อิทธิพลของการประยุกต์ใช้ปัญญาประดิษฐ์ต่อการยกระดับประสิทธิภาพการดำเนินงานและความได้เปรียบทางการแข่งขันของธุรกิจออนไลน์รายย่อย
DOI:
https://doi.org/10.14456/jburus.2026.4คำสำคัญ:
อิทธิพล, ปัญญาประดิษฐ์, ประสิทธิภาพการดำเนินงาน, ธุรกิจออนไลน์บทคัดย่อ
การวิจัยนี้มีวัตถุประสงค์เพื่อ 1) ศึกษาระดับการประยุกต์ใช้ปัญญาประดิษฐ์ในด้านการสร้างเนื้อหา การบริการลูกค้า และการวิเคราะห์ข้อมูล และ 2) วิเคราะห์อิทธิพลของการประยุกต์ใช้ปัญญาประดิษฐ์ที่มีต่อประสิทธิภาพการดำเนินงานของธุรกิจออนไลน์รายย่อยในประเทศไทย กลุ่มตัวอย่างคือผู้ประกอบการจำนวน 200 ราย ได้มาจากการสุ่มตัวอย่างแบบสะดวกและแบบลูกโซ่ เก็บข้อมูลด้วยแบบสอบถามออนไลน์ที่ผ่านการตรวจสอบคุณภาพ วิเคราะห์ข้อมูลด้วยสถิติเชิงพรรณนาและการถดถอยพหุคูณ ผลการวิจัยพบว่าผู้ประกอบการมีการประยุกต์ใช้ปัญญาประดิษฐ์ในภาพรวมอยู่ในระดับมาก ( = 3.77) โดยด้านการวิเคราะห์ข้อมูลมีระดับการใช้งานสูงสุด (
= 3.92) รองลงมาคือด้านการบริการลูกค้า (
= 3.78) และด้านการสร้างเนื้อหา (
= 3.62) ผลการวิเคราะห์การถดถอยพหุคูณพบว่าตัวแปรทั้ง 3 ด้านสามารถร่วมกันพยากรณ์ประสิทธิภาพการดำเนินงานได้อย่างมีนัยสำคัญทางสถิติที่ระดับ .05 โดยสามารถอธิบายความแปรปรวนได้ร้อยละ 73.8 (R2 = .738) ด้านการวิเคราะห์ข้อมูลมีอิทธิพลสูงสุด (β = 0.522) รองลงมาคือด้านการบริการลูกค้า (β = 0.357) และด้านการสร้างเนื้อหา (β = 0.246) ผลการวิจัยชี้ให้เห็นว่าการใช้ปัญญาประดิษฐ์ด้านการวิเคราะห์ข้อมูลเป็นปัจจัยสำคัญที่สุดในการยกระดับประสิทธิภาพการดำเนินงานของธุรกิจออนไลน์รายย่อย
เอกสารอ้างอิง
กานต์ ยืนยง. (2566). การประยุกต์ใช้ปัญญาประดิษฐ์แบบรู้สร้างทั้งในด้านการวิเคราะห์ และการวิจัยในสังคมศาสตร์. วารสารสมาคมรัฐประศาสนศาสตร์แห่งประเทศไทย, 5(10), 109–131. สืบค้นจาก https://so10.tci-thaijo.org/index.php/paatj/article/view/956
ธีรวุฒิ ตันติอธิมงคล และเกรียงไกร สัจจะหฤทัย. (2568). ปัจจัยที่มีอิทธิพลต่อการยอมรับห้องเรียนเสมือนจริงที่ขับเคลื่อนด้วยปัญญาประดิษฐ์ในระดับอุดมศึกษา. วารสารครุศาสตร์อุตสาหกรรม, 24(2), 67–77. https://doi.org/10.55003/JIE.24211
Aggarwal, A., & Yadav, V. K. (2015). Impact of Technology in E-Retailing Operations: A Consumer Perspective. Procedia - Social and Behavioral Sciences, 189, 252–258. https://doi.org/10.1016/j.sbspro.2015.03.220
Al-Amin, K. O., Ewim, C. P.-M., Igwe, A. N., & Ofodile, O. C. (2024). AI-Driven end-to-end workflow optimization and automation system for SMEs. International Journal of Management & Entrepreneurship Research, 6(11), 3666-3684. https://doi.org/10.51594/ijmer.v6i11.1688
Alkudah, N. M., & Almomani, T. O. (2024). The integration of artificial intelligence techniques in E-Commerce: enhancing online shopping experience and personalization. Global Journal of Economic and Business, 14(6), 640–658. https://doi.org/10.31559/gjeb2024.14.6.8
Andayani, D., Indiyati, D., Sari, M. M., Yao, G., & Williams, J. (2024). Leveraging AI-Powered Automation for Enhanced Operational Efficiency in Small and Medium Enterprises (SMEs). APTISI Transactions on Management, 8(3), 250-258 https://doi.org/10.33050/atm.v8i3.2363
Anwar, M., Korthaus, A., Bingley, S., & Burgess, S. (2024). AI in Small Businesses. Advances in Business Strategy and Competitive Advantage Book Series, 6(11), 3666-3684. https://doi.org/10.4018/979-8-3693-9586-8.ch002
Cabrilo, S., Dahms, S., & Tsai, F. (2024). Synergy between multidimensional intellectual capital and digital knowledge management: Uncovering innovation performance complexities. Journal of Innovation & Knowledge, 9(4), 100568. https://doi.org/10.1016/j.jik.2024.100568
Duivenvoorde, B. (2025). Generative AI and the future of marketing: A consumer protection perspective. Computer Law & Security Review, 57, 106141. https://doi.org/10.1016/j.clsr.2025.106141
Garg, S., & Giri, P. (2025). Harnessing the Future. Advances in Computational Intelligence and Robotics Book Series (pp. 349-374). https://doi.org/10.4018/979-8-3693-9611-7.ch013
Gupta, A. (2025). Artificial Intelligence in Commerce: A Holistic Analysis of Operational, Customer Experience, and Competitive Strategy Transformations Among SMEs and Emerging Markets. International Journal for Multidisciplinary Research, 7(5), 1-13. https://doi.org/10.36948/ijfmr.2025.v07i05.56071
Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2010). Multivariate data analysis (7th ed.). New York, NY: Pearson.
Hartmann, J., Exner, Y., & Domdey, S. (2024). The power of generative marketing: Can generative AI create superhuman visual marketing content? International Journal of Research in Marketing, 42(1), 13–31. https://doi.org/10.1016/j.ijresmar.2024.09.002
Kedi, W. E., Ejimuda, C., Idemudia, C., & Ijomah, T. I. (2024). AI software for personalized marketing automation in SMEs: Enhancing customer experience and sales. World Journal Of Advanced Research and Reviews, 23(1), 1981-1990. https://doi.org/10.30574/wjarr.2024.23.1.2159
Kshetri, N., Rojas-Torres, D., Hanafi, M. M., Al-fairy, M., O’Keefe, G., & Feeney, N. (2024). Harnessing Generative Artificial Intelligence: A Game-Changer for Small and Medium Enterprises. IT Professional, 26(6), 84-89. https://doi.org/10.1109/mitp.2024.3501552
Meemuk, N., Treemongkol, P., Hawitee, K., Chaemmuang, J., & Laohapichartchai, P. (2021, December 16). The influence of the marketing mix on consumers’ decision-making to purchase in Tesco Lotus Phra Nakhon Si Ayutthaya. RMUTSB ACADEMIC JOURNAL (HUMANITIES AND SOCIAL SCIENCES), 6(2), 155–164. Retrieved from https://so05.tci-thaijo.org/index.php/rmutsb-hs/article/view/250762
Mollen, A., & Wilson, H. (2009). Engagement, telepresence and interactivity in online consumer experience: Reconciling scholastic and managerial perspectives. Journal of Business Research, 63(9–10), 919–925. https://doi.org/10.1016/j.jbusres.2009.05.014
Musa, S., Abubakari, M. S., & Abdulwahab, L. O. (2025). Evaluating the Potential of Adapting Artificial Intelligence (AI) in Small and Medium Enterprises for Competitive Advantage. Advances in Multimedia and Interactive Technologies Book Series (pp. 233-266). https://doi.org/10.4018/979-8-3373-1681-9.ch012
Ngabalin, A. M. (2025). The Impact of Artificial Intelligence on Operational Efficiency in Marketing Management. Asian Journal of Applied Business and Management, 4(2), 545-554. https://doi.org/10.55927/ajabm.v4i2.223
Sima, V., Gheorghe, I. G., Subić, J., & Nancu, D. (2020). Influences of the Industry 4.0 Revolution on the human capital Development and Consumer Behavior: A Systematic review. Sustainability, 12(10), 4035. https://doi.org/10.3390/su12104035
Tantiathimongkhon, T., Jitsakul, W., & Rattanasiriwongwut, M. (2025A). Post-COVID-19 Online Shopping Behavior Analysis of Thai Consumers: Using FP-Growth. Science & Technology Asia, 30(4), 290–302. https://doi.org/10.14456/scitechasia.2025.85
Tantiathimongkhon, T., Ketcham, M., & Rattanasiriwongwut, M. (2025B). ThaiGAM: A dual-moderation framework for GenAI adoption in open learning innovation. Journal of Open Innovation Technology Market and Complexity, 11(4), 100631. https://doi.org/10.1016/j.joitmc.2025.100631
Zelda, Y. C., Prabowo, B., & Satato, Y. R. (2024). Kebangkitan E-commerce Bertenaga AI: Mengubah Lanskap Bisnis di Tahun 2024, 1(1), 237-259. https://doi.org/10.61132/prosemnasimkb.v1i1.20
ดาวน์โหลด
เผยแพร่แล้ว
รูปแบบการอ้างอิง
ฉบับ
ประเภทบทความ
สัญญาอนุญาต
ลิขสิทธิ์ (c) 2026 คณะบริหารธุรกิจและเทคโนโลยีสารสนเทศ มหาวิทยาลัยเทคโนโลยีราชมงคลสุวรรณภูมิ
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
