Trí tuệ nhân tạo tạo sinh và hiệu quả kinh doanh: Thực nghiệm trong lĩnh vực bán lẻ tại Hà Nội
DOI:
https://doi.org/10.24311/jabes/2025.36.8.03Từ khóa:
Trí tuệ nhân tạo tạo sinh, Động lực - Cơ hội - Khả năng, Ý định tiếp tục sử dụng, Hiệu quả kinh doanhTóm tắt
Mục tiêu của bài viết nhằm phân tích sự ảnh hưởng của các yếu tố đến ý định tiếp tục sử dụng trí tuệ nhân tạo tạo sinh (Generative Artificial Intelligence – GnAI) và hiệu quả kinh doanh của nhà bán lẻ. Mô hình nghiên cứu được mở rộng dựa trên lý thuyết Động lực - Cơ hội - Khả năng (DCK). Nghiên cứu áp dụng phương pháp định lượng, sử dụng bảng hỏi khảo sát để thu thập dữ liệu từ 325 đáp viên đại diện cho các nhà bán lẻ tại Hà Nội thông qua phương pháp lấy mẫu thuận tiện. Dữ liệu được phân tích bằng phương pháp mô hình cấu trúc tuyến tính (SEM). Kết quả chỉ ra các yếu tố thuộc lý thuyết DCK, bao gồm cơ hội và khả năng sử dụng GnAI, và các động lực (vị lợi và thụ hưởng) ảnh hưởng đến ý định tiếp tục sử dụng GnAI. Đồng thời, ý định tiếp tục sử dụng này sẽ thúc đẩy hiệu quả kinh doanh của nhà bán lẻ. Trên cơ sở đó, nghiên cứu rút ra các hàm ý học thuật và thực tiễn nhằm nâng cao nhận thức, động lực, năng lực và thúc đẩy việc sử dụng GnAI bền vững trong hoạt động bán lẻ.
Tài liệu tham khảo
Al-khatib, A. w., Al-Shboul, M. A., & Khattab, M. (2024). How can generative artificial intelligence improve digital supply chain performance in manufacturing firms? Analyzing the mediating role of innovation ambidexterity using hybrid analysis through CB-SEM and PLS-SEM. Technology in Society, 78, 102676. https://doi.org/10.1016/j.techsoc.2024.102676
Cao, Z., & Peng, L. (2024). An empirical study of factors influencing usage intention for generative artificial intelligence products: A case study of China. Journal of Information Science, 0(0), 01655515241297329. https://doi.org/10.1177/01655515241297329
Guenzi, P., & Nijssen, E. J. (2020). Studying the antecedents and outcome of social media use by salespeople using a MOA framework. Industrial Marketing Management, 90, 346-359. https://doi.org/10.1016/j.indmarman.2020.08.005
Hair, J. F., Black, W. C., Barbin, B. J., & Anderson, R. E. (2013). Multivariate Data Analysis (7th ed.). Pearson Education Limited.
Harman, H. H. (1976). Modern Factor Analysis. U.S: University of Chicago Press.
Ku, E. C. S., & Chen, C.-D. (2024). Artificial intelligence innovation of tourism businesses: From satisfied tourists to continued service usage intention. International Journal of Information Management, 76, 102757. https://doi.org/10.1016/j.ijinfomgt.2024.102757
Le, X. C. (2024a). A hedonic value-based consumer continuance intention model toward location-based advertising. Revista de Gestão, 31(1), 34-49. https://doi.org/10.1108/REGE-08-2021-0165
Le, X. C. (2024b). Propagation of information-sharing in social media: The perspective of intrinsic and extrinsic cues. VINE Journal of Information and Knowledge Management Systems, 54(5), 973-989. https://doi.org/10.1108/VJIKMS-01-2022-0006
Lê Xuân Cù. (2024). Phân tích vai trò của động lực nội sinh đến hành vi tiếp tục chia sẻ thông tin trên mạng xã hội. Tạp chí Khoa học Nông nghiệp Việt Nam, 22(3), 379-388.
Liu, Y., Zhang, Z., & Wu, Y. (2025). What drives Chinese university students’ long-term use of GenAI? Evidence from the heuristic-systematic model. Education and Information Technologies. https://doi.org/10.1007/s10639-025-13403-0
Luo, C., Yang, C., Yuan, R., Liu, Q., Li, P., & He, Y. (2024). Barriers and facilitators to technology acceptance of socially assistive robots in older adults - A qualitative study based on the capability, opportunity, and motivation behavior model (COM-B) and stakeholder perspectives. Geriatric Nursing, 58, 162-170. https://doi.org/10.1016/j.gerinurse.2024.05.025
MacInnis, D. J., & Jaworski, B. J. (1989). Information processing from advertisements: Toward an integrative framework. Journal of Marketing, 53(4), 1-23. https://doi.org/10.1177/002224298905300401
Nguyen, T. H., Le, X. C., & Vu, T. H. L. (2022). An extended technology-organization-environment (TOE) framework for online retailing utilization in digital transformation: Empirical evidence from Vietnam. Journal of Open Innovation: Technology, Market, and Complexity, 8(4), 200. https://doi.org/10.3390/joitmc8040200
Trang, T. T. N., Thang, P. C., & Vo, T. A. (2025). Moderating the AI Revolution: Perceived threat and generative AI implementation in Vietnamese hospitals. Computers in Human Behavior Reports, 19, 100774. https://doi.org/10.1016/j.chbr.2025.100774
Tabernero, C., & Hernández, B. (2011). Self-efficacy and intrinsic motivation guiding environmental behavior. Environment and Behavior, 43(5), 658-675. https://doi.org/10.1177/0013916510379759
Thế Duyệt. (2025). Generative AI sẽ "vẽ" lại ngành ngân hàng Việt Nam như thế nào trong 3 năm tới?. Truy cập từ https://genk.vn/generative-ai-se-ve-lai-nganh-ngan-hang-viet-nam-nhu-the-nao-trong-3-nam-toi-20250801152249164.chn
Tong, L., Toppinen, A., Wang, L., & Berghäll, S. (2023). How motivation, opportunity, and ability impact sustainable consumption behaviour of fresh berry products. Journal of Cleaner Production, 401, 136698. https://doi.org/10.1016/j.jclepro.2023.136698
Tú Ân. (2024). Ứng dụng GenAI giúp tăng doanh thu gần 16%. Truy cập ngày 23/08/2024, từ https://baodautu.vn/ung-dung-genai-giup-tang-doanh-thu-gan-16-d223132.html
Vietnamnet. (2024). Bán lẻ đa kênh ứng dụng AI tăng trải nghiệm khách hàng. Truy cập từ https://vietnamnet.vn/ban-le-da-kenh-ung-dung-ai-tang-trai-nghiem-khach-hang-2354812.html
Vinuni. (2024). Trí tuệ nhân tạo tạo sinh: Khái niệm, đặc điểm và ứng dụng. Truy cập từ https://vinuni.edu.vn/vi/tri-tue-nhan-tao-tao-sinh-khai-niem-dac-diem-va-ung-dung/
Xu, X.-Y., Gao, Y.-X., & Jia, Q.-D. (2023). The role of social commerce for enhancing consumers’ involvement in the cross-border product: Evidence from SEM and ANN based on MOA framework. Journal of Retailing and Consumer Services, 71, 103187. https://doi.org/10.1016/j.jretconser.2022.103187
Yilmaz, R., & Yilmaz, F. G. K. (2023). The effect of generative artificial intelligence (AI)-based tool use on students' computational thinking skills, programming self-efficacy and motivation. Computers and Education: Artificial Intelligence, 4, 100147. https://doi.org/10.1016/j.caeai.2023.100147
Zhang, L., & Xu, J. (2025). The paradox of self-efficacy and technological dependence: Unraveling generative AI's impact on university students' task completion. The Internet and Higher Education, 65, 100978. https://doi.org/10.1016/j.iheduc.2024.100978
Zhou, Y., Zhang, Y., Furuoka, F., & Kumar, S. (2024). The antecedents and outcomes of electronic customer-to-customer interaction: A PLS-SEM and fsQCA approach. Journal of Research in Interactive Marketing, 18(5), 836-864. https://doi.org/10.1108/JRIM-11-2023-0397
Tải xuống
Đã Xuất bản
Số
Chuyên mục
Giấy phép
Bản quyền (c) 2025 TẠP CHÍ NGHIÊN CỨU KINH TẾ VÀ KINH DOANH CHÂU Á
Tác phẩm này được cấp phép theo Giấy phép quốc tế Creative Commons Attribution-NonCommercial 4.0 .
Cách trích dẫn
