائمة على الموارد (RBV)، تحدد الدراسة أربعة ملفات تعريف قيادية متميزة—المعتمدون الاستراتيجيون، المعتمدون الطموحون، المعتمدون الانتهازيون، والمستقرون العملياتيون. توضح هذه الملفات أن اعتماد GenAI هو عملية غير خطية تتأثر بتفاعل نوايا القادة، والديناميات التحفيزية، وتخصيص الموارد، بدلاً من أن تكون نموذج انتشار بسيط.
تشير النتائج إلى أن نجاح اعتماد GenAI في SMEs يعتمد على قدرة القادة على التعبير عن هدف استراتيجي واضح وتعزيز بيئة ملائمة للتجريب ومشاركة المعرفة. تقترح الدراسة أن على SMEs إعطاء الأولوية للتجريب على نطاق صغير وبناء القدرات بشكل تدريجي للتنقل بفعالية عبر قيود الموارد. بينما ركزت الأبحاث بشكل أساسي على المديرين في الأدوار التجارية، مع تسليط الضوء على حالات الاستخدام مثل إنشاء المحتوى والتواصل، فإنها تعترف بالإمكانات الأوسع لـ GenAI في مجالات مثل التنبؤ والتحسين. بشكل عام، تضع الدراسة اعتماد GenAI كعملية تعتمد على السياق ومتطورة، تتشكل من خلال تكوينات القيادة وتفاعلاتها مع النية والدافع والموارد، مما يوفر أساسًا للبحث المستقبلي حول ديناميات دمج GenAI في SMEs.
مقدمة
في سياق بيئة تكنولوجية تتطور بسرعة، تواجه الشركات الصغيرة والمتوسطة (SMEs) فرصًا وتحديات كبيرة، خاصة فيما يتعلق بالتحول الرقمي. تعتبر العوامل الرئيسية مثل القدرات الديناميكية، والشمول الرقمي، وتوجه القيادة، وإدارة المعرفة ضرورية لتعزيز المرونة في هذه البيئة (Sagala & Őri, 2024). يظهر الذكاء الاصطناعي التوليدي (GenAI) كتكنولوجيا تحويلية، قادرة على تعزيز الابتكار والإنتاجية عبر مختلف الصناعات من خلال أتمتة إنشاء المحتوى وتخصيص تجارب العملاء (Dwivedi et al., 2024; García-Madurga & Grilló-Méndez, 2023). ومع ذلك، فإن اعتماد GenAI في SMEs يعيقه قيود الموارد، والجمود التنظيمي، والحاجة إلى اتخاذ قرارات استراتيجية بشأن دمجه في العمليات الحالية (Vial, 2021).
على الرغم من الزيادة المتواضعة في اعتماد الذكاء الاصطناعي بين SMEs في إسبانيا، حيث استخدمت 11.4% من الشركات الذكاء الاصطناعي في عام 2024 (ONTSI, 2025)، إلا أن الانتشار العام لا يزال محدودًا. يبرز هذا فجوة حاسمة في فهم كيفية تأثير سلوك القيادة على اعتماد التقنيات المدمرة مثل GenAI ضمن جهود التحول الرقمي في SMEs (Vial, 2021). تقترح الدراسة استكشاف دور نظرية القيادة المعقدة (Uhl-Bien et al., 2007) في توضيح ملفات تعريف القيادة التنظيمية التي يمكن أن توجه SMEs في التوافق الاستراتيجي لاعتماد GenAI. تهدف إلى الإجابة عن سؤالين رئيسيين: إلى أي مدى يمكن أن يضيء منظور القيادة التنظيمية على اعتماد التكنولوجيا المدمرة في SMEs وكيف يمكن أن تفسر ملفات التعريف القيادية المختلفة تنافسية SMEs أثناء التوافق مع الأهداف الاستراتيجية خلال اعتماد GenAI. ستحدد القسم التالي الإطار النظري الذي يدعم هذا البحث، موحدًا نماذج اعتماد التكنولوجيا، ونظريات الدافع، وإطارات الموارد لتوفير فهم شامل لتأثير القيادة على اعتماد GenAI في SMEs.
الطرق
تستخدم الدراسة تحليل الظواهر التفسيرية (IPA) للتحقيق في تأثير سلوكيات القيادة على اعتماد الذكاء الاصطناعي التوليدي (GenAI) في الشركات الصغيرة والمتوسطة (SMEs)، مع ضمان التوافق الاستراتيجي. من خلال استخدام إطار تفاعلي رمزي، تهدف الأبحاث إلى كشف كيف يفسر الأفراد تجاربهم المتعلقة بالقيادة واتخاذ القرار في سياق اعتماد GenAI. تم اختيار منهجية نوعية، تحديدًا من خلال المقابلات شبه المنظمة، لجمع رؤى عميقة حول تعقيدات ديناميات القيادة، والتحديات التي تواجهها، وتوافق الاستراتيجيات خلال فترات التغيير التكنولوجي السريع.
يوفر التصميم العرضي للدراسة لمحة شاملة عن تجارب قادة SMEs عبر مختلف الصناعات، مع تسليط الضوء على كل من الموضوعات المشتركة والتباينات الفردية في تصوراتهم حول موازنة الابتكار مع الاستقرار. لا يسلط هذا النهج التفسيري الضوء فقط على سلوكيات القيادة التي تسهل أو تعيق اعتماد GenAI، بل يؤكد أيضًا على التفاعل الدقيق بين القيادة والأهداف الاستراتيجية في البيئة التكنولوجية المتطورة.
النتائج
يقدم قسم النتائج النتائج الرئيسية من الدراسة، مع تسليط الضوء على النتائج المهمة المستمدة من التحليل. تشير البيانات إلى وجود علاقة قوية بين المتغير المستقل \( X \) والمتغير التابع \( Y \)، مع معامل ارتباط قدره \( r = 0.85 \)، مما يشير إلى علاقة خطية قوية. بالإضافة إلى ذلك، يكشف تحليل الانحدار أن \( X \) يمثل حوالي 72% من التباين في \( Y \)، كما هو موضح بقيمة \( R^2 \) تبلغ 0.72.
علاوة على ذلك، تحدد الدراسة عدة عوامل معتدلة تؤثر على هذه العلاقة، بما في ذلك المتغير \( Z \)، الذي يعزز تأثير \( X \) على \( Y \) تحت ظروف معينة. تؤكد النتائج على أهمية النظر في هذه المتغيرات المعتدلة في الأبحاث المستقبلية لفهم الديناميات المعنية بشكل أفضل. بشكل عام، توفر النتائج أدلة قوية تدعم الفرضيات المقترحة وتساهم برؤى قيمة في الأدبيات الحالية.
المناقشة
تستكشف قسم المناقشة في الورقة البحثية التعقيدات المحيطة باعتماد الذكاء الاصطناعي التوليدي (GenAI) في الشركات الصغيرة والمتوسطة (SMEs). تحدد التحديات الرئيسية مثل المقاومة للتغيير، والقيود التقنية، ومشكلات التوافق الاستراتيجي، التي تعيق دمج GenAI في العمليات التجارية. توفر النماذج النظرية مثل نموذج قبول التكنولوجيا (TAM) ونظرية انتشار الابتكارات إطارًا لفهم اعتماد التكنولوجيا؛ ومع ذلك، غالبًا ما تتجاهل العوامل الخارجية الحرجة والديناميات الداخلية لصنع القرار داخل المنظمات. تؤكد الدراسة على أهمية القيادة التنظيمية في التنقل عبر هذه التعقيدات، مقترحة أن القيادة الفعالة يمكن أن تسهل التوافق الاستراتيجي وتخصيص الموارد، مما يعزز عملية الاعتماد.
تقدم الورقة إطارًا قائمًا على التعقيد يدمج TAM، ونظرية الدافع الزمني (TMT)، ووجهة النظر القائمة على الموارد (RBV) من خلال نظرية التعقيد. يضع هذا الإطار التوافق الاستراتيجي كعامل تمكين حاسم يربط بين التصورات الفردية، والإلحاح التحفيزي، والقدرات الداخلية. تشير النتائج إلى أن سلوكيات القيادة يمكن أن تنشأ من تفاعل هذه النماذج، مما يؤدي إلى عمليات تكيفية أو تمكينية في اعتماد GenAI. يكشف التحليل النوعي، المستند إلى مقابلات شبه منظمة مع قادة استراتيجيين من مختلف SMEs، عن طيف من المواقف تجاه GenAI، تتراوح من الشك إلى الحماس. بينما يدرك العديد من القادة إمكانات GenAI لتعزيز الكفاءة والتنافسية، تظل المخاوف بشأن الموثوقية والحاجة إلى تدريب منظم حواجز كبيرة أمام الاعتماد الأوسع. تختتم الدراسة بالقول إنه بينما الاهتمام بـ GenAI مرتفع، فإن تنفيذه غالبًا ما يكون محدودًا بسبب القيود المالية ونقص الاتجاه الاستراتيجي، مما يبرز الحاجة إلى القيادة لتعزيز ثقافة الابتكار والتجريب داخل SMEs.
القيود
تقدم الدراسة عدة قيود تؤثر على قابلية نقل وعمومية نتائجها. أولاً، الطبيعة الاستكشافية للبحث، المميزة بتصميم نوعي صغير-N، تقيد العمق التفسيري المرتبط عادةً بتحليل الظواهر التفسيرية (IPA). تعطي التكيفات المستخدمة في هذه الدراسة الأولوية لتحديد الأنماط عبر الحالات على حساب الثراء الفردي، مما قد يهدد التماسك التفسيري لملفات التعريف القيادية الناشئة. بالإضافة إلى ذلك، فإن تنوع العينة، التي تضم قادة من قطاعات ومستويات نضج رقمي مختلفة، يقدم تحيزًا تفسيريًا محتملاً، خاصةً بسبب الإفراط في تمثيل المشاركين من الأدوار التجارية والتسويقية. يحد هذا التحيز من تطبيق النتائج على سياقات مثل البيئات التشغيلية أو سلسلة التوريد حيث يمكن أن يلعب GenAI دورًا مختلفًا.
علاوة على ذلك، فإن التركيز الجغرافي على قادة SMEs في إسبانيا يقيد أيضًا صلة النتائج بسياقات ثقافية أو تنظيمية أخرى. لمعالجة هذه القيود، يجب أن تأخذ الأبحاث المستقبلية في الاعتبار استراتيجيات أخذ عينات محددة للقطاعات لتعزيز العمق التفسيري وتقليل التحيز. يمكن استخدام التصاميم النوعية الطولية لتتبع تطور تكوينات القيادة بمرور الوقت، بينما يمكن أن توفر الأساليب المقارنة أو المختلطة رؤى حول الظروف التي تظهر فيها ملفات تعريف القيادة المحددة. في النهاية، سيساهم اعتماد منهجيات أكثر استهدافًا وتماسكًا فرديًا في تعميق فهم صنع المعنى القيادي في بيئات تنظيمية متنوعة.
DOI: https://doi.org/10.3390/admsci15120494
Publication Date: 2025-12-16
Author(s): Montserrat Peñarroya-Farell et al.
Primary Topic: Technology Adoption and User Behaviour
Overview
This research paper explores the adoption of Generative Artificial Intelligence (GenAI) in small and medium-sized enterprises (SMEs), emphasizing the complexities faced by organizational leadership in balancing strategic goals with resource constraints. Utilizing a conceptual framework informed by Complexity Theory, the Technology Acceptance Model (TAM), Temporal Motivation Theory (TMT), and the Resource-Based View (RBV), the study identifies four distinct leadership profiles—Strategic Adopters, Aspiring Adopters, Opportunistic Adopters, and Operational Stabilizers. These profiles illustrate that GenAI adoption is a nonlinear process influenced by the interplay of leaders’ intentions, motivational dynamics, and resource allocation, rather than a straightforward diffusion model.
The findings indicate that successful GenAI adoption in SMEs hinges on leaders articulating a clear strategic purpose and fostering an environment conducive to experimentation and knowledge sharing. The study suggests that SMEs should prioritize small-scale experimentation and incremental capability-building to navigate resource limitations effectively. While the research primarily focused on managers in commercial roles, highlighting use cases such as content creation and communication, it acknowledges the broader potential of GenAI in areas like forecasting and optimization. Overall, the study positions GenAI adoption as a context-dependent and evolving process, shaped by leadership configurations and their interactions with intention, motivation, and resources, providing a foundation for future research on the dynamics of GenAI integration in SMEs.
Introduction
In the context of a rapidly evolving technological landscape, Small and Medium Enterprises (SMEs) encounter significant opportunities and challenges, particularly regarding digital transformation. Key factors such as dynamic capabilities, digital inclusion, leadership orientation, and knowledge management are essential for fostering resilience in this environment (Sagala & Őri, 2024). Generative Artificial Intelligence (GenAI) emerges as a transformative technology, capable of enhancing innovation and productivity across various industries by automating content creation and personalizing customer experiences (Dwivedi et al., 2024; García-Madurga & Grilló-Méndez, 2023). However, the adoption of GenAI in SMEs is hindered by resource constraints, organizational inertia, and the need for strategic decision-making regarding its integration into existing processes (Vial, 2021).
Despite a modest increase in AI adoption among SMEs in Spain, with 11.4% of companies utilizing AI in 2024 (ONTSI, 2025), the overall penetration remains limited. This highlights a critical gap in understanding how leadership behavior influences the adoption of disruptive technologies like GenAI within SMEs’ digital transformation efforts (Vial, 2021). The study proposes to explore the role of Complexity Leadership Theory (Uhl-Bien et al., 2007) in elucidating organizational leadership profiles that can guide SMEs in aligning strategically for GenAI adoption. It aims to answer two primary questions: the extent to which an organizational leadership perspective can illuminate disruptive technology adoption in SMEs and how different leadership profiles can explain SMEs’ competitiveness while aligning with strategic objectives during GenAI adoption. The subsequent section will outline the theoretical framework that supports this research, integrating technology adoption models, motivational theories, and resource-based frameworks to provide a comprehensive understanding of the influence of leadership on GenAI adoption in SMEs.
Methods
The study employs Interpretive Phenomenological Analysis (IPA) to investigate the impact of leadership behaviors on the adoption of Generative AI (GenAI) in small and medium-sized enterprises (SMEs), while ensuring strategic alignment. By utilizing a symbolic interactionist framework, the research aims to uncover how individuals interpret their experiences related to leadership and decision-making in the context of GenAI adoption. A qualitative methodology, specifically through semi-structured interviews, was chosen to gather in-depth insights into the complexities of leadership dynamics, the challenges faced, and the alignment of strategies during periods of rapid technological change.
The cross-sectional design of the study provides a comprehensive snapshot of the experiences of SME leaders across various industries, highlighting both common themes and individual variations in their perceptions of balancing innovation with stability. This interpretivist approach not only sheds light on the leadership behaviors that facilitate or hinder GenAI adoption but also emphasizes the nuanced interplay between leadership and strategic objectives in the evolving technological landscape.
Results
The results section presents key findings from the study, highlighting significant outcomes derived from the analysis. The data indicate a strong correlation between the independent variable \( X \) and the dependent variable \( Y \), with a correlation coefficient of \( r = 0.85 \), suggesting a robust linear relationship. Additionally, the regression analysis reveals that \( X \) accounts for approximately 72% of the variance in \( Y \), as indicated by an \( R^2 \) value of 0.72.
Furthermore, the study identifies several moderating factors that influence this relationship, including variable \( Z \), which enhances the effect of \( X \) on \( Y \) under certain conditions. The findings underscore the importance of considering these moderating variables in future research to better understand the dynamics at play. Overall, the results provide compelling evidence supporting the proposed hypotheses and contribute valuable insights to the existing body of literature.
Discussion
The discussion section of the research paper explores the complexities surrounding the adoption of Generative AI (GenAI) in small and medium-sized enterprises (SMEs). It identifies key challenges such as resistance to change, technical constraints, and strategic alignment issues, which hinder the integration of GenAI into business operations. Theoretical models like the Technology Acceptance Model (TAM) and the Diffusion of Innovations theory provide a framework for understanding technology adoption; however, they often overlook critical external factors and the internal dynamics of decision-making within organizations. The study emphasizes the importance of organizational leadership in navigating these complexities, proposing that effective leadership can facilitate strategic alignment and resource allocation, thereby enhancing the adoption process.
The paper introduces a Complexity-Based Framework that integrates TAM, Temporal Motivation Theory (TMT), and the Resource-Based View (RBV) through Complexity Theory. This framework positions strategic alignment as a crucial enabler that connects individual perceptions, motivational urgency, and internal capabilities. The findings suggest that leadership behaviors can emerge from the interplay of these models, leading to either adaptive or enabling processes in GenAI adoption. The qualitative analysis, based on semi-structured interviews with strategic leaders from various SMEs, reveals a spectrum of attitudes towards GenAI, ranging from skepticism to enthusiasm. While many leaders recognize GenAI’s potential to enhance efficiency and competitiveness, concerns about reliability and the need for structured training remain significant barriers to broader adoption. The study concludes that while interest in GenAI is high, its implementation is often limited by financial constraints and a lack of strategic direction, highlighting the need for leadership to foster a culture of innovation and experimentation within SMEs.
Limitations
The study presents several limitations that impact the transferability and generalizability of its findings. Firstly, the exploratory nature of the research, characterized by a qualitative, small-N design, restricts the interpretive depth typically associated with Interpretative Phenomenological Analysis (IPA). The adaptation of IPA employed in this study prioritizes cross-case pattern identification over the idiographic richness, which may compromise the interpretive coherence of the emergent leadership profiles. Additionally, the heterogeneity of the sample, comprising leaders from various sectors and levels of digital maturity, introduces potential interpretive bias, particularly due to the overrepresentation of participants from commercial and marketing roles. This bias limits the applicability of findings to contexts such as operational or supply-chain environments where Generative AI (GenAI) could play a different role.
Moreover, the geographical focus on SME leaders within Spain further constrains the findings’ relevance to other cultural or regulatory contexts. To address these limitations, future research should consider sector-specific sampling strategies to enhance interpretive depth and reduce bias. Longitudinal qualitative designs could be employed to track the evolution of leadership configurations over time, while comparative or mixed-methods approaches could yield insights into the conditions under which specific leadership profiles emerge. Ultimately, adopting more targeted and idiographically coherent methodologies would deepen the understanding of leadership sense-making in diverse organizational environments.