ThS. Nguyễn Hoàng Phương Hiếu
Cục Hải quan thành phố Cần Thơ
ThS. Lại Doãn Anh Tuấn
Trường Đại học Hùng Vương TP. Hồ Chí Minh
(Quanlynhanuoc.vn) – Trong bối cảnh chuyển đổi số, trí tuệ nhân tạo – AI đã trở thành công cụ quan trọng trong ngành marketing, đặc biệt là marketing bán lẻ trực tuyến. Tuy nhiên, mức độ sử dụng AI vẫn còn hạn chế, đặc biệt ở các doanh nghiệp tại TP. Hồ Chí Minh. Bài viết nghiên cứu, đánh giá các yếu tố ảnh hưởng và mức độ sử dụng AI, qua đó đề xuất khuyến nghị giải pháp nâng cao hiệu quả khai thác, sử dụng AI của của nhân sự marketing trong ngành bán lẻ trực tuyến tại TP. Hồ Chí Minh.
Từ khoá: Chuyển đổi số; bán lẻ trực tuyến; trí tuệ nhân tạo; nhân sự marketing; mức độ sử dụng; TP. Hồ Chí Minh.
1. Đặt vấn đề
Theo Venkatesh (2016), mô hình chấp nhận và sử dụng công nghệ (Unified Theory of Acceptance and Use of Technology – UTAUT) có khả năng dự đoán hiệu quả việc chấp nhận công nghệ mới như trí tuệ nhân tạo (Artificial Intelligence – AI) lên đến 74%, nhờ vào việc tích hợp các yếu tố, như: “động lực hưởng thụ” và “thói quen”. Điều này chứng tỏ UTAUT là công cụ hữu ích trong việc phân tích và dự đoán hành vi người dùng trong các ngành công nghiệp, bao gồm marketing và bán lẻ trực tuyến. María García de Blanes Sebastián (2022) cũng nhấn mạnh các yếu tố “kỳ vọng hiệu suất” và “ảnh hưởng xã hội” được mô hình UTAUT xác định đóng vai trò then chốt trong việc quyết định sử dụng AI, đặc biệt là ở lĩnh vực dịch vụ bán lẻ trực tuyến, nơi sự tương tác và niềm tin của người tiêu dùng là yếu tố quan trọng. Marikyan (2022) bổ sung rằng, kỳ vọng về hiệu suất và sự tin tưởng vào công nghệ AI có ảnh hưởng trực tiếp đến mức độ hài lòng và năng suất của nhân viên, cho thấy tầm quan trọng của việc áp dụng UTAUT để hiểu rõ hơn về tác động của AI đến hành vi người dùng.
Qua những nhận định trên cho thấy, UTAUT là mô hình cần thiết để nghiên cứu và tối ưu hóa việc sử dụng AI trong marketing và bán lẻ trực tuyến. Lê Hoành Sử (2021) đã nhấn mạnh, AI có tác động sâu rộng đến kinh doanh, đặc biệt là ngành bán lẻ và mô hình UTAUT giúp doanh nghiệp hiểu rõ hơn về hành vi khách hàng, từ đó, tối ưu hóa quy trình phục vụ người tiêu dùng bằng cách dự đoán chính xác nhu cầu của họ. Tương tự, Nguyễn Mạnh Tấn (2021) cho rằng mô hình UTAUT cung cấp khung lý thuyết vững chắc để nghiên cứu hành vi chấp nhận AI trong marketing, một yếu tố quan trọng để bảo đảm sự thành công của doanh nghiệp trong bối cảnh số hóa tại TP. Hồ Chí Minh. Hoàng Văn Tam (2021) cũng khẳng định việc tích hợp UTAUT vào nghiên cứu AI giúp doanh nghiệp nắm bắt xu hướng thị trường và bảo đảm các giải pháp AI phù hợp với thực tế và nhu cầu của người tiêu dùng trong lĩnh vực bán lẻ trực tuyến.
Việc nghiên cứu ứng dụng mô hình UTAUT trong mức độ sử dụng AI của nhân sự marketing ngành bán lẻ trực tuyến tại TP. Hồ Chí Minh là rất cần thiết, đặc biệt trong bối cảnh chuyển đổi số ngày càng mạnh mẽ hiện nay. Mục tiêu của nghiên cứu bao gồm: (1) Xác định các yếu tố trong mô hình UTAUT có ảnh hưởng đến mức độ sử dụng AI của nhân sự marketing. (2) Đánh giá ý nghĩa và mức độ tác động của từng yếu tố này đối với mức độ sử dụng AI của nhân sự marketing. (3) Đề xuất giải pháp thực tiễn giúp các doanh nghiệp bán lẻ trực tuyến tối ưu hóa việc triển khai và sử dụng AI, góp phần nâng cao hiệu quả kinh doanh và cạnh tranh trên thị trường
2. Cơ sở lý thuyết
a. Mô hình chấp nhận và sử dụng công nghệ hợp nhất – UTAUT
Mô hình chấp nhận và sử dụng công nghệ hợp nhất – UTAUT được phát triển bởi Venkatesh và cộng sự vào năm 2003 với mục tiêu cung cấp một khung lý thuyết mạnh mẽ hơn để giải thích sự chấp nhận và sử dụng công nghệ trong nhiều bối cảnh khác nhau. UTAUT xác định bốn yếu tố chính có ảnh hưởng mạnh mẽ đến ý định và hành vi sử dụng công nghệ (Venkatesh et al, 2003),.
(1) Kỳ vọng hiệu suất (Performance Expectancy): đây là yếu tố đo lường niềm tin của người dùng rằng việc sử dụng công nghệ sẽ cải thiện hiệu suất công việc. Theo nghiên cứu trên, yếu tố này có tác động lớn nhất đến ý định sử dụng công nghệ.
(2) Nỗ lực sử dụng (Effort Expectancy): yếu tố này liên quan đến mức độ dễ dàng trong việc sử dụng công nghệ. Nghiên cứu cho thấy khi người dùng cảm thấy công nghệ dễ sử dụng, họ có xu hướng chấp nhận và sử dụng nó nhiều hơn.
(3) Ảnh hưởng xã hội (Social Influence): đây là yếu tố đo lường mức độ mà người dùng cảm nhận rằng người khác mong muốn họ sử dụng công nghệ. Điều này thường thấy rõ trong các môi trường làm việc và cộng đồng xã hội.
(4) Điều kiện thuận lợi (Facilitating Conditions): yếu tố này đo lường sự hỗ trợ kỹ thuật và cơ sở hạ tầng cần thiết để sử dụng công nghệ. Nếu các điều kiện này được đáp ứng, khả năng chấp nhận và sử dụng công nghệ sẽ tăng lên.
b. Mức độ sử dụng AI
Mức độ sử dụng AI đã được định nghĩa và phân tích bởi nhiều tác giả nổi tiếng trong các tác phẩm của họ, mỗi người mang đến một góc nhìn riêng về khái niệm này.
Thomas H. Davenport (2018) trong tác phẩm The AI Advantage: How to Put the Artificial Intelligence Revolution to Work, định nghĩa mức độ sử dụng AI là sự tích hợp AI vào các quy trình công việc của doanh nghiệp nhằm tạo ra giá trị thực tế. Ông nhấn mạnh rằng ngoài số lượng ứng dụng AI được triển khai, điều quan trọng là mức độ AI có thể tự động hóa và cải thiện quy trình kinh doanh.
Erik Brynjolfsson và Andrew McAfee (2017) trong tác phẩm Machine, Platform, Crowd: Harnessing Our Digital Future đưa ra định nghĩa rằng mức độ sử dụng AI thể hiện qua cách các tổ chức và cá nhân áp dụng AI để ra quyết định, dự đoán và tối ưu hóa hoạt động. Họ cho rằng mức độ sử dụng AI cao đồng nghĩa với việc AI trở thành một yếu tố cốt lõi trong quy trình kinh doanh và sáng tạo giá trị.
Kai-Fu Lee (2018) trong AI Superpowers: China, Silicon Valley and the New World Order định nghĩa mức độ sử dụng AI là sự thâm nhập của AI vào nhiều khía cạnh khác nhau của đời sống và kinh tế, từ sản xuất đến dịch vụ và quản lý. Ông cho rằng mức độ sử dụng AI cao sẽ là yếu tố quyết định sự dẫn đầu của một quốc gia hoặc công ty trong cuộc đua công nghệ và kinh tế.
Stuart Russell (2019) trong tác phẩm Human Compatible: Artificial Intelligence and the Problem of Control nhấn mạnh rằng mức độ sử dụng AI phải đi đôi với khả năng kiểm soát của con người để bảo đảm lợi ích xã hội. Andrew Ng (2017), trong AI Transformation Playbook nhận định rằng mức độ sử dụng AI là thước đo quan trọng cho sự thành công trong chuyển đổi số của doanh nghiệp, vượt xa các sản phẩm đơn lẻ để bao trùm cả quy trình kinh doanh.
Erik Brynjolfsson và Andrew McAfee (2014) trong The Second Machine Age: Work, Progress and Prosperity in a Time of Brilliant Technologies xem mức độ sử dụng AI là yếu tố then chốt trong tiến hóa kinh tế kỹ thuật số, có khả năng cải thiện năng suất nhưng cũng cần quản lý cẩn thận. Nick Bostrom (2014), trong Superintelligence: Paths, Dangers, Strategies cảnh báo rằng mức độ sử dụng AI trong bối cảnh siêu trí tuệ cần được cân nhắc để tránh vượt quá khả năng kiểm soát của con người. Cuối cùng, Kai-Fu Lee (2018) trong AI Superpowers: China, Silicon Valley and the New World Ordernhấn mạnh rằng mức độ sử dụng AI cao trong công nghiệp và thương mại sẽ định hình lại nền kinh tế toàn cầu và thúc đẩy sự cạnh tranh giữa các siêu cường quốc.
Tại Việt Nam, các nghiên cứu về hành vi sử dụng AI đã được thực hiện trong các lĩnh vực khác nhau. Một nghiên cứu từ Trường Đại học RMIT về ChatGPT tại Việt Nam của Greeni Maheshwari (2023) đã tìm hiểu hành vi sử dụng AI, đặc biệt là ChatGPT của sinh viên. Kết quả chỉ ra rằng tính dễ sử dụng có tác động mạnh đến ý định sử dụng nhưng tính hữu ích không phải là yếu tố quyết định. Điều này cho thấy sinh viên dễ dàng chấp nhận các công cụ AI nếu chúng thân thiện và tiện lợi, nhưng độ tin cậy và khả năng cá nhân hóa mới thực sự ảnh hưởng đến quyết định sử dụng lâu dài.
Báo cáo của Microsoft (2023) về tác động của AI trong môi trường làm việc cho thấy rằng người lao động tại Việt Nam có sự lo ngại nhưng cũng rất sẵn sàng đón nhận AI. Họ mong muốn AI giúp giảm bớt khối lượng công việc và cải thiện hiệu suất. Tuy nhiên, chưa có nghiên cứu nào về áp dụng mô hình chấp nhận và sử dụng công nghệ hợp nhất (UTAUT) để nghiên cứu mức độ sử dụng AI của nhân sự marketing ngành bán lẻ trực tuyến của các doanh nghiệp tại TP. Hồ Chí Minh.
3. Phương pháp nghiên cứu
Nghiên cứu giới hạn nội dung vào việc áp dụng mô hình UTAUT để phân tích các yếu tố ảnh hưởng đến mức độ sử dụng AI của nhân sự marketing. Đối tượng nghiên cứu là các yếu tố trong mô hình UTAUT, cùng với sự tác động của các yếu tố này đến mức độ sử dụng AI. Đối tượng khảo sát của đề tài là các nhân sự làm việc trong lĩnh vực marketing tại các doanh nghiệp hoạt động trong ngành bán lẻ trực tuyến (có gian hàng trực tuyến) tại TP. Hồ Chí Minh.
Nhóm tác giả tiến hành thu thập dữ liệu trong khoảng thời gian từ tháng 01- 6/2024. Nghiên cứu sử dụng phương pháp chọn mẫu thuận tiện để lựa chọn các nhân sự marketing tại các doanh nghiệp bán lẻ trực tuyến ở TP. Hồ Chí Minh. Mẫu nghiên cứu bao gồm 423 nhân sự marketing, đại diện cho nhiều nhóm nhân sự khác nhau (các vị trí từ nhân viên mới vào nghề đến các quản lý cấp trung và cao cấp). Nhóm mẫu gồm cả nam và nữ, với độ tuổi từ 25 – 45, bảo đảm tính đa dạng về kinh nghiệm và trình độ chuyên môn trong ngành marketing. Những người tham gia được lựa chọn phải có kinh nghiệm thực tế trong việc sử dụng AI hoặc tham gia vào các dự án liên quan đến AI trong doanh nghiệp. Mẫu cũng bao gồm các nhân sự có ít nhất một năm kinh nghiệm trong lĩnh vực marketing để bảo đảm tính chính xác trong việc đánh giá mức độ sử dụng AI trong công việc.
Dữ liệu sơ cấp sẽ được thu thập thông qua bảng câu hỏi khảo sát trực tuyến. Dữ liệu thu thập được sẽ được phân tích bằng các phương pháp thống kê (thống kê mô tả, phân tích hệ số Cronbach’s Alpha, phân tích nhân tố khám phá EFA, phân tích hồi quy tuyến tính).
4. Kết quả và thảo luận
Kết quả Cronbach’s Alpha của các yếu tố trong nghiên cứu cho thấy mức độ tin cậy cao của các thang đo được sử dụng. Cụ thể, thang đo cho yếu tố “kỳ vọng hiệu suất” đạt giá trị Alpha 0.855, thể hiện mức độ nhất quán nội bộ rất tốt giữa các biến quan sát, bảo đảm tính tin cậy khi đánh giá khái niệm này. Các yếu tố khác, như: nỗ lực sử dụng, ảnh hưởng xã hội, điều kiện thuận lợi cũng có giá trị Cronbach’s Alpha ở mức lớn hơn 0.8, cho thấy các thang đo có mức độ ổn định cao. Kết quả Cronbach’s Alpha của yếu tố “Mức độ sử dụng AI” (LoUAI) chỉ ra giá trị Cronbach’s Alpha cho yếu tố này nằm mức 0.796, cho thấy sự nhất quán nội bộ tốt giữa các biến quan sát trong thang đo. Điều này chứng tỏ các biến được sử dụng để đánh giá mức độ sử dụng AI của nhân viên trong ngành marketing bán lẻ trực tuyến có tính tin cậy cao, bảo đảm rằng dữ liệu thu thập từ các biến này có thể phản ánh chính xác khái niệm cần đo lường.
Kết quả kiểm định KMO đạt giá trị 0.843 cho thấy, mức độ tương quan giữa các biến đủ cao để thực hiện phân tích nhân tố. Điều này thể hiện mẫu nghiên cứu đạt yêu cầu về kích thước và cấu trúc dữ liệu. Đồng thời, kết quả kiểm định Bartlett có giá trị Sig. = 0.000, chứng tỏ mối tương quan giữa các biến là có ý nghĩa thống kê.
Tổng phương sai giải thích đạt 60.772%, nghĩa là các nhân tố rút trích (4 nhân tố bao gồm: nhân tố 1 – Kỳ vọng hiệu suất, nhân tố 2 – Điều kiện thuận lợi, nhân tố 3 – Nỗ lực sử dụng, nhân tố 4 – Ảnh hưởng xã hội) giải thích được khoảng 60.772% sự biến thiên của dữ liệu. Đây là mức phương sai giải thích tốt, bởi các nhân tố chính đã thể hiện phần lớn thông tin từ các biến gốc, giúp đơn giản hóa và tóm gọn dữ liệu. Sau khi thực hiện xoay nhân tố, các biến quan sát được phân thành các nhóm nhân tố rõ ràng, với hệ số tải nhân tố (factor loading) của các biến đều trên 0.5. Điều này cho thấy các biến có sự đóng góp mạnh mẽ vào từng nhân tố, bảo đảm tính chính xác của các thang đo được sử dụng trong nghiên cứu. Các nhân tố được rút trích từ phương pháp EFA sẽ được đưa vào để phân tích hồi quy bao gồm: nhân tố 1 – Kỳ vọng hiệu suất, nhân tố 2 – Điều kiện thuận lợi, nhân tố 3 – Nỗ lực sử dụng, nhân tố 4 – Ảnh hưởng xã hội.
Kết quả hồi quy cho thấy hệ số R bình phương điều chỉnh (Adjusted R Square) đạt giá trị 0.521, có nghĩa là 52.1% sự biến thiên của biến phụ thuộc (mức độ sử dụng AI của nhân sự marketing trong ngành bán lẻ trực tuyến tại TP. Hồ Chí Minh) được giải thích bởi các biến độc lập trong mô hình (Kỳ vọng hiệu suất, Nỗ lực sử dụng, Ảnh hưởng xã hội và Điều kiện thuận lợi). Đây là một mức giải thích tốt, cho thấy mô hình hồi quy có độ phù hợp cao. Kiểm định ANOVA cho kết quả F = 115.707 với giá trị Sig. = 0.000, điều này có nghĩa là mô hình hồi quy có ý nghĩa thống kê. Giá trị Sig. < 0.05 chỉ ra rằng các biến độc lập trong mô hình có sự ảnh hưởng đáng kể đến biến phụ thuộc.
Nói cách khác, mô hình hồi quy được xây dựng là phù hợp và có khả năng giải thích mối quan hệ giữa các yếu tố với mức độ sử dụng AI. Mô hình không tồn tại hiện tượng đa cộng tuyến với hệ số phóng đại phương sai VIF đều nhỏ hơn 2. Mô hình cũng không tồn tại hiện tượng phương sai sai số thay đổi, sự phân phối của phần dư chuẩn hóa là ngẫu nhiên.
Điều kiện thuận lợi (FC): hệ số Beta = 0.489, Sig. = 0.000 (< 0.05). Đây là yếu tố có tác động lớn nhất đến mức độ sử dụng AI. Điều này cho thấy sự hỗ trợ về cơ sở hạ tầng, kỹ thuật và các điều kiện thuận lợi trong doanh nghiệp có vai trò rất quan trọng trong việc thúc đẩy nhân sự sử dụng AI.
Nỗ lực sử dụng (EE): hệ số Beta = 0.358, Sig. = 0.000 (< 0.05). Nỗ lực sử dụng, đại diện cho việc AI dễ sử dụng và không phức tạp có tác động đáng kể đến việc nhân sự chấp nhận AI. Đây là yếu tố có tác động mạnh thứ hai, cho thấy sự thân thiện với người dùng là yếu tố quyết định quan trọng.
Ảnh hưởng xã hội (SI): hệ số Beta = 0.335, Sig. = 0.000 (< 0.05). Yếu tố Ảnh hưởng Xã hội cũng có tác động đáng kể, cho thấy mức độ mà nhân sự bị ảnh hưởng bởi đồng nghiệp, người quản lý và người có sức ảnh hưởng trong việc sử dụng AI.
Kỳ vọng hiệu suất (PE): hệ số Beta = 0.214, Sig. = 0.000 (< 0.05). Yếu tố này có tác động thấp nhất trong mô hình nhưng vẫn có ý nghĩa thống kê. Khi nhân sự tin rằng AI có thể giúp họ cải thiện hiệu suất công việc, họ sẽ có xu hướng sử dụng AI nhiều hơn.
Những kết quả này cho thấy Điều kiện thuận lợi (FC) là yếu tố có tác động mạnh nhất, tiếp theo là Nỗ lực Sử dụng (EE), Ảnh hưởng xã hội (SI) và cuối cùng là Kỳ vọng hiệu suất (PE). Do đó các doanh nghiệp cần tập trung vào việc cải thiện cơ sở hạ tầng và hỗ trợ kỹ thuật để thúc đẩy việc ứng dụng AI.
5. Kết luận và khuyến nghị
Nghiên cứu này đã làm rõ các yếu tố ảnh hưởng đến mức độ sử dụng AI của nhân sự marketing trong ngành bán lẻ trực tuyến tại TP. Hồ Chí Minh. Qua phân tích, các yếu tố Kỳ vọng hiệu suất (PE), Nỗ lực sử dụng (EE), Ảnh hưởng xã hội (SI) và Điều kiện thuận lợi (FC) đều có tác động đáng kể đến việc ứng dụng AI trong công việc. Đặc biệt Điều kiện Thuận lợi có tác động mạnh nhất, cho thấy vai trò quan trọng của cơ sở hạ tầng và hỗ trợ kỹ thuật trong việc thúc đẩy nhân sự sử dụng AI. Kỳ vọng Hiệu suất cũng cho thấy rằng nhân sự đánh giá cao AI trong việc nâng cao hiệu quả và năng suất làm việc, đặc biệt khi AI có thể hỗ trợ các nhiệm vụ phức tạp. Tuy nhiên một số yếu tố như khả năng nhận thức về lợi ích dài hạn của AI và sự hỗ trợ kỹ thuật cần được cải thiện để tối ưu hóa việc ứng dụng AI.
Từ những kết quả nghiên cứu, nhóm tác giả đề xuất một số giải pháp nhằm giúp doanh nghiệp tận dụng tối đa lợi ích của AI, từ đó cải thiện hiệu suất công việc và tạo ra sự chuyển đổi tích cực trong hoạt động kinh doanh:
Một là, đối với yếu tố Kỳ vọng Hiệu suất (PE): giá trị trung bình của các chỉ mục đo lường cho thấy PE5 có mức cao nhất (3.63) phản ánh rằng nhân sự tin tưởng AI giúp họ xử lý các nhiệm vụ phức tạp một cách hiệu quả. Trong khi đó PE6 có giá trị trung bình thấp nhất (2.95) cho thấy, nhận thức về lợi ích dài hạn của AI trong công việc còn thấp. Để phát huy khả năng của AI trong việc hỗ trợ các nhiệm vụ phức tạp (PE5), các doanh nghiệp cần tiếp tục cung cấp công cụ AI mạnh mẽ. Đồng thời, cần cải thiện nhận thức về lợi ích dài hạn của AI (PE6) bằng cách tổ chức các buổi đào tạo, giúp nhân sự hiểu rõ hơn về vai trò của AI trong việc tối ưu hóa hiệu suất và giảm thiểu thời gian cho các công việc lặp đi lặp lại.
Hai là, đối với yếu tố Nỗ lực sử dụng (EE): với giá trị trung bình cao nhất (3.76), EE2 cho thấy nhân sự cảm nhận rằng AI dễ học hỏi và sử dụng, điều này cần được phát huy trong các chương trình đào tạo về AI. Tuy nhiên, EE3 có giá trị trung bình thấp nhất (3.23) cũng cho thấy nhân sự gặp khó khăn trong việc thực hiện các thao tác cơ bản với AI. Để khắc phục điểm yếu này, doanh nghiệp cần đơn giản hóa giao diện AI và cung cấp tài liệu hướng dẫn chi tiết, giúp nhân sự dễ dàng thực hiện các thao tác cơ bản. Điều này sẽ tăng cường sự tiện lợi và hiệu quả trong việc sử dụng AI.
Ba là, đối với yếu tố Ảnh hưởng xã hội (SI): SI4 có giá trị trung bình cao nhất (3.57) cho thấy vai trò quan trọng của người có tầm ảnh hưởng trong doanh nghiệp đối với việc thúc đẩy sử dụng AI. Trong khi đó SI1 có giá trị thấp nhất (3.25) phản ánh rằng sự khuyến khích từ đồng nghiệp chưa đủ mạnh để thúc đẩy nhân sự sử dụng AI. Theo đó, doanh nghiệp cần phát huy vai trò của các nhà lãnh đạo và những người có tầm ảnh hưởng để tăng cường việc ứng dụng AI trong công việc, đồng thời tạo điều kiện cho đồng nghiệp hỗ trợ lẫn nhau thông qua các nhóm thảo luận và chia sẻ kinh nghiệm về việc sử dụng AI trong công việc hàng ngày.
Bốn là, đối với yếu tố Điều kiện thuận lợi (FC): giá trị trung bình cao nhất (3.72) thuộc về FC1 cho thấy nhân sự đánh giá cao việc có đủ kiến thức để sử dụng AI. Ngược lại FC2 có giá trị thấp nhất (3.10) chỉ ra rằng sự hỗ trợ kỹ thuật khi sử dụng AI còn hạn chế. Để tiếp tục phát huy những điểm mạnh, doanh nghiệp cần duy trì các chương trình đào tạo về AI nhằm bảo đảm nhân sự có đủ kiến thức để sử dụng công nghệ này hiệu quả. Đồng thời, cần tăng cường các dịch vụ hỗ trợ kỹ thuật chuyên nghiệp, bảo đảm nhân sự nhận được sự hỗ trợ nhanh chóng khi gặp sự cố trong quá trình sử dụng AI.
Nghiên cứu cũng còn một số hạn chế nhất định vì chủ yếu tập trung vào nhân sự marketing trong ngành bán lẻ trực tuyến tại TP. Hồ Chí Minh. Do đó, kết quả có thể không phản ánh hết mức độ sử dụng AI của nhân sự trong toàn bộ ngành marketing. Phạm vi nghiên cứu hẹp khiến các yếu tố ảnh hưởng đến mức độ sử dụng AI có thể bị giới hạn trong bối cảnh địa lý và ngành nghề cụ thể. Thêm vào đó, nghiên cứu chỉ xem xét các yếu tố chính từ mô hình UTAUT mà chưa xem xét đến các yếu tố khác như văn hóa doanh nghiệp, yếu tố tâm lý của nhân sự. Trong các nghiên cứu tương lai, việc mở rộng phạm vi nghiên cứu ra các ngành công nghiệp khác hoặc các địa phương khác sẽ giúp tăng tính khái quát của kết quả. Ngoài ra, nên xem xét các yếu tố khác ngoài mô hình UTAUT như văn hóa doanh nghiệp, chiến lược quản lý thay đổi hoặc các yếu tố tâm lý ảnh hưởng đến việc mức độ sử dụng công nghệ AI của nhân sự ngành marketing.
Tài liệu tham khảo:
1. Lê Hoành Sử (2021). Tham luận về: “Ảnh hưởng của AI đến sự phát triển kinh doanh bán lẻ trực tuyến tại TP. Hồ Chí Minh”. Tọa đàm Chuyển đổi số trong tiếp thị và bán hàng tại Đại học Kinh tế – Luật TP. Hồ Chí Minh vào tháng 08/2021.
2. Hoàng Văn Tam (2021). Tham luận về “Hành vi chấp nhận công nghệ trong marketing bán lẻ. Tọa đàm Chuyển đổi số trong tiếp thị và bán hàng tại Đại học Kinh tế – Luật TP. Hồ Chí Minh vào tháng 08/2021.
3. Nguyễn Mạnh Tấn (2021). Tham luận về “Ứng dụng công nghệ vào tiếp thị và bán hàng trực tuyến”. Tọa đàm Chuyển đổi số trong tiếp thị và bán hàng tại Đại học Kinh tế – Luật TP. Hồ Chí Minh vào tháng 08/2021.
4. Nguyễn Đình Thọ (2011). Phương pháp nghiên cứu khoa học trong kinh doanh. H. NXB Lao động Xã hội.
5. Bostrom, N. (2014). Superintelligence: Paths, Dangers, Strategies. Oxford University Press.
6. Butler, J., Jaffe, S., Baym, N., Czerwinski, M., Iqbal, S., Nowak, K., Rintel, R., Sellen, A., Vorvoreanu, M., Hecht, B., and Teevan, J. (Eds.). Microsoft New Future of Work Report 2023. Microsoft Research Tech Report MSR TR-2023-34 (https://aka.ms/nfw2023 ), 2023.
7. Compeau, D. R., & Higgins, C. A. (1995). Computer self-efficacy: Development of a measure and initial test. MIS Quarterly, 19(2), 189-211.
8. Davenport, T. H. (2018). The AI Advantage: How to Put the Artificial Intelligence Revolution to Work. MIT Press.
9. Brynjolfsson, E., & McAfee, A. (2017). Machine, platform, crowd: Harnessing our digital future. MIT Initiative on the Digital Economy.
10. Greeni Maheshwari (2023) Factors influencing students’ intention to adopt and use ChatGPT in higher education: A study in the Vietnamese context, Springer Link, Volume 29, pages 12167–12195, (2024).
11. Lee, K. F. (2018). AI Superpowers: China, Silicon Valley, and the New World Order. Houghton Mifflin Harcourt.
12. Marikyan, D., Papagiannidis, S., Rana, O. F., Ranjan, R., and Morgan, G. (2022). “Alexa, let’s talk about my productivity”: the impact of digital assistants on work productivity. J. Bus. Res. 142, 572–584. doi: 10.1016/j.jbusres.2022.01.015.
13. María García de Blanes, Sebastián José Ramón Sarmiento Guede & Arta Antonovica. (2022). Application and extension of the UTAUT2 model for determining behavioral intention factors in use of the artificial intelligence virtual assistants. Frontiers in Psychology, 13, 993935. https://doi.org/10.3389/fpsyg.2022.993935.
14. Andrew Ng (2017). AI Transformation Playbook. Landing AI.
15. Rogers, E. M. (1995). Diffusion of Innovations (4th ed.). The Free Press.
16. Russell, S. (2019). Human compatible: Artificial intelligence and the problem of control. Penguin.
17. 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.
18. Venkatesh, V., Thong, J. Y., and Xu, X. (2016). Unified theory of acceptance and use of technology: a synthesis and the road ahead. J. Assoc. Inform. Syst. 17, 328–376. doi: 10.17705/1jais.00428.
