Đặt vấn đề

Với sự phát triển của công nghệ, AI đã trở thành tâm điểm trong kỷ nguyên mới. Nhiều công ty/doanh nghiệp (DN) hiện đang trong quá trình chuyển đổi kỹ thuật số và hướng đến sử dụng AI. Tại Việt Nam, trong suốt đại dịch COVID-19 vừa qua, công nghệ AI đã và đang được ứng dụng mạnh mẽ trong nhiều lĩnh vực như: Y tế, ngân hàng, giáo dục, nông nghiệp, sản xuất, giao thông hay thương mại điện tử...

Bởi vì, công nghệ AI đem lại lợi thế lớn trong hoạt động kinh doanh và là chìa khóa để giúp các DN vượt qua khủng hoảng. Tuy nhiên, vẫn còn rất nhiều DN lúng túng trong quá trình sử dụng hay cập nhật công nghệ AI. Một số nhân viên sẵn sàng áp dụng các giải pháp công nghệ mới nhất, vì họ nhận thấy những cơ hội của công nghệ này.

Ngược lại, một số nhân viên khác miễn cưỡng chấp nhận thậm chí có thể sợ hãi sự phát triển công nghệ. Thái độ tiêu cực này có thể bắt nguồn từ việc nhân viên sợ mất việc vì công nghệ có thể thay thế công việc của con người (Winick, 2018). Nếu các công ty/DN muốn hưởng lợi từ những ứng dụng này, việc chấp nhận sử dụng AI của nhân viên là rất quan trọng.

Cơ sở lý thuyết

Trí tuệ nhân tạo (AI) được định nghĩa là năng lực của máy móc (chẳng hạn như máy tính) để hiểu, học và suy nghĩ giống như con người, dẫn đến khả năng mô phỏng trí thông minh của con người thông qua máy móc (Yunhe Pan, 2016). Hiểu đơn giản hơn, AI đề cập đến bất kỳ trí thông minh giống con người như học tập và giải quyết vấn đề được thể hiện bởi máy tính, chatbot hoặc các loại máy móc khác.

Trong nhiều năm qua, đã có nhiều nghiên cứu xem xét các yếu tố ảnh hưởng đến sự chấp nhận và sử dụng công nghệ thông tin của người dùng. Davis (1993) đã dựa vào mô hình chấp nhận công nghệ TAM cho rằng, có 2 nhân tố ảnh hưởng đến hành vi chấp nhận và sử dụng công nghệ đó là sự cảm nhận về tính hữu và cảm nhận về tính dễ sử dụng. Venkatesh và cộng sự (2003) đưa ra mô hình chấp nhận và sử dụng công nghệ (UTAUT) gồm kỳ vọng về hiệu quả, nỗ lực, ảnh hưởng xã hội và điều kiện thuận lợi.

Trong khi đó, Zhang Weiwei, Dang, H. L (2020) đã bổ sung thêm một nhân tố mới đó là nhận thức sự đổi mới. Trên cơ sở tổng hợp các mô hình phân tích, tác giả cho rằng, có 5 nhân tố ảnh hưởng đến hành vi sử dụng công nghệ AI của nhân viên gồm: Kỳ vọng nỗ lực; Nhận thức sự đổi mới; Ả̉nh hưởng xã hội; Kỳ vọng kết quả thực hiện; Các điều kiện thuận lợi.

Yếu tố kỳ vọng nỗ lực là mức độ mà người dùng tiềm năng kỳ vọng sử dụng một hệ thống mới mà không cần nhiều nỗ lực (Davis et al, 1989). Nỗ lực kỳ vọng tỷ lệ thuận và là nhân tố quan trọng để giải thích hành vi sử dụng của người dùng công nghệ. Trong bối cảnh hiện nay, nhận thức về sự dễ dàng sử dụng là điều kiện cơ bản để thúc đẩy hành vi con người. Vì vậy, mối quan hệ giữa kỳ vọng về nỗ lực và hành vi sử dụng được thể hiện như sau: H1: Kỳ vọng nỗ lực có ảnh hưởng đến hành vi sử dụng.

Theo Agarwal và Prasad (1998), nhận thức sự đổi mới là sự sẵn sàng thử nghiệm cộng nghệ mới của một cá nhân. Nó được sử dụng để đo lường mức độ sẵn sàng thử nghiệm công nghệ thông tin mới của mỗi cá nhân.

UTAUT đo lường nhiều biến số, nhưng bỏ qua việc nghiên cứu các đặc điểm cá nhân, chẳng hạn như sự đổi mới của cá nhân. Do đó, việc tăng cường đổi mới cá nhân trên cơ sở UTAUT sẽ giúp giải thích quá trình chấp nhận và sử dụng công nghệ. Do đó, nghiên cứu này đề xuất giả thuyết:

H2: Nhận thức sự đổi mới có ảnh hưởng đến hành vi sử dụng.

Nhiều nghiên cứu đã chứng minh ảnh hưởng xã hội đối với mục đích sử dụng. Khi mọi người sử dụng một công nghệ nào đó thì họ thường quan sát và bị ảnh hưởng bởi người khác.

Ảnh hưởng xã hội có thể hiểu là ý kiến của những người xung quanh như gia đình hoặc đồng nghiệp hay những người có liên quan sẽ tác động đến việc chấp nhập và sử dụng AI của cá nhân đó. Vì vậy, nghiên cứu này đo lường mối quan hệ giữa ảnh hưởng xã hội và hành vi sử dụng bằng việc đưa ra giả định:

H3: Ảnh hưởng xã hội có ảnh hưởng đến hành vi sử dụng.

Kỳ vọng kết quả thực hiện được định nghĩa là nhận thức của cá nhân về cách mà công nghệ AI có thể giúp họ thực hiện được công việc của mình tốt hơn. Trong số các nghiên cứu về chấp nhận sử dụng công nghệ đã được tiến hành, kỳ vọng kết quả thực hiện là nhân tố được sử dụng nhiều trong đánh giá các nhân tố ảnh hưởng đến việc sử dụng công nghệ AI. Cá nhân sử dụng AI kỳ vọng công nghệ AI sẽ cải thiện hiệu suất công việc, giúp tiết kiệm được thời gian hơn. Do đó, tác giả đưa ra giả thuyết sau:

H4: Kỳ vọng kết quả thực hiện có ảnh hưởng đến hành vi sử dụng.

Điều kiện thuận lợi được định nghĩa là mức độ mà một cá nhân tin rằng một tổ chức hoặc hạ tầng kỹ thuật hỗ trợ để sử dụng hệ thống (Venkatesh et al., 2003). Thompson và cộng sự (1991) đã xác định điều kiện thuận lợi là yếu tố quan trọn giúp dễ dàng triển khai và sử dụng hệ thống công nghệ hỗ trợ bởi AI trong môi trường tổ chức. Trên cơ sở đó, giả thuyết H5 được đưa ra:

H5: Các điều kiện thuận lợi có ảnh hưởng đến đến hành vi sử dụng.

 Phương pháp nghiên cứu

Nghiên cứu định tính là bước đầu tiên thu thập dữ liệu thông qua nhiều phương pháp như lý thuyết nền, thảo luận tay đôi, phỏng vấn sâu, quan sát. Mẫu được thực hiện trong nghiên cứu định tính là n=50.

Nghiên cứu định lượng được thực hiện với kích thước mẫu 300 thông qua bảng câu hỏi được thiết kế với thang đo Likert. Sau khi phát bảng câu hỏi khảo sát, tác giả làm sạch phiếu, với 300 phiếu thu về thì có 20 phiếu không đạt điều kiện khảo sát, 280 phiếu đủ điều kiện để đưa vào phân tích, xác định độ tin cậy của thang đo. Thời gian nghiên cứu thực hiện từ tháng 9/2021 đến tháng 12/2021.

Kết quả nghiên cứu

Kết quả kiểm định Cronbach’s Alpha

Căn cứ mô hình lý thuyết, bảng câu hỏi thu thập thông tin bao gồm 20 biến quan sát có ảnh hưởng đến hành vi sử dụng công nghệ AI của nhân viên. Thang đo Likert với dãy giá trị 1 ÷ 5 được sử dụng để đo lường sự thích ứng. Kết quả phân tích Cronbach Alpha (Bảng 1) cho thấy, tất cả các biến quan sát đều đảm bảo độ tin cậy của thang đo. Vì vậy, những biến này sẽ được sử dụng trong các phân tích tiếp theo.

Kết quả phân tích nhân tố

Sau khi tiến hành kiểm định thang đo với hệ số tin cậy Cronbach’s Alpha các thang đo được đánh giá tiếp theo bằng phương pháp phân tích khám phá nhân tố (EFA). Đối với nghiên cứu này phân tích nhân tố được thực hiện đồng thời với các biến độc lập và biến phụ thuộc.

Tiêu chuẩn phân tích là hệ số Factor loading lớn hơn 0,5, giá trị eigen value lớn hơn bằng 1, phương sai trích tối thiểu lớn hơn 50% (Gerbing và Anderson, 1988). Hệ số KMO (Kaise-Meyer-Olkin) lớn hơn 0,5, kiểm định Bartlett có p-value (sig) <0,05. Sau khi kiểm định độ tin cậy bằng Cronbach’s Alpha, các tiêu chí được sử dụng để đưa vào phân tích nhân tố khám phá.

Kết quả phân tích tương quan

Hệ số phân tích tương quan cho thấy, mức độ tương quan giữa biến độc lập và biến phụ thuộc và chúng được đo lường bằng giá trị tuyệt đối của pearson. Giá trị này càng gần 1 thì 2 biến có mối tương quan càng chặt chẽ với nhau.

Kết quả ma trận tương quan cho thấy, các biến kỳ vọng nỗ lực, nhận thức sự đổi mới, ảnh hưởng xã hội, kỳ vọng khả năng thực hiện, các điều kiện thuận lợi có sự tương quan với biến hành vi sử dụng công nghệ AI, vì đều có mức ý nghĩa Sig nhỏ hơn 0,05. Tương quan mạnh nhất với biến UB là biến PI (R = 0.582), tương quan yếu nhất là là biến PE (R = 0.279).

Kết quả phân tích hồi quy

Từ kết quả trên cho thấy, tất cả các giả thuyết nghiên cứu đề xuất đều được chấp nhận. Đồng thời, phương trình hồi quy được thể hiện như sau:

Y = 0.412+ 0.299SI + 0.260 EE + 0.235FC + 0.182PE + 0.117PI

Kết luận và kiến nghị

Kết luận

Thông qua việc tổng hợp cơ sở lý thuyết, nghiên cứu đã tổng hợp được 5 nhân tố ảnh hưởng đến hành vi sử dụng công nghệ AI tại các DN trên địa bàn Đà Nẵng gồm: Kỳ vọng nỗ lực; Nhận thức sự đổi mới; Ảnh hưởng xã hội; kỳ vọng kết quả thực hiện; Điều kiện thuận lợi với 20 biến quan sát. Những phát hiện của nghiên cứu này sẽ làm tiền đề cho các nghiên cứu tiếp theo trong việc tìm ra các nhân tố mới tác động đến hành vi sử dụng công nghệ AI.

Trên cơ sở đó, tác giả đề xuất một số kiến nghị nhằm nâng cao mức độ sử dụng công nghệ AI của nhân viên tại công ty/DN để nâng cao chất lượng công việc, tăng hiệu quả kinh doanh cũng như giá trị DN.

Kiến nghị

Thứ nhất, các công ty/DN cần tổ chức các buổi trải nghiệm và làm quen với công nghệ mà công ty/DN sử dụng và nên ưu tiên các thiết bị kỹ thuật, các sản phẩm công nghệ có tính năng tương đối dễ sử dụng, đơn giản và phù hợp với từng bộ phận; qua đó, giúp nhân viên dễ dàng chấp nhận, nâng cao tinh thần tự giác sử dụng các sản phẩm công nghệ mới trong quá trình làm việc hơn.

Thứ hai, các công ty tăng cường hơn nữa nhận thức đổi mới của nhân viên thông qua các khóa đào tạo, hay nói về các ưu thế mà công nghệ mới mang lại so với cách làm truyền thống trước đây.

Thứ ba, ảnh hưởng của những người xung quanh có tác động rất lớn đến việc sử dụng công nghệ AI tại công ty.

Ngày nay, các sản phẩm công nghệ, đặc biệt là AI hiện đang là xu hướng phát triển, nên việc sử dụng công nghệ AI là điều nên làm. Qua sử dụng công nghệ này, mọi người xung quanh sẽ có thái độ tích cực hơn mà bản thân mình cũng không thấy bị lạc hậu. Vì vậy, các nhà quản lý cấp cao nên tiếp tục phát huy và duy trì tác động tích cực đến các nhân viên về việc sử dụng công nghệ AI.

Tài liệu tham khảo:

1. Agarwal, R., J. Prasad. (1997), The role of innovation characteristics and perceived voluntariness in the acceptance of information technologies Decision Sci1;

2. Dang, H. L. (2020), An Analysis of the Factors Affecting Intention to UseArtificial Intelligence Technology in Learning: A Case Study of Hanoi Students. ASEAN Journal of Management & Innovation;

3. Davis, F. (1993), User acceptance of information technology: system characteristics, user perceptions and behavioral impacts. International Journal of Man–Machine Studies 38, 475–487;

4. Davis, F. (1989), Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly 13, 318-339;

5. McCarthy,J., Minsky, M. L., Rochester, N., & Shannon, C. E. (2006), A proposal for the dartmouth summer research project on artificial intelligence, august 31, 1955. AI magazine, 2-12;

6. Venkatesh et al. (2003), User Acceptance of Information Technology: Toward a Unified View. MIS Quarterly;

7. Winick, E. (2018), “Every study we could find on what automation will do to jobs, in one chart”, MIT Technology Review;

8. Yunhe Pan. (2016), Heading toward Artificial Intelligence 2.0. Engineering, 2(4), 409–413;

9. Zhang, W. (2020), A Study on the User Acceptance Model of Artificial Intelligence Music Based on UTAUT. Anshan, China: Lecturer, Dept. of Vocal Performance Music Conservatory, Anshan Normal University.

*Theo Nguyễn Thị My My - Trường Đại học Duy Tân.

** Bài viết đăng trên Tạp chí Tài chính số kỳ 1 tháng 6/2022.