Ενισχύοντας τις επιχειρηματικές διαδικασίες: ο ρόλος της τεχνητής νοημοσύνης στα συστήματα λήψης αποφάσεων

Abstract

Καθώς οι επιχειρήσεις έρχονται αντιμέτωπες με συνεχώς αυξανόμενο όγκο δεδομένων και πίεση για γρήγορες και ακριβείς αποφάσεις, η ενσωμάτωση τεχνολογιών τεχνητής νοημοσύνης στα συστήματα λήψης αποφάσεων αναδύεται ως στρατηγικό εργαλείο. Μέσω αυτής της ενσωμάτωσης μια επιχείρηση μπορεί να βελτιώσει την απόδοσή της και να αποκτήσει ανταγωνιστικό πλεονέκτημα. Η μελέτη αυτή συνδυάζει βιβλιογραφική ανασκόπηση και ποσοτική ανάλυση. Αξιοποιώντας εδραιωμένα θεωρητικά πλαίσια, όπως το Technology Readiness Index, το Task-Technology Fit και το Technology Acceptance Model, η έρευνα αποσκοπεί στον προσδιορισμό της πρόθεσης για χρήση Συστημάτων Υποστήριξης Αποφάσεων με Τεχνητή Νοημοσύνη και των παραγόντων που συμβάλλουν σε αυτή. Εξετάζεται η επίδραση που έχει η τεχνολογική ετοιμότητα των δυνητικών χρηστών, η συμβατότητα της τεχνολογίας με την εργασία, καθώς επίσης και οι αντιλήψεις των χρηστών απέναντι στην υιοθέτηση και την αποτελεσματικότητα των ΣΥΑ-ΤΝ. Κατά την διάρκεια της μελέτης προσδιορίστηκαν προκλήσεις όπως η αλγοριθμική προκατάληψη, η έλλειψη επεξηγησιμότητας, η αντίσταση στην αλλαγή και η ηθική. Τα ευρήματα υποδεικνύουν θετική πρόθεση για χρήση των ΣΥΑ-ΤΝ, ενισχύοντας την άποψη ότι θα αποτελέσουν ένα σημαντικό εργαλείο στην λήψη αποφάσεων. Από την ανάλυση προκύπτει ότι τα υψηλά επίπεδα τεχνολογικής ετοιμότητας και συμβατότητας εργασίας-τεχνολογίας είναι σημαντικοί παράγοντες για την αποδοχή των συστημάτων.As businesses face ever-increasing volumes of data and pressure to make quick and accurate decisions, the integration of artificial intelligence technologies into decision-making systems is emerging as a strategic tool. Through this integration, a company can improve its performance and gain a competitive advantage. This study combines a literature review and quantitative analysis. Using established theoretical frameworks, such as the Technology Readiness Index, Task-Technology Fit, and Technology Acceptance Model, the research aims to determine the intention to use Artificial Intelligence Decision Support Systems and the factors that contribute to it. It examines the impact of the technological readiness of potential users, the compatibility of the technology with the task, as well as users' perceptions of the adoption and effectiveness of AI-DSS. During the study, challenges such as algorithmic bias, lack of explainability, resistance to change, and ethics were identified. The findings indicate a positive intention to use AI-DSS, reinforcing the view that they will be an important tool in decision-making. The analysis shows that high levels of technological readiness and work-technology compatibility are important factors for the acceptance of the systems.