بررسی تاثیر شایستگیهای هوش مصنوعی بر عملکرد سازمانی با نقش میانجی قابلیتهای بازاریابی B2B (مطالعه موردی: شرکتهای تولیدی مستقر در منطقه آزاد تجاری- صنعتی ارس)
بابک جراحی
1
(
عضو هیات علمی تمام وقت
)
اکبر گل محمدپور
2
(
دانشگاه آزاد اسلامی واحد جلفا، ایران
)
بهروز سیرنگ
3
(
مربی، گروه حسابداری، واحد ارس، دانشگاه آزاد اسلامی، هادیشهر، ایران
)
یاسر عباسپور
4
(
کارشناس ارشد مدیریت بازرگانی
)
کلید واژه: شایستگیهای هوش مصنوعی, عملکرد سازمانی, قابلیتهای بازاریابی B2B , شرکتهای تولیدی مستقر در منطقه آزاد تجاری- صنعتی ارس,
چکیده مقاله :
هدف تحقیق حاضر بررسی تاثیر شایستگیهای هوش مصنوعی بر عملکرد سازمانی با نقش میانجی قابلیتهای بازاریابی B2B در شرکتهای تولیدی مستقر در منطقه آزاد تجاری- صنعتی ارس می‌باشد. پژوهش حاضر از نظر هدف از نوع پژوهش‌های کاربردی می‌باشد، و از نظر روش گردآوری اطلاعات از نوع پژوهش‌های میدانی است، و از نظر ماهیت پژوهش از نوع پژوهش‌های توصیفی می‌باشد. جامعه آماري تحقیق حاضر کلیه مدیران و کارشناسان فناوری اطلاعات شرکتهای تولیدی مستقر در منطقه آزاد ارس میباشند. جامعه آماري تحقیق حاضر کلیه مدیران و کارشناسان فناوری اطلاعات شرکتهای تولیدی مستقر در منطقه آزاد ارس با بیش از 50 نفر پرسنل میباشند که تعداد آنها بر اساس اطلاعات دریافتی از سازمان منطقه آزاد ارس 212 شرکت می باشند که با احتساب 1 مدیر و 1 کارشناس بخش فناوری اطلاعات، تعداد جامعه آماری 424 نفر بدست آمد. برای نمونه گیری از روش نمونه‌گیری تصادفی ساده، و تعداد نمونه آماری، با استفاده از جدول مورگان 202 نفر بدست آمد. به منظور جمع‌آوری داده‌ها از پرسشنامه پرسشنامه استاندارد میکلایف و همکاران(2021) استفاده شد که دارای روایی و پایایی قابل قبول می‌باشد. برای تجزیه و تحلیل داده‌ها از مدل‌سازی معادلات ساختاری (SEM) با رویکرد حداقل مربعات جزئی (PLS) به وسیله‌ی نرم افزار Smart PLS3 استفاده شد. نتایج آزمون فرضیات تحقیق نشان می‌دهد شایستگیهای هوش مصنوعی بر عملکرد سازمانی با نقش میانجی قابلیتهای بازاریابی B2B در شرکتهای تولیدی مستقر در منطقه آزاد تجاری- صنعتی ارس تاثیر مثبت دارد.
چکیده انگلیسی :
The aim of this study is to investigate the impact of artificial intelligence competencies on organizational performance with the mediating role of B2B marketing capabilities in manufacturing companies located in the Aras Free Trade and Industrial Zone. The present study is an applied research in terms of its purpose, a field research in terms of its data collection method, and a descriptive research in terms of its nature. The statistical population of the present study is all managers and IT experts of manufacturing companies located in the Aras Free Zone. The statistical population of the present study is all managers and IT experts of manufacturing companies located in the Aras Free Zone with more than 50 employees, whose number is 212 companies based on information received from the Aras Free Zone Organization, which includes 1 manager and 1 IT expert, resulting in a statistical population of 424 people. For sampling, a simple random sampling method was used, and the number of statistical samples was 202 people using the Morgan table. In order to collect data, the standard questionnaire of Miklaev et al. (2021) was used, which has acceptable validity and reliability. Structural equation modeling (SEM) with partial least squares (PLS) approach was used to analyze the data using Smart PLS3 software. The results of the research hypothesis test show that artificial intelligence competencies have a positive effect on organizational performance with the mediating role of B2B marketing capabilities in manufacturing companies located in the Aras Free Trade and Industrial Zone.
استرن،جیم(1399). هوش مصنوعی و کاربردهای آن در بازاریابی، مترجم: سید محمد طباطبایی نسب، فرشته راستی، انتشارات دانشگاه یزد
آمسترانگ، مایکل(1396). مدیریت عملکرد، انتشارات سازمان جهاد دانشگاهی تهران
براتی، مهدی(1402).بررسی تاثیر قابلیتهای هوش مصنوعی بر عملکرد بازاریابی در خریدهای آنلاین (مورد مطالعه: فروشگاههای آنلاین در شهر تهران)، نهمین کنفرانس بینالمللی چشم اندازهای نوین در مدیریت، حسابداری و کارآفرینی،تهران
زاداحمد، لیلا (1401). نقش مداخله‌گری هوش مصنوعی در تاثیر بازاریابی نوین بر عملکرد سازمان‌های نوپا. نشریه تخصصی پژوهش های پیشرفت و تعالی, 5(4), 26-15
قاضی زاده، مصطفی، حبیب ابراهیم پور، محمد سعادتمند،سید مجتبی حسینی فر، بررسی و مطالعه اثر قابلیتهای بازاریابی و تنوع‌بخشی بر عملکرد مالی (با استفاده از تکنیک تحلیل پوششی داده ها)، مجله تحقیقات بازاریابی نوین، شماره 1 پیاپی(24)، صص 34-27
کرمی پور، میثم(1402). طراحی و تبیین مدل شایستگی های هوش مصنوعی بر عملکرد سازمانی با در نظر گرفتن قابلیت های بازاریابی B2B، فصلنامه ارزش آفرینی در مدیریت کسب و کار، دوره: 3، شماره: 2
گمرکچی، فاطمه(1402). ارزیابی تاثیر قابلیت هوش مصنوعی بر عملکرد فروش (مورد مطالعه: شرکت های تولیدی فرش ماشینی شهرستان کاشان)،اولین کنفرانس بین المللی توانمندی مدیریت، مهندسی صنایع، حسابداری و اقتصاد، بابل
متولی‌جلالی، نزهت‌السادات (1401). تاثیر قابلیتهای هوش مصنوعی بر عملکرد مالی، بازاریابی و اداری،ناشر: آموزشی تالیفی ارشدان، چاپ اول
Abijith, A., & Wamba, S. F. J. B. P. M. J. (2012). Business value of RFID- enabled healthcare transformation projects. 19(1), 31
Agarwa,H, Prasad Das,C & Swain, K,.(2022). Does Artificial Intelligence Influence the Operational Performance of Companies? A Study, Atlantis Highlights in Social Sciences, Education and Humanities, volume 2
Batko, R., & Szopa, A. (2016). Strategic imperatives and core competencies in the era of robotics and artificial intelligence. IGI Global.
Borges, A. F., Laurindo, F. J., Spínola, M. M., Gonçalves, R. F., & Mattos, C. A. (2020). The strategic use of artificial intelligence in the digital era: Systematic literature review and future research directions. International Journal of Information Management, 102225.
Castelo-Branco, I., Cruz-Jesus, F., & Oliveira, T. (2019). Assessing Industry 4.0 readiness in manufacturing: Evidence for the European Union. Computers in Industry, 107, 22–32.
Ensslin, S. R., Rodrigues, K. T., Yoshiura, L. J. M., da Silva, J. C., & Longaray, A. A. (2022). Organizational performance management and the ‘sustainability’of the performance evaluation system: A view guided by the integrative review perspective. Sustainability, 14(17), 11005
Guo, W., & Zhang, B. (2020). Research on development strategy of news app under the background of artificial intelligence. In IOP Conference Series: Materials Science and Engineering (Vol. 806, No. 1, p. 012031). IOP Publishing
Han, R., Lam, H. K. S., Zhan, Y., Wang, Y., Dwivedi, Y. K., & Tan, K. H. (2021). Artificial intelligence in business-tobusiness marketing: a bibliometric analysis of current research status, development and future directions. Industrial Management & Data Systems, ahead-of-p(ahead-of-print). https:// doi. org/ 10. 1108/ IMDS- 05- 2021- 0300
Herhausen, D., Mioˇcevi´c, D., Morgan, R. E., & Kleijnen, M. H. (2020). The digital marketing capabilities gap. Industrial Marketing Management, 90, 276–290.
Huang, M.-H., Rust, R., & Maksimovic, V. (2019). The feeling economy: Managing in the next generation of artificial intelligence (AI). California Management Review, 61(4), 43–65
Kaličanin, K., Čolović, M., Njeguš, A., Mitić, V. (2019). Benefits of Artificial Intelligence and Machine Learning in Marketing. Paper presented at Sinteza 2019 - International Scientific Conference on Information Technology and Data Related Research. doi:10.15308/Sinteza-2019-472-477
Kolis, K., & Jirinova, K. (2013). Differences between B2B and B2C customer relationship management. Findings from the Czech Republic. European Scientific Journal, 4, 22–27
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.
Mikalef, P., Conboy, K., & Krogstie, J. (2021). Artificial intelligence as an enabler of B2B marketing: A dynamic capabilities micro-foundations approach. Industrial marketing management, 98, 80–92
Morgan, N.A., Vorhies, D. W., Mason, C. H., (2009). Market orientation, marketing capabilities and firm performance, Strategic Management Juornal, 30(8), pp. 909-920
Olan, F., Arakpogun, E. O., Suklan, J., Nakpodia, F., Damij, N., & Jayawickrama, U. (2022). Artificial intelligence and knowledge sharing: Contributing factors to organizational performance. Journal of BusinessResearch, 145, 605-615
Paschen, J., Pitt, C., & Kietzmann, J. (2020). Artificial intelligence: Building blocks and an innovation typology. Business Horizons, 63(2), 147–155.
Poole, David; Mackworth, Alan; Goebel, Randy (2007). Computational Intelligence: A Logical Approach (English). New York, NY, USA: Oxford University Press, Inc. ISBN 9780195102703.
Syam, N., & Sharma, A. (2018). Waiting for a sales renaissance in the fourth industrial revolution: Machine learning and artificial intelligence in sales research and practice. Industrial Marketing Management, 69, 135–146.
Tjepkema, L. (2019). What Is Artificial Intelligence Marketing & Why Is It So Powerful. Emarsys: https://www.emarsys.com/resources/blog/artificial-intelligence marketing solutions /03.05, 53–55.
Verma, S., Sharma, R., Deb, S., & Maitra, D. (2021). Artificial intelligence in marketing: Systematic review and future research direction. International Journal ofInformation Management Data Insights, 100002.
Vlačić, B., Corbo, L., e Silva, S. C., & Dabić, M. (2021). The evolving role of artificial intelligence in marketing: A review and research agenda. Journal of Business Research, 128, 187-203
Wirth, N. (2018). Hello marketing, what can artificial intelligence help you with. International Journal of Market Research, 60(5), 435–438.