Ý định áp dụng trí tuệ nhân tạo tại doanh nghiệp nhỏ và vừa: Tiếp cận hai giai đoạn SEM-ANN

Phạm Hương Diên; Nguyễn Huỳnh Anh Vũ

doi:https://doi.org/10.63065/ajdsai.vn.2026.01.003

Ấn phẩm Khoa học Dữ liệu và Trí tuệ Nhân tạo Châu Á

SỐ 01 , Tháng 4/2026, Trang 34-47

Ý định áp dụng trí tuệ nhân tạo tại doanh nghiệp nhỏ và vừa: Tiếp cận hai giai đoạn SEM-ANN

Phạm Hương Diên, Nguyễn Huỳnh Anh Vũ

DOI: https://doi.org/10.63065/ajdsai.vn.2026.01.003

Ngày nhận bài: 15/02/2026

Ngày nhận bài sửa: 02/04/2026

Ngày duyệt đăng: 12/04/2026

Email: dienph@hub.edu.vn

Đơn vị công tác: Khoa Quản trị kinh doanh

Lượt xem: 14

Downloads: 0

Các định dạng trích dẫn

Tóm tắt

Mục tiêu nghiên cứu: Nghiên cứu xác định các nhân tố có ảnh hưởng đến ý định áp dụng trí tuệ nhân tạo (AI) của những doanh nghiệp nhỏ và vừa (SMEs) tại Thành phố Hồ Chí Minh thông qua tích hợp mô hình chấp nhận công nghệ (TAM) và lý thuyết Công nghệ–Tổ chức–Môi trường (TOE).

Thiết kế nghiên cứu/phương pháp/tiếp cận: Nghiên cứu sử dụng phương pháp phân tích hai giai đoạn kết hợp mô hình phương trình cấu trúc bình phương tối thiểu từng phần (PLS-SEM) (kiểm định quan hệ tuyến tính) và mạng Nơ-ron nhân tạo (ANN) (khám phá quan hệ phi tuyến). Dữ liệu được thu thập từ 287 nhà quản lý SMEs.

Kết quả nghiên cứu chính: Mô hình giải thích được trên 60% phương sai của ý định áp dụng AI. Kết quả PLS-SEM xác định tính dễ sử dụng cảm nhận (PEU) và tính hữu ích cảm nhận (POU) là những động lực then chốt. Phân tích ANN với độ chính xác dự báo cao khẳng định POU có tầm quan trọng cao nhất (100%), đồng thời tiết lộ tác động phi tuyến đáng kể của năng lực tổ chức (OCM) và hỗ trợ chính phủ (GSA). Điều này cho thấy các yếu tố bối cảnh cần đạt đến một ngưỡng nhất định để tạo ra sự thay đổi đột phá trong ý định của nhà quản lý.

Giá trị đóng góp mới: Về lý thuyết, nghiên cứu khẳng định giá trị của việc tích hợp TAM-TOE trong bối cảnh nền kinh tế mới nổi và SMEs tại Việt Nam. Về phương pháp, cách tiếp cận lai giữa phân tích tuyến tính và phi tuyến tính cung cấp cái nhìn sâu sắc và chính xác hơn về các tương tác phức tạp so với mô hình tuyến tính truyền thống. Kết quả mang lại hàm ý thực tiễn quan trọng cho các nhà cung cấp AI trong việc tối ưu hóa tính đơn giản của sản phẩm và cho chính phủ trong việc hoạch định chính sách hỗ trợ chuyển đổi số tập trung vào năng lực lãnh đạo.

Từ khóa

Mạng nơ-ron nhân tạo, PLS-SEM, tích hợp TAM-TOE, trí tuệ nhân tạo, SMEs, Việt Nam.

Download Mua ngay Buy now

Tài liệu tham khảo

investigation of Saudi Arabian SMEs. International Journal of Information Management, 53, 102118. https://doi.org/10.1016/j.ijinfomgt.2020.102118.

Aboelmaged, M. G. (2010). Predicting e‐procurement adoption in a developing country: An empirical integration of technology acceptance model and theory of planned behaviour. Industrial Management & Data Systems, 110(3), 392-414. https://doi.org/10.1108/02635571011030042.

Aboelmaged, M. G. (2014). Predicting e-readiness at firm-level: An analysis of technological, organizational and environmental (TOE) effects on e-maintenance readiness in manufacturing firms. International Journal of Information Management, 34(5), 639-651. https://doi.org/10.1016/j.ijinfomgt.2014.05.002.

Alasmri, N., & Basahel, S. (2022). Linking artificial intelligence use to improved decision-making, individual and organizational outcomes. International Business Research, 7, 1-18. https://doi.org/10.5539/ibr.v15n10p1.

Albahri, A. S., Alnoor, A., Zaidan, A. A., Albahri, O. S., Hameed, H., Zaidan, B. B., ... Yass, A. A. (2022). Hybrid artificial neural network and structural equation modelling techniques: a survey. Complex & Intelligent Systems, 8(2), 1781-1801. https://doi.org/10.1007/s40747-021-00503-w.

Alwosheel, A., van Cranenburgh, S., & Chorus, C. G. (2018). Is your dataset big enough? Sample size requirements when using artificial neural networks for discrete choice analysis. Journal of Choice Modelling, 28, 167-182. https://doi.org/10.1016/j.jocm.2018.07.002.

Chatterjee, S., Rana, N. P., Dwivedi, Y. K., & Baabdullah, A. M. (2021). Understanding AI adoption in manufacturing and production firms using an integrated TAM-TOE model. Technological Forecasting and Social Change, 170, 120880. https://doi.org/10.1016/j.techfore.2021.120880.

Chau, N. T., Deng, H., & Tay, R. (2021). A perception-based model for mobile commerce adoption in Vietnamese small and medium-sized enterprises. Journal of Global Information Management, 29(1), 44-67. https://doi.org/10.4018/JGIM.2021010103.

Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319-340. https://doi.org/10.2307/249008.

Del Giudice, M., Scuotto, V., Papa, A., Tarba, S. Y., Bresciani, S., & Warkentin, M. (2021). A self‐tuning model for smart manufacturing SMEs: effects on digital innovation. Journal of Product Innovation Management, 38(1), 68-89. https://doi.org/10.1111/jpim.12560.

DiMaggio, P. J., & Powell, W. W. (1983). The iron cage revisited: Institutional isomorphism and collective rationality in organizational fields. American Sociological Review, 48(2), 147-160.

Linh, D. T. (2025). Digital transformation in small and medium enterprises (SMEs) in Vietnam. International Journal of Advanced Multidisciplinary Research and Studies, 5(5), 100-112.

Dwivedi, Y. K., Hughes, L., Ismagilova, E., Aarts, G., Coombs, C., Crick, T., ... & Williams, M. D. (2021). Artificial Intelligence (AI): Multidisciplinary perspectives on emerging challenges, opportunities, and agenda for research, practice and policy. International Journal of Information Management, 57, 101994. https://doi.org/10.1016/j.ijinfomgt.2019.08.002.

Gangwar, H., Date, H., & Ramaswamy, R. (2015). Understanding determinants of cloud computing adoption using an integrated TAM-TOE model. Journal of Enterprise Information Management, 28(1), 107-130. https://doi.org/10.1108/JEIM-08-2013-0065.

Hair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2021). A primer on partial least squares structural equation modeling (PLS-SEM) (3rd ed.). SAGE.

Hair, J. F., Risher, J. J., Sarstedt, M., & Ringle, C. M. (2019). When to use and how to report the results of PLS-SEM. European Business Review, 31(1), 2-24. https://doi.org/10.1108/EBR-11-2018-0203.

Harman, H. H. (1976). Modern factor analysis (3rd ed.). University of Chicago Press.

Israr, S., Khan, S., & Riaz, A. (2024). Digital literacy impact on perceived usefulness, perceived ease of use and online purchase intention in Pakistan. Policy Research Journal, 2(4), 2103-2110.

Kim Hương Trang, Đinh Văn Hoàng, Nguyễn Hồng Vân, & Nguyễn Hữu Thịnh (2025). Khai thác khả năng hấp thụ tri thức số để thúc đẩy sự phát triển bền vững của doanh nghiệp nhỏ và vừa trong lĩnh vực sản xuất tại Việt Nam. Tạp chí Khoa học đại học Mở thành phố Hồ Chí Minh. 20(5), trang 3-19.

Leong, L. Y., Hew, T. S., Ooi, K. B., & Wei, J. (2020). Predicting mobile wallet resistance: A two-staged structural equation modeling-artificial neural network approach. International Journal of Information Management, 51, 102047. https://doi.org/10.1016/j.ijinfomgt.2019.102047.

Matarazzo, M., Penco, L., Profumo, G., & Quaglia, R. (2021). Digital transformation and customer value creation in Made in Italy SMEs: A dynamic capabilities perspective. Journal of Business Research, 123, 642-656. https://doi.org/10.1016/j.jbusres.2020.10.033.

Na, S., Heo, S., Han, S., Shin, Y., & Roh, Y. (2022). Acceptance model of artificial intelligence (AI)-based technologies in construction firms: Applying the Technology Acceptance Model (TAM) in combination with the Technology–Organisation–Environment (TOE) framework. Buildings, 12(2), 90. https://doi.org/10.3390/buildings12020090.

OECD. (2024). Recommendation of the Council on Artificial Intelligence. OECD Legal Instruments. https://legalinstruments.oecd.org/en/instruments/OECD-LEGAL-0449.

Phạm Hương Diên, & Nguyễn Thanh Xuân (2025). Ý định sử dụng AI của doanh nghiệp vừa và nhỏ trên địa bàn Thành phố Hồ Chí Minh. Tạp chí Kinh tế và Ngân hàng châu Á. 233. https://doi.org/10.63065/ajeb.vn.2025.233.118799.

Rogers, E. M. (2003). Diffusion of Innovations (5th ed.). Free Press.

Spante, M., Hashemi, S. S., Lundin, M., & Algers, A. (2018). Digital Competence and Digital Literacy in Higher Education Research: Systematic Review of Research Efforts in 2000-2016. Education and Information Technologies, 23, 1-28. https://doi.org/10.1080/2331186X.2018.1519143.

Tornatzky, L. G., & Fleischer, M. (1990). The processes of technological innovation. Lexington Books.

Venkatesh, V., Morris, M. G., Davis, G. B., & Davis, F. D. (2003). User acceptance of information technology: Toward a unified view. MIS quarterly, 27(3), 425-478. https://doi.org/10.2307/30036540.

Wong, L. W., Tan, G. W. H., Ooi, K. B., Lin, B., & Dwivedi, Y. K. (2024). Artificial intelligence-driven risk management for enhancing supply chain agility: A deep-learning-based dual-stage PLS-SEM-ANN analysis. International Journal of Production Research, 62(15), 5535-5555. https://doi.org/10.1080/00207543.2022.2063089.