อิทธิพลของการยอมรับเทคโนโลยีปัญญาประดิษฐ์ต่อคุณภาพการตัดสินใจเชิงกลยุทธ์ทางการตลาดของผู้ปฏิบัติงานในธุรกิจสินค้าอุปโภคบริโภค (FMCG) ในประเทศไทย
Article Sidebar
Main Article Content
บทคัดย่อ
บทความวิจัยนี้มีวัตถุประสงค์เพื่อศึกษาอิทธิพลของการรับรู้ความง่ายในการใช้งานและการรับรู้ประโยชน์ของเทคโนโลยีปัญญาประดิษฐ์ที่มีต่อความตั้งใจในการใช้เทคโนโลยีปัญญาประดิษฐ์ และคุณภาพการตัดสินใจเชิงกลยุทธ์ทางการตลาดของผู้ปฏิบัติงานในธุรกิจสินค้าอุปโภคบริโภคในประเทศไทย โดยประยุกต์ใช้แบบจำลองการยอมรับเทคโนโลยีเป็นกรอบแนวคิดการวิจัย กลุ่มตัวอย่างคือผู้ปฏิบัติงานด้านการตลาด ธุรกิจ และการวิเคราะห์ข้อมูลที่เกี่ยวข้องกับธุรกิจสินค้าอุปโภคบริโภค จำนวน 385 คน เก็บรวบรวมข้อมูลด้วยแบบสอบถามออนไลน์ และวิเคราะห์ข้อมูลด้วยสถิติเชิงพรรณนา การวิเคราะห์องค์ประกอบเชิงยืนยัน และแบบจำลองสมการเชิงโครงสร้าง ผลการวิจัยพบว่า ระดับความคิดเห็นต่อการรับรู้ความง่ายในการใช้งานอยู่ในระดับมาก ส่วนการรับรู้ประโยชน์ ความตั้งใจในการใช้ และคุณภาพการตัดสินใจเชิงกลยุทธ์อยู่ในระดับมากที่สุด แบบจำลองสมการเชิงโครงสร้างหลังปรับปรุงมีความสอดคล้องกับข้อมูลเชิงประจักษ์ในระดับยอมรับได้ โดยมีค่า CMIN/DF = 2.365, CFI = 0.958, GFI = 0.902, TLI = 0.932, SRMR = 0.065 และ RMSEA = 0.060 ผลการทดสอบสมมติฐานพบว่า การรับรู้ความง่ายในการใช้งานมีอิทธิพลเชิงบวกต่อการรับรู้ประโยชน์ และมีอิทธิพลเชิงบวกต่อความตั้งใจในการใช้ในขนาดค่อนข้างต่ำ ขณะที่การรับรู้ประโยชน์มีอิทธิพลต่อความตั้งใจในการใช้ในระดับสูงที่สุด และสูงกว่าอิทธิพลของการรับรู้ความง่ายต่อความตั้งใจอย่างเด่นชัด นอกจากนี้ ความตั้งใจในการใช้มีอิทธิพลเชิงบวกต่อคุณภาพการตัดสินใจเชิงกลยุทธ์ และทำหน้าที่เป็นตัวแปรส่งผ่านในความสัมพันธ์ระหว่างการรับรู้ประโยชน์กับคุณภาพการตัดสินใจเชิงกลยุทธ์ ผลการวิจัยชี้ว่า องค์กร FMCG ควรพัฒนา AI ให้ตอบโจทย์คุณค่าการใช้งานจริงควบคู่กับการออกแบบระบบที่ใช้งานง่าย เพื่อเพิ่มความตั้งใจในการใช้และยกระดับคุณภาพการตัดสินใจเชิงกลยุทธ์ทางการตลาด
Article Details
เอกสารอ้างอิง
Cheng, C.-F., Huang, C.-C., Lin, M.-C., & Chen, T.-C. (2023). Exploring effectiveness of relationship marketing on artificial intelligence adopting intention. SAGE Open, 13(4), 1–13.
Cochran, W. G. (1977). Sampling techniques (3rd ed.). John Wiley & Sons.
Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319–340.
Dwivedi, Y. K., & Wang, Y. (2022). Guest editorial: Artificial intelligence for B2B marketing. Industrial Marketing Management, 105, 1–3.
Goli, M., Sahu, A. K., Bag, S., & Dhamija, P. (2023). AI chatbot acceptance. Journal of Retailing and Consumer Services, 73, 103312.
Huang, M.-H., & Rust, R. T. (2021). A strategic framework for AI in marketing. Journal of the Academy of Marketing Science, 49, 30–50.
International Trade Administration. (2026). Thailand: E-commerce. U.S. Department of Commerce.
Khrais, L. T. (2020). Role of AI in shaping demand. Future Internet, 12(12), 226.
Oppioli, M., Sousa, M. J., Sousa, M., & de Nuccio, E. (2024). AI for management decision. Management Decision. Advance online publication.
Overgoor, G., et al. (2019). Using AI in marketing. California Management Review, 61(4), 156–185.
Saha, R., Tripathi, M. S., & Goyal, M. (2023). AI in marketing. Journal of Business Research.
Statista. (2026). Social commerce in Thailand: Statistics and facts. Statista.
Stone, M., et al. (2020). AI in strategic marketing decision-making. Journal of Strategic Marketing, 28(6), 1–17.
Sumphan, A., et al. (2025). Behavioral intention to use AI. Journal of Faculty of Applied Arts, 18(2).
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.