DOI: https://doi.org/10.1504/ijgaib.2026.151816
تاريخ النشر: 2026-01-01
المؤلف: Farid Lolo وآخرون
الموضوع الرئيسي: ابتكار الشركات والنمو
نظرة عامة
تبحث هذه الدراسة في التفاعل بين نضج الشركات، واعتماد الذكاء الاصطناعي (AI)، والأداء المالي داخل الشركات الخدمية المدرجة في البورصة الفنلندية. تشير النتائج إلى أن نضج الشركات يؤثر بشكل كبير على استراتيجيات اعتماد الذكاء الاصطناعي، حيث تستفيد الشركات الأصغر من الذكاء الاصطناعي للابتكار ودخول السوق، بينما تركز الشركات الأكبر على الكفاءة التشغيلية وتقليل المخاطر. على الرغم من وجود ارتباط إيجابي بين نضج الشركات واستخدام الذكاء الاصطناعي، تكشف الدراسة أن اعتماد الذكاء الاصطناعي لا يؤدي إلى تحسينات فورية في المقاييس المالية مثل العائد على الأصول (ROA) أو العائد على حقوق الملكية (ROE). يُعزى هذا النقص في تحسين الأداء إلى الاستثمارات غير الكافية في التقنيات التكميلية.
تسلط الدراسة الضوء على عدة قيود، بما في ذلك مجموعة بيانات محدودة تغطي فقط من 2021 إلى 2023، مما يعيق القدرة على تقييم الآثار طويلة الأجل للذكاء الاصطناعي على الأداء المالي. كما تشير إلى وجود تحيزات محتملة في القياس نتيجة الاعتماد فقط على التقارير السنوية لمقاييس اعتماد الذكاء الاصطناعي. يُشجع البحث المستقبلي على استخدام فترات زمنية أطول، وطرق كمية متنوعة، وتقنيات اقتصادية متقدمة لالتقاط الفروق الدقيقة في تأثير الذكاء الاصطناعي. بالإضافة إلى ذلك، يمكن أن يوفر دمج متغيرات مثل الاستثمارات في البحث والتطوير الخاصة بالذكاء الاصطناعي والظروف الاقتصادية الخارجية فهمًا أكثر شمولاً للدور الاستراتيجي للذكاء الاصطناعي عبر صناعات مختلفة.
مقدمة
تسلط مقدمة ورقة البحث الضوء على التأثير التحويلي للذكاء الاصطناعي (AI) على ممارسات الأعمال، لا سيما في صناعة الخدمات. لقد مكنت تقنيات الذكاء الاصطناعي، مثل معالجة اللغة الطبيعية، الشركات من أتمتة المهام وتعزيز اتخاذ القرارات من خلال تحليل البيانات. تشير الأدبيات إلى وجود ارتباط إيجابي بين اعتماد الذكاء الاصطناعي وأداء الشركات، حيث تظهر الدراسات تحسينات في النتائج المالية، وإدارة الابتكار، والكفاءة التشغيلية. ومع ذلك، لا يزال هناك فجوة في فهم العلاقة بين نضج الشركات واعتماد الذكاء الاصطناعي، مما دفع هذه الدراسة للتحقيق فيما إذا كانت الشركات الناضجة أكثر احتمالًا لاعتماد الذكاء الاصطناعي مقارنة بالشركات النامية.
تطرح الورقة سؤالين بحثيين رئيسيين: (RQ1) ما هو تأثير نضج الشركات على اعتماد الذكاء الاصطناعي؟ و(RQ2) ما هو تأثير اعتماد الذكاء الاصطناعي على الأداء المالي للشركة؟ من خلال التركيز على صناعة الخدمات، تهدف الدراسة إلى تقديم رؤى جديدة حول كيفية تأثير نضج الشركات على استراتيجيات اعتماد الذكاء الاصطناعي والتأثير اللاحق على الأداء. هذه الاستكشافات حاسمة، حيث تعمل الشركات الخدمية في بيئات ديناميكية تتطلب اتخاذ قرارات فعالة مدفوعة بالبيانات وكفاءة تشغيلية للحفاظ على المزايا التنافسية.
الطرق
استخدمت منهجية هذه الدراسة نهجًا كميًا للتحقيق في تأثير نضج الشركات على اعتماد الذكاء الاصطناعي (AI) وعلاقته اللاحقة بأداء الشركات داخل صناعة الخدمات في فنلندا. يُعترف بهذا القطاع لدوره الكبير في دفع الابتكار في الاقتصاد (Martovoy et al., 2012). تم اختيار الطريقة الكمية لقدرتها على تسهيل المقارنات، وإقامة علاقات سببية، وتعزيز قابلية تعميم النتائج، بما يتماشى مع الدراسات الحديثة (Tariq et al., 2025).
تم جمع البيانات من 12 شركة خدمية مدرجة في البورصة عبر قاعدة بيانات ORBIS، تغطي الفترة من 2021 إلى 2023. تم استخدام قاعدة بيانات ORBIS للتخفيف من التباينات الناجمة عن معايير المحاسبة المختلفة من خلال توفير بيانات مالية موحدة عبر الشركات (Bajgar et al., 2020; Kalemli-Özcan et al., 2024). من بين الشركات المختارة، ذكرت ست شركات بشكل صريح الذكاء الاصطناعي في تقاريرها السنوية، بينما لم تقم الشركات الست الأخرى بالإبلاغ عن أي استثمارات متعلقة بالذكاء الاصطناعي. كان الهدف من تضمين كل من المتبنين وغير المتبنين هو تقليل التحيز في الاختيار وضمان تحليل شامل لنتائج الأداء (Shaver, 1998).
النتائج
استخدمت نتائج هذه الدراسة تحليل الارتباط للتحقيق في العلاقات الخطية بين المتغيرات الرئيسية، مع تلخيص النتائج في الجدول 1. نتيجة ملحوظة هي الارتباط الإيجابي القوي بين النضج، كما يتضح من نسبة RE/TA، واعتماد الذكاء الاصطناعي، الذي تم قياسه كـ \( r = 0.65 \) مع مستوى دلالة \( p = 0.000 \). يشير هذا إلى أن الشركات التي تظهر نضجًا أكبر من المرجح أن تعتمد تقنيات الذكاء الاصطناعي بشكل فعال. علاوة على ذلك، أكدت التحليلات غياب مشاكل التعدد الخطي، مما يعزز موثوقية نموذج الانحدار المستخدم في الدراسة.
لعب نموذج الانحدار دورًا حاسمًا في تقييم التأثيرات والعلاقات المتبادلة بين المتغيرات قيد التحقيق. سمح هذا النهج بتقدير أحجام التأثيرات والدلالة، مما يسهل اختبار الافتراضات النظرية مع البيانات التجريبية، كما تدعمه Cohen et al. (2013). بشكل عام، تؤكد النتائج على أهمية نضج الشركات في سياق اعتماد الذكاء الاصطناعي.
المناقشة
تستكشف قسم المناقشة في ورقة البحث العلاقة بين نضج الشركات واعتماد الذكاء الاصطناعي، فضلاً عن تأثير الذكاء الاصطناعي على الأداء المالي داخل شركات القطاع الخدمي الفنلندية. تجد أن الشركات الناضجة أكثر احتمالًا لاعتماد تقنيات الذكاء الاصطناعي لتعزيز الكفاءة التشغيلية والامتثال التنظيمي، مما يتماشى مع الأدبيات الحالية التي تشير إلى أن اعتماد التكنولوجيا الأعلى يرتبط بنضج الشركات. ومع ذلك، تكشف الدراسة عن نقص مفاجئ في الفوائد المالية قصيرة الأجل من اعتماد الذكاء الاصطناعي، مما يشير إلى أن التكاليف المرتبطة بالتنفيذ والحاجة إلى تقنيات تكميلية قد تؤخر العوائد على الاستثمار. تتحدى هذه النتيجة الافتراض القائل بأن اعتماد الذكاء الاصطناعي يؤدي إلى تحسينات فورية في المقاييس المالية مثل العائد على الأصول (ROA) والعائد على حقوق الملكية (ROE).
تسلط الدراسة الضوء على اختلاف أساسي في استراتيجيات اعتماد الذكاء الاصطناعي بين الشركات الناضجة والأصغر، حيث غالبًا ما تستفيد الأخيرة من الذكاء الاصطناعي للابتكار وإحداث اضطرابات في السوق. في المقابل، تميل الشركات الراسخة إلى التركيز على تقليل المخاطر وتحسين العمليات. على الرغم من المزايا المحتملة للذكاء الاصطناعي، تؤكد الدراسة على أهمية الاستثمار القوي والتكامل الاستراتيجي لتقنيات الذكاء الاصطناعي لتحقيق المكاسب المالية. تشمل قيود البحث فترة الملاحظة القصيرة والاعتماد على التقارير السنوية لقياس اعتماد الذكاء الاصطناعي، مما يشير إلى أن الدراسات المستقبلية يجب أن تستخدم مجموعات بيانات أطول وأساليب أكثر تنوعًا لالتقاط الآثار طويلة الأجل للذكاء الاصطناعي على أداء الشركات بشكل شامل.
DOI: https://doi.org/10.1504/ijgaib.2026.151816
Publication Date: 2026-01-01
Author(s): Farid Lolo et al.
Primary Topic: Firm Innovation and Growth
Overview
This research investigates the interplay between firm maturity, artificial intelligence (AI) adoption, and financial performance within Finnish publicly listed service firms. The findings indicate that firm maturity significantly influences AI adoption strategies, with younger firms leveraging AI for innovation and market entry, while older firms focus on operational efficiency and risk reduction. Despite a positive correlation between firm maturity and AI usage, the study reveals that AI adoption does not lead to immediate improvements in financial metrics such as return on assets (ROA) or return on equity (ROE). This lack of performance enhancement is attributed to insufficient investments in complementary technologies.
The study highlights several limitations, including a restricted dataset covering only 2021 to 2023, which hampers the ability to assess the long-term effects of AI on financial performance. It also notes potential measurement biases from relying solely on annual reports for AI adoption metrics. Future research is encouraged to utilize longer timeframes, diverse quantitative methods, and advanced econometric techniques to better capture the nuances of AI’s impact. Additionally, incorporating variables such as AI-specific R&D investments and external economic conditions could provide a more comprehensive understanding of AI’s strategic role across different industries.
Introduction
The introduction of the research paper highlights the transformative impact of artificial intelligence (AI) on business practices, particularly in the service industry. AI technologies, such as natural language processing, have enabled companies to automate tasks and enhance decision-making through data analysis. The literature indicates a positive correlation between AI adoption and firm performance, with studies showing improvements in financial outcomes, innovation management, and operational efficiency. However, there remains a gap in understanding the relationship between firm maturity and AI adoption, prompting this research to investigate whether mature firms are more likely to adopt AI compared to growth firms.
The paper posits two primary research questions: (RQ1) What is the influence of firm maturity on AI adoption? and (RQ2) What is the influence of AI adoption on the firm’s financial performance? By focusing on the service industry, the research aims to provide novel insights into how firm maturity affects AI adoption strategies and the subsequent impact on performance. This exploration is crucial, as service businesses operate in dynamic environments that demand effective data-driven decision-making and operational efficiency to maintain competitive advantages.
Methods
The methodology of this research employed a quantitative approach to investigate the impact of firm maturity on artificial intelligence (AI) adoption and its subsequent relationship with firm performance within Finland’s service industry. This sector is recognized for its significant role in driving innovation in the economy (Martovoy et al., 2012). The quantitative method was chosen for its ability to facilitate comparisons, establish causal relationships, and enhance the generalizability of findings, aligning with recent studies (Tariq et al., 2025).
Data were collected from 12 publicly listed service companies via the ORBIS database, covering the period from 2021 to 2023. The ORBIS database was utilized to mitigate variances arising from differing accounting standards by providing standardized financial data across firms (Bajgar et al., 2020; Kalemli-Özcan et al., 2024). Among the selected companies, six explicitly mentioned AI in their annual reports, while the other six did not report any AI-related investments. This inclusion of both adopters and non-adopters aimed to minimize selection bias and ensure a comprehensive analysis of performance outcomes (Shaver, 1998).
Results
The results of this study employed correlation analysis to investigate the linear relationships among key variables, with findings summarized in Table 1. A notable outcome is the strong positive correlation between maturity, as indicated by the RE/TA ratio, and AI adoption, quantified as \( r = 0.65 \) with a significance level of \( p = 0.000 \). This suggests that firms exhibiting greater maturity are more likely to adopt AI technologies effectively. Furthermore, the analysis confirmed the absence of multicollinearity issues, reinforcing the reliability of the regression model utilized in the study.
The regression model played a crucial role in assessing the effects and interrelationships among the variables under investigation. This approach allowed for the estimation of effect sizes and significance, thereby facilitating the testing of theoretical assumptions with empirical data, as supported by Cohen et al. (2013). Overall, the findings underscore the importance of firm maturity in the context of AI adoption.
Discussion
The discussion section of the research paper explores the relationship between firm maturity and AI adoption, as well as the impact of AI on financial performance within Finnish service sector companies. It finds that mature firms are more likely to adopt AI technologies to enhance operational efficiency and regulatory compliance, aligning with existing literature that suggests higher technological adoption correlates with firm maturity. However, the study reveals a surprising lack of short-term financial benefits from AI adoption, indicating that the costs associated with implementation and the need for complementary technologies may delay returns on investment. This finding challenges the assumption that AI adoption leads to immediate improvements in financial metrics such as Return on Assets (ROA) and Return on Equity (ROE).
The research highlights a fundamental difference in AI adoption strategies between mature and younger firms, with the latter often leveraging AI for innovation and market disruption. In contrast, established firms tend to focus on risk minimization and operational optimization. Despite the potential advantages of AI, the study emphasizes the importance of robust investment and strategic integration of AI technologies to realize financial gains. Limitations of the research include a short observation period and reliance on annual reports for measuring AI adoption, suggesting that future studies should utilize longer datasets and more diverse methodologies to capture the long-term effects of AI on firm performance comprehensively.