DOI: https://doi.org/10.3389/frai.2026.1701133
PMID: https://pubmed.ncbi.nlm.nih.gov/41728272
تاريخ النشر: 2026-02-06
المؤلف: Gehad Mohammed Ahmed Naji وآخرون
الموضوع الرئيسي: التوتر التكنولوجي في البيئات المهنية
نظرة عامة
تستكشف الدراسة نوايا التنفيذيين في الحسابات في الشركات الصغيرة والمتوسطة (SMEs) في ماليزيا لتبني الذكاء الاصطناعي (AI)، باستخدام إطار نظرية القبول واستخدام التكنولوجيا الموحدة (UTAUT) جنبًا إلى جنب مع الخصائص التكنولوجية والشخصية. تم إجراء استبيان عبر الإنترنت لـ 273 من التنفيذيين في الحسابات، وتم تحليل البيانات من خلال نمذجة المعادلات الهيكلية باستخدام طريقة المربعات الصغرى الجزئية (PLS-SEM) والشبكات العصبية الاصطناعية (ANN). تشير النتائج الرئيسية إلى وجود علاقات إيجابية كبيرة بين عوامل مثل توقع الأداء، وتوقع الجهد، والتأثير الاجتماعي، وظروف التيسير، وجودة النظام، ووعي الموظفين، والابتكار الشخصي مع نية استخدام الذكاء الاصطناعي. بالمقابل، لوحظت علاقات غير مهمة بين ميزات توفير الوقت والكفاءة الذاتية التكنولوجية، بينما وُجدت علاقة سلبية مع خصائص تكنولوجيا الإنترنت.
كشفت تحليل الشبكات العصبية الاصطناعية أن توقع الأداء كان المتنبئ الأكثر أهمية لتبني الذكاء الاصطناعي (100% أهمية طبيعية)، يليه الابتكار الشخصي (95%)، والتأثير الاجتماعي (93%)، وتوقع الجهد (92%). أظهر النموذج دقة تنبؤية عالية، مع R² قدره 79.80%، مما يتماشى بشكل وثيق مع R² لنموذج PLS-SEM البالغ 80.40%. تؤكد الدراسة على ضرورة أن تتبنى الشركات الصغيرة والمتوسطة استراتيجيات تعزز من تبني الذكاء الاصطناعي، مما يوفر رؤى قيمة للمساهمين وصانعي السياسات لتعزيز بيئة مواتية لدمج الذكاء الاصطناعي. تشمل القيود تركيز الدراسة على الشركات الصغيرة والمتوسطة في ماليزيا، والاحتمالات المحتملة للتحيز من البيانات المبلغ عنها ذاتيًا، ومستويات الكفاءة الرقمية المتفاوتة بين المستجيبين، مما قد يؤثر على قابلية تعميم النتائج.
مقدمة
تسلط مقدمة ورقة البحث الضوء على التأثير التحويلي للذكاء الاصطناعي (AI) على الأعمال، لا سيما في تعزيز الكفاءة والابتكار. على الرغم من التقدم السريع في الذكاء الاصطناعي، إلا أن تبنيه في الشركات الصغيرة والمتوسطة (SMEs) لا يزال غير مستكشف بشكل كافٍ، خاصة في سياق وظائف المحاسبة. تشير الورقة إلى أنه بينما تشكل الشركات الصغيرة والمتوسطة 97% من اقتصاد ماليزيا، يواجه العديد منها عوائق مثل نقص الخبرة الفنية، والوعي المحدود، والموارد غير الكافية، مما يعيق تبنيها للذكاء الاصطناعي. من الجدير بالذكر أن 30% فقط من الشركات الصغيرة والمتوسطة قد دمجت حلول الذكاء الاصطناعي في أقسام المحاسبة الخاصة بها، مما يكشف عن فجوة كبيرة مقارنة بوظائف الأعمال الأخرى.
تستخدم الدراسة نظرية القبول واستخدام التكنولوجيا الموحدة (UTAUT) كإطار لتحليل العوامل المؤثرة في تبني الذكاء الاصطناعي بين التنفيذيين في الحسابات في الشركات الصغيرة والمتوسطة. تؤكد على الحاجة إلى تكييف نموذج UTAUT من خلال دمج بنى إضافية تعالج التحديات والفرص الفريدة التي يقدمها الذكاء الاصطناعي. تم تحديد السمات الفردية الرئيسية، مثل الكفاءة الذاتية التكنولوجية والابتكار الشخصي، إلى جانب السمات التكنولوجية مثل جودة النظام وميزات تكنولوجيا المعلومات، كعوامل حاسمة في تشكيل سلوك التبني. من خلال التحقيق في هذه العوامل، تهدف الدراسة إلى تقديم رؤى يمكن أن تفيد الممارسين وصانعي السياسات في تعزيز دمج الذكاء الاصطناعي في ممارسات المحاسبة داخل الشركات الصغيرة والمتوسطة، مما يعزز في النهاية الإبداع والكفاءة في الاقتصاد الماليزي.
الطرق
توضح قسم منهجية البحث النهج المنهجي المستخدم للتحقيق في أهداف الدراسة. يتناول اختيار المشاركين، وتقنيات جمع البيانات، وإجراءات التحليل. استخدمت الدراسة تصميمًا مختلطًا، يجمع بين الاستبيانات الكمية والمقابلات النوعية لجمع بيانات شاملة. تم تجنيد المشاركين من خلال أخذ عينات طبقية لضمان التمثيل عبر الفئات الديموغرافية الرئيسية.
شمل تحليل البيانات تقنيات إحصائية للبيانات الكمية، بما في ذلك تحليل الانحدار لتحديد المتنبئين المهمين، بينما تم تطبيق التحليل الموضوعي على البيانات النوعية لاستخراج الموضوعات والرؤى الرئيسية. سمح هذا النهج المزدوج بإجراء فحص قوي للأسئلة البحثية، مما يسهل فهمًا أعمق للظواهر المدروسة. تم تصميم المنهجية لضمان الموثوقية والصلاحية، مع الالتزام بالمعايير الأخلاقية طوال عملية البحث.
النتائج
يقدم قسم “النتائج” في ورقة البحث النتائج الرئيسية المستمدة من التجارب أو التحليلات التي تم إجراؤها. يتناول نتائج الدراسة، مسلطًا الضوء على الاتجاهات البيانية المهمة، والتحليلات الإحصائية، وأي علاقات ملحوظة بين المتغيرات. غالبًا ما تكون النتائج مصحوبة بوسائل بصرية مثل الرسوم البيانية أو الجداول لتسهيل الفهم والتفسير.
يؤكد القسم على تداعيات النتائج فيما يتعلق بفرضية البحث أو الأسئلة المطروحة في البداية. قد يقارن أيضًا النتائج بالدراسات السابقة، مما يبرز أي مساهمات جديدة في هذا المجال. بشكل عام، يخدم هذا القسم لتقديم نظرة شاملة وواضحة على الأدلة التجريبية التي تم جمعها، مما يمهد الطريق للنقاش والاستنتاجات اللاحقة.
النقاش
يقدم قسم النقاش في ورقة البحث مراجعة منهجية للأدبيات حول تبني التكنولوجيا والذكاء الاصطناعي (AI) بين الشركات الصغيرة والمتوسطة (SMEs)، حيث تم تضييق 315 مقالة إلى 13 منشورًا رئيسيًا. حددت هذه المراجعة فجوات بحثية كبيرة، لا سيما التطبيق المحدود لنظرية القبول واستخدام التكنولوجيا الموحدة (UTAUT) في سياق المحاسبة في الشركات الصغيرة والمتوسطة. بينما تلتقط UTAUT بشكل فعال العوامل المؤثرة في تبني التكنولوجيا، مثل توقع الأداء وتوقع الجهد، إلا أنها تقصر في معالجة التحديات الفريدة التي يواجهها التنفيذيون في الحسابات في الشركات الصغيرة والمتوسطة، حيث يكون تبني الذكاء الاصطناعي غالبًا اختياريًا ومرتبطًا بالسياق. تؤكد الدراسة على الحاجة إلى دمج سمات تكنولوجية وفردية إضافية في إطار UTAUT لتعزيز قدرتها التفسيرية في هذا السياق المحدد.
علاوة على ذلك، تقترح الورقة نموذج UTAUT موسعًا يتضمن سمات تكنولوجية (مثل جودة النظام، وميزات تكنولوجيا المعلومات، وقدرات توفير الوقت) وسمات فردية (مثل الكفاءة الذاتية التكنولوجية، ووعي الموظفين، والابتكار الشخصي) كعوامل حاسمة تؤثر على نية تبني الذكاء الاصطناعي بين التنفيذيين في الحسابات في الشركات الصغيرة والمتوسطة. تشير الفرضيات المطروحة إلى أن هذه العوامل تؤثر إيجابيًا على نية استخدام الذكاء الاصطناعي، مما يبرز أهمية فهم كل من موثوقية التكنولوجيا واستعداد الأفراد في البيئات ذات الموارد المحدودة. يستخدم تصميم البحث استبيانًا كميًا مقطعيًا يستهدف التنفيذيين في الحسابات في الشركات الصغيرة والمتوسطة في ماليزيا، بهدف تقديم رؤى حول مواقفهم ووجهات نظرهم بشأن تبني الذكاء الاصطناعي، وبالتالي المساهمة في الإطار النظري المحيط بقبول التكنولوجيا في الشركات الصغيرة والمتوسطة.
القيود
تقدم الدراسة نتائج مثيرة؛ ومع ذلك، يجب الاعتراف بعدة قيود. قد يؤدي التصميم المقاطع المستخدم على مدى فترة زمنية قصيرة إلى تحليل أقل شمولاً، حيث يمكن أن تؤدي التغيرات السياقية والزمانية إلى نتائج مختلفة. وبالتالي، يجب توخي الحذر عند تعميم النتائج خارج نطاق الدراسة. بالإضافة إلى ذلك، قد يحد التركيز على قطاع الشركات الصغيرة والمتوسطة في ماليزيا من قابلية تطبيق النتائج على صناعات ودول أخرى، نظرًا للتأثير المحتمل للاختلافات الثقافية والاقتصادية والتنظيمية.
علاوة على ذلك، تفترض الدراسة وجود معرفة أساسية بتقنيات الذكاء الاصطناعي (AI) بين المشاركين، والتي قد لا تكون متجانسة. قد تؤثر التفاوتات في الكفاءة الرقمية أيضًا على صلاحية البنى المقاسة، مما يشير إلى أنه يجب تفسير النتائج مع فهم هذه القيود.
DOI: https://doi.org/10.3389/frai.2026.1701133
PMID: https://pubmed.ncbi.nlm.nih.gov/41728272
Publication Date: 2026-02-06
Author(s): Gehad Mohammed Ahmed Naji et al.
Primary Topic: Technostress in Professional Settings
Overview
The study investigates the intentions of account executives in Small and Medium Enterprises (SMEs) in Malaysia to adopt artificial intelligence (AI), utilizing the Unified Theory of Acceptance and Use of Technology (UTAUT) framework alongside technological and personal characteristics. An online questionnaire was administered to 273 account executives, with data analyzed through Partial Least Squares Structural Equation Modeling (PLS-SEM) and Artificial Neural Networks (ANN). Key findings indicate significant positive relationships between factors such as performance expectancy, effort expectancy, social influence, facilitating conditions, system quality, employee awareness, and personal innovativeness with the intention to use AI. Conversely, insignificant relationships were noted between time-saving features and technological self-efficacy, while a negative correlation was found with internet technology characteristics.
The ANN analysis revealed that performance expectancy was the most critical predictor of AI adoption (100% normalized importance), followed by personal innovativeness (95%), social influence (93%), and effort expectancy (92%). The model demonstrated high predictive accuracy, with an R² of 79.80%, closely aligning with the PLS-SEM model’s R² of 80.40%. The study emphasizes the necessity for SMEs to adapt strategies that enhance AI adoption, providing valuable insights for stakeholders and policymakers to foster an environment conducive to AI integration. Limitations include the study’s focus on Malaysian SMEs, potential biases from self-reported data, and varying levels of digital competency among respondents, which may affect the generalizability of the findings.
Introduction
The introduction of the research paper highlights the transformative impact of artificial intelligence (AI) on businesses, particularly in enhancing efficiency and innovation. Despite the rapid advancement of AI, its adoption in small and medium-sized enterprises (SMEs) remains underexplored, especially in the context of accounting functions. The paper notes that while SMEs constitute 97% of Malaysia’s economy, many face barriers such as a lack of technical expertise, limited awareness, and insufficient resources, which hinder their AI adoption. Notably, only 30% of SMEs have integrated AI solutions in their accounting departments, revealing a significant gap compared to other business functions.
The study utilizes the Unified Theory of Acceptance and Use of Technology (UTAUT) as a framework to analyze the factors influencing AI adoption among SME account executives. It emphasizes the need to adapt the UTAUT model by incorporating additional constructs that address the unique challenges and opportunities presented by AI. Key individual attributes, such as technological self-efficacy and personal innovativeness, alongside technological attributes like system quality and IT features, are identified as critical in shaping adoption behavior. By investigating these factors, the research aims to provide insights that can inform practitioners and policymakers on enhancing AI integration in accounting practices within SMEs, ultimately fostering creativity and efficiency in the Malaysian economy.
Methods
The research methodology section outlines the systematic approach employed to investigate the study’s objectives. It details the selection of participants, data collection techniques, and analytical procedures. The study utilized a mixed-methods design, combining quantitative surveys with qualitative interviews to gather comprehensive data. Participants were recruited through stratified sampling to ensure representation across key demographics.
Data analysis involved statistical techniques for quantitative data, including regression analysis to identify significant predictors, while thematic analysis was applied to qualitative data to extract key themes and insights. This dual approach allowed for a robust examination of the research questions, facilitating a deeper understanding of the phenomena under study. The methodology was designed to ensure reliability and validity, adhering to ethical standards throughout the research process.
Results
The “Results” section of the research paper presents key findings derived from the conducted experiments or analyses. It details the outcomes of the study, highlighting significant data trends, statistical analyses, and any observed relationships between variables. The results are often accompanied by visual aids such as graphs or tables to facilitate understanding and interpretation.
The section emphasizes the implications of the findings in relation to the research hypothesis or questions posed at the outset. It may also compare the results with previous studies, underscoring any novel contributions to the field. Overall, this section serves to provide a clear and comprehensive overview of the empirical evidence gathered, setting the stage for subsequent discussion and conclusions.
Discussion
The discussion section of the research paper presents a systematic literature review on the adoption of technology and artificial intelligence (AI) among small and medium-sized enterprises (SMEs), narrowing down 315 articles to 13 key publications. This review identified significant research gaps, particularly the limited application of the Unified Theory of Acceptance and Use of Technology (UTAUT) in the context of SME accounting. While UTAUT effectively captures factors influencing technology adoption, such as performance expectancy and effort expectancy, it falls short in addressing the unique challenges faced by account executives in SMEs, where AI adoption is often optional and context-specific. The study emphasizes the need to integrate additional technological and individual attributes into the UTAUT framework to enhance its explanatory power in this specific context.
Furthermore, the paper proposes an extended UTAUT model that incorporates technological attributes (e.g., system quality, IT features, time-saving capabilities) and individual attributes (e.g., technological self-efficacy, employee awareness, personal innovativeness) as critical determinants influencing the intention to adopt AI among SME account executives. The hypotheses formulated suggest that these factors positively impact the intention to use AI, highlighting the importance of understanding both technological reliability and individual readiness in resource-constrained environments. The research design employs a quantitative cross-sectional survey targeting account executives in Malaysian SMEs, aiming to provide insights into their attitudes and perceptions regarding AI adoption, thereby contributing to the theoretical framework surrounding technology acceptance in SMEs.
Limitations
The research presents compelling findings; however, several limitations must be acknowledged. The cross-sectional design employed over a short timeframe may lead to a less comprehensive analysis, as contextual and temporal variations could produce different outcomes. Consequently, caution is warranted when generalizing the results beyond the study’s scope. Additionally, the focus on the small and medium-sized enterprise (SME) sector within Malaysia may limit the applicability of the findings to other industries and countries, given the potential influence of cultural, economic, and regulatory differences.
Moreover, the study presumes a baseline knowledge of artificial intelligence (AI) technologies among participants, which may not be uniform. Variations in digital competence could further impact the validity of the constructs measured, suggesting that the results should be interpreted with an understanding of these constraints.