ปัจจัยที่มีอิทธิพลต่อการใช้ ChatGPT ในการขับเคลื่อนผลประกอบการทางธุรกิจ: กรณีศึกษาประกันภัยการเดินทาง
Article Sidebar
Main Article Content
บทคัดย่อ
การวิจัยนี้มุ่งศึกษาปัจจัยที่มีอิทธิพลต่อทัศนคติต่อการใช้งาน ChatGPT ในอุตสาหกรรมประกันภัยการเดินทาง ทั้งกลุ่มตัวแทนขายและผู้ซื้อประกันภัย พร้อมวิเคราะห์ความสัมพันธ์ระหว่างทัศนคติกับพฤติกรรมการใช้งาน และศึกษาผลกระทบของพฤติกรรมการใช้งาน ChatGPT ต่อการรับรู้ประสิทธิภาพในการทำงานของผู้ใช้แต่ละบุคคล โดยใช้แนวคิดจากทฤษฎีการเผยแพร่นวัตกรรม (Diffusion of Innovation Theory) ของ Everett Roger เป็นกรอบแนวคิดหลัก งานวิจัยพิจารณาลักษณะของนวัตกรรม 4 ด้าน ได้แก่ ความสอดคล้อง (Compatibility), ความซับซ้อน (Complexity), ความสามารถในการทดลองใช้ (Trialability) และการสังเกตเห็นผลได้ชัดเจน (Observability) เพื่อวิเคราะห์ผลกระทบของแต่ละปัจจัยต่อทัศนคติ พฤติกรรมการใช้งาน และการรับรู้ต่vประสิทธิภาพในการทำงานของผู้ใช้งานในแต่ละกลุ่ม ข้อมูลถูกเก็บรวบรวมผ่านแบบสอบถามออนไลน์จากกลุ่มตัวอย่างทั้งกลุ่มตัวแทนขายและผู้ซื้อประกันภัยรวมทั้งหมด 589 คน จากนั้นนำมาวิเคราะห์ด้วยการถดถอยพหุคูณ ผลการวิเคราะห์สอดคล้องกับวัตถุประสงค์ของงานวิจัย ดังนี้ พบว่า ลักษณะของนวัตกรรมในด้านความสอดคล้อง (Compatibility), ความซับซ้อน (Complexity), ความสามารถในการทดลองใช้ (Trialability) และความสามารถในการสังเกตผล (Observability) มีอิทธิพลอย่างมีนัยสำคัญต่อทัศนคติเชิงบวกต่อ ChatGPT ในบริบทของธุรกิจประกันภัยการเดินทาง, ทัศนคติที่ดีต่อ ChatGPT ส่งผลให้เกิดพฤติกรรมการใช้งานที่เหมาะสมและต่อเนื่อง, พฤติกรรมการใช้งานดังกล่าวยังมีผลต่อการรับรู้ประสิทธิภาพในการทำงานของผู้ใช้ในบริบทประกันภัยการเดินทาง และยังพบความแตกต่างอย่างมีนัยสำคัญของการรับรู้และพฤติกรรมการใช้งาน ChatGPT ระหว่างกลุ่มตัวแทนขายและผู้ซื้อประกันภัยการเดินทาง ผลการวิจัยนี้ จึงเป็นข้อมูลสำคัญสำหรับการพัฒนาและส่งเสริมการใช้เทคโนโลยี AI อย่างเหมาะสมและมีประสิทธิภาพในอุตสาหกรรมประกันภัยการเดินทาง
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
เอกสารอ้างอิง
Abdalla, A. et al. (2024). Exploring ChatGPT adoption among business and management students through the lens of diffusion of Innovation Theory. Computers and Education: Artificial Intelligence, 7, 100257. https://doi.org/10.1016/j.caeai.2024.100257
Acikgoz, F. et al. (2023). Curiosity on cutting-edge technology via Theory of Planned Behavior and Diffusion of Innovation Theory. International Journal of Information Management Data Insights, 3(1), 100152. https://doi.org/10.1016/j.jjimei.2022.100152
Clark, T. et al. (2021). Bryman’s social research methods. (6th ed.). Oxford: Oxford University Press.
Cronbach, L. J. (1963). Course improvement through evaluation. Teachers College Record, 64(8), 672-683.
Ibrahimi, G. & Benchekroun, B. (2024). The adoption of ChatGPT among higher education students: measuring the adoption and personal characteristics. International Journal of Learning and Change, 16(6), 652-677.
Kaput, M. (2024). Enterprise adoption of ChatGPT: How it’s actually going. Retrieved May 30, 2025, from https://www.marketingaiinstitute.com/blog/enterprise-adoption-chatgpt-ai
Khamnungkuran, P. (2025). A Comparison of Customer Satisfaction between Buying Life Insurance Through Agents and Online System of Siam Commercial Bank in Bangkok. Business Administration and Economics Review, 21(1), 55-80.
Koopmans, L. et al. (2013). Measuring individual work performance: Identifying and selecting indicators. Work: A Journal of Prevention, Assessment & Rehabilitation, 45(3), 229-238.
Memon, M. A. et al. (2020). Sample size for survey research: Review and recommendations. Journal of applied structural equation modeling, 4(2). https://shorturl.asia/khao9
Nemoto, T. & Beglar, D. (2014). Developing Likert scale questionnaires. In N. Sonda & A. Krause (Eds.), JALT2013 Conference Proceedings (pp. 1 - 8). Tokyo: JALT.
Nusair, K. & Hua, N. (2010). Comparative assessment of structural equation modeling and multiple regression research methodologies: E-commerce context. Tourism management, 31(3), 314-324.
OpenAI. (2022). Introducing ChatGPT. Retrieved May 30, 2025, from https://openai.com/index/chatgpt/
Pang, Q. et al. (2024). When the winds of change blow: an empirical investigation of ChatGPT’s usage behaviour. Technology Analysis & Strategic Management, 1-15. https://doi.org/10.1080/09537325.2024.2394783
Peeters, C. M. et al. (2023). Validity and reliability of the adapted Dutch version of the Brace Questionnaire (BrQ). Acta Orthopaedica, 94, 460. https://doi.org/10.2340/17453674.2023.18492
Polyportis, A. (2024). A longitudinal study on artificial intelligence adoption: understanding the drivers of ChatGPT usage behavior change in higher education. Frontiers in Artificial Intelligence, 6, 1324398. DOI: https://doi.org/10.3389/frai.2023.1324398
Rogers, E. (2003). Diffusion of innovations. (5th ed.). New York: The Free Press.
Srimueang, A. (2024). Impact of using Chat AI to create marketing content for online business entrepreneurs. Innovation Technology Management Communication (ITMC), 1(1), 29-37.
Taylor, A. (2024). IDC’s 2024 AI opportunity study: Top five AI trends to watch. Retrieved May 30, 2025, from https://blogs.microsoft.com/blog/2024/11/12/idcs-2024-ai-opportunity-study-top-five-ai-trends-to-watch/
Treesorn, M. (2025). Factors of Artificial Intelligence Technology Acceptance Affecting Employees’ Readiness to Adopt it in Warehouse Management in Pathum Thani Province. Journal of Social Science for Local Development Rajabhat Maha Sarakham University, 9(2), 64-76.
