GENERATIVE ARTIFICIAL INTELLIGENCE (AI) TECHNOLOGY ADOPTION MODEL FOR KNOWLEDGE WORKER
Article Sidebar
Main Article Content
Abstract
The goals of this research are: 1) develop a causal factor model for the acceptance and use of generative artificial intelligence technology; 2) study the causal variables influencing the intention to use generative artificial intelligence technology. The sample consisted of 400 knowledge workers using generative AI technology, selected through a multi-stage sampling process. Data was collected via questionnaires utilizing a 5-point Likert scale. Inferential statistical analysis was conducted using structural equation modeling based on the analysis of covariance structures. The research findings revealed the latent variables of technological optimism, personal competency, organizational competency, and social influence exerted direct positive influences on behavioral intention to use on the basis of perceived ease of use. Additionally, the latent variables of technological optimism, personal competency, and organizational competency exerted direct positive influences on behavioral intention to use on the basis of perceived usefulness of generative artificial intelligence technology.
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
บทความที่ได้รับการตีพิมพ์เป็นลิขสิทธิ์ของคณะวิทยาการจัดการ มหาวิทยาลัยราชภัฏอุดรธานี
ข้อความที่ปรากฏในบทความแต่ละเรื่องในวารสารวิชาการเล่มนี้ ไม่ใช่ความคิดเห็นและความรับผิดชอบของผู้จัดทำ บรรณาธิการ กองบรรณาธิการ และคณะวิทยาการจัดการ มหาวิทยาลัยราชภัฏอุดรธานี ความรับผิดชอบด้านเนื้อหาและการตรวจร่างบทความแต่ละเรื่องเป็นความคิดเห็นของผู้เขียนบทความแต่ละท่าน
References
นิษา ศักดิ์ชูวงษ์. (2565). ปัจจัยเชิงสาเหตุที่มีอิทธิพลต่อความตั้งใจเชิงพฤติกรรมในการใช้งานแอปพลิเคชันถุงเงินของผู้ประกอบการในจังหวัดอุดรธานี. วารสารสังคมศาสตร์และมานุษยวิทยาเชิงพุทธ, 7(2), 294-309.
มานน เซียวประจวบ และนิษา ศักดิ์ชูวงษ์. (2562). การพัฒนาตัวบ่งชี้ปัจจัยที่กำหนดการยอมรับเทคโนโลยีชำระเงินผ่านช่องทางออนไลน์ของผู้บริโภคในจังหวัดอุดรธานี. วารสารคณะวิทยาการจัดการ มหาวิทยาลัยราชภัฎอุดรธานี, 1(1), 1-16.
วลัยลักษณ์ คงพระจันทร์. (2023). มาตรฐาน AI” สำคัญอย่างไร จำเป็นแค่ไหน กับวงการ AI ประเทศไทย. สืบค้น มีนาคม 14, 2567 จาก https://www.nectec.or.th/news/news-article/ai-thailand-standard.html.
เสาวลักษณ์ เขตสูงเนิน. (2023). สู้ศึก AI โลกล้อมไทย! เปิดแผน AI Thailand ที่มาพร้อมเป้าหมายเจาะเศรษฐกิจอาเซียน 1.9 พันล้านล้านบาทให้สำเร็จใน 7 ปี. สืบค้น มีนาคม 14, 2567 จาก https://thestandard.co/ai-thailand-asean-economy/.
Al-Adwan, A. S., Li, N., Al-Adwan, A., Abbasi, G. A., Albelbisi, N. A., & Habibi, A. (2023). Extending the technology acceptance model (TAM) to predict university students' intentions to use Metaverse-based learning platforms. Education and Information Technologies, 28, 15381–15413.
Bangkok Bank InnoHub. (2023). ทำความรู้จัก Generative AI ทั้ง 5 ประเภทที่ช่วยผลิตงานสร้างสรรค์ได้อย่างมีประสิทธิภาพ. สืบค้น 14 มีนาคม 2567, จาก https://www.bangkokbankinnohub.com/5-types-of-generative-ai-tools-to-unlock-your-creativity/.
Cazzaniga, M., Jaumotte, F., Li, L., Melina, G., Panton, A. J., Pizzinelli, C., Rockall, E. J., & Tavares, M. M. (2024). Gen-AI: Artificial intelligence and the future of work. from https://www.imf.org/en/Publications/Publications-By-Subject?subject=Artificial%20Intelligence.
Certo, S. C., & Certo, S. T. (2012). Modern management: Concepts and skills (12th ed.). New Jersey: Prentice Hall.
Cochran, W. G. (1977). Sampling techniques (3rd ed.). New York: John Wiley & Sons.
Davis, F. D., Bagozzi, R. P., & Warshaw, P. R. (1989). User Acceptance of Computer Technology: A Comparison of Two Theoretical Models. Management Science, 35 (8), 982-1003.
Dwi, A., Mumtaza, A. R., Denia, S., & Jingga, F. (2022). Cryptocurrency Exchange Application Acceptance with TAM Model in Indonesia. In Proceedings of the International Conference on Industrial Engineering and Operations Management. March 7-10, 2022, (pp. 4625-4637). Istanbul: Turkey.
Fornell, C., & Larcker, D. F. (1981). Structural Equation Models with Unobservable Variables and Measurement Error: Algebra and Statistics. Journal of Marketing Research, 18, 382-388.
Gangwar, H., Date, H., & Ramaswamy, R. (2015), "Understanding determinants of cloud computing adoption using an integrated TAM-TOE model". Journal of Enterprise Information Management, 28(1), 107-130.
Hair Jr., J. F., Black, W. C., Babin, B. J. & Anderson, R. E. (2010) Multivariate Data Analysis: A Global Perspective. (7th ed.). Upper Saddle: Pearson Education.
Henseler, J., & Sarstedt, M. (2013). Goodness-of-fit indices for partial least squares path modeling. Computational Statistics, 28(2), 565-580.
Holt, D. T., Armenakis, A. A., Feild, H. S., & Harris, S. G. (2007). Readiness for organizational change: The systematic development of a scale. The Journal of Applied Behavioral Science, 43(2), 232-255.
Inc. (2023). A Survey of 31,000 Employees Shows 49 Percent Fear AI Will Steal Their Jobs. They're Right to Worry. สืบค้น มีนาคม 14, 2567 จาก https://www.inc.com/minda-zetlin/a-survey-of-31000-employees-shows-49-percent-fear-ai-will-steal-their-jobs-theyre-right-to-worry.html.
Na S., Heo S., Choi W., Kim C., & Whang S.W., (2023). Artificial Intelligence (AI)-Based Technology Adoption in the Construction Industry: A Cross National Perspective Using the Technology Acceptance Model. Buildings 2023, 13(10), 1-23.
Rogers, E. M. (2003). Diffusion of Innovations (5th ed.). New York: Free Press. Simon & Schuster.
Schepers, J., & Wetzels, M. (2007). A meta-analysis of the technology acceptance model: Investigating subjective norm and moderation effects. Information Systems Research, 23(3), 271-289.
Tunpornchai, W., Thongprayoon, W., & Tarickul, W. (2023). Technological optimism for Artificial Intelligence Influences Individual’s Purchasing Intention on Social Media through Technology Acceptance Model. Asian Administration and Management Review, 6(1), 27-34.
Venkatesh, V. & Bala, H. (2008). Technology Acceptance Model 3 and a Research Agenda on Interventions. Decision Sciences, 39(2), 273-315.