ปัจจัยที่ส่งผลต่อการพัฒนาทักษะการทำงานในโรงแรมของแรงงานในอนาคตในยุคปัญญาประดิษฐ์

นรินทร์สิรี เชียงพันธ์

ผู้แต่ง

นรินทร์สิรี เชียงพันธ์ สถาบันเทคโนโลยีไทย-ญี่ปุ่น

คำสำคัญ:

ทักษะการทำงาน, โรงแรม, อนาคต, ปัญญาประดิษฐ์

บทคัดย่อ

บทความวิจัยนี้มีวัตถุประสงค์ 1. จัดกลุ่มทักษะสำคัญสำหรับการทำงานโรงแรมในยุคปัญญาประดิษฐ์ และ 2. วิเคราะห์หาอิทธิพลของกลุ่มปัจจัยต่อทักษะสำคัญสำหรับการทำงานโรงแรมในยุคปัญญาประดิษฐ์ โดยเป็นการศึกษาเชิงปริมาณ เก็บแบบสอบถามจากนักศึกษาชั้นปีที่ 3 ในสาขาที่เกี่ยวข้องกับการท่องเที่ยวและโรงแรมในภาคกลาง จำนวน 400 คน ด้วยการวิเคราะห์องค์ประกอบเชิงสำรวจ (Exploratory Factor Analysis: EFA) และวิเคราะห์อิทธิพลของกลุ่มตัวแปรข้างต้นต่อทักษะการทำงานในโรงแรมในยุคปัญญาประดิษฐ์ผ่านการวิเคราะห์การถดถอยพหุคูณ (Multiple Regression)

ผลการวิจัยพบว่า สามารถจัดกลุ่มปัจจัย ที่ส่งผลต่อทักษะสำคัญสำหรับการทำงานโรงแรมในยุคปัญญาประดิษฐ์ 6 กลุ่ม ได้แก่ ความสามารถด้านเทคโนโลยีดิจิทัลและการใช้งานระบบโรงแรม ทัศนคติด้านการเรียนรู้และการพัฒนาตนเอง การให้ความสำคัญต่อลูกค้าและการทำงานร่วมกัน การสนับสนุนจากคณะ องค์กร และเพื่อนร่วมงาน ปัจจัยพื้นฐานและ
สิ่งอำนวยความสะดวกในการทำงาน และแรงจูงใจจากบุคคลรอบข้างและสังคม และพบว่า มีปัจจัย 3 กลุ่มที่มีอิทธิพล ได้แก่ ทัศนคติด้านการเรียนรู้และการพัฒนาตนเอง (β=0.757 ความสามารถด้านเทคโนโลยีดิจิทัลและการใช้งานระบบโรงแรม (β=0.135) และปัจจัยพื้นฐานและสิ่งอำนวยความสะดวกในการทำงาน (β=-0.092) อย่างไรก็ตาม ปัจจัยการให้ความสำคัญต่อลูกค้าและการทำงานร่วมกัน การสนับสนุนจากคน องค์กร และเพื่อนร่วมงานและ X6 แรงจูงใจจากบุคคลรอบข้างและสังคม ไม่มีนัยสำคัญทางสถิติต่อทักษะการทำงานในโรงแรมยุค AI สะท้อนว่าในบริบทที่มีการนำเทคโนโลยีเข้ามาใช้มากขึ้น ผลการวิจัยในครั้งนี้สามารถนำไปประยุกต์ใช้เป็นแนวทางในการพัฒนาหลักสูตรหรือกิจกรรมการเรียนการสอนในสาขาการท่องเที่ยวและการโรงแรมให้สอดคล้องกับทักษะที่จำเป็นต่อการทำงานในยุคปัญญาประดิษฐ์ โดยเฉพาะการส่งเสริมทัศนคติด้านการเรียนรู้ การเสริมสร้างความสามารถในการใช้เทคโนโลยีดิจิทัลและระบบโรงแรม รวมถึงการจัดสภาพแวดล้อมและทรัพยากรที่เอื้อต่อการเรียนรู้

เอกสารอ้างอิง

Bangkok Post. (2023). AI skills deemed vital for workers, students. Retrieved January 20, 2024, from https://shorturl.asia/jwAxL

Chen, C. et al. (2025). From anxiety to action: exploring the impact of artificial intelligence anxiety and artificial intelligence self-efficacy on motivated learning of undergraduate students. Interactive Learning Environments, 33(4), 3162-3177.

Chi, N. T. K. & Hoang Vu, N. (2023). Investigating the customer trust in artificial intelligence: The role of anthropomorphism, empathy response, and interaction. CAAI Transactions on Intelligence Technology, 8(1), 260-273.

Dweck, C. S. (2014). The mindset of a champion. Stanford, CA.: Psychology at Stanford University.

El Archi, Y. & Benbba, B. (2023). The applications of technology acceptance models in tourism and hospitality research: A systematic literature review. Journal of Environmental Management & Tourism, 14(2), 379-391.

Friedrich, R. E., & Kahn, I. (2016). The Role of College Students in Career Development: Perspectives from University Career Centers. The Career Development Quarterly, 64(2), 138-149.

Kim, J. J. & Han, H. (2022). Hotel service innovation with smart technologies: Exploring consumers’ readiness and behaviors. Sustainability, 14(10), 1-15.

Kruesi, M. A. & Bazelmans, L. (2023). Resources, capabilities and competencies: a review of empirical hospitality and tourism research founded on the resource-based view of the firm. Journal of Hospitality and Tourism Insights, 6(2), 549-574.

Laosen, N. et al. (2024, June). Development of AI Chatbot for Tourism Promotion: A Case Study in Ranong and Chumphon, Thailand. Chiang Mai, Thailand: IEEE.

Li, F. et al. (2024). The technology acceptance model and hospitality and tourism consumers’ intention to use mobile technologies: meta-analysis and structural equation modeling. Cornell Hospitality Quarterly, 65(4), 461-477.

Liao, J. et al. (2025). The past, present, and future of AI in hospitality and tourism: a bibliometric analysis. International Journal of Contemporary Hospitality Management, 37(7), 2287-2305.

Ngotngamwong, R. (2020). Artificial intelligence and its impacts on employability. Human Behavior, Development and Society, 21(2), 51-60.

Pickles, M. et al. (2025). Addressing global labour challenges: An integrative model for sustainable hospitality workplaces, informed by resource-based view theory and the kaleidoscope career model. Retrieved January 20, 2024, from https://shorturl.asia/U1qxm

Rahmatillah, M. R. et al. (2024). Exploring self-determination theory and its consequences in hospitality industry; does generative artificial intelligence matters?. Paris: Atlantis Press.

Schmitt, T. A. (2011) Current methodological considerations in exploratory and confirmatory factor analysis. Journal of Psychoeducational Assessment, 29(4), 304-321.

Sotiriadis, M. et al. (2020). Influence of Social Networks on Responsible Behaviour by Smart Tourists. Cham: Springer International Publishing.

Ulker-Demirel, E. & Ciftci, G. (2020). A systematic literature review of the theory of planned behavior in tourism, leisure and hospitality management research. Journal of Hospitality and Tourism Management, 43(1), 209-219.

Vasudevan, H. (2021). Resource-based view theory application on the educational service quality. International Journal of Engineering Applied Sciences and Technology, 6(6), 174-186.

World Economic Forum. (2020). The future of jobs report 2020. World Economic Forum. Retrieved January 20, 2024, from https://shorturl.asia/p3h5b

Yamane, T. (1973). Statistics: an introductory analysis. New York: Harper and Row.

Yoelao, W. et al. (2021). Assessing Competencies, Career Adaptability, and Employability of Senior Students in Hospitality and Tourism Program after the COVID-19. Journal of Business, Innovation and Sustainability (JBIS), 19(3), 20-43.

Zhu, C. Z. G. et al. (2024). Examining the effects of Chat GPT on tourism and hospitality student responses through integrating technology acceptance model. International Journal of Tourism Research, 26(4), 1-9.