The Influence of AI-Powered Tools on Organizational Performance and Quality

  1. MSc thesis
  2. ΟΡΕΣΤΗΣ ΤΣΙΑΚΟΥΛΗΣ
  3. Διοίκηση Επιχειρήσεων (MBA)
  4. 07 Σεπτεμβρίου 2024
  5. Αγγλικά
  6. 71
  7. Ντέλιου, Κλεοπάτρα, Δρ
  8. Artificial Intelligence, Quality Management Systems, Organizational Performance, Industry 4.0, Digital Innovation | Τεχνητή Νοημοσύνη, Συστήματα Διαχείρισης Ποιότητας, Απόδοση, Βιομηχανία 4.0, Ψηφιακή Καινοτομία
  9. ΜΒΑΔΕ / MBA Dissertation
  10. 2
  11. 2
  12. 43
    • This study investigates the influence of Artificial Intelligence (AI) adoption on organizational performance and quality, with a particular focus on the role of Quality Management Systems (QMS). It explores how AI-powered tools are integrated into various organizational processes and their perceived benefits, including quality improvement, cost reduction, efficiency gains, and innovation acceleration. The research also examines the moderating role of QMS in the relationship between AI adoption and organizational outcomes.

      Utilizing a cross-sectional survey methodology, data was collected from 147 respondents across diverse industries and organizational sizes. The findings reveal a positive, although relatively weak, correlation between AI adoption and organizational performance and quality. Additionally, a moderate positive correlation is observed between QMS implementation and organizational performance and quality, suggesting that well-structured quality management practices contribute significantly to organizational success.

      Furthermore, the study confirms a positive relationship between perceived AI relative advantage and AI adoption, indicating that organizations recognizing the benefits of AI are more likely to further embrace it. However, the research did not find sufficient evidence to support the moderating role of QMS in the relationship between AI adoption and organizational performance and quality.

      These findings contribute to understanding how AI and QMS can be leveraged to enhance organizational performance and quality in the evolving technological landscape. The study acknowledges limitations, like its cross-sectional nature, reliance on self-reported information, and narrow scope of generalizability. Future research should consider longitudinal studies, incorporate objective performance metrics, and focus on specific sectors or organization types to obtain a more thorough understanding of the complex interplay between AI, QMS, and organizational outcomes.

    • Η παρούσα εργασία διερευνά τον αντίκτυπο που έχει η υιοθέτηση της Τεχνητής Νοημοσύνης (ΤΝ) στην απόδοση και την ποιότητα των οργανισμών, δίνοντας έμφαση στο ρόλο των Συστημάτων Διαχείρισης Ποιότητας (ΣΔΠ). Διερευνά τον τρόπο με τον οποίο τα εργαλεία τεχνητής νοημοσύνης ενσωματώνονται σε διάφορες οργανωτικές διαδικασίες και τα αντιληπτά οφέλη τους, όπως η βελτίωση της ποιότητας, η αύξηση της αποδοτικότητας, η μείωση του κόστους, και η επιτάχυνση της καινοτομίας. Εξετάζει επίσης τον ρυθμιστικό ρόλο των ΣΔΠ στη σχέση μεταξύ της υιοθέτησης της τεχνητής νοημοσύνης και των αποτελεσμάτων των διάφορων οργανισμών.

      Χρησιμοποιώντας μια μεθοδολογία συγχρονικής έρευνας, συλλέχθηκαν δεδομένα από 147 ερωτηθέντες απασχολούμενων σε οργανισμούς  διαφόρων κλάδων και μεγεθών. Τα ευρήματα αποκαλύπτουν μια θετική, αν και σχετικά ασθενή, συσχέτιση μεταξύ της υιοθέτησης της τεχνητής νοημοσύνης και της απόδοσης και της ποιότητας των οργανισμών. Επιπλέον, παρατηρείται μια μέτρια θετική συσχέτιση μεταξύ της εφαρμογής συστημάτων διαχείρισης ποιότητας και της οργανωτικής απόδοσης και ποιότητας, υποδηλώνοντας ότι οι καλά δομημένες πρακτικές διαχείρισης ποιότητας συμβάλλουν σημαντικά στην επιτυχία των οργανισμών.

      Επιπλέον, η μελέτη επιβεβαιώνει μια θετική σχέση μεταξύ του αντιληπτού σχετικού πλεονεκτήματος από τη χρήση της τεχνητής νοημοσύνης και της υιοθέτησης της τεχνητής νοημοσύνης, υποδεικνύοντας ότι οι οργανισμοί που αναγνωρίζουν τα οφέλη της τεχνητής νοημοσύνης είναι πιο πιθανό να την ενσωματώσουν περαιτέρω στη λειτουργία τους. Ωστόσο, η έρευνα δεν βρήκε επαρκή στοιχεία που να υποστηρίζουν τον ρυθμιστικό ρόλο των ΣΔΠ στη σχέση μεταξύ της υιοθέτησης της τεχνητής νοημοσύνης και της οργανωτικής απόδοσης.

      Αυτά τα ευρήματα βοηθούν στην κατανόηση του τρόπου με τον οποίο η ΤΝ και τα ΣΔΠ μπορούν να αξιοποιηθούν στην βελτίωση της ποιότητας και στην επαύξηση της απόδοσης των οργανισμών στο εξελισσόμενο τεχνολογικό τοπίο. Η μελέτη σχετίζεται με  περιορισμούς, όπως ο συγχρονικός σχεδιασμός της, η εξάρτηση από δεδομένα αυτό-αναφοράς και η περιορισμένη γενικευσιμότητα. Όσον αφορά στη μελλοντική έρευνα , προτείνεται  να συμπεριλάβει διαχρονικές μελέτες, να ενσωματώσει αντικειμενικές μετρήσεις απόδοσης και να επικεντρωθεί σε συγκεκριμένους τομείς ή τύπους οργανισμών για να αποκτήσει βαθύτερες γνώσεις σχετικά με την περίπλοκη αλληλεπίδραση μεταξύ της ΤΝ,  των ΣΔΠ και των οργανωτικών αποτελεσμάτων.

  13. Hellenic Open University
  14. Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές