The dissertation  examines the influence of technological factors in Artificial Intelligence (AI) adoption in Greek Small and Medium Enterprises (SMEs) through a quantitative exploratory survey. The survey was performed through an online questionnaire.  The analysis suggested limited adoption of AI among Greek SMEs. Moreover, the results imply that digital maturity in terms of infrastructure is at an average level but utilization and data readiness appear to be lagging in comparison. The inferential analysis was based on the technological context of the Technology-Organization-Environment and Diffusion of Innovation (TOE-DOI) framework for technology adoption. The constructs tested were Infrastructure, Information Technology (IT) Knowledge, Data Readiness, Compatibility and Complexity and their influence was tested on AI adoption state and AI adoption intention. The Exploratory Factor Analysis (EFA) suggested that the first four factors exhibit high correlations and merge into two latent factors, the one possibly representing the existence of resources and the other the utilization of resources and AI readiness. Linear Regression Analysis with the initial model demonstrated strong influence from Data Readiness, Compatibility and Complexity on AI adoption state and from Data Readiness and Compatibility on AI adoption intention. A second model with empirical reasoning was used that aggregated the first four constructs into a Digital State and AI Readiness variable. The second model exhibited comparable explanatory power with the initial, while significantly simpler, suggesting a possible holistic treatment of Digital State and AI Readiness by  Greek SMEs. 

The dissertation makes an exploratory contribution to the analysis of the influence of the technological context on AI adoption state and AI adoption intention in Greek SMEs. It complements classical TOE-DOI items with Data Readiness and digital resource utilization items.  Empirical evidence indicated that the utilization and data readiness matter strongly, while there is some indication that the technological factors may behave more holistically than purely orthogonal in this context.

Η διατριβή εξετάζει την επιρροή των τεχνολογικών παραγόντων στην υιοθέτηση της Τεχνητής Νοημοσύνης (ΤΝ) από τις ελληνικές Μικρές και Μεσαίες Επιχειρήσεις (ΜΜΕ) μέσω μιας  διερευνητικής ποσοτικής έρευνας. Η έρευνα πραγματοποιήθηκε μέσω ενός δικτυακού ερωτηματολογίου. Προέκυψε περιορισμένη υιοθέτηση της ΤΝ από τις ΜΜΕ. Επιπροσθέτως, τα αποτελέσματα υποδηλώνουν ότι η ψηφιακή ωριμότητα σε όρους υποδομής βρίσκεται σε μέτριο επίπεδο αλλά η χρήση ψηφιακών συστημάτων και η οργάνωση δεδομένων υστερούν συγκριτικά. Η συμπερασματική ανάλυση βασίστηκε στο τεχνολογικό πλαίσιο του μοντέλου  TOE-DOI. Τα constructs που ελέγθηκαν ήταν τα Infrastructure, IT Knowledge, Data Readiness, Compatibility και Complexity, ενώ οι εξαρτημένες μεταβλητές ήταν το AI adoption state και AI adoption intention. H EFA υποδηλώνει ότι οι τεσσερις πρώτοι παράγοντες συμπτύσσονται σε δύο, με τον πρώτο πιθανότατα να αντιστοιχεί στην ύπαρξη πόρων, και το δεύτερο στη χρήση πόρων και την ετοιμότητα για ΤΝ. Η γραμμική παλινδόμηση με το μοντέλο που βασίζεται στους αρχικούς παράγοντες δείχνει ότι στατιστικά σημαντική επιρροή έχουν στο AI adoption state, τα Data Readiness, Compatibility, Complexity και στο AI adoption intention το Data Readiness και το Compatibility. Ένα δεύτερο εμπειρικό μοντέλο το οποίο συνενώνει τους τέσσερις πρώτους παράγοντες στο Digital State and AI Readiness δοκιμάστηκε και επέδειξε συγκρίσιμη επεξηγηματική ικανότητα παρότι είναι απλούστερο μοντέλο.

Η διατριβή κάνει μια διερευνητική συνεισφορά στην ανάλυση της επίδρασης του τεχνολογικού πλαισίου στην υιοθέτηση ΤΝ από τις ελληνικές ΜΜΕ. Συμπληρώνει τα κλασικά TOE-DOI ερωτήματα με ερωτήματα οργάνωσης δεδομένων και χρήσης ψηφιακών συστημάτων. Εμπειρικά συμπεράσματα υποστηρίζουν ότι η οργάνωση δεδομένων και ψηφιακών συστημάτων έχει ισχυρή επίδραση στην υιοθέτηση, ενώ υπάρχουν ενδείξεις ότι οι τεχνολογικοί παράγοντες γίνονται αντιληπτοί από τις ΜΜΕ ως ένας πιο ολοκληρωμένος παράγοντας και λιγότερο ως ορθογώνιες διαστάσεις.