การรับรู้เทคโนโลยีปัญญาประดิษฐ์ที่มีอิทธิพลต่อความตั้งใจในการใช้เทคโนโลยี และการมีส่วนร่วมในงานของพนักงานไทยเจนเนอเรชัน X
Article Sidebar
Main Article Content
บทคัดย่อ
บทความวิจัยครั้งนี้มีวัตถุประสงค์ 1) เพื่อศึกษาอิทธิพลของความง่ายในการใช้งานที่มีต่อการใช้ประโยชน์เทคโนโลยีปัญญาประดิษฐ์ของคนรุ่นเจนเนอเรชันเอ๊กซ์ในองค์กรไทย 2) เพื่อศึกษาอิทธิพลของการใช้ประโยชน์และความง่ายในการใช้งานเทคโนโลยีปัญญาประดิษฐ์ที่มีต่อความตั้งใจในการใช้เทคโนโลยีดังกล่าวของคนไทยรุ่นเจนเนอเรชันเอ๊กซ์ และ 3) เพื่อศึกษาอิทธิพลของการใช้ประโยชน์ ความง่ายในการใช้งาน และความตั้งใจในการใช้เทคโนโลยีปัญญาประดิษฐ์ที่มีต่อการมีส่วนร่วมในงานของคนไทยรุ่นเจนเนอเรชันเอ๊กซ์ งานวิจัยครั้งนี้เป็นงานวิจัยเชิงปริมาณ ใช้แบบสอบถามเป็นเครื่องมือในการเก็บข้อมูลจากตัวอย่าง จำนวน 400 คน ที่เป็นคนรุ่นเจนเนอเรชันเอ๊กซ์ขององค์กรธุรกิจในประเทศไทยโดยการสุ่มแบบโควต้าจากทุกภาคของประเทศไทย การวิเคราะห์ทางสถิติ ประกอบด้วย การวิเคราะห์สถิติเชิงพรรณนาและการวิเคราะห์ตัวแบบสมการโครงสร้างด้วยวิธี PLS-SEM ผลวิจัยพบว่า ความง่ายในการใช้งานมีอิทธิพลเชิงบวกอย่างมีนัยสำคัญต่อการใช้ประโยชน์เทคโนโลยีปัญญาประดิษฐ์ ความง่ายในการใช้งานและการใช้ประโยชน์เทคโนโลยีปัญญาประดิษฐ์มีอิทธิพลเชิงบวกอย่างชัดเจนต่อความตั้งใจในการใช้เทคโนโลยีปัญญาประดิษฐ์ และความง่ายในการใช้งาน การใช้ประโยชน์ และความตั้งใจในการใช้เทคโนโลยีปัญญาประดิษฐ์มีอิทธิพลต่อการมีส่วนร่วมในงานของคนรุ่นเจนเนอเรชันเอ๊กซ์ในองค์กรธุรกิจของไทยอย่างมีนัยสำคัญ ข้อเสนอแนะจากการวิจัย คือ ผู้บริหารสามารถนำผลวิจัยไปวางนโยบายและกลยุทธ์ในการนำเทคโนโลยีปัญญาประดิษฐ์มาใช้ในองค์กรเพื่อการปรับตัวขององค์กรในยุคดิจิทัลและปัญญาประดิษฐ์ในอนาคต
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
เอกสารอ้างอิง
สำนักงานคณะกรรมการส่งเสริมวิทยาศาสตร์ วิจัยและนวัตกรรม. (2566). ปัญญาประดิษฐ์ (AI) โอกาสหรืออุปสรรคของคนไทยในอนาคต. เรียกใช้เมื่อ 1 เมษายน 2569 จาก https://shorturl.asia/5kBGL
Akoh, E. (2024). Adoption of artificial intelligence for manufacturing SMEs growth and survival in South Africa A systematic literature review. International Journal of Research in Business and Social Science, 13(6), 23-37.
Chander, B. et al. (2024). Toward trustworthy artificial intelligence (TAI) in the context of explainability and robustness. ACM Computing Surveys, 57(6), 1-49.
Cochran, W. G. (1977). Sampling techniques. New York: John Willey and Sons.
Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS quarterly, 13(3), 319-340.
Ghobakhloo, M. (2020). Industry 4.0, digitization, and opportunities for sustainability. Journal of Cleaner Production, 252, 119869. https://doi.org/10.1016/j.jclepro.2019.119869
Hair, J. F. et al. (2017). A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM). (2nd ed.). Thousand Oaks, CA: Sage Publications.
Hair, J. F. et al. (2014). Multivariate data analysis. New Jersey: Pearson Education.
Henseler, J. et al. (2015). A new criterion for assessing discriminant validity in variance-based structural equation modeling. Journal of the Academy of Marketing Science, 43, 115-135. https://doi.org/10.1007/s11747-014-0403-8
Khoza, T. K. et al. (2024). Technology readiness, technology acceptance, and work engagement: A mediational analysis. SA Journal of Industrial Psychology, 50, a2131. https://doi.org/10.4102/sajip.v50i0.2131
Kwartama, A. & Susanto, H. (2024). The Impact of Technology Acceptance Factors on Employee Performance: The Mediating Role of Customer Satisfaction in Maritime Traffic and Transportation. International Journal of Economics and Management Research, 3(3), 576-588.
Lee, A. T. et al. (2025). Understanding Psychosocial Barriers to Healthcare Technology Adoption: A Review of TAM Technology Acceptance Model and Unified Theory of Acceptance and Use of Technology and UTAUT Frameworks. Healthcare, 13(3), 250. https://doi.org/10.3390/healthcare13030250
Molino, M. et al. (2020). The Promotion of Technology Acceptance and Work Engagement in Industry 4.0: From Personal Resources to Information and Training. International Journal of Environmental Research and Public Health, 17(7), 2438. https://doi.org/10.3390/ijerph17072438
Morris, M. G. et al. (2005). Gender and Age Differences in Employee Decisions about New Technology: An Extension to the Theory of Planned Behavior. IEEE Transactions on Engineering Management, 52(1), 69-84.
Musenze, I. A. & Mayende, T. S. (2020). A psychometric evaluation of the 17 itemed Utrecht Work Engagement Scale (UWES-17) in Uganda. African Journal of Psychological Assessment, 2, a8. https://doi.org/10.4102/ajopa.v2i0.8
Navas-Jimenez, M. C. et al. (2024). Secure Base Leadership in military training: Enhancing organizational identification and resilience through work engagement. Frontiers in Psychology, 15. https://doi.org/10.3389/fpsyg.2024.1401574
Oldemeyer, L. et al. (2025). Investigation of artificial intelligence in SMEs: A systematic review of the state of the art and the main implementation challenges. Management Review Quarterly, 75, 1185-1227. https://doi.org/10.1007/s11301-024-00405-4
Olujimi, P. A. et al. (2025). Agentic AI Frameworks in SMMEs: A Systematic Literature Review of Ecosystemic Interconnected Agents. AI, 6, 123. https://doi.org/10.3390/ai6060123
Park, E. S. & Park, M. S. (2020). Factors of the Technology Acceptance Model for Construction IT. Applied Sciences, 10(22), 8299. https://doi.org/10.3390/app10228299
Pietruszynska, W. (2023). Comparative analysis of the X/Y/Z generations on the labor market in the European Union countries. Catallaxy, 8(2), 81-101.
Pimpaporn, T. et al. (2025). Digital Transformation in Thai Public Health: A TAM Analysis of Technology Adoption. Asian Administration and Management Review, 8(2), Article 9. https://doi.org/10.14456/aamr.2025.34
PwC. (2026). 29th Global CEO Survey: Leading through Uncertainty in the Age of AI. London: PricewaterhouseCoopers.
Ringland, C. et al. (2023). The Forgotten Generation: Generation X Approaches Retirement. Washington, DC: National Institute on Retirement Security.
Sadeck, O. (2022). Technology Adoption Model: Is Use/Non-use a Case of Technological Affordances or Psychological Disposition or Pedagogical Reasoning in the Context of Teaching During the COVID-19 Pandemic Period? Frontier in Education, 7, 906195. https://doi.org/10.3389/ feduc.2022.906195
Venkatesh, V. et al. (2003). User Acceptance of Information Technology: Toward a Unified View. MIS Quarterly, 27(3), 425-478.
Violinda, Q. et al. (2023). Local Wisdom, Resilience, and Technology Acceptance Model (TAM) based Augmented Reality (AR) on tourism performance in Ngerangan Village, Klaten. Journal of Innovative Agriculture and Social Development, 2(1), 34-43.
