Η παρούσα μελέτη διερευνά την αποδοχή των εφαρμογών τεχνητής νοημοσύνης (ΤΝ) από επαγγελματίες υγείας στο Βενιζέλειο νοσοκομείο του Ηρακλείου Κρήτης. Ακολουθώντας ποσοτική ερευνητική προσέγγιση, συλλέχθηκαν πρωτογενή δεδομένα μέσω δομημένου ερωτηματολογίου που διανεμήθηκε σε 111 εργαζόμενους στον τομέα της υγείας, διαφόρων ειδικοτήτων και ιεραρχικών βαθμίδων. Το ερωτηματολόγιο αξιολόγησε τις στάσεις απέναντι στην αυτοματοποίηση υπηρεσιών υγείας με ΤΝ σε τρεις διαστάσεις: αντιλαμβανόμενη πιθανότητα, επιθυμία υλοποίησης και συναισθηματική αντίδραση, καλύπτοντας έξι λειτουργικούς τομείς: διοικητικές και οικονομικές διαδικασίες, εκπαίδευση και ανάπτυξη προσωπικού, κλινικές διαδικασίες, διαδικασίες ποιότητας και ασφάλειας, επικοινωνία και εξυπηρέτηση, καθώς και ερευνητικές δραστηριότητες.

Τα ευρήματα δείχνουν μέτρια έως θετική συνολική αποδοχή της ΤΝ, με σημαντικές διαφοροποιήσεις ανάλογα με το είδος της λειτουργίας. Η υψηλότερη αποδοχή καταγράφηκε σε διοικητικές, οικονομικές και ερευνητικές εφαρμογές, οι οποίες θεωρούνται ότι ενισχύουν την αποδοτικότητα και μειώνουν τον γραφειοκρατικό φόρτο. Αντίθετα, οι κλινικές διαδικασίες, η επικοινωνία με τους ασθενείς και οι διαδικασίες ποιότητας και ασφάλειας προκάλεσαν πιο επιφυλακτικές ή και αρνητικές στάσεις, κυρίως λόγω ανησυχιών σχετικά με την απώλεια της ανθρώπινης επαφής, τον έλεγχο επί των κλινικών αποφάσεων και την αποπροσωποποίηση της φροντίδας.

Η στατιστική ανάλυση έδειξε ότι οι νεότεροι επαγγελματίες, όσοι κατείχαν θέσεις ευθύνης και όσοι συμμετείχαν ενεργά σε επιστημονικά συνέδρια παρουσίασαν μεγαλύτερη προθυμία αποδοχής εφαρμογών ΤΝ. Υψηλότερο μορφωτικό επίπεδο συσχετίστηκε με αυξημένο σκεπτικισμό, ιδιαίτερα σε ζητήματα που αφορούν την εκπαίδευση και την έρευνα. Δεν διαπιστώθηκαν σημαντικές διαφορές ως προς το φύλο. Η μελέτη αναδεικνύει επίσης τον ρόλο της οργανωτικής κουλτούρας, της τεχνολογικής εξοικείωσης και της επαγγελματικής εμπειρίας στη διαμόρφωση των στάσεων απέναντι στην υιοθέτηση της ΤΝ.

Τα αποτελέσματα συμβάλλουν στην επιστημονική κατανόηση της αποδοχής τεχνολογίας στον ελληνικό χώρο της υγείας και προσφέρουν πρακτικές κατευθύνσεις σε υπεύθυνους χάραξης πολιτικής, διοικήσεις νοσοκομείων και υπεύθυνους εκπαίδευσης. Η ταυτοποίηση των τομέων με υψηλότερη ή χαμηλότερη αποδοχή μπορεί να καθοδηγήσει στοχευμένες στρατηγικές για τη σταδιακή και αποτελεσματική ενσωμάτωση της ΤΝ, διασφαλίζοντας ότι η τεχνολογική καινοτομία θα συμπληρώνει και δεν θα αντικαθιστά την ανθρώπινη διάσταση της φροντίδας υγείας. Αναγνωρίζονται περιορισμοί που σχετίζονται με την αντιπροσωπευτικότητα του δείγματος και τον εγκάρσιο σχεδιασμό της έρευνας, ενώ προτείνονται μελλοντικές έρευνες με διεύρυνση του δείγματος σε εθνικό επίπεδο και με υιοθέτηση μεικτών μεθοδολογικών προσεγγίσεων για πληρέστερη ανάλυση.

The present study investigates the acceptance of artificial intelligence (AI) applications among healthcare professionals in Venizeleio hospital in Heraklion Crete. Employing a quantitative research design, primary data were collected through a structured questionnaire distributed to 111 healthcare employees, representing various specialties and hierarchical levels. The questionnaire assessed attitudes toward AI-driven automation in healthcare services across three dimensions: perceived likelihood, desire for implementation, and emotional reaction, and covered six functional domains: administrative and financial processes, education and staff development, clinical procedures, quality and safety processes, communication and service, and research activities.

The findings indicate a moderate to positive overall acceptance of AI, with significant variations depending on the type of function. Highest acceptance was observed for administrative, financial, and research-related applications, which are perceived as enhancing efficiency and reducing bureaucratic workload. Conversely, clinical tasks, communication with patients, and processes related to quality and safety elicited more cautious or even resistant attitudes, primarily due to concerns about the loss of human contact, control over clinical decisions, and the depersonalization of care.

Statistical analysis revealed that younger professionals, those holding positions of responsibility, and those with active participation in scientific conferences demonstrated a greater willingness to accept AI applications. Higher educational attainment was associated with increased skepticism, particularly regarding education and research-related uses of AI. No significant differences were found based on gender. The study also highlights the impact of organizational culture, technological familiarity, and professional experience in shaping attitudes towards AI adoption.

The results contribute to the scientific understanding of technology acceptance in Greek healthcare and offer practical insights for policymakers, hospital administrators, and training planners. The identification of domains with higher or lower acceptance can inform targeted strategies for the gradual and effective integration of AI, ensuring that technological innovation complements rather than replaces the human dimension of healthcare. Limitations related to sample representativeness and the cross-sectional design are acknowledged, and recommendations for future research include expanding the study to a national level and adopting mixed-method approaches for a more comprehensive analysis.