دانلود ترجمه مقاله نگرش مدیران در استفاده از هوش مصنوعی برای تصمیم گیری سازمانی

1. مقدمه 2. مروری بر مقالات 3. مدل تحقیق و فرضیات 4. روش تحقیق 5. تست مدل و یافته ها 6. بحث و بررسی و یافته ها 7. نتیجه گیری

چکیده – درحالیکه استفاده از هوش مصنوعی می تواند تصمیم گیری سازمانی را بهبود دهد، چالش های مرتبط با " جنبه منفی یا نیمه تاریک " هوش مصنوعی را نیز بوجود می آورد. با اینحال، درباره نگرش ها و قصدهای مدیران برای استفاده از هوش مصنوعی به منظور تصمیم گیری، تحقیق نشده است. برای رفع این خلاء، یک مدل یکپارچه پذیرش- اجتناب از هوش مصنوعی را تدوین نمودیم تا هَم عوامل مثبت و هَم عوامل منفی که مجموعاً بر نگرش ها و قصدهای رفتاری مدیران در قبال استفاده از هوش مصنوعی اثرگذار است را مورد توجه قرار دهیم. مدل تحقیق از طریق یک نظرسنجی پرسشنامه ای بزرگ مقیاس از 269 مدیر کسب و کار انگلستان، آزموده شد. یافته های ما حاکی از این است که مدل یکپارچه پذیرش- اجتناب از هوش مصنوعی، یک مدل جامع تر برای توضیح دادن و پیش بینی نگرش ها و قصدهای رفتاری مدیران در قبال استفاده از هوش مصنوعی را ارائه می دهد. تحقیق ما، به تحقیقات نوظهور درباره استفاده از هوش مصنوعی برای تصمیم گیری سازمانی، از منظر مفهومی و تجربی، کمک می کند. علاوه بر این، درخصوص پیامدهای عملی استفاده از هوش مصنوعی برای تصمیم گیری سازمانی؛ اهمیت ایجاد کردن شرایط تسهیل گر مطلوب، برخورداری از یک سازوکار موثّر برای کاستن از نگرانی های شخصی مدیران، و توجه متعادل به مزایا و جنبه منفی مرتبط با استفاده از هوش مصنوعی را مورد تاکید قرار دادیم. مقدمه: هوش مصنوعی، ماشین ها و سیستم ها را قادر می سازد تا کارهایی را انجام دهند که اگر انسان ها انجام می دادند، نیازمند استفاده از هوش آنها بود. استفاده از هوش مصنوعی برای تصمیم گیری سازمانی، یکی از مهم ترین کاربردهای هوش مصنوعی بوده و همچنان می باشد. گزارش اخیر نشریه مدرسه مدیریت اسلون دانشگاه اِم آی تی و گروه مشاوره بوستون، نشان داد که 57% از شرکت های پاسخ دهنده، در حال استفاده آزمایشی از هوش مصنوعی هستند و 59% از آنها یک راهبرد هوش مصنوعی دارند ( رانسبوتام و همکاران، 2020 ) ، درحالیکه یک نظرسنجی{موسّسه} مَک کینزی نشان داد که 50% از شرکت های پاسخ دهنده، هوش مصنوعی را، حدّاقل در یکی از وظایف کسب و کار، پذیرفته اند ( مَک کینزی، 2020 ) . همراه با ظهور ظرفیت پردازش اطلاعات ابَر محاسباتی و فنّاوری های تحلیل کَلان داده ها، هوش مصنوعی پتانسیل برعهده گرفتن وظایف پیچیده ای را دارد که نیازمند قابلیت های شناختی مانند قضاوت های ضمنی، حس کردن احساسات و به حرکت انداختن فرآیندهایی است که قبلاً ناممکن به نظری می رسید ( مثلاً، ماهروف، 2019 ) . این امر، قلمروهای کاربرد جدید مانند متحول کردن نحوه مبناگزینی سازمان ها برای تصمیمات شان ( آلدِرینگ و سونگ، 2020 ) را ایجاد می کند درحالیکه علاقه به برنامه های کاربردی هوش مصنوعی، در تمام صنایع افزایش یافته است ( دویوِدی و همکاران، 2021 ).

While using artificial intelligence (AI) could improve organizational decision-making, it also creates challenges associated with the “dark side” of AI. However, there is a lack of research on managers' attitudes and intentions to use AI for decision making. To address this gap, we develop an integrated AI acceptance-avoidance model (IAAAM) to consider both the positive and negative factors that collectively influence managers' attitudes and behavioral intentions towards using AI. The research model is tested through a large-scale questionnaire survey of 269 UK business managers. Our findings suggest that IAAAM provides a more comprehensive model for explaining and predicting managers' attitudes and behavioral intentions towards using AI. Our research contributes conceptually and empirically to the emerging literature on using AI for organizational decision-making. Further, regarding the practical implications of using AI for organizational decision-making, we highlight the importance of developing favorable facilitating conditions, having an effective mechanism to alleviate managers’ personal concerns, and having a balanced consideration of both the benefits and the dark side associated with using AI. Introduction: Artificial Intelligence (AI) enables machines and systems to do things that would require intelligence if done by humans. Using AI for organizational decision-making has been and remains one of the most important applications of AI. A recent report by MIT Sloan Management Review and Boston Consulting Group indicated that 57% of the responding companies are piloting AI and 59% of them have an AI strategy (Ransbotham et al., 2020), while a McKinsey survey indicated 50% of responding companies have adopted AI in at least one business function (McKinsey, 2020). With the rise of super computational information processing capacity and big data analytics technologies, AI has the potential to undertake more complex tasks that require cognitive capabilities such as making tacit judgements, sensing emotion and driving processes which previously seemed impossible (e.g. Mahroof, 2019). This opens up new application domains such as transforming the way organizations base their decisions (Aaldering and Song, 2020) while interest in AI applications has surged across all industrial sectors (Dwivedi et al., 2021).