เทคโนโลยีปัญญาประดิษฐ์ (AI) ที่ส่งผลกระทบต่อลูกค้าและพนักงานเมื่อนำมาปรับใช้ในธุรกิจดูแลรถยนต์
Article Sidebar
Main Article Content
บทคัดย่อ
งานวิจัยนี้มีจุดหมายเพื่อสำรวจว่าระดับการยอมรับเทคโนโลยีปัญญาประดิษฐ์ หรือ AI สามารถเพิ่มความพึงพอใจของลูกค้า และประสิทธิภาพการทำงานของพนักงาน ในธุรกิจดูแลรถยนต์ได้หรือไม่ อย่างไร โดยใช้ธุรกิจดูแลรถยนต์ที่ตั้งอยู่ในกรุงเทพมหานคร ชื่อ Wisdom Car Detailing เป็นกรณีศึกษา ซึ่งข้อมูลถูกเก็บรวบรวมผ่านวิธีการวิจัยแบบผสมผสาน โดยครอบคลุมทั้งการสำรวจเชิงปริมาณจากลูกค้าและเชิงคุณภาพจากพนักงานในองค์กร
ผลการวิเคราะห์ข้อมูลด้วยสถิติเชิงพรรณนา และการวิเคราะห์การถดถอยพหุคูณพบว่า เทคโนโลยีปัญญาประดิษฐ์ หรือ AI สามารถช่วยปรับปรุงคุณภาพการบริการ และประสิทธิภาพการทำงานของพนักงานได้ โดย 85% ของลูกค้าที่มาใช้บริการ มีระดับความพึงพอใจที่สูงขึ้น หลังจากได้นำเทคโนโลยีปัญญาประดิษฐ์เข้ามาร่วมใช้ในธุรกิจ ดังนั้น สามารถสรุปได้ว่า เมื่อระดับการยอมรับเทคโนโลยีสูงขึ้น ระดับความพึงพอใจในการบริการ ระดับความพึงพอใจในงาน และประสิทธิภาพการทำงานของพนักนั้นก็เพิ่มขึ้นเช่นกัน นอกจากนี้ การสัมภาษณ์เชิงลึกกับพนักงาน ยังแสดงให้เห็นว่า การฝึกอบรมและการพัฒนาทักษะในด้านนวัตกรรมอย่างต่อเนื่อง นับเป็นปัจจัยสำคัญในการปรับปรุงคุณภาพของการบริการและองค์กรเช่นกัน
1-2 คณะบริหารธุรกิจ, ภาควิชาบริหารธุรกิจ (ภาคภาษาอังกฤษ), มหาวิทยาลัยเกษตรศาสตร์
* Corresponding author: phitsinee.so@ku.th
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
ทัศนะและข้อคิดเห็นของบทความที่ปรากฏในวารสารฉบับนี้เป็นของผู้เขียนแต่ละท่าน ไม่ถือว่าเป็นทัศนะและความรับผิดชอบของกองบรรณาธิการ
เอกสารอ้างอิง
Austin, A. A., Carpenter, T. D., Christ, M. H., & Nielson, C. (2021). The Data Analytics Journey: Interactions Among Auditors, Managers, Regulation, and Technology. Contemporary Accounting Research, 38(3), 1888-1924. https://doi.org/10.1111/1911-3846.12680
Braun, V., & Clarke, V. (2006). Thematic analysis in psychology. (2), 77-101.
Cochran, W.G. (1977). Sampling Techniques. (3rd ed). John Wiley & Sons, New York.
Creswell, J.W. and Poth, C.N. (2018). Qualitative Inquiry and Research Design Choosing among Five Approaches. 4th Edition, Retrieved from SAGE Publications, Inc., Thousand Oaks.
Davenport, T. H., & Ronanki, R. (2018). Artificial Intelligence for the Real World. “Prediction, Prevention, and Productivism.” Harvard Business Review, 96(1), 108-116.
Davis, F. D. (1989). Perceived Usefulness, Perceived Ease of Use, and User Acceptance of
Information Technology. MIS Quarterly, 13(3), 319–340.https://doi.org/10.2307/249008
Ding, W. (2023). Application research of chatgpt in enterprise digital transformation. Advances in Economics, Management and Political Sciences, 58(1), 168-172. https://doi.org/10.54254/2754-1169/58/20230886
Ejjami, R. (2024). Impact of ai on vocational training and employability: innovation, challenges, and perspectives. International Journal for Multidisciplinary Research, 6(4). https://doi.org/10.36948/ijfmr.2024.v06i04.24967
Field, A.P. (2018). Statistics with IBM SPSS Statistics Fifth Edition, Sage, Newbury Park.
Gao, L., & Liu, Z. (2023). Unraveling the Multifaceted Nexus of Artificial Intelligence Sports and User Willingness: A Focus on Technology Readiness, Perceived Usefulness, and Green Consciousness. Sustainability, 15(18), 13961. https://doi.org/10.3390/su151813961
Gellas, G. (2022). Detailing Car Wash Methods Examined: Traditional Washing. [Online]. Retrieved December 29, 2024 from: https://www.detailedimage.com/
George, D., & Mallery, P. (2003). SPSS for Windows Step by Step A Simple Guide and Reference. 11.0 Update (4th ed.). Boston Allyn & Bacon.
Getchell, K. M., Carradini, S., Cardon, P. W., Fleischmann, C., Ma, H., Aritz, J., & Stapp, J. (2022). Artificial Intelligence in Business Communication: The Changing Landscape of Research and Teaching. Business and Professional Communication Quarterly, 85(1), 7-33. https://doi.org/10.1177/23294906221074311
Huang, M. and Rust, R. T. (2020). A strategic framework for artificial intelligence in marketing. Journal of the Academy of Marketing Science, 49(1), 30-50. https://doi.org/10.1007/s11747-020-00749-9
Iaia, L., Nespoli, C., Vicentini, F., Pironti, M., & Genovino, C. (2023). Supporting the implementation of ai in business communication: the role of knowledge management. Journal of Knowledge Management, 28(1), 85-95. https://doi.org/10.1108/jkm-12-2022-0944
Jatimoyo, D., Rohman, F., & Djazuli, A. (2021). The effect of perceived ease of use on continuance intention through perceived usefulness and trust. International Journal of Research in Business and Social Science (2147-4478), 10(4), 430-437. https://doi.org/10.20525/ijrbs.v10i4.1223
Karsoliya, P. (2024). A novel conceptualization of ai literacy and empowering employee experience at digital workplace using generative ai and augmented analytics: a survey. Journal of Electrical System (JES), 20(2), 2582-2603. https://doi.org/10.52783/jes.2031
Krejcie, R. V., & Morgan, D. W. (1970). Determining sample size for research activities. Educational and Psychological Measurement, 30(3), 607–610.
Kumar, V., & Reinartz, W. (2016). Creating enduring customer value. Journal of Marketing, 80(6), 36–68.
Lichtenthaler, U. (2020). Five maturity levels of managing ai: from isolated ignorance to integrated intelligence. Journal of Innovation Management, 8(1). 39-50. https://doi.org/10.24840/2183-0606_008.001_0005
Martinez, A., & Rishan, S. (2023). Enhancing workplace collaboration through technology: A study on employee feedback mechanisms. (3), 45-60.
Ofosu-Boateng, I. and Acquaye, P. (2020). Effects of service quality and customer satisfaction on customers’ loyalty in the hospitality industry of ghana. European Journal of Business Management and Research, 5(5). 1-9. https://doi.org/10.24018/ejbmr.2020.5.5.538
Reznikov, R. (2024). Leveraging generative AI: strategic adoption patterns for enterprises. Modeling the Development of the Economic Systems, (1), 201-207. https://doi.org/10.31891/mdes/2024-11-29
Sheldrick, R., Marakovitz, S., Garfinkel, D., Carter, A., & Perrin, E. (2020). Comparative accuracy of developmental screening questionnaires. Jama Pediatrics, 174(4), 366. https://doi.org/10.1001/jamapediatrics.2019.6000
The Department of Land Transport. (2024). Thai Driving License. [Online]. Retrieved December 29, 2024 from: https://www.dlt.go.th/th
Tula, S. (2024). ai-enabled customer experience enhancement in business. Computer Science & IT Research Journal, 5(2), 365-389. https://doi.org/10.51594/csitrj.v5i2.789
Tulcanaza-Prieto, A., Cortez-Ordoñez, A., & Lee, C. (2023). Influence of customer perception factors on ai-enabled customer experience in the ecuadorian banking environment. Sustainability, 15(16), 12441. https://doi.org/10.3390/su151612441
Venkatesh, V., Morris, M., Davis, G. B., & Davis, F. D. (2003). User acceptance of information technology: toward a unified view. MIS Quarterly, 27(3), 425. https://doi.org/10.2307/30036540
Venkatesh, V., Thong, J. Y. L., & Xu, X. (2022). Unified theory of acceptance and use of technology: A synthesis and the road ahead. (2), 1-37.
Wang, Q. (2023). The impact of ai on organizational employees: a literature review. Journal of Education Humanities and Social Sciences, 19, 45-53. https://doi.org/10.54097/ehss.v19i.10955
Yudiantara, P. & Widagda, N. (2022). Role of trust in mediating the effect of perceived usefulness and perceived ease of use on decisions to use the linkAja digital wallet. International Journal of Health Sciences, 6310-6327. https://doi.org/10.53730/ijhs.v6ns4.11176
