The impact of environmental, technological and organizational factors on the intention to adopt artificial intelligence in the insurance industry

Subject Areas :

adalat safarkhanlu ¹ , Ruhollah Abdulzadeh ² , babak jarrahi ³ , hamed ezzati ⁴

1 -
2 - Instructor, Accounting Department, Aras Branch, Islamic Azad University, Hadishahr, Iran.
3 - Full-time faculty member
4 - Graduated with a Master's degree in Information Technology Management

Received: 2025-03-08 Accepted : 2025-04-24 Published : 2025-05-14

Keywords: Environmental factors, technological factors, organizational factors, intention to adopt artificial intelligence, insurance companies located in East Azerbaijan province,

Abstract :

"The present research aims to investigate the impact of environmental, technological, and organizational factors on the intention to adopt artificial intelligence (AI) in the insurance industry. In terms of purpose, this research is an applied study; in terms of data collection method, it is a field study; and in terms of research nature, it is a descriptive study. The statistical population of the research includes employees of insurance companies located in East Azerbaijan Province, with a total of 725 employees in 29 insurance companies in the province. Convenience sampling was used for sampling, and the statistical sample size was determined to be 251 people using Morgan's table. The main instrument used in this research is the standard questionnaires of Pan et al. (2022) to measure environmental, technological, and organizational factors, and the Information Technology Adoption Questionnaire of Venkatesh et al. (2012) to measure the adoption of artificial intelligence, which have acceptable validity and reliability. To analyze the data, the structural equation modeling (SEM) method, specifically the path analysis technique using SmartPLS software, was used to test the research hypotheses. The results of the hypotheses test show that environmental, technological, and organizational factors have a positive effect on the intention to adopt artificial intelligence in insurance companies located in East Azerbaijan Province."

 

 

 

 

 

 

 

 

References:

بذرکار، اردشیر و مرادزاد، مهرداد و شایگان، شادی(1402). تحلیل اثر عوامل تکنولوژیکی، سازمانی و محیطی بر به کارگیری هوش مصنوعی در فرآیند جذب کارکنان، فصلنامه پژوهش های نوین در ارزیابی عملکرد، دوره: 2، شماره: 1
ترابی، مهسا،پشوتنی زاده، میترا، منصوری، علی(1400). بررسی عوامل مؤثر بر پذیرش نرم‌افزارهای کاربردی فهرست‌نویسی اجتماعی توسط دانشجویان تحصیلات تکمیلی دانشگاه اصفهان بر اساس مدل ثانویه نظریه یکپارچه پذیرش و استفاده از فناوری (UTAUT2). پژوهشنامه کتابداری و اطلاع رسانی، 11(1)، 300-321.
ثریایی، عرفانه و مشکانی فراهانی، نوید و شعفی، فرهنگ(1399). بررسی بکارگیری هوش مصنوعی در مدیریت منابع انسانی،کنفرانس بین‏المللی عمران، معماری، توسعه و بازآفرینی زیرساخت‎های شهری در ایران،تهران
جندقیان، امین(1403). بکارگیری مدل پذیرش فناوری (TAM) در ترکیب با چارچوب فناوری-سازمان-محیط (TOE) در پذیرش هوش مصنوعی،اولین کنفرانس بین المللی فناوری اطلاعات، مدیریت و کامپیوتر، ساری
زمان، زینب(1403). پذیرش فناوری و یادگیری الکترونیکی، دزفول، انتشارات اهوراقلم، چاپ اول
صفری، اشکان(1400).هوش مصنوعی و کاربرد آن در شبکه‌های انتقال شهرهای هوشمند، تهران، انتشارات عصر زندگی، چاپ اول.
ضرغامی، حمیدرضا(1394). کاربرد سیستم‎های هوش مصنوعی در تصمیم‎گیری‎های مدیریتی، اولین کنفرانس بین‎المللی مدیریت، اقتصاد، حسابداری و علوم تربیتی، ساری.
فتحی، محمد رضا و صادقی، روژین(1400). اولویت‎بندی عوامل موثر بر پذیرش فناوری بلاکچین در زنجیره تامین، دومین کنفرانس بین‎المللی چالش‎ها و راهکارهای نوین در مهندسی صنایع و مدیریت و حسابداری، دامغان
کورئا، فرانسسکو(1400). هوش مصنوعی کاربردی: هوش مصنوعی تا کجا پیش می‌رود، مترجم: بیتا لطفی، ناشر: آذرگان، چاپ اول
لطفی، یوسف(1403). بررسی تاثیر عوامل تکنولوژی، سازمانی و محیطی بر قصد رفتاری برای سازگاری با هوش مصنوعی در صنعت بیمه شهر همدان (مورد مطالعه: شرکت های بیمه خصوصی). پایان‌نامه کارشناسی ارشد، موسسه آموزش عالی گنجنامه، گروه مدیریت.
مالس زاک، ماریوس و پیوتر زاسکورسکی(1398). هوش مصنوعی در مدیریت سازمانهای مدرن، مترجم: محدثه ملائی، ناشر: هنر و علوم دانشگاهی، چاپ اول
میقانی، مریم(1397). پذیرش فن‌آوری‌های نوین در موزه. انتشارات علوم و فنون رازی.
Badghish, S., & Soomro, Y. A. (2024). Artificial intelligence adoption by SMEs in Saudi Arabia: Factors affecting sustainable business performance. Sustainability, 16(5), 1864.
Broekhuizen, T., Dekker, H., de Faria, P., Firk, S., Nguyen, D. K., & Sofka, W. (2023). AI for managing open innovation: Opportunities, challenges, and a research agenda. Journal of Business Research, 167, 114196.
Corrocherc, N. (2012), Internet adoption in Italian banks: An empirical investigation Research Policy 35 533–544.
Dadayan, L. and Ferro, E. (2005). When technology meets the mind: A comparative study of the technology acceptance model. EGOV, 137-144
Eling, M., Nuessle, D., & Staubli, J. (2021). The impact of artificial intelligence along the insurance value chain and on the insurability of risks. Geneva Papers on Risk and Insurance: Issues and Practice, 47(1)
Eling, M., Nuessle, D., & Staubli, J. (2021). The impact of artificial intelligence along the insurance value chain and on the insurability of risks. Geneva Papers on Risk and Insurance: Issues and Practice, 47(1)
Fishbein, M., And Ajzen, I. (1980). Predicting And Understanding Consumer Behavior: Attitude Behavior Correspondence, In Ajzen, I., And Fishbein, M. (Eds) Under- standing Attitudes And Predicting Social Behavior, Englewood Cliffs: Prentice Hall, Pp. 149172.
Gupta, S., Ghardallou, W., Pandey, D. K., & Sahu, G. P. (2022). Artificial intelligence adoption in the insurance industry: Evidence using the technology–organization–environment framework. Research in International Business and Finance, 63, 101757
Huang, X. (2018). Social Media Use by College Students and Teachers: An Application of UTAUT2. Dissertation in Walden University
Jöhnk, J., Weißert, M., & Wyrtki, K. (2021). Ready or not, AI comes—an interview study of organizational AI readiness factors. Business & information systems engineering, 63(1), 5–20.
Kelly. S, Kaye.S, Oviedo-Trespalacios, O,.(2023). What factors contribute to the acceptance of artificial intelligence?A systematic review, Telematics and Informatics, Volume 77.101925
Mariani, M. M., Machado, I., Magrelli, V., & Dwivedi, Y. K. (2023). Artificial intelligence in innovation research: A systematic review, conceptual framework, and future research directions. Technovation, 122, 102623.
Pan, Y., Froese, F., Liu, N., Hu, Y., & Ye, M. (2022). The adoption of artificial intelligence in employee recruitment: the influence of contextual factors. The international journal of human resource management, 33(6), 1125–1147.
Salamoura ,M (2010), Investigating the new product acceptance function in Greek enterprises (The quality-accessibility relationship), Managing Service Quality, Vol. 18 No. 5. Tornatzky, L., & Fleischer, M. (1990). The process of technology innovation. Lexington. Lexington Books.
Vaishnavi; Amritaa, K S; Achwani, Samay. (2018). A Study on Use of Artificial Intelligence in Human Resource Management, Gavesana Journal of Management; Hyderabad, Vol. 10, Iss. 2, 45-56.
Vaishnavi; Amritaa, K S; Achwani, Samay. (2018). A Study on Use of Artificial Intelligence in Human Resource Management, Gavesana Journal of Management; Hyderabad, Vol. 10, Iss. 2, 45-56.
Venkatesh, V. & Morris, M. G. & Davis, G. B & Davis, F. D (2003). User Acceptance of Information Technology: Toward A Unified View. MIS Quarterly, September 27 ( 3), 425-478.
Venkatesh, V., Thong, J. Y., & Xu, X. (2012), Consumer acceptance and use of information technology: Extending the unified theory of acceptance and use of technology, MIS Quarterly, 36(1), 157-178.
Wamba-Taguimdje, S.-L., Fosso Wamba, S., Kala Kamdjoug, J.R. and Tchatchouang Wanko, C.E. (2020), "Influence of artificial intelligence(AI) on firm performance: the business value of AI-based transformation projects", Business Process Management Journal, Vol. 26 No. 7, pp. 1893-1924
Zeng, H. (2020). Adaptability of artificial intelligence in human resources management in this era. International journal of science, 7(1), 271–276

Full-Text:



 

تاثیر عوامل محیطی، فناوری و سازمانی بر قصد پذیرش هوش مصنوعی در صنعت بیمه

عدالت صفرخانلو*1، روح اله عبدل زاده2، بابک جراحی3، حامد عزتی4

 

اطلاعات مقاله	چکیده
نوع مقاله: مقاله پژوهشي       تاریخ دریافت: 18/12/1403 تاریخ پذیرش: 02/04/1404	هدف این پژوهش تاثیر عوامل محیطی، فناوری و سازمانی بر قصد پذیرش هوش مصنوعی در صنعت بیمه می‎باشد. این پژوهش از نظر هدف از نوع پژوهش‎های کاربردی، از نظر روش گردآوری داده‌ها از نوع پژوهش‎های میدانی و از نظر ماهیت پژوهش از نوع پژوهش‎های توصیفی می‌باشد. جامعه آماری پژوهش شامل کارکنان شرکت‌های بیمه مستقر در استان آذربایجان شرقی هستند که مجموع کارکنان 29 شرکت بیمه استان 725 نفر می‌باشند. برای نمونه‌گیری از روش نمونه‌گیری در دسترس و حجم نمونه آماری با استفاده از جدول مورگان 251 نفر بدست آمد. ابزار اصلی مورد استفاده در این پژوهش، پرسش‌نامه‌های استاندارد پان و همکاران (2022) برای سنجش عوامل محیطی، فناوری و سازمانی و پرسش‌نامه پذیرش فناوری داده‌های ونکاتش و همکاران (2012) برای سنجش پذیرش هوش مصنوعی می‌باشند که دارای روایی و پایایی قابل قبول هستند. برای تجزیه و تحلیل داده ها از مدل معادلات ساختاری و به طور اخص روش تحلیل مسیر با استفاده از نرم افزار اسمارت پی ال اس به آزمون فرضیات پژوهش پرداخته شد. نتایج آزمون فرضیات نشان می‌دهد عوامل محیطی، فناوری و سازمانی بر قصد پذیرش هوش مصنوعی در شرکت‌های بیمه مستقر در استان آذربایجان شرقی تاثیر مثبت دارند.
کلیدواژه­ها	عوامل محیطی، عوامل فناوری، عوامل سازمانی، قصد پذیرش هوش مصنوعی، شرکت‌های بیمه مستقر در استان آذربایجان شرقی

 

ناشر: دانشگاه آزاد اسلامي واحد شهرقدس

* نویسنده مسئول: عدالت صفرخانلو                                                                                ایمیل: [e-mail]

 

 

 

1. مربی، گروه کامپیوتر، واحد ارس، دانشگاه آزاد اسلامی، هادیشهر، ايران (نویسنده مسئول)

2. مربی، گروه حسابداری، واحد ارس، دانشگاه آزاد اسلامی، هادیشهر، ايران

3. مربی، گروه زبان انگلیسی، واحد ارس، دانشگاه آزاد اسلامی، هادیشهر، ايران

4. دانش آموخته کارشناس ارشد مدیریت فناوری اطلاعات

 

 

مقدمه

با توسعه سریع فناوری‌های نوین، هوش مصنوعی (AI) به‌عنوان یکی از فناوری‌های تحول‌زا در بسیاری از صنایع شناخته شده است. توانایی این فناوری در خودکارسازی فرآیندها، بهبود تصمیم‌گیری، و افزایش کارایی، باعث شده است که سازمان‌ها به دنبال پذیرش و پیاده‌سازی آن باشند(بروکزین و همکاران¹،2023). امروزه دقت، سرعت و هم‌چنین، انعطاف‌پذیری در تصمیم‌گیری‎ها و توان پیش‌بینی آینده اهمیـتی بسـزا یافته، تمام سازمان‌ها و بنگاهها با دسترسی به داده‌های مهم در لحظه و تصمیم‌گیری دقیق و سـریع نـوعی مزیت رقابتی برای خود ایجاد می‎کنند. یکی از راههای رسیدن به ایـن مهـم، شـناخت و اسـتفاده از هـوش مصنوعی در سازمان‌ها و بنگاههاست. هوش مصنوعی، توانایی تصمیم‌گیری در زمان واقعی بر اساس الگوریتم‌های از پیش نصب شده و فن‎آوری‌های محاسباتی کارآمد را داراست (ضرغامی،1394). هوش مصنوعی طیفی گسترده از فناوری‌ها را شامل می‌شود که همه آنها می‌توانند به منابع انسانی اجازه دهند محیط خود را بهتر بشناسند و بر اساس آن عمل کنند. سازمان‌ها در حال توسعه و بهینه‌سازی مزایای فناوری و رقابتی خود با استفاده از نوآوری‌های فناوری هوش مصنوعی هستند. هوش مصنوعی به طور کامل پتانسیل خود را از راه بهینه‌سازی فرایندهای موجود و بهبود اتوماسیون، داده‌ها و تأثیرات تحول بلکه هم‌چنین، در تشخیص، پیش بینی و تعامل با انسان‌ها نشان می‌دهد. هوش مصنوعی وضعیت منابع انسانی را متحول خواهد کرد (وامبا-تاگومیجی و همکاران²،2020). از آنجا که سازمان‌ها به طور مداوم در حال تغییر و تحول بوده و بطور پیوسته دچار عدم تمرکز می‌شوند، افراد و سازمان‌هایی که بتوانند از فناوری هوش مصنوعی بهره‌مند شوند، می‌توانند در مسیر کاری خود موفق شوند (ثریایی و همکاران،1399). هوش مصنوعی، این قابلیت را دارد که روش کار منابع انسانی را در امور گوناگون تغییر دهد و در روشی که همواره بر امور حاکم بوده، دگرگونی ایجاد کند. هوش مصنوعی نقشی مهم در بهره‌وری بیش‌تر نیروی انسانی دارد(واشناوی و همکاران³، 2018).

    بی‌تردید، هوش مصنوعی، بلاک‌چین و یادگیری ماشین توان این را دارند که آینده‌ کسب‌وکار، سبک زندگی و شیوه‌ کار کردن مردم جهان را متحول کنند. امروزه، این فناوری‌ها در صنعت بیمه به کار گرفته شده‌اند. برخی از شرکت‌های بیمه از هوش مصنوعی و یادگیری ماشین برای خودکارسازیِ کارهای مشخصی استفاده می‌کنند تا خدمات بهتری به مشتریان عرضه شود. بلاک‌چین در تامین امنیت تراکنش‌ها، شناسایی تخلفات بیمه، پیشگیری از ریسک و کاهش هزینه‌ سیاست‌ها کاربرد دارد. با گسترش روزافزون این فناوری‌ها، انتظار می‌رود صنعت بیمه نیز کارآمدتر، دقیق‌تر و امن‌تر شود. با توجه به اینکه بکارگیری هوش مصنوعی و سایر راهکارهای دیجیتال کماکان با سرعت چشمگیری ادامه دارد، صنعت بیمه نیز از این فناوری‌ها نفع خواهد برد (الینگ و همکاران⁴، 2021). هوش مصنوعی یکی از نوآوری‌های اصلی عصر دیجیتال است که تأثیرات عمیقی بر صنایع گوناگون، از جمله صنعت بیمه، گذاشته است. این فناوری قابلیت بهینه‌سازی فرآیندهای بیمه‌گری، ارائه خدمات بهتر به مشتریان و بهبود تصمیم‌گیری در مدیریت ریسک‌ها را دارد (ماریانی و همکاران⁵،2023).

    از سوی دیگر، پژوهش‌های انجام شده پيرامون شكست پروژه‎هاي تجارت الكترونيك حاكي از آن است که در دوره زماني مطالعه به طور میانگین حـدود نيمـي از پـروژه‌هـاي الكترونيكـي سازی بـا شكست مواجه شده، بيش از 70 درصد آنها به اهداف از پيش تعيين شده خود نرسـيده و بـيش از 30 درصـد آنها پیش از پايان بطور كامل منحل مي‎شوند (میقانی،1397). موفقيت يا بازده سرمايه‌گذاري در فناوري اطلاعات به ميزان گرايش كاربران براي به‌كاربردن و استفاده از سيستم‌ها بستگي دارد. با توجه به سرمايه‌گذاري سازمان‌ها در ايجاد بسترهاي فناوري براي انجام امور، بحث ميزان استقبال كاربران و استفاده كاربردي از فناوري‌هاي نويني كه در اختيار آنها قرار مي‌گيرد، دارای اهميت است و مديران سازمان‌ها لازم است عوامل تأثيرگذار بر چگونگی استفاده از فناوري‌هاي جديد را بشناسند و با مديريت و كنترل آنها بتوانند به اهداف مورد نظر دست پيدا كنند (ترابی و همکاران، 1400). در صورت عدم پذیرش و بکارگیری فناوری جدید توسط کاربران، سرمایه‌گذاری در حوزه مورد نظر بی‌نتیجه خواهد ماند (دادایان و فیررو⁶،2005). تا زمانی‌که کاربران مورد نظر یک فناوري از آن استفاده نکنند هدف از طراحی آن یعنی همان بهبود و تسـهیل انجـام امور مربوطه و دست‌یابی به صرفه‎جویی‎هاي زمانی و هزینه‏اي برآورده نخواهد شد. اسـتفاده از یـک فناوري و تـداوم ایـن استفاده منوط به پذیرفته‌شدن آن فناوري از سوي کاربران می‌‎باشد (کوروچیر⁷، 2012). پذیرش به عنوان واکنش مشتري در برابر تصویر ذهنی محصول تعریف می‎شود که وي را به سمت نتیجه انتخـاب گزینه‎ها رهنمون می‎سازد. یا به عنوان مرحله نهایی فرآیند اخذ محصول بشمار می‌رود. پـذیرش هم‌چنین، دربرگیرنـده مفاهیم تکرار خرید و وفاداري نسبت به محصول/ برند می‌باشد. پذیرش به عنوان واکنش داخلی مشـتریان بـه تصـویر ذهنی از محصول/برند و قیمت آن تعریف می‎شود که با علایق خرید ترکیب و منجر به تکرار خرید یا خرید زمـانی و وفاداري نسبت به برند می‎شود (سالامورا⁸،2010).

    از آنجا که پذیرش هوش مصنوعی در صنعت بیمه یک فرآیند پیچیده است که نیازمند توجه به مجموعه‌ای از عوامل محیطی، فناوری و سازمانی است. شرکت‌های بیمه‌ای که قصد دارند از این فناوری استفاده کنند، باید از یک سو با قوانین و مقررات محیطی همگام شوند؛ از سوی دیگر، زیرساخت‌های فناوری خود را بهبود بخشند و فرهنگ سازمانی مناسبی ایجاد کنند. پذیرش موفقیت‌آمیز هوش مصنوعی می‌تواند منجر به بهبود کارایی، کاهش هزینه‌ها و افزایش رضایت مشتریان در این صنعت شود. لذا، در این پژوهش از مدل پیشنهادی ترناتزکی و فلیشر⁹ استفاده خواهد شد. ایشان چارچوب فناوری- سازمان- محیط را برای مطالعه پذیرش فناوری در سطح سازمان پیشنهاد کردند. چارچوب فناوری-سازمان-محیط (TOE) ¹⁰چارچوبی تئوریک است که شیوه پذیرش فناوری در سازمان‌ها را براساس شرایط محیط درونی و بیرونی توضیح می‌دهد. این چارچوب فرایند پذیرش و بکارگیری نوآوری‌های فناورانه را در سازمان‌ها تشریح می‌کند. این مدل به درک علمی رفتارهای پذیرش شرکت‌ها نسبت به فناوریها در بیمه کمک می‌کند. با ترکیب نظریه‌های موجود، ویژگی های نوآوری (مانند مزیت نسبی، پیچیدگی، سازگاری، مشاهده پذیری وآزمایش پذیری)، ویژگی های سازمانی (برای مثال، دامنه، اندازه، منابع مالی) و عوامل محیطی (برای مثال، رقبا، تامین کنندگان، مشتریان) ابعاد اصلی برای پذیرش فناوری هستند (جوهنیک و همکاران¹¹،2021).

    لذا بر اساس آنچه که بیان شد در این پژوهش پژوهشگر در پی پاسخگویی به این سوال اساسی است که: آیا عوامل محیطی، فناوری و سازمانی بر قصد پذیرش هوش مصنوعی در صنعت بیمه تاثیرگذار هستند؟

    با توجه به اینکه در این پژوهش به بررسی تاثیر عوامل محیطی، فناوری و سازمانی بر قصد پذیرش هوش مصنوعی در صنعت بیمه پرداخته خواهد شد. لذا، برای بررسی عوامل محیطی، فناوری و سازمانی از چارچوب فناوری-سازمان-محیط ترناتزکی و فلیشر (2022) استفاده خواهد شد. آنها چارچوب فناوری-سازمان-محیط را برای مطالعه پذیرش فناوری در سطح سازمان پیشنهاد کردند. این مدل به درک علمی رفتارهای پذیرش فناوری کمک می‌کند. با ترکیب نظریه های موجود، عوامل تکنولوژیک (مانند مزیت نسبی، پیچیدگی، سازگاری، مشاهده پذیری وآزمایش پذیری)، ویژگی‌های سازمانی (مانند: دامنه، اندازه، منابع مالی) و عوامل محیطی (مانند: رقبا، تامین کنندگان، مشتریان) ابعاد اصلی برای پذیرش فناوری هستند (جوهنک و همکاران، 2021). و برای ارزیابی پذیرش فناوری (هوش مصنوعی) از مدل ارائه شده توسط ونکاتش و همکاران¹² (2012) استفاده خواهد شد. لذا، بر این اساس مدل مفهومی این پژوهش بصورت نمودار شماره 1 خواهد بود.

 

 

 

 

عوامل سازمانی

 

 

 

پذیرش هوش مصنوعی

عوامل محیطی

 

 

 

عوامل تکنولوژی

 

 

 

 

نمودار 1. مدل مفهومی پژوهش (ترناتزکی و فلیشر(2022)، ونکاتش و همکاران(2012))

 

    برخی پژوهش‌های انجام شده در این زمینه عبارتند از:

    لطفی (1403)، در پژوهشی به بررسی تاثیر عوامل فناوری، سازمانی و محیطی بر قصد رفتاری برای سازگاری با هوش مصنوعی در صنعت بیمه شهر همدان (مورد مطالعه: شرکت‎های بیمه خصوصی) پرداختند. نتایج پژوهش نشان داد که عوامل فناوری، سازمانی و محیطی بر قصد رفتاری برای سازگاری با هوش مصنوعی در صنعت بیمه شهر همدان تاثیرگذار است.

    جندقیان (1403)، در پژوهشی به بررسی بکارگیری مدل پذیرش فناوری (TAM) در ترکیب با چارچوب فناوری – سازمان - محیط(TOE)  در پذیرش هوش مصنوعی پرداختند. نتایج نشان داد عوامل فناوری – سازمان - محیط بر پذیرش هوش مصنوعی تاثیرگذارند.

    بذرکار و همکاران (1402)، در پژوهشی به تحلیل اثر عوامل فناوری، سازمانی و محیطی بر بکارگیری هوش مصنوعی در فرآیند جذب کارکنان پرداختند. نتایج تجزیه وتحلیل داده ها نشان داد که عوامل فناوری، سازمانی و محیطی بر بکارگیری هوش مصنوعی در فرآیند جذب کارکنان تاثیری مثبت و معنادار دارند. بکارگیری هوش مصنوعی در فرآیند جذب کارکنان، به عنوان یک نوآوری پیشگام به سازمان‌ها کمک می‌کند تا با تعامل با نیروی انسانی در مسیر تحقق اهداف خود حرکت کنند.

    فتحی و صادقی (1400)، این پژوهش اهمیت عوامل موثر بر پذیرش فناوری بلاک چین در زنجیره تامین را بررسی می‌کند. با بررسی ادبیات پژوهش عوامل موثر بر پذیرش فناوری بلاک چین شناسایی و از راه مصاحبه با خبرگان تایید و انتخاب شدند. مدل پژوهشی، شامل ۱۵ زیرمعیار براساس چارچوب فناوری – سازمان - محیط ( TOE) ساخته شده است. با استفاده از روش AHP به رتبه‌بندی عوامل پرداخته است. این یافته‌ها نشان می‌دهد که زیرمعیارهای مربوط به محیط حیاتی تر از زیر معیارهای مرتبط به سازمان و فناوری هستند.

    برغیش و سومرو¹³ (2024)، این مطالعه در عربستان سعودی به بررسی عوامل فناوری، سازمانی و محیطی که باعث پذیرش هوش مصنوعی در بنگاههای کوچک و متوسط می‌شود، پرداخته است. عواملی مانند مزیت نسبی، سازگاری، تقاضای بازار و حمایت دولتی از جمله موارد تأثیرگذار شناسایی شده‌اند. هم‌چنین، این پژوهش نشان داده است که اندازه شرکت نقش تعدیل‌گری مهم در رابطه بین پذیرش هوش مصنوعی و عملکرد اقتصادی دارد.

    زانگ و زوها¹⁴ (2023)، این مطالعه به بررسی تأثیر چارچوب TOE بر پذیرش هوش مصنوعی در مؤسسات مالی چین پرداخته است. نتایج نشان داده است که فناوری‌های نوین مانند یادگیری ماشین و زیرساخت‌های فناوری نقش کلیدی در این پذیرش داشته و فشار رقابتی از محیط خارجی باعث افزایش استفاده از این فناوری شده است.

کلی و همکاران¹⁵ (2023)، در پژوهشی به بررسی اینکه چه عواملی در پذیرش هوش مصنوعی نقش دارند؟ بررسی سیستماتیک کردند هم بر پذیرش کاربر و هم بر فناوری هوش مصنوعی تمرکز کردند. رایج‌ترین نظریه برای ارزیابی پذیرش فناوری‌های هوش مصنوعی توسط کاربر بود. سودمندی درک شده، امید به عملکرد، نگرش‌ها، اعتماد و امید به تلاش به طور قابل توجهی و مثبت قصد رفتاری، تمایل و رفتار استفاده از هوش مصنوعی را در صنایع گوناگون پیش بینی کرد. با این حال، در برخی از سناریوهای فرهنگی، به نظر می رسد که نیاز به تماس انسانی را نمی‌توان تکرار کرد یا با هوش مصنوعی جایگزین کرد، صرف نظر از سودمندی درک شده یا سهولت استفاده درک شده. با توجه به اینکه بیش‌تر رویکردهای روش‌شناختی موجود در ادبیات بر داده‌های گزارش‌شده خود تکیه کرده‌اند.

    گوپتا و همکاران¹⁶ (2022)، در پژوهشی با استفاده از چارچوب فناوری – سازمان – محیط، به بررسی عواملی پرداختند که بر قصد رفتاری کارکنان صنعت بیمه برای پذیرش برنامه‌های مبتنی بر هوش مصنوعی تأثیر می‌گذارد. نتایج نشان داد همه متغیرهای فناوری (مزیت نسبی و پیچیدگی) و محیطی (پویایی بازار، حمایت‌های نظارتی و فشار رقابتی) به‌طور معناداری پیش‌بینی‌کننده قصد رفتاری هستند، تنها حمایت مدیریت ارشد و آمادگی مالی در میان متغیرهای محیطی ارتباط معناداری با قصد رفتاری برای پذیرش هوش مصنوعی نشان می‌دهند.

    هانگ و همکاران¹⁷ (2022)، در پژوهشی به بررسی عوامل محرک پذیرش بیمه سلامت تجاری چین: یک تحلیل کیفی مقایسه‎ای بر اساس چارچوب فناوری - سازمان - محیط پرداختند. نتایج پژوهش نشان داد هر سه عامل فناوری، سازمان و محیط بر پذیرش فناوری در بیمه سلامت تجاری کشور چین تاثیر دارد.

 

روش پژوهش

این پژوهش از نظر هدف از نوع پژوهش‎های کاربردی می‎باشد، و از نظر روش گردآوری داده‌ها از نوع پژوهش‎های میدانی است، و از نظر ماهیت پژوهش از نوع پژوهش‎های توصیفی می‌باشد.

    جامعه آماری پژوهش شامل کارکنان شرکت‌های بیمه مستقر در استان آذربایجان شرقی هستند که مجموع کارکنان 29 شرکت بیمه استان 725 نفر برآورد شد. برای انتخاب نمونه آماری از روش نمونه گیری در دسترس و حجم نمونه با استفاده از جدول مورگان 251 نفر بدست آمد.

    روش گردآوری داده‌ها به شرح زیر می‎باشد: 

    مرحله نخست مطالعات کتابخانه‌ای است که برای بررسی ادبیات موضوعی پژوهش به گونه عمده از کتب، مجلات و مقالات داخلی و خارجی و منابع فارسی و لاتین موجود در پایگاههای اینترنتی و کتابخانه‌ای استفاده شد.

    مرحله دوم روش میدانی می‌باشد که بمنظور جمع آوری داده‌های مورد نظر و سنجش متغیرهای پژوهش، از پرسش‌نامه استفاده شد. از پرسش‌نامه پان و همکاران¹⁸ (2022) برای سنجش عوامل محیطی، فناوری و سازمانی و از پرسش‌نامه پذیرش فناوری داده‌های ونکاتش و همکاران¹⁹ (2012) برای سنجش پذیرش هوش مصنوعی استفاده شد. در طراحی پرسش‌نامه از مقیاس لیکرت پنج­گزینه­ای استفاده شده است. براي طراحي اين بخش از طيف پنج گزينه‌اي ليکرت استفاده شده است که يکي از رايج‌ترين مقياس‌هاي اندازه‌گيري بشمار مي‌رود.

    برای بررسی فرضیات مطرح شده از مدل‌سازی معادلات ساختاری (SEM) با رویکرد حداقل مربعات جزئی (PLS) به وسیله‌ی نرم افزار Smart PLS3 استفاده شد.

 

یافته‌های پژوهش

در این بخش از پژوهش به بررسی فرضیات با تکنیک تحلیل مسیر پرداخته شده است. تصمیم‌گیری در خصوص تایید یا رد فرضیات بر اساس مقدار آماره تی (T-VALUE) و سطح معناداری(p-value) صورت خواهد گرفت. سطح معناداري كم‌تر از 05/0 و يا مقدار تي بيش‌تر از 96/1 تاييد فرضيات را نشان مي‌دهد.

    برای بررسی فرضیات مطرح شده، مدل‌سازی در فضای نرم افزار ایجاد شد و هر سه مولفه سيستم‎هاي اطلاعاتي منابع انساني به عنوان متغیرهای مستقل وارد تحلیل شده است. شاخص‌های مهم این مدل نیز در جدول زير آورده شده است.

 

جدول 1. شاخص‌های مربوط به مدل اصلی

 

    همان‌گونه که در جدول 1 ملاحظه می‌شود، مقدار GOF مدل قابل قبول و برابر 476/0 محاسبه شده است. هم‌چنین، مقدار ضریب تعیین قصد پذیرش هوش مصنوعی (489/0) نشان می‌دهد که عوامل محیطی، فناوری و سازمانی با همکاری یکدیگر و در مجموع توانسته اند 9/48 درصد از تغییرات قصد پذیرش هوش مصنوعی را پیش‌بینی کنند.

    مقدار VIF براي متغيرهاي مستقل كم‌تر از حد مرزي 5 برآورد شده كه نشان مي دهد هيچ مشكل هم خطي بين داده‌ها مشاهده نشده است. در حقيقت نتايج شاخص VIF ذکر شده در بالا حكايت از نبود مشكل هم خطي دارد.

 

آزمون فرضیه نخست: عوامل محیطی بر قصد پذیرش هوش مصنوعی در صنعت بیمه تاثیرگذار است.

نتایج مربوط به فرضیه نخست پژوهش در جدول 2 آمده است.

 

 

 

 

جدول 2. نتایج برآورد ضرایب معناداری تی و ضریب مسیر استاندارد شده عوامل محیطی بر قصد پذیرش هوش مصنوعی

مسیر		T_value	سطح معناداري	متغیر وابسته	متغیر وابسته	VIF
عوامل محیطی ß قصد پذیرش هوش مصنوعی	260/0	206/4	00/0	489/0	251/0	869/1	071/0
عوامل فناوری ß قصد پذیرش هوش مصنوعی	239/0	666/4	00/0	489/0	251/0	401/1	08/0
عوامل سازمانی ß قصد پذیرش هوش مصنوعی	355/0	634/6	00/0	489/0	251/0	558/1	158/0

مسير مستقيم	ضريب مسیر (B)	مقدار تی (t-value)	سطح معناداري	نتيجه
عوامل محیطی ß  قصد پذیرش هوش مصنوعی	260/0	206/4	00/0	تایید

 

    همان‌گونه كه در جدول 2 نمايان است مقدار آماره تي و ضريب مسير بين عوامل محیطی و قصد پذیرش هوش مصنوعی بترتيب برابر 206/4 و 260/0 بدست آمده است. در واقع، با توجه به اینکه مقدار عدد معناداری (t-value) بیش‌تر از 96/1 و سطح معناداری (00/0) کم‌تر از 05/0 بدست آمده؛ مي‌توان نتيجه گرفت که اين ضريب مسير در سطح خطاي 05/0 معنا‌دار است، يعني بعد عوامل محیطی بر قصد پذیرش هوش مصنوعی تأثیری مثبت و معنادار دارد، يعني با افزایش یک انحراف استاندارد در نمرات عوامل محیطی، شاهد افزايش در نمرات قصد پذیرش هوش مصنوعی به اندازه 260/0 انحراف استاندارد خواهیم بود. بنابراین، با توجه به داده‌های گردآوری شده می‎توان فرضیه فرعي نخست پژوهش مبنی بر وجود اثرگذاري عوامل محیطی بر قصد پذیرش هوش مصنوعی تایید می‌شود.

 

آزمون فرضیه دوم: عوامل فناوری بر قصد پذیرش هوش مصنوعی در صنعت بیمه تاثیرگذار است.

نتایج مربوط به فرضیه دوم پژوهش در جدول 3 آمده است.

 

جدول 3. نتایج براورد ضرایب معناداری تی و ضریب مسیر استاندارد شده عوامل فناوری بر قصد پذیرش هوش مصنوعی

مسير مستقيم	ضريب مسیر (B)	مقدار تی (t-value)	سطح معناداري	نتيجه
عوامل فناوری ß قصد پذیرش هوش مصنوعی	239/0	666/4	00/0	تایید

 

    همان‌گونه كه در جدول 3 نمايان است مقدار آماره تي و ضريب مسير بين عوامل فناوری و قصد پذیرش هوش مصنوعی به ترتيب برابر 666/4 و 239/0 بدست آمده است. در واقع با توجه به اینکه مقدار عدد معناداری (t-value) بیش‌تر از 96/1 و سطح معناداری (00/0) کم‌تر از 05/0 بدست آمده؛ مي‌توان نتيجه گرفت که اين ضريب مسير در سطح خطاي 05/0 معنا‌دار است؛ يعني بعد عوامل فناوری بر قصد پذیرش هوش مصنوعی تأثیری مثبت و معنادار دارد، يعني با افزایش یک انحراف استاندارد در نمرات عوامل فناوری، شاهد افزايش در نمرات قصد پذیرش هوش مصنوعی به اندازه 239/0 انحراف استاندارد خواهیم بود. بنابراین، با توجه به داده های گردآوری شده می‏توان فرضیه فرعي دوم پژوهش مبنی بر وجود اثرگذاري عوامل فناوری بر قصد پذیرش هوش مصنوعی تایید می‌شود.

 

فرضیه سوم: عوامل سازمانی بر قصد پذیرش هوش مصنوعی در صنعت بیمه تاثیرگذار است.

نتایج مربوط به فرضیه سوم پژوهش در جدول 4 آمده است.

جدول 4. نتایج براورد ضرایب معناداری تی و ضریب مسیر استاندارد شده عوامل سازمانی بر قصد پذیرش هوش مصنوعی

مسير مستقيم	ضريب مسیر (B)	مقدار تی (t-value)	سطح معناداري	نتيجه
عوامل سازمانی ß قصد پذیرش هوش مصنوعی	355/0	634/6	00/0	تایید

 

    همان‌گونه‌كه در جدول 4 نمايان است مقدار آماره تي و ضريب مسير بين عوامل سازمانی و قصد پذیرش هوش مصنوعی بترتيب برابر 634/6 و 355/0 بدست آمده است. در واقع، با توجه به اینکه مقدار عدد معناداری (t-value) بیش‌تر از 96/1 و سطح معناداری (00/0) کم‌تر از 05/0 بدست آمده؛ مي‌توان نتيجه گرفت که اين ضريب مسير در سطح خطاي 05/0 معنا‌دار است، يعني عوامل سازمانی بر قصد پذیرش هوش مصنوعی تأثیر مثبت و معناداری دارد، يعني با افزایش یک انحراف استاندارد در نمرات عوامل سازمانی، شاهد افزايش در نمرات قصد پذیرش هوش مصنوعی به اندازه 355/0 انحراف استاندارد خواهیم بود. بنابراین، با توجه به داده های گردآوری شده می‏توان فرضیه فرعي سوم پژوهش مبنی بر وجود اثرگذاري عوامل سازمانی بر قصد پذیرش هوش مصنوعی تایید می‌شود.

 

بحث و نتیجه گیری

هدف از انجام این پژوهش، بررسی تأثیر عوامل محیطی، فناوری و سازمانی بر قصد پذیرش هوش مصنوعی در صنعت بیمه است. با توجه به تحولات سریع فناوری و نقش کلیدی هوش مصنوعی در بهینه سازی فرآیندها و بهبود خدمات بیمه‌ای، شناسایی موانع و عوامل تسهیل‌کننده پذیرش این فناوری از اهمیتی بالا برخوردار است. این مطالعه با تحلیل تأثیر متغیرهای محیطی (مانند مقررات و رقابت بازار)، عوامل فناوری (مانند پیچیدگی فناوری و سازگاری آن) و عوامل سازمانی (مانند آمادگی منابع انسانی و سرمایه‌گذاری مالی) به دنبال ارائه راهکارهایی برای تسریع در پذیرش هوش مصنوعی در صنعت بیمه است. نتایج این پژوهش می‎تواند به سیاست‌گذاران، مدیران و فعالان این صنعت کمک کند تا با درک بهتر چالش‏ها و فرصت‎ها، راهبردهای مناسبی برای ادغام مؤثر هوش مصنوعی در کسب‎وکار خود طراحی کنند.

 

نتیجه آزمون فرضیه اصلی نخست 

با توجه به اینکه مقدار عدد معناداری بیش‌تر از 96/1 و سطح معناداری کم‌تر از 05/0 بدست آمده؛ مي‌توان نتيجه گرفت که اين ضريب مسير در سطح خطاي 05/0 معنا‌دار است، يعني عوامل محیطی بر قصد پذیرش هوش مصنوعی در صنعت بیمه تاثیرگذار است. نتیجه پژوهش‌های بدست آمده با نتایج پژوهش‌های لطفی (1403)، بذرکار و همکاران (1402)، حقیقی نسب و تقوی (1399)، برغیش و سومرو (2024)، زانگ و زوها (2023)، گوپتا و همکاران (2022) و... همخوانی دارد.

    در تبیین نتیجه بدست آمده می‌توان بیان کرد که:

    عوامل محیطی شامل فشار رقابتی، حمایت‌های دولتی، مقررات و زیرساخت‌های نوآوری هستند. این عوامل نقش کلیدی در تصمیم‌گیری مدیران بیمه برای پذیرش هوش مصنوعی دارند. بویژه، رقابت در بازار و تغییرات سریع در نیازهای مشتریان می‌تواند انگیزه‌ای برای استفاده از هوش مصنوعی باشد. هم‌چنین، سیاست‌ها و مقررات دولتی در مورد داده‌ها و حریم خصوصی نیز بر این تصمیم‌گیری تأثیر دارند.

 

نتیجه آزمون فرضیه اصلی دوم

با توجه به اینکه مقدار عدد معناداری بیش‌تر از 96/1 و سطح معناداری کم‌تر از 05/0 بدست آمده؛ مي‌توان نتيجه گرفت که اين ضريب مسير در سطح خطاي 05/0 معنا‌دار است، يعني عوامل فناوری بر قصد پذیرش هوش مصنوعی در صنعت بیمه تاثیرگذار است. نتیجه پژوهش‌های بدست آمده با نتایج پژوهش‌های لطفی(1403)، بذرکار و همکاران (1402)، حقیقی نسب و تقوی (1399)، برغیش و سومرو (2024)، زانگ و زوها (2023)، گوپتا و همکاران (2022) و... همخوانی دارد.

    در تبیین نتیجه بدست آمده می‌توان بیان کرد که:

عوامل فناوری مانند پیچیدگی، مزیت نسبی، سازگاری و دسترسی به فناوری بر پذیرش هوش مصنوعی تأثیرگذار هستند. این نتیجه نشان می‌دهد که سازمان‌های بیمه به مزایای عملیاتی هوش مصنوعی، مانند افزایش دقت در ارزیابی ریسک، کاهش تقلب، و سرعت‌بخشی به فرآیندهای اداری، اهمیت می‌دهند. با این حال، پیچیدگی درک شده یا هزینه‌های اولیه ممکن است مانعی برای پذیرش باشد، مگر آنکه به‌خوبی مدیریت شود.

 

نتیجه آزمون فرضیه اصلی سوم

با توجه به اینکه مقدار عدد معناداری بیش‌تر از 96/1 و سطح معناداری کم‌تر از 05/0 بدست آمده؛ مي‌توان نتيجه گرفت که اين ضريب مسير در سطح خطاي 05/0 معنا‌دار است، يعني عوامل سازمانی بر قصد پذیرش هوش مصنوعی در صنعت بیمه تاثیرگذار است. نتیجه پژوهش‌های بدست آمده با نتایج پژوهش‌های لطفی (1403)، بذرکار و همکاران (1402)، حقیقی نسب و تقوی (1399)، برغیش و سومرو (2024)، زانگ و زوها (2023)، گوپتا و همکاران (2022) و... همخوانی دارد.

    در تبیین نتیجه بدست آمده می‌توان بیان کرد که:

    عوامل سازمانی شامل فرهنگ سازمانی، حمایت مدیریت، دسترسی به منابع مالی و انسانی، و اندازه سازمان، تأثیر قابل‌توجهی بر پذیرش هوش مصنوعی دارند. به‌ویژه، سازمان‌هایی که فرهنگ نوآوری و حمایت از فناوری‌های نوین را در ساختار مدیریتی خود دارند، آمادگی بیش‌تری برای پذیرش هوش مصنوعی دارند. هم‌چنین، منابع داخلی مانند نیروی انسانی متخصص و زیرساخت‌های موجود، امکان پذیرش موفق‌تر را فراهم می‌کنند.

 

پیشنهاد بر اساس نتایج پژوهش

پیشنهادهای مرتبط با عوامل محیطی پذیرش هوش مصنوعی

1. تعامل با نهادهای قانون‌گذار و دولت: سازمان‌های بیمه باید در تعامل مستمر با نهادهای قانون‌گذار باشند تا مقررات حمایتی و شفاف در حوزه استفاده از هوش مصنوعی (مانند حفظ حریم خصوصی و امنیت داده‌ها) ایجاد شود.

2. افزایش رقابت‌پذیری با استفاده از هوش مصنوعی: شرکت‌های بیمه باید با تحلیل رقبا، خدمات خود را به‌وسیله هوش مصنوعی بهبود دهند. برای مثال، استفاده از الگوریتم‌های هوش مصنوعی برای ارزیابی سریع‌تر ریسک و کاهش هزینه‌های خدمات.

3. تشکیل اتحادیه‌ها یا انجمن‌های صنفی: تشکیل اتحادیه‌ها یا انجمن‌های صنفی برای به اشتراک گذاشتن تجربیات، داده‌ها و دستاوردهای مربوط به هوش مصنوعی در صنعت بیمه

    پیشنهادهای مرتبط با عوامل فناوری

1. سرمایه‌گذاری در زیرساخت‌های فناوری: شرکت‌ها باید در زیرساخت‌های فناوری داده‌های سرمایه‌گذاری کنند، از جمله تهیه سخت‌افزارها و نرم‌افزارهای پیشرفته و دسترسی به داده‌های باکیفیت.

2. آموزش تخصصی در فناوری‌های نوین: پیشنهاد می‌شود برنامه‌های آموزشی برای کارکنان با محوریت هوش مصنوعی و کاربردهای آن در بیمه طراحی شود. این آموزش‌ها باید شامل مواردی مانند یادگیری ماشین، تحلیل داده‌ها و مدیریت ریسک باشد.

3. استفاده از سیستم‌های یکپارچه مبتنی بر هوش مصنوعی: سازمان‌ها می‌توانند از سیستم‌های هوش مصنوعی برای فرآیندهای گوناگون مانند مدیریت مشتری، پیش‌بینی ریسک و کشف تقلب استفاده کنند.

4. رفع پیچیدگی‌ها: استفاده از فناوری‌هایی با رابط کاربری ساده و آموزش کارکنان برای کاهش ادراک پیچیدگی فناوری.

    پیشنهادهای مرتبط با عوامل سازمانی

1. ترویج فرهنگ نوآوری: باید فرهنگ سازمانی مبتنی بر نوآوری و تغییر ایجاد شود. این امر شامل تشویق کارکنان به پذیرش فناوری‌های جدید و ارائه پاداش برای ایده‌های نوآورانه است.

2. حمایت مدیریت ارشد: مدیران ارشد باید نقش فعالی در ترویج استفاده از هوش مصنوعی ایفا کنند و منابع کافی برای اجرای آن تخصیص دهند.

3. تأمین منابع انسانی متخصص: سازمان‌ها باید متخصصانی در حوزه‌های هوش مصنوعی، تحلیل داده‌ها و فناوری داده‌ها جذب کنند و نیز برگزاری کارگاه‌های داخلی و جذب مشاوران خارجی برای ارتقای دانش کارکنان پیشنهاد می‌شود.

4. مدیریت تغییر: برنامه‌های مدیریت تغییر باید برای کاهش مقاومت کارکنان در برابر پذیرش هوش مصنوعی طراحی شود مانند استفاده از روش‌هایی مانند جلسات آموزشی، شفاف‌سازی مزایا و ایجاد انگیزه برای کارکنان.

 

منابع

بذرکار، اردشیر.، مرادزاد، مهرداد.، و شایگان، شادی. (1402). تحلیل اثر عوامل فناوری، سازمانی و محیطی بر بکارگیری هوش مصنوعی در فرآیند جذب کارکنان. فصلنامه پژوهش های نوین در ارزیابی عملکرد، 2.(1).

ترابی، مهسا.، پشوتنی زاده، میترا.، و منصوری، علی. (1400). بررسی عوامل مؤثر بر پذیرش نرم‌افزارهای کاربردی فهرست‌نویسی اجتماعی توسط دانشجویان تحصیلات تکمیلی دانشگاه اصفهان بر اساس مدل ثانویه نظریه یکپارچه پذیرش و استفاده از فناوری (UTAUT2). پژوهش‌نامه کتابداری و اطلاع رسانی، 11 (1)، 300-321.

ثریایی، عرفانه.، مشکانی فراهانی، نوید.، و شعفی، فرهنگ. (1399). بررسی بکارگیری هوش مصنوعی در مدیریت منابع انسانی. کنفرانس بین‌المللی عمران، معماری، توسعه و بازآفرینی زیرساخت‌های شهری در ایران، تهران.

جندقیان، امین. (1403). بکارگیری مدل پذیرش فناوری (TAM) در ترکیب با چارچوب فناوری-سازمان-محیط (TOE) در پذیرش هوش مصنوعی. نخستین کنفرانس بین‌المللی فناوری اطلاعات، مدیریت و کامپیوتر، ساری.

زمان، زینب. (1403). پذیرش فناوری و یادگیری الکترونیکی. دزفول: انتشارات اهوراقلم.

صفری، اشکان. (1400). هوش مصنوعی و کاربرد آن در شبکه‌های انتقال شهرهای هوشمند. تهران: انتشارات عصر زندگی.

ضرغامی، حمیدرضا. (1394). کاربرد سیستم‌های هوش مصنوعی در تصمیم‌گیری‌های مدیریتی. نخستین کنفرانس بین‌المللی مدیریت، اقتصاد، حسابداری و علوم تربیتی، ساری.

فتحی، محمد رضا.، و صادقی، روژین. (1400). اولویت‌بندی عوامل موثر بر پذیرش فناوری بلاکچین در زنجیره تامین. دومین کنفرانس بین‌المللی چالش‌ها و راهکارهای نوین در مهندسی صنایع و مدیریت و حسابداری، دامغان.

کورئا، فرانسسکو. (1400). هوش مصنوعی کاربردی: هوش مصنوعی تا کجا پیش می‌رود (مترجم: بیتا لطفی). تهران: آذرگان.

لطفی، یوسف. (1403). بررسی تاثیر عوامل فناوری، سازمانی و محیطی بر قصد رفتاری برای سازگاری با هوش مصنوعی در صنعت بیمه شهر همدان (مورد مطالعه: شرکت های بیمه خصوصی). پایان‌نامه کارشناسی ارشد، موسسه آموزش عالی گنجنامه، گروه مدیریت.

مالس زاک، ماریوس.، و پیوتر زاسکورسکی. (1398). هوش مصنوعی در مدیریت سازمان‌های مدرن. (مترجم: محدثه ملائی). تهران: هنر و علوم دانشگاهی.

میقانی، مریم. (1397). پذیرش فن‌آوری‌های نوین در موزه. تهران: انتشارات علوم و فنون رازی.

Badghish, S., & Soomro, Y. A. (2024). Artificial intelligence adoption by SMEs in Saudi Arabia: Factors affecting sustainable business performance. Sustainability, 16(5), 1864.

Broekhuizen, T., Dekker, H., de Faria, P., Firk, S., Nguyen, D. K., & Sofka, W. (2023). AI for managing open innovation: Opportunities, challenges, and a research agenda. Journal of Business Research, 167, 114196.

Corrocherc, N. (2012). Internet adoption in Italian banks: An empirical investigation. Research Policy, 35(4), 533–544.

Dadayan, L., & Ferro, E. (2005). When technology meets the mind: A comparative study of the technology acceptance model. In EGOV (pp. 137–144).

Eling, M., Nuessle, D., & Staubli, J. (2021). The impact of artificial intelligence along the insurance value chain and on the insurability of risks. Geneva Papers on Risk and Insurance: Issues and Practice, 47(1), 1-24.

Fishbein, M., & Ajzen, I. (1980). Predicting and understanding consumer behavior: Attitude-behavior correspondence. In I. Ajzen & M. Fishbein (Eds.), Understanding attitudes and predicting social behavior (pp. 149–172). Englewood Cliffs, NJ: Prentice Hall.

Gupta, S., Ghardallou, W., Pandey, D. K., & Sahu, G. P. (2022). Artificial intelligence adoption in the insurance industry: Evidence using the technology–organization–environment framework. Research in International Business and Finance, 63, 101757.

Huang, X. (2018). Social media use by college students and teachers: An application of UTAUT2. (Doctoral dissertation). Walden University.

Jöhnk, J., Weißert, M., & Wyrtki, K. (2021). Ready or not, AI comes—an interview study of organizational AI readiness factors. Business & Information Systems Engineering, 63(1), 5–20.

Kelly, S., Kaye, S., & Oviedo-Trespalacios, O. (2023). What factors contribute to the acceptance of artificial intelligence? A systematic review. Telematics and Informatics, 77, 101925.

Mariani, M. M., Machado, I., Magrelli, V., & Dwivedi, Y. K. (2023). Artificial intelligence in innovation research: A systematic review, conceptual framework, and future research directions. Technovation, 122, 102623.

Pan, Y., Froese, F., Liu, N., Hu, Y., & Ye, M. (2022). The adoption of artificial intelligence in employee recruitment: The influence of contextual factors. The International Journal of Human Resource Management, 33(6), 1125–1147.

Salamoura, M. (2010). Investigating the new product acceptance function in Greek enterprises (The quality-accessibility relationship). Managing Service Quality, 18(5), 478–487.

Tornatzky, L. G., & Fleischer, M. (1990). The process of technology innovation. Lexington, MA: Lexington Books.

Vaishnavi, A. K. S., & Achwani, S. (2018). A Study on the use of artificial intelligence in human resource management. Gavesana Journal of Management, 10(2), 45–56.

Venkatesh, V., Morris, M. G., Davis, G. B., & Davis, F. D. (2003). User acceptance of information technology: Toward a unified view. MIS Quarterly, 27(3), 425–478.

Venkatesh, V., Thong, J. Y., & Xu, X. (2012). Consumer acceptance and use of information technology: Extending the unified theory of acceptance and use of technology. MIS Quarterly, 36(1), 157–178.

Wamba-Taguimdje, S.-L., Fosso Wamba, S., Kala Kamdjoug, J. R., & Tchatchouang Wanko, C. E. (2020). Influence of artificial intelligence (AI) on firm performance: The business value of AI-based transformation projects. Business Process Management Journal, 26(7), 1893–1924.

Zeng, H. (2020). Adaptability of artificial intelligence in human resources management in this era. International Journal of Science, 7(1), 271–276.

 

 

 

---

[1] . Broekhuizen

[2] . Wamba-Taguimdje et al

[3] . Vaishnavi et al

[4] . Eling et al

[5] . Mariani et al

[6] . Dadayan & Ferro

[7] . Corrocher

[8] . Salamoura

[9] . Tornatzky & Fleischer

[10] . Technology-Organization-Environment

[11] . Jöhnk et al

[12] . Venkatesh

[13] . Badghish & Soomro

[14] . Zhang & Zhao

[15] . Kelly et al

[16] . Gupta  et al

[17] . Hang et al

[18] . Pan et al

[19] . Venkatesh et al

 

 

The Impact of Environmental, Technological, and Organizational Factors on the Intention to Adopt Artificial Intelligence in the Insurance Industry 

 

Adalat Safarkhanloo*1, Ruhollah Abdolzadeh2, Babak Jarahi3, Hamed Ezzati4

 

Abstract	Article Info
The present study aims to investigate the impact of environmental, technological, and organizational factors on the intention to adopt artificial intelligence (AI) in the insurance industry. This research is applied in terms of purpose, field-based in terms of data collection, and descriptive in nature. The statistical population consists of employees of insurance companies operating in East Azerbaijan Province, with a total of 725 employees across 29 insurance companies. Convenience sampling was used, and the sample size was determined using Morgan’s table, resulting in 251 participants. The primary research instruments included standardized questionnaires by Pan et al. (2022) to measure environmental, technological, and organizational factors, and Venkatesh et al.’s (2012) technology acceptance questionnaire to assess AI adoption intention, both of which demonstrated acceptable validity and reliability. Data analysis was conducted using structural equation modeling (SEM), specifically path analysis, via Smart PLS software to test the research hypotheses. The results indicate that environmental, technological, and organizational factors have a positive impact on the intention to adopt AI in insurance companies based in East Azerbaijan Province.	Article type: Research Article
Environmental factors, Technological factors, Organizational factors, Intention to adopt artificial intelligence, Insurance companies in East Azerbaijan	Keywords

 

 

Publisher: Islamic Azad University Qods Branch

Corresponding Author: Adalat Safarkhanloo

Email: [e-mail]

 

1. Instructor, Computer Department, Aras Branch, Islamic Azad University, Hadishahr, Iran (Corresponding Author). 

2. Instructor, Accounting Department, Aras Branch, Islamic Azad University, Hadishahr, Iran

3. Instructor, English Department, Aras Branch, Islamic Azad University, Hadishahr, Iran

4. Master of Science in Information Technology Management

 

 

مدیریت نوآفرینی / دانشگاه آزاد اسلامي واحد شهرقدس / سال سوم / شماره سوم/ پاییز ۱۴۰2

---