Σκοπός: Η Τεχνητή Νοημοσύνη (Artificial Intelligence – AI) μετασχηματίζει ταχύτατα τις υπηρεσίες υγείας, δημιουργώντας αυξημένες απαιτήσεις για την ανάπτυξη νέων γνώσεων και δεξιοτήτων από τους επαγγελματίες υγείας. Σκοπός της παρούσας μελέτης ήταν η διερεύνηση της σχέσης μεταξύ χαρακτηριστικών του οργανωσιακού περιβάλλοντος και του επιπέδου εγγραμματισμού για την Τεχνητή Νοημοσύνη (AI Literacy) σε επαγγελματίες υγείας. Ειδικότερα, εξετάστηκε η επίδραση του μαθησιακού κλίματος, του κλίματος καινοτομίας και του αντιλαμβανόμενου πλεονάσματος προσόντων στον AI Literacy.

Μέθοδος: Πραγματοποιήθηκε ποσοτική, αναλυτική, συγχρονική μελέτη σε δείγμα 100 επαγγελματιών υγείας του Ιδιωτικό νοσηλευτικό κέντρο. Η συλλογή των δεδομένων πραγματοποιήθηκε με ανώνυμο, δομημένο ερωτηματολόγιο που περιλάμβανε δημογραφικά χαρακτηριστικά, την κλίμακα SNAIL (Scale for the assessment of Non-experts’ AI Literacy), καθώς και διεθνώς αναγνωρισμένες κλίμακες για το μαθησιακό κλίμα, το κλίμα καινοτομίας και το αντιλαμβανόμενο πλεόνασμα προσόντων. Η στατιστική ανάλυση περιέλαβε περιγραφική στατιστική, έλεγχο αξιοπιστίας (Cronbach’s α), συσχετίσεις Pearson και πολλαπλή γραμμική παλινδρόμηση.

Αποτελέσματα: Οι συμμετέχοντες παρουσίασαν μέτριο επίπεδο εγγραμματισμού στην Τεχνητή Νοημοσύνη (Μ=4,21±1,02). Το κλίμα καινοτομίας εμφάνισε τη ισχυρότερη θετική συσχέτιση με τον AI Literacy (r=0,428, p<0,001), ακολουθούμενο από το μαθησιακό κλίμα (r=0,361, p<0,001), ενώ το αντιλαμβανόμενο πλεόνασμα προσόντων παρουσίασε ασθενή αρνητική συσχέτιση (r=-0,232, p=0,020). Η αυτοαξιολόγηση γνώσεων σχετικά με την Τεχνητή Νοημοσύνη συσχετίστηκε ισχυρά με τον συνολικό δείκτη AI Literacy (r=0,641, p<0,001). Η πολλαπλή γραμμική παλινδρόμηση έδειξε ότι το κλίμα καινοτομίας (Β=0,329, p=0,005), το μαθησιακό κλίμα (Β=0,243, p=0,024) και το επίπεδο εκπαίδευσης (Β=0,285, p=0,002) αποτέλεσαν ανεξάρτητους προβλεπτικούς παράγοντες του AI Literacy, ενώ το μοντέλο εξήγησε το 33,9% της συνολικής διακύμανσης (R²=0,339).

Συμπεράσματα: Ο εγγραμματισμός στην Τεχνητή Νοημοσύνη επηρεάζεται όχι μόνο από ατομικά χαρακτηριστικά αλλά και από το οργανωσιακό περιβάλλον. Η δημιουργία οργανισμών υγείας που προάγουν τη συνεχή μάθηση, την καινοτομία και την επαγγελματική ανάπτυξη μπορεί να συμβάλει ουσιαστικά στην ενίσχυση του AI Literacy των επαγγελματιών υγείας και να υποστηρίξει την ασφαλή και αποτελεσματική ενσωμάτωση εφαρμογών Τεχνητής Νοημοσύνης στις σύγχρονες υπηρεσίες υγείας.

Background: Artificial Intelligence (AI) is rapidly transforming healthcare delivery, creating increasing demands for healthcare professionals to acquire new competencies and digital skills. This study investigated the association between organizational climate characteristics and Artificial Intelligence literacy (AI Literacy) among healthcare professionals. Specifically, it examined whether organizational learning climate, Innovative Behavior Inventory - Cultural support Subscale, and perceived overqualification are associated with AI Literacy.

Methods: A quantitative cross-sectional analytical study was conducted among 100 healthcare professionals employed at IASO Thessaly Hospital, Greece. Data were collected using an anonymous structured questionnaire including demographic variables, the Scale for the Assessment of Non-Experts’ AI Literacy (SNAIL), and validated instruments assessing learning climate, Innovative Behavior Inventory - Cultural support Subscale, and perceived overqualification. Statistical analysis included descriptive statistics, reliability analysis (Cronbach’s alpha), Pearson correlation coefficients, and multiple linear regression.

Results: Participants demonstrated a moderate level of AI Literacy (mean=4.21±1.02). Innovative Behavior Inventory - Cultural support Subscale showed the strongest positive correlation with AI Literacy (r=0.428, p<0.001), followed by learning climate (r=0.361, p<0.001), whereas perceived overqualification demonstrated a weak negative correlation (r=-0.232, p=0.020). Self-rated AI knowledge showed the strongest association with AI Literacy (r=0.641, p<0.001). Multiple linear regression identified Innovative Behavior Inventory - Cultural support Subscale (β=0.329, p=0.005), learning climate (β=0.243, p=0.024), and educational level (β=0.285, p=0.002) as independent predictors of AI Literacy, explaining 33.9% of the variance (R²=0.339).

Conclusions: AI Literacy among healthcare professionals is influenced not only by individual characteristics but also by organizational factors. Healthcare organizations that foster continuous learning, innovation, and professional development may substantially strengthen AI-related competencies and facilitate the safe, effective, and sustainable integration of Artificial Intelligence into healthcare practice.