Predicting the innovative behavior of employees of technology companies based on the application of artificial intelligence

Tajfar, Amir Houshang; Panahi, Maryam

doi:10.30473/t-edu.2025.73584.1247

Predicting the innovative behavior of employees of technology companies based on the application of artificial intelligence

Document Type : Original Article

Authors

¹ Assistant Professor, Department of Information Technology Engineering, Payame Noor University, Tehran, Iran

² M.A. in Information Technology Management, Payame Noor University, Tehran, Iran

10.30473/t-edu.2025.73584.1247

Abstract

This article was purposed at examining the impact of the use of artificial intelligence on the innovative behavior of employees of technology companies. Research method, descriptive and of the type of correlation with the statistical population including all employees of technology companies in Ilam province with a number of 716 people, Which for the required sample size determination, using Krejcie and Morgan Table (1970), 256 people were selected by the available sampling method. Data collection tools were standard AI questionnaires by Chen et al. (2022, translated by Fergie et al., 1402) and the Jensen questionnaire of employees innovative behavior questionnaire (2000). Descriptive findings showed that the application of artificial intelligence and innovative behavior among employees of technology companies and their components is at a higher than average level. Also, the results of the Pearson correlation coefficient test also showed that at a meaningful level of 05/0, There is a meaningful and direct relationship between the application of artificial intelligence and the innovative behavior of employees of technology companies. Similarly, the results of the structural model of the research showed that in the research model, the hypothetical model of relative intermediation has a favorable effect on the innovative behavior of employees of technology companies with data. Additionally, in the hypothetical model, all the coefficients of the model path were statistically significant, and the use of artificial intelligence has a significant positive and direct impact on the innovative behavior of employees of technology companies to the extent of the effect of 0/823. Therefore, in explaining the desired performance of employees in innovative behavior, the necessity and examination of the acceptance of artificial intelligence among employees is suggested.

Keywords

Full Text

مقدمه

نوآوری، فرآیند کسب اندیشه ای خلاق و تبدیل آن به محصول و خدمت و یا یک روش عملیاتی مفید است. سه مجموعه از متغیرها وجود دارند که می توانند نوآوری را ایجاد کنند. این متغیرها به ساختار سازمانی، فرهنگ و توانایی منابع انسانی مربوط می شوند (چائوبی[1] و همکاران، 2019). اغلب کارهای تئوری انجام شده در خصوص رفتار نوآورانه بین ابعاد متفاوت تمایز قائل شدهاند که اغلب به مراحل متفاوت فرآیند نوآوری مربوط هستند. به عنوان مثال، برینیولفسون و همکاران [2](2021)، رفتار کاری نوآورانه را به عنوان یک فرآیند چندمرحلهای عملیاتی کردهاند. ولاسیک و همکاران[3](2021) سه مرحله مرتبط با رفتار کاری نوآورانه یعنی تولید ایده و ائتلاف و اجرای ایده را خلاصه کردهاند. گیلکسون و وولی[4](2020) در مقالهای چهار بعد از رفتار نوآورانه کارکنان را مشخص کردهاند که با عنوانهای جستجوی ایده، تولید ایده، دفاع از ایده و اجرای ایده نام گذاری شده است. نرخ فعلی تغییرات نوآورانه، اجتماعی و نهادی باعث کوتاهی چرخه عمر محصول شده و نوآوری در دنیای رقابتی را نه تنها برای رشد سازمان‌ها، بلکه برای بقای آنها نیز ضروری دانسته است (بیرانوند و همکاران، 1399). یکی از گزینه‌های جدیدتر و موفق‌تر سازمانها، ترغیب کارکنان خود برای به نمایش گذاشتن رفتار کاری نوآورانه است. بهبود عملکرد نوآوری سازمان‌ها از طریق نیروهای انسانی آنها امکانپذیر است و سازمان‌ها با سرمایه‌گذاری بر منابع انسانی خود می‌توانند به نوآوری دست یابند، زیرا کارکنان نوآور و خلاق، عامل و ایجادکننده نوآوری در سازمان هستند. دنیای کسب و کار امروز را می‌توان به عنوان یک جهان ووکا (جهان نوسانی، سرشار از عدم قطعیت، پیچیده و مبهم) توصیف کرد که با جهانی سرشار از نوسانات، عدم اطمینان، پیچیدگی و ابهام در ارتباط است (رودریگلز و رودریگلز[5]، 2015). فرآیند نوآوری را میتوان مجموعههای متشکل از مفاهیم آموزش، تحقیق و توسعه، ساختارهای پشتیبانی، انتقال فناوری، مدیریت، بازاریابی و سرمایهگذاری دانست که عدم دقت به هر یک از این مفاهیم، موجب میشود تا نوآوری و ایجاد یک محصول یا فناوری مبتنی بر ایدههای خلاقانه، با شکست مواجه شود (کیم و شیم[6]، 2018). نکته حائز اهمیت در رابطه با خلافیت و نوآوری این است که کارکنان رکن اصلی نوآوری در سازمان را تشیکل میدهند. فعالیت نوآورانه کارکنان عبارت است از خلق، معرفی و به کارگیری عامدانه ایدههای جدید در یک وظیفه شغلی که توسط کارکنان انجام میشود و هدف نهایی آن، بهبود عملکرد فرد، گروه و در نهایت کل سازمان است (تویرر[7] و همکاران، 2018). در تعریفی دیگر، فعالیت نوآورانه کارکنان به عنوان خلق، توسعه و تحقق بخشیدن به ایدههای جدید در محیط کاری تعریف شده است. این تعریف حاکی از آن است که فعالیت نوآورانه کارکنان شامل سه بعد اصلی یعنی ایجاد، بهبود و پیادهسازی ایدههای جدیدی است که منافع حاصل از آن نصیب سازمان میشود (باتیستلی[8] و همکارن، 2019). درک اهمیت و نیاز به نوآوری از سوی اغلب شرکتها باعث شده تا مدیران سازمان نسبت به فراهم نمودن بستر مناسبی برای بروز فعالیتهای نوآورانه کارکنان تلاش نمایند (بیرانوند و همکاران، 1399). در واقع سازمانها برای ادامه حیات خود به ناچار باید به فناوری اطلاعات روی بیاورند. این بدان معناست که جهت نیل به عملکرد بهتر، سازمانها نیاز به نیروی انسانی کارآمد خواهند داشت. متقابلاً، نیروی انسانی نیز در سازمانها ملزم به مجهز کردن خود به فناوریهای جدید میباشند (بکری زاده و همکاران، 1402). همچنین، جدیدی محمدآبادی(1401) نشان داد که شبکه‌های اجتماعی مجازی بر میزان پرخاشگری و تفکر خلاق دانش‌آموزان تأثیر معنادار دارد. ساپتووینارنو[9]و همکاران(2024) نیز نشان داد که عوامل احتمالی از جمله؛ فرهنگ سازمانی، سبک های رهبری، ویژگی های کارکنان مانند خلاقیت و ریسک پذیری، جو سازمانی برای نوآوری و نقش فناوری در زمینه تقویت نوآوری در شرکت های فناوری در نهایت منجر به موفقیت و سازگاری آنها در یک بازار به سرعت در حال تغییر می شود. به همین ترتیب، لی[10] و همکاران(2022) نشان دادند که انتظارات رهبران از نوآوری با رفتار نوآورانه پرستاران رابطه مثبت دارد

از جمله تلاش‌های مدیران شرکت‌ها‌، استفاده از فناوری‌های نوین مانند هوش مصنوعی به منظور افزایش بهره وری کارکنان در محیط کار است (ین[11] و همکاران ، 2024). چرا که، در عصر حاضر، هوش مصنوعی و فناوری‌های نوین به سرعت در حال تغییر و تحول سازمان‌ها و کسب‌وکارها هستند. این تحولات، نه تنها بر فرآیندهای کاری بلکه بر رفتار و عملکرد کارکنان نیز تأثیرگذار است. یکی از ابعاد مهم این تأثیرات، ارتباط بین هوش مصنوعی و فناوری با رفتار نوآورانه کارکنان است (اشتری ماهینی و کلارستاقی، 1395). منظور از هوش مصنوعی فقط یک فناوری نیست، بلکه این اصطلاح بدین صورت تعریف میشود: "کامپیوترهایی که آن دسته از وظایف شناختی، خصوصاً یادگیری و حل مسئله را که معمولاً با ذهن انسانها مرتبط دانسته میشود، انجام میدهند" (مطلبی نژاد، 1401). هوش مصنوعی به ماشین‌های بسیار توانا و پیچیده‌ای اشاره دارد که عملکردهای شناختی معمولاً مرتبط با هوش انسانی مانند یادگیری، تعامل و حل مسئله را انجام می‌دهند. هوش مصنوعی روابط انسان و فناوری را با تغییر نمایندگی از انسان به فناوری تغییر میدهد و هسته اصلی صنعت در نظر گرفته میشود (رایش و کراکوفسکی[12]، 2020). با توجه به این که هوش مصنوعی میتواند بهرهوری نیروی کار را به میزان قابل توجهی افزایش دهد (برینیولفسون[13] و همکاران، 2021)، 80 درصد از شرکت‌های بزرگ در چند سال گذشته هوش مصنوعی را در کسب و کار اصلی خود ادغام کرده‌اند (گوش[14] و همکاران، 2019). بسیاری از شرکت‌ها دستیاران هوش مصنوعی را در اختیار کارمندان قرار می‌دهند تا به آنها در انجام وظایف مختلف کمک کنند. دستیار هوش مصنوعی نرم‌افزاری است که توسط عملکردهای هوش مصنوعی مانند یادگیری ماشین هدایت می‌شود و می‌تواند به تک تک کاربران کمک کند فعالیت‌های کاری و غیر کاری را انجام دهند (یانگ و لی[15]، 2019). رایج‌ترین دستیاران هوش مصنوعی در حال حاضر در بازار، عوامل هوشمند با موجودیت و تجسم قابل شناسایی از طریق انسان‌شناسی هستند (موسوی، و همکاران، 1401)، مانند الکسای آمازون، سیری اپل، و کورتانای مایکروسافت میباشند. همچنین سیستم‌های نرم‌افزاری مبتنی بر هوش مصنوعی تعبیه ‌شده وجود دارد که عامل هوشمندی ندارند، اما می‌توانند به کارمندان در انجام وظایف مختلف کمک کنند (گیلکسون و وولی[16]، 2020). به عنوان مثال، دستیاران هوشمند خدمات مشتری میتوانند فوراً مشکلات مشتری را شناسایی کنند، مذاکرات فروش را توصیه و احتمالات معامله را پیشبینی کنند (ولاسیک و همکاران، 2021). خان[17] و همکاران(2023) نتایج ارزش عملکردی را به‌ عنوان یک پیش‌بینی‌کننده قابل‌توجه در مسیر تحول هوش مصنوعی در صنایع محافظه‌کار نشان داده‌اند. همچنین قابلیت اطمینان خدمات را به عنوان یک ضرورت برای استفاده پایدار از هوش مصنوعی در صنایع محافظه کار نشان داد.

با پیشرفت فناوری، دستیاران هوش مصنوعی میتوانند وظایف پیچیده مختلفی را انجام دهند، به تغییرات محیطی واکنش نشان دهند و با یادگیری اطلاعات از کاربران و محیط، وظایفی را مطابق با ترجیحات کاربر انجام دهند (هو[18] و همکاران، 2021). با این حال، هوش مصنوعی تنها در محدوده‌های تعریف شده قادر است، فعالیت کند. تفکر خارج از چارچوب و راه‌حل‌های خلاقانه مشکلی در حال حاضر دست نیافتنی به نظر میرسد، جایی که انسان‌ها همچنان بر آن تسلط خواهند داشت (ویرتز[19] و همکاران، 2018). کارمندان ممکن است فقط ملزم شوند از عملکرد سیستم هوش مصنوعی اطمینان حاصل کنند (ویلسون و داگرتی[20]، 2018)، در حالی که درگیر وظایف مربوط به احساسات و خلاقیت هستند (هوانگ و رست، 2020). مزایای انسان و هوش مصنوعی تنها زمانی مکمل هستند که انسان‌ها انگیزه نوآوری داشته باشند و همکاری انسان و هوش مصنوعی میتواند به منبعی از مزیت رقابتی برای یک سازمان منجر شود (ماکاریوس[21] و همکاران، 2020). بنابراین، ترویج رفتار نوآورانه کارکنان برای توسعه کارکنان و سازمان‌ها در عصر دیجیتال و هوشمند مهم است.

رفتار نوآورانه کارکنان در چند سال اخیر موضوع بسیاری از تحقیقات بوده و اهمیت آن همچنان در حال افزایش است. پژوهش‌ها نشان می‌دهد که سازمان‌هایی که تأکید بیشتری بر رفتار نوآورانه کارکنان دارند نسبت به دیگر سازمان‌ها، سالم‌تر و موفقتر هستند. اهمیت کاربردی رفتار نوآورانه کارکنان این است که کارایی سازمانی، نوآوری سازمانی و مزیت رقابتی را ارتقاء می‌دهد. وجود رفتار نوآورانه کارکنان باعث کاهش ترک خدمت و غیبت کارکنان می‌شود (کاندیپان[22]، 2016). از لحاظ منطقی می‌توان گفت که رفتار نوآورانه کارکنان یک محیط کاری بهتر درون سازمانی را ارتقاء می‌دهد. فضای مشوق رفتارهای نوآورانه کارکنان در سازمان، موجبات جذب و نگهداری نیروهای شایسته را افزایش می‌دهد. بنابراین از طریق ایجاد و انگیزش رفتار نوآورانه کارکنان در محیط کار می‌توان مطمئن بود که رضایت شغلی کارکنان نیز بالا می‌رود (ایوانوویچ و متسون[23]، 2016).

در این راستا، ین[24] و همکاران (2024) نشان داد که از طریق خودکارآمدی خلاقانه، تأثیر غیرمستقیم مثبتی بر رفتار نوآورانه کارکنان با هوش مصنوعی دارد، در حالی که تأثیر غیرمستقیم زمانی قوی‌تر است که آمادگی هوش مصنوعی سازمانی بالاتر از زمانی است که کمتر باشد. ورما و سینگ[25] (2022) نشان داد که ویژگی‌های وظیفه فعال‌شده با هوش مصنوعی (استقلال شغل و تنوع مهارت) و ویژگی‌های دانش (پیچیدگی شغل، تخصص و پردازش اطلاعات) بر رفتار نوآورانه کارکنان تأثیر می‌گذارند. یزدانی و رحیمیان (1403) نیز نشان داد که شناخت کارکنان بر نوآوری هوش مصنوعی تاثیر مستقیم مثبتی دارد. باوونز[26](2022) نشان می دهد که رابطه بین استفاده از هوش مصنوعی و خودکارآمدی و اثر میانجی خودکارآمدی غیرمعنادار بود. علی زاده و همکاران (1402) نشان داد که هوش مصنوعی می تواند به کسب و کارها کمک کند تا منابع بازاریابی خود را بهینه سازی کنند.

در نتیجه، پرداختن به موضوع تأثیر هوش مصنوعی بر رفتار نوآورانه کارکنان به منظور روشن شدن ارزشهای هوش مصنوعی و تأثیرات آن بر سازمان از اهمیت بالایی برخوردار است. با این حال، در داخل کشور بیشتر پژوهش‌های انجام گرفته صرفاً به تأثیر هوش مصنوعی بر رضایت شغلی (یزدانی و رحیمیان، 1403)، عملکرد کارکنان و اشتیاق شغلی (دوالی و نوحه‌گر، 1403) و بررسی چالشها و فرصتهای استفاده از هوش مصنوعی در مدیریت منابع انسانی (قزلسفلو‌، 1402) پرداخته‌اند و هیچ پژوهشی در داخل کشور به بررسی تأثیر هوش مصنوعی بر رفتار نوآورانه کارکنان نپرداخته است و این امر خلاء پژوهش در این زمینه و ضرورت پرداختن به موضوع حاضر را نشان می‌دهد. لذا، این پژوهش با بررسی تأثیر هوش مصنوعی بر رفتار نوآورانه کارکنان، گامی مهم در جهت درک بهتر فرآیند نوآوری در سازمان‌ها برمی‌دارد. امید است که نتایج این پژوهش بتواند برای مدیران، محققان و سیاست‌گذاران حوزه فناوری اطلاعات و مدیریت منابع انسانی مفید باشد. در این راستا، فرضیه اصلی این است که هوش مصنوعی در شرکت‌های فناور در رفتار نوآورانه کارکنان نقش دارد.

روش شناسی پژوهش

روش

پژوهش حاضر یک تحقیق توصیفی، از نوع همبستگی به کمک مدل معادلات ساختاری و از لحاظ هدف، کاربردی است و جامعه آماری آن شامل تمامی کارکنان شرکت‌های فناور استان ایلام در بازه زمانی تحقیق که براساس آمار دریافتی از پارک علم و فناوری استان ایلام به تعداد 716 نفر بود که به منظور تعیین حجم نمونه لازم پژوهش، با استفاده از جدول نمونهگیری کرجسی و مورگان حجم نمونه 256 نفر برآورد شد که این تعداد نمونه، به شیوه نمونه گیری در دسترس انتخاب شدند. برای اجرای تحقیق نیز، محقق ابتدا، برای پرسشنامه تحقیقاتی خود اقدام به تهیه پرسشنامه آنلاین نمود. گوگل فرم ابزاری نیرومند برای ساخت و طراحی انواع فرم (برگه‌ی آزمون، نظرسنجی و …) محسوب می‌شود. در این پژوهش نیز، در محیط گوگل فرم پرسشنامه ها را تهیه و لینک الکترونیکی تهیه گردید. سپس با هماهنگی با مدیران شرکتهای فناور، آمار کارکنان را دریافت کرد و با مراجعه و با همکاری کارکنان و دریافت لیست شماره تماس آنها، لینک سؤالات پرسشنامه در اختیار قرار داده شد و تکمیل پرسشنامه ها به صورت الکترونیکی دریافت شده است.

ابزار

پرسشنامه هوش مصنوعی چن[27] و همکاران (2021): این پرسشنامه دارای 22 گویه در قالب 5 بعد؛ مدیریت هوش مصنوعی، تصمیمگیری مبتنی بر هوش مصنوعی، زیرساختهای هوش مصنوعی، مهارتهای هوش مصنوعی و تمایل به هوش مصنوعی تشکیل شده است و بر اساس طیف پنج گزینهای لیکرت (خیلی زیاد تا خیلی کم) طراحی شده است. روایی پرسشنامه به صورت محتوایی در پژوهش چن (2021) مورد تایید قرار گرفت و پایایی پرسشنامه 949/0 گزارش شده است. همچنین، در پژوهش یزدانی و رحیمیان(1403) اعتبارسنجی مقیاس این مقایس بررسی و مورد تایید قرار گرفته است. همچنین در پژوهش یزدانی و رحیمیان(1403) میزان پایایی کل مقیاس 86/0 و ابعاد آن بین 77/0 تا 89/0 گزارش شده است. در این مطالعه نیز، میزان پایایی کل مقیاس 84/0 و میزان پایایی مؤلفههای آن در بین 82/0 تا 89/0 به دست آمد.

پرسشنامه رفتار نوآورانه کارکنان جنسن[28] (2000): این پرسشنامه دارای 9 سوال و سه مؤلفه تولید ایده، پشتیبانی از ایده و اجرایی نمودن ایده هر کدام در سه گویه میباشد و بر اساس طیف پنج گزینهای لیکرت (خیلی زیاد تا خیلی کم) طراحی شده است که به سنجش رفتار نوآورانه کارکنان می‌پردازد. پایایی این پرسشنامه در پژوهش رودریگوئز[29] و همکاران (2016)، 0.978 به دست آمد و پایایی ابعاد نیز به ترتیب؛ 960/0، 928/0، 933/0 گزارش شده است. این پرسشنامه توسط ابراهیم پور و همکاران(13934) و احمدی و همکاران(1395) اعتباریابی شده است. همچنین، در پژوهشهای ابراهیم پور و همکاران(1393) و احمدی و همکاران(1395) برای بررسی ضرایب اعتبار درونی پرسشنامه فوق از ضریب آلفای کرونباخ استفاده شده است و طی ان به ترتیب؛ 882/0 و 810/0 حاصل شده است. در این مطالعه، میزان پایایی کل مقیاس 88/0 و میزان پایایی مؤلفههای آن بین 81/0 تا 88/0 می‌باشند. همچنین روایی صوری و محتوایی پرسشنامهها با نظرخواهی از صاحب‌نظران این حوزه بررسی و تأیید شد. شیوه اجرا در این پژوهش برای جمعآوری اطلاعات، از روش میدانی با به کارگیری پرسشنامه بود و سپس به شرکتهای فناور مراجعه و با همکاری مدیران و دریافت شماره تماس کارکنان شاغل، لینک پرسشنامه به صورت الکترونیکی برای آنها ارسال گردید. تجزیه و تحلیل داده‌های گردآوری شده با شاخص های آمار توصیفی، آزمون ضریب همبستگی پیرسون و مدل معادلات ساختاری به کمک نرم‌افزارهای SPSS و Smart Pls انجام شد.

یافته‌ها

خلاصه توصیفی یافتهها نشان داد که از 256 نفر نمونه پژوهش، 8/60 درصد، مرد؛ 0/56 درصد، دارای سن بین 31 تا 40 سال؛ 6/39 درصد، دارای تحصیلات کارشناسی ارشد و 8/54 درصد، دارای سابقه کار بین 6 تا 10 سال می باشد. در جدول(1) نتایج میانگین و آزمون نرمال کلموگروف-اسمیرنف(K-S Test) نمرات متغیرهای پژوهش و مؤلفه‌های آنها ارائه ‌شده است.

جدول (1) نشان میدهد که میزان کاربرد هوش مصنوعی و رفتار نوآورانه در بین کارکنان شرکت‌های فناور و مؤلفه‌های آنها در سطح بالاتر از متوسط قرار دارد (زیرا، مقدار میانگین بزرگ‌تر از سطح متوسط و مطلوب 3 است). همچنین، جدول (1) نشان میدهد که خطای آزمون نرمال کلموگروف-اسمیرنف(Sig.) توزیع نمرات کاربرد هوش مصنوعی و رفتار نوآورانه و مؤلفه‌های آنها در بین کارکنان شرکت‌های فناور از سطح معنی‌داری 05/0 بیشتر است، که این امر بیانگر نرمال بودن توزیع داده‌ها میباشد. لذا، استفاده از آزمونهای پارامتری برای تحلیل این دادهها مجاز است.

جدول1. نتایج توزیع میانگین و آزمون نرمال نمرات متغیرهای پژوهش و مؤلفه‌های آنها
ابعاد	مؤلفه/متغیر	M	SD	K-S Test
ابعاد	مؤلفه/متغیر	M	SD	Z	Sig.
رفتار نوآورانه	تولید ایده	05/4	968/0	921/0	289/0
	پشتیبانی از ایده	46/3	177/1	921/0	104/0
	اجرایی نمودن ایده	56/3	092/1	949/0	349/0
رفتار نوآورانه		43/3	639/0	960/0	540/0
کاربرد هوش مصنوعی	مدیریت هوش مصنوعی	48/3	206/1	959/0	526/0
	تصمیم گیری مبتنی بر هوش مصنوعی	21/3	080/1	968/0	705/0
	زیرساختهای هوش مصنوعی	26/3	176/1	963/0	613/0
	مهارتهای هوش مصنوعی	38/3	112/1	952/0	406/0
	تمایل به هوش مصنوعی	24/3	113/1	932/0	169/0
کاربرد هوش مصنوعی		22/3	22/3	770/0	947/0

از آنجا که پایه و اساس مطالعات تحلیل مسیر، همبستگی بین متغیرها است، در جدول (2) مقادیر همبستگی متغیرهای پژوهش ارائه ‌شده است.

جدول2. همبستگی متغیرهای پژوهش

متغیر	مدیریت هوش مصنوعی	تصمیم گیری مبتنی بر هوش مصنوعی	زیرساختهای هوش مصنوعی	مهارتهای هوش مصنوعی	تمایل به هوش مصنوعی	کاربرد هوش مصنوعی
رفتار نوآورانه	0/621^**	0/582^**	0/493^**	0/604^**	0/504^**	0/518^**

نتایج جدول (2) نشان می‌دهد بین کاربرد هوش مصنوعی و رفتار نوآورانه در بین کارکنان شرکت‌های فناور رابطه معنادار و مستقیم وجود دارد(0/01>P).

حال، با توجه به نتایج آزمون نرمال و همبستگی متغیرهای پژوهش، در جدول (3)، نتایج شاخص های ارزندگی مدل مفهومی تأثیر کاربرد هوش مصنوعی بر رفتار نوآورانه کارکنان شرکت‌های فناور با استفاده از تحلیل مدل معادلات ساختاری ارائه شده است. لازم به یادآوری است که مدل پس از اصلاح و ارتباط بین خطاها و مینیمم آن ها به‌دست‌آمده است.

جدول (3) نشان میدهد که در الگوی تأثیر کاربرد هوش مصنوعی بر رفتار نوآورانه کارکنان شرکت‌های فناور برازش شده، میزان شاخص نسبت مجذور خی‌دو به درجۀ آزادی (X2/df) کمتر از سطح مطلوب و مقدار قابل قبول عدد 4 و میزان شاخص جذر برآورد واریانس خطای تقریب (RMSEA) در مدل اندازهگیری کمتر از سطح معنیداری و قابل قبول 08/0 بوده که نشاندهنده برازش مناسب و خوب مدل است. به همین ترتیب، در مدل پژوهش مقادیر اندازههای برازندگی شاخص نیکویی برازش (GFI)، شاخص برازش تطبیقی (CFI) و شاخص برازش بهنجار بنتلر- بونت (NFI) در حدود 90/0 و بزرگ‌تر از میزان مطلوب 90/0 بوده که مقادیری مناسب و مطلوب محسوب میشوند. از این رو، الگوی تأثیر کاربرد هوش مصنوعی بر رفتار نوآورانه کارکنان شرکت‌های فناور، توسط دادههای پژوهش در سطح مناسبی از نظریههای استفاده شده حمایت کرده و برای تبیین مدلی مناسب محسوب میشود.

جدول3. نتایج شاخصهای ارزندگی مدل مفهومی پژوهش با استفاده از تحلیل مدل معادلات ساختاری
مدل	χ2	DF	χ2/ DF	RMSEA	GFI	CFI	NFI
مدل پژوهش	984/311	124	516/2	071/0	923/0	941/0	936/0

در نمودارهای (1) و (2) نتایج برآورد ضرایب مسیر (بارهای عاملی) و آماره آزمون (C.R.) آنها در برازندگی الگوی تأثیر کاربرد هوش مصنوعی بر رفتار نوآورانه کارکنان شرکت‌های فناور با تخمین غیر استاندارد و استاندارد نمایش داده شده است.

نمودار(1): نتایج ضرایب مسیر و بار عاملی مدل پژوهش با تخمین غیر استاندارد

نمودار(2): نتایج آزمون ضرایب مسیر و بار عاملی مدل پژوهش با تخمین استاندارد

نمودارهای (1) و (2) نشان میدهند کلیۀ بارهای عاملی بین گویهها، ابعاد و متغیر مرتبط با آنها در الگوی تأثیر کاربرد هوش مصنوعی بر رفتار نوآورانه کارکنان شرکت‌های فناور بزرگ‌تر از 30/0 میباشد. در نتیجه، قدرت رابطه و قدرت تبیینکنندگی برای هر متغیر با ابعاد و گویههای آن در الگوی تأثیر کاربرد هوش مصنوعی بر رفتار نوآورانه کارکنان شرکت‌های فناور مطلوب و مناسب بوده است. همچنین، مقدار آماره آزمون C.R. کلیه ضرایب مسیر خارج فاصله (2+و2-) می‌باشند. در نتیجه، کلیه گویهها (سؤالات) به کار گرفته در تحقیق، قدرت تبیین کنندگی مورد نظر را برای الگوی تأثیر کاربرد هوش مصنوعی بر رفتار نوآورانه کارکنان شرکت‌های فناور مورد نظر داشتهاند و با توجه به نتایج مشخصههای برازندگی، ضرایب آلفای کرونباخ گزارش شده و بار عاملی و C.R. ، ابزار گردآوری دادهها الگوی تأثیر کاربرد هوش مصنوعی بر رفتار نوآورانه کارکنان شرکت‌های فناور دارای ویژگیهای فنی (قابلیت اعتماد و اعتبار) در سطح بسیار خوب و مطلوبی میباشد.

با استفاده از نمودارهای (1) و (2) خلاصه نتایج برآورد ضرایب مسیر غیراستاندارد (B) و استاندارد (Beta) و معناداری (C.R.) آن‌ها در الگوی تأثیر کاربرد هوش مصنوعی بر رفتار نوآورانه کارکنان شرکت‌های فناور در جدول (4) ارائه شده است.

جدول(4): نتایج آزمون و برآورد ضرایب مسیر مدل پژوهش
مسیر	B		C.R.	P
کاربرد هوش مصنوعی ß رفتار نوآورانه	871/0	823/0	263/35	01/0>

همان‌گونه که جدول (4) نشان میدهد در الگوی تأثیر کاربرد هوش مصنوعی بر رفتار نوآورانه کارکنان شرکت‌های فناور، ضریب مسیر معنادار میباشد، و مقدار C.R. خارج فاصله (2+و2-) می‌باشند. همچنین، معناداری مقادیر P کمتر از سطح معنی‌داری 05/0 است. همچنین، جدول (4) نشان میدهد که میزان اثر مستقیم کاربرد هوش مصنوعی بر رفتار نوآورانه کارکنان شرکت‌های فناور برابر با 823/0 است که مقدار قابل توجه و معناداری میباشد. در نتیجه، کاربرد هوش مصنوعی میتواند بر رفتار نوآورانه کارکنان شرکت‌های فناور تأثیر مثبت و مستقیم معناداری داشته باشد.

بحث و نتیجه گیری

نوآوری به عنوان یک ابزار برای مقابله با تغییرات فناورانه، اجتماعی و نهادی، که منجر به کوتاه شدن چرخه عمر محصولات شده، برجسته شده است. این متن بر اهمیت ترغیب کارکنان به نمایش گذاشتن رفتار کاری نوآورانه، بهبود عملکرد سازمان‌ها از طریق سرمایه‌گذاری در منابع انسانی و استفاده از فناوری‌های نوین همچون هوش مصنوعی به منظور افزایش بهره‌وری کارکنان تأکید داشت. لذا، این پژوهش با هدف بررسی نقش کاربرد هوش مصنوعی در رفتار نوآورانه کارکنان شرکت‌های فناور استان ایلام انجام گرفت. نتایج نشان داد ه بین کاربرد هوش مصنوعی و رفتار نوآورانه در بین کارکنان شرکت‌های فناور رابطه معنادار و مستقیم وجود دارد. به همین ترتیب، نتایج حاصل از تحلیل مدل معادلات ساختاری نشان داد که در نمونة کارکنان شرکت‌های فناور مدل مفروض واسطه‌مندی نسبی کاربرد هوش مصنوعی در تأثیر رفتار نوآورانه کارکنان شرکت‌های فناور با داده‌ها برازش مطلوبی داشت. افزون بر این، نتایج نشان داد که در مدل‌ مفروض، تمامی ضرایب مسیر از لحاظ آماری معنادار بودند و نقش کاربرد هوش مصنوعی به میزان 823/0 واحد در حالت استاندارد بر رفتار نوآورانه کارکنان شرکت‌های فناور تأثیر دارد.

یافتههای این مطالعه در برخی از جهات با مطالعات یزدانی و رحیمیان (1403)، دوالی و نوحه‌گر (1403)، قزلسفلو (1402)، علیزاده و همکاران (1402)، ین و همکاران (2024)، ساپتووینارنو و همکاران (2024)، خان و همکاران (2023)، باوونز (2022) و لی و همکاران (2022) همخوانی دارد. به عنوان نمونه، در پژوهش ین و همکاران (2024) نتایج نشان دادند که یک دستیار هوش مصنوعی که به عنوان هوش بالا مشخص می‌شود، تأثیر غیرمستقیم مثبتی بر رفتار نوآورانه کارکنان دارد. مطالعه ورما و سینگ (2022) نیز نشان داد که ویژگی‌های وظیفه فعال‌شده با هوش مصنوعی (استقلال شغل و تنوع مهارت) و ویژگی‌های دانش (پیچیدگی شغل، تخصص و پردازش اطلاعات) بر رفتار نوآورانه کارکنان تأثیر می‌گذارند و ویژگی‌های شغلی فعال‌شده با هوش مصنوعی به شدت با رفتار نوآورانه کارکنان تحت تأثیرات متفاوت بحران جایگزینی درک شده مرتبط هستند. پژوهش، باوونز (2022) نشان داد که بین استفاده مولد هوش مصنوعی و رفتار نوآورانه کارکنان و خودکارآمدی و رفتار نوآورانه کارکنان رابطه مثبت وجود دارد. یافته های حاصل دوالی و نوحه‌گر (1403) نشان داد که هوش مصنوعی بر عملکرد کارکنان و اشتیاق شغلی تاثیر معناداری دارد. همچنین، علی زاده و همکاران (1402) نشان دادند که هوش مصنوعی می تواند به کسب و کارها کمک کند تا منابع بازاریابی خود را بهینهسازی کنند.

تبیین نتایج یافتهها نشان داد که هوش مصنوعی به طور مستقیم و معناداری رفتار نوآورانه کارکنان را تحت تأثیر قرار می‌دهند. چرا که، هوش مصنوعی از طریق ارائه ابزارهای پیشرفته برای تحلیل داده‌ها، تسهیل تصمیم‌گیری و خودکارسازی وظایف پیچیده، بستر مناسبی برای تقویت خلاقیت و نوآوری در محیط‌های کاری فراهم می‌آورد. همچنین، با افزایش قابلیت‌ها و انعطاف‌پذیری کارکنان در استفاده از فناوری‌های جدید، موجب ارتقای نوآوری می‌شود.

همچنین، هوش مصنوعی ابتدا با افزایش اعتماد به ‌نفس و باور خلاقانه کارکنان، زمینه را برای نوآوری فراهم کرده و سپس بر رفتار نوآورانه آن‌ها تأثیر می‌گذارد. تحلیل‌ها نشان می‌دهند که ابزارهای هوش مصنوعی با تقویت اعتماد به ‌نفس کارکنان برای ارائه و اجرای ایده‌های نوآورانه، این رفتارها را ارتقاء می‌دهند. برای بهبود رفتار نوآورانه، سازمان‌ها باید در کنار توسعه، به‌کارگیری فناوری‌های هوش مصنوعی را در دستور کار خود قرار دهند. در نتیجه، یافته‌های این پژوهش نشان می‌دهد که موفقیت در به ‌کارگیری فناوری‌های نوین، به ویژه هوش مصنوعی و تأثیرگذاری آن بر نوآوری سازمانی، نیازمند توجه به عوامل انسانی است. سازمان‌ها می‌توانند با سرمایه‌گذاری بر آموزش، فراهم کردن زیرساخت‌های حمایتی و ایجاد فرهنگی مبتنی بر یادگیری و نوآوری، تأثیر مثبت این عوامل را تقویت کرده و به عملکردی پایدار و نوآورانه دست یابند. در این راستا، استفاده از ابزارهای هوش مصنوعی برای تسهیل فرآیندهای خلاقانه شرکت‌ها می‌توانند از سیستم‌های هوش مصنوعی برای تحلیل داده‌ها، پیش‌بینی روندها و ایجاد ایده‌های جدید در پروژه‌ها استفاده کنند. همچنین، آموزش و ارتقای مهارت‌های کارکنان در استفاده از هوش مصنوعی: فراهم کردن دوره‌های آموزشی برای کارکنان به منظور یادگیری نحوه بهره‌برداری از ابزارهای هوش مصنوعی می‌تواند به تقویت رفتارهای نوآورانه کمک کند. به همین ترتیب، حمایت از کارکنان در مواجهه با تکنولوژی‌های جدید و فراهم آوردن پشتیبانی فنی و روان‌شناختی برای کارکنانی که ممکن است در ابتدا با استفاده از هوش مصنوعی احساس بی‌اطمینانی کنند لازم است. در مطالعات آتی پیشنهاد میشود که پژوهشگران به بررسی و ارزیابی تأثیر هوش مصنوعی بر تصمیم‌گیری نوآورانه در تیم‌های کاری چندرشته‌ای، همچنین، به بررسی سایر عوامل، از جمله، خودکارآمدی خلاق کارکنان، توانمندی‌های فناوری و پذیرش فناوری و تأثیر آن بر رفتار نوآورانه کارکنان در شرکت‌های فناوری اطلاعات بپردازند. همچنین، پژوهش حاضر با محدودیتهایی مواجه بود. از جمله؛ جامعه آماری این پژوهش تنها شامل کارکنان شرکتهای فناور استان ایلام بوده است، لذا، در تعمیم نتایج به کارکنان دیگر و سازمان های دیگر، رعایت جانب احتیاط ضروری است. همچنین سایر عوامل مانند شاخصهای اجتماعی، فرهنگی، امکانات مالی و... کنترل نشده است.

تشکر و قدردانی

بدین‌وسیله نویسندگان از تمامی‌شرکت‌کنندگان در این پژوهش و صمیمانه تشکر و قدردانی می‌کنند.

ملاحظات اخلاقی

در جریان اجرای این پژوهش و تهیه مقاله کلیه قوانین کشوری و اصول اخلاق حرفه‌ای مرتبط با پژوهش رعایت شده است.

حامی‌مالی

کلیه هزینه‌های پژوهش حاضر توسط نویسندگان مقاله تأمین شده است.

تعارض منافع

بنابر اظهار نویسندگان، مقاله حاضر فاقد هرگونه تعارض منافع بوده است. این مقاله قبلاً در هیچ نشریه‌ای اعم از داخلی یا خارجی چاپ نشده است.

[1] - Chaubey et al.

[2] - Brynjolfsson et al.

[3] - Vlacic et al.

[4] - Glikson & Woolley

[5]- Rodriguez & Rodriguez

[6]- Kim & Shim

[7]- Theurer

[8]- Battistelli

[9]- Saptowinarno

[10]- Lee

[11]- Yin

[12]- Raisch & Krakowski

[13]- Brynjolfsson

[14]- Ghosh

[15]- Yang & Lee

[16]- Glikson & Woolley

[17]- Khan

[18]- Hu

[19]- Wirtz

[20]- Wilson & Daugherty

[21]- Makarius

[22]- Kandeepan

[23]- Ivancevich & Matteson

[24]- Yin

[25]- Verma & Singh

[26]- Bauwens

[27]-Chen

[28]-Jenssen

[29]- Rodriguez

References

Ahmadi, H, Nouri, A & Ganjeh, A. (2016). Modeling the impact of work culture on innovative behavior and organizational performance of elementary school teachers in Ardabil using structural equation modeling. 4th Scientific-Research Conference on Educational Sciences and

Psychology of Social and Cultural Harms in Iran [In Persian]

Alizadeh, H, Nazarpourkashani, H, Jalali Filshoor, M & Pourjabari Khamneh, A. H. (2023). Predicting consumer behavior based on artificial intelligence marketing. National Conference on Management Research and Humanities in Iran [In Persian]

Bakrizadeh, H, Panahi, M & Jamalvandi, B. (2023). The role of digital literacy in technology acceptance among Payame Noor University librarians. Journal of Technology and Knowledge in Education, 3(2), 27–38 [In Persian]

Battistelli, Adalgisa; Odoardi, C; Vandenberghe, C; Di Napoli, G & Piccione, L. (2019). Information sharing and innovative work behavior: The role of work-based learning, challenging tasks, and organizational commitment. Human Resource Development Quarterly, 30(3), 361–381.

Bauwens, R. (2022). The Impact of Employee Usage of Generative AI on Innovative Work Behavior and the Mediating Role of Self-Efficacy.

Biranvand, A, Zarei, S & Golshani, M. (2020). Impact of organizational climate and knowledge sharing on innovative behavior of employees in knowledge-based companies. Interaction of Human and Information, 7(4), 15–29 [In Persian]

Brynjolfsson, E. Rock, D & Syverson, C. (2021). The productivity J-Curve: How intangibles complement general purpose technologies. American Economic Journal: Macroeconomics, 13(1), 333–372.

Chaubey, A. Sahoo, C. K & Khatri, N. (2019). Relationship of transformational leadership with employee creativity and organizational innovation: A study of mediating and moderating influences. Journal of Strategy and Management, 12(1), 61-82.

Dovali, M & Nohegar, S. (2024). The impact of artificial intelligence on employee performance and work engagement: Moderating role of change leadership. Journal of Organizational Development of Police, 21(1), 46–59 [In Persian]

Ebrahimpour, H, Taghavi, J, Zahed Babolan, A & Moeini Kia, M. (2015). Examining the relationship between learning climate and innovative behavior of elementary school teachers. 1st Scientific-Research Conference on Educational Sciences and Psychology of Social and Cultural Harms in Iran [In Persian]

Ghazalsaflo, H. R. (2023). Challenges and opportunities of using artificial intelligence in human resource management. Journal of Technology in Entrepreneurship and Strategic Management, 2(2), 21–27 [In Persian]

Ghosh, B. Daugherty, P. Wilson, J & Burden, A. (2019). Taking a systems approach to adopting AI. Harvard Business Review, 5(9), 2 .Glikson, E & Woolley, A. W. (2020). Human trust in artificial intelligence: Review of empirical research. The Academy of Management Annals, 14(2), 627–660.

Glikson, E & Woolley, A. W. (2020). Human trust in artificial intelligence:

Hu, Q. Lu, Y. Pan, Z. Gong, Y & Yang, Z. (2021). Can AI artifacts influence human cognition? The effects of artificial autonomy in intelligent personal assistants.

Ivancevich, K and Matteson. (2016). Organizational Behavior & Management. McGraw-Hill Education, 11 edition.

Jadidi Mohammadabadi, A. (2022). Effectiveness of social networks on aggression and creative thinking of female high school students in Yazd. Journal of Technology and Knowledge in Education, 3(2), 17–24 [In Persian]

Kandeepan, V. (2016). Employee Bootlegging behavior of non academic staff members in theuniversity system of sri lanka: a case study in university of jaffna. International Journal of Information Research and Review, 3(1), 1710-1716.

Khan, A. N. Jabeen, F. Mehmood, K., Soomro, M. A & Bresciani, S. (2023). Paving the way for technological innovation through adoption of artificial intelligence in conservative industries. Journal of Business Research, 165, 114019.

Kim, Namhyun & Shim, Changsup. (2018b). Social capital, knowledge sharing and innovation of small-and medium-sized enterprises in a tourism cluster. International Journal of Contemporary hospitality.

Li, X. Cheng, M & Xu, J. (2022). Leaders' innovation expectation and nurses' innovation behaviour in conjunction with artificial intelligence: The chain mediation of job control and creative self‐efficacy. Journal of Nursing Management, 30(8), 3806-3816.

Makarius, E. E. Mukherjee, D. Fox, J. D & Fox, A. K. (2020). Rising with the machines: A sociotechnical framework for bringing artificial intelligence into the organization. Journal of Business Research, 120, 262–273.

Matlabi Nejad, A, Fazeli, F & Elham Navaei. (2022). Systematic review of promises and challenges of artificial intelligence for teachers. Journal of Technology and Knowledge in Education, 3(1), 23–44 [In Persian]

Mousavi, S F & Kolak, A. (2022). The effect of employees’ creative self-efficacy on innovative behavior with mediating role of organizational entrepreneurship (Education in Mehr County). Journal of Smart Marketing Management, 30(3), 156–163 [In Persian]

Raisch, S & Krakowski, S. (2020). Artificial intelligence and management: The automation–augmentation paradox. Academy of Management Review, 46(2), 192–210.

Review of empirical research. The Academy of Management Annals, 14(2), 627–660.

Rodriguez, A & Rodriguez, Y. (2015). Metaphors for today’s leadership: VUCA world, millennial and “Cloud Leaders”. Journal of Management Development, 34(7), 854-866.

Saptowinarno, B. Maharani, A & Wihadanto, A. (2024). Factors affecting innovative work behavior in Tech-Company: A review findings using artificial intelligence. Journal of Economics and Business Letters, 4(4), 1-9.

Theurer, Christian P; Tumasjan, Andranik & Welpe, Isabell M. (2018). Contextual work design and employee innovative work behavior: When does autonomy matter? PloS one, 13(10), e0204089.

Verma, S & Singh, V. (2022). Impact of artificial intelligence-enabled job characteristics and perceived substitution crisis on innovative work behavior of employees from high-tech firms. Computers in Human Behavior, 131, 107215.

Vlacic, B. Corbo, L. Silva, S. C. E & Dabic, M. (2021). The evolving role of artificial intelligence in marketing: A review and research agenda. Journal of Business Research, 128, 187–203.

Wilson, J & Daugherty, P. (2018). Collaborative intelligence: Humans and AI are joining forces. Harvard Business Review, 96(4), 114–124.

Wirtz, J. Patterson, G. P. Kunz, H. W. Gruber, T. Lu, V. N. Paluch, S & Martins, A. (2018). Brave new world: Service robots in the frontline. Journal of Service Management, 29(5), 907–931.

Yang, H & Lee, H. (2019). Understanding user behavior of virtual personal assistant devices. Information Systems and e-Business Management, 17(1), 65–87.

Yazdani, M & Rahimian, A. (2024). Effect of AI readiness on job satisfaction with mediating role of AI innovation and perceived threats in Khalaj Gold Stamping Industry. Journal of Accounting and Management Perspectives, 7(88), 107–118 [In Persian]

Yin, M. Jiang, S & Niu, X. (2024). Can AI really help? The double-edged sword effect of AI assistant on employees’ innovation behavior. Computers in Human Behavior, 150, 107987.Brynjolfsson, E. Rock, D & Syverson, C. (2021). The productivity J-Curve: How intangibles complement general purpose technologies. American Economic Journal: Macroeconomics, 13(1), 333–372.

Volume 5, Issue 2 - Serial Number 16
June 2025
Pages 9-21

Files

History

Receive Date: 27 November 2024
Revise Date: 19 January 2025
Accept Date: 27 February 2025
First Publish Date: 30 May 2025
Publish Date: 22 June 2025

How to cite

Volume 5, Issue 2 - Serial Number 16June 2025Pages 9-21

Volume 5, Issue 2 - Serial Number 16
June 2025
Pages 9-21