Influencing Factors on the Adoption of AI: Insights From Social, Organizational, Individual and Methodological Perspectives

Artificial Intelligence (AI) applications are becoming increasingly important, simplifying daily life and supporting organizations across various applications. Despite the numerous positive attributes and the potential of AI, studies indicate that adoption rates, particularly within organizations, are still not as high as expected. To increase the utilization of AI, factors such as the user’s culture, industry-specific elements, willingness to pay, and psychological factors play a critical role. By leveraging factors that promote AI adoption and addressing barriers, it is possible to enhance the integration of AI technologies. This dissertation examines the factors influencing AI adoption from four perspectives: (1) social, (2) organizational, (3) individual, and (4) methodological. From the social perspective, one study included in this dissertation investigates the influence of culture on the adoption of AI as an emerging technology among others. A structured literature review (SLR) was conducted, focusing on Information Systems (IS) papers from the Basket of Eight that measure the effect of culture. The knowledge extracted from these papers was then condensed, with existing research categorized by research areas, data collection methods, and their assessments. The resulting concept matrix serves as a valuable summary and foundation for future research. A recommendation from the SLR is that future research should measure culture individually rather than making assumptions based on the country a person lives in. Additionally, the study explicitly provides a research agenda highlighting existing gaps in the literature. For instance, the cultural impact on the adoption of newer forms of AI, such as Generative AI (GenAI), should be measured. Thus, this study demonstrates the significant influence of culture as a social factor on AI adoption. For the organizational perspective, two studies were conducted. The first study utilizes a case study approach, consisting of seven interviews within the financial services and manufacturing industries. From these interviews, drivers and barriers of AI adoption were identified and categorized using the Technology-Organization-Environment (TOE) framework. The factors were also classified by industry and compared between the two industries. This leads to the identification of soft factors that are industry-specific and hard factors that are more general. For example, a soft barrier specific to the financial industry is the presence of legacy systems, while a general driver is the potential for cost reduction. The identified factors are particularly useful for organizations within these industries, but the more general factors can be applied to other organizations as well. The second study within the organizational perspective examined the willingness to pay (WTP) for machine learning-based software testing tools in organizations using a conjoint analysis. Initially, attributes important for these tools and their target audience were identified through a structured literature review and a Delphi study. Attributes such as accuracy, ease of use, and integration were found to be crucial for the adoption. The conjoint analysis, conducted with 119 software testers in Germany, revealed that they are willing to pay up to €120 more per license per month for an increase in accuracy from 90% to 99%. This study highlights WTP as an adoption factor when introducing AI and identifies the essential attributes AI systems must possess to be successfully adopted. Thus, the organizational perspective uncovers various influencing factors examined within this dissertation. Also, two studies were conducted from the individual perspective. Both utilized online experiments to investigate the psychological factors influencing AI adoption. The first study in this perspective examined the impact of ChatGPT assistance on the performance and perceived meaningfulness among programmers. The study involved 161 experienced coders who completed coding and debugging tasks with and without ChatGPT assistance. The results showed a significant increase in performance but a decrease in perceived meaningfulness due to the reduced difficulty of the tasks. As the results are depending on the tasks, the adoption of AI should be carefully considered as lower meaningfulness can result in less motivation for work. Another study in this perspective, involving 174 participants from Germany, demonstrated that the IKEA effect occurs when using Generative AI. This effect arises when individuals value an output more if they invested more effort in its creation. This suggests that instead of solely aiming for automation, which is often seen as the goal of AI, fostering collaboration could enhance AI adoption. These studies collectively demonstrate the significant influence of individual psychological factors on AI adoption. Finally, the methodological perspective emphasizes the importance of thorough and sound methodology. Using a Design Science Research approach, this study initially examines how previous research has conducted and reported cross-sectional surveys. Based on this analysis, focus groups were utilized to gain deeper insights. This results in eleven guidelines which serve as a foundation to allow particularly inexperienced researchers to conduct their (AI adoption) research in a reproducible and reliable manner. Overall, these studies show that various factors influence the adoption of AI, which must be considered from different perspectives. Only by examining these different angles AI can be successfully implemented. Thus, AI does not only simplify daily life but also supports organizations in improving or streamlining processes. Moreover, the role of society is also crucial, as well as a solid methodology to make research generalizable.

Künstliche Intelligenz (KI) gewinnt zunehmend an Bedeutung und erleichtert nicht nur das tägliche Leben, sondern unterstützt auch Unternehmen in verschiedenen Anwendungsbereichen. Trotz der zahlreichen positiven Eigenschaften und des Potenzials von KI zeigen Studien, dass die Adoptionsraten, insbesondere in Unternehmen, noch hinter den Erwartungen zurückbleiben. Um die Nutzung von KI zu steigern, spielen Faktoren wie die Kultur der Anwender, industriespezifische Eigenschaften, die Zahlungsbereitschaft und psychologische Aspekte eine entscheidende Rolle. Durch die gezielte Nutzung von Treibern und die Beseitigung von Hindernissen kann die Adoption von KI-Technologien vorangetrieben werden. Diese Dissertation untersucht die Einflussfaktoren der KI-Adoption daher aus vier Perspektiven: (1) gesellschaftlich, (2) unternehmerisch, (3) individuell und (4) methodisch. Aus der gesellschaftlichen Perspektive beleuchtet eine der in dieser Dissertation enthaltenen Studien den Einfluss von Kultur auf die Adoption von KI als eine von vielen neuen Technologien. Dazu wurde eine strukturierte Literaturübersicht durchgeführt, die sich auf die Wirtschaftsinformatik-Forschung beschränkt und Artikel aus dem „Basket of Eight“ analysierte, die den Effekt von Kultur messen. Das aus diesen Artikeln gewonnene Wissen wurde anschließend kondensiert, wobei die vorhandene Forschung nach Forschungsbereichen, Datenerhebungsmethoden und deren Auswertung kategorisiert wurde. Die daraus entstandene Konzeptmatrix dient als Zusammenfassung und Grundlage für zukünftige Forschung. Eine Empfehlung aus der Literaturrecherche ist, dass zukünftige Forschung Kultur individuell messen sollte, anstatt Annahmen basierend auf dem Land, in dem eine Person lebt, zu treffen. Darüber hinaus liefert die Studie eine explizite Forschungsagenda, die bestehende Lücken in der Literatur aufzeigt. So sollte beispielsweise der kulturelle Einfluss auf die Adoption neuerer Formen der KI, wie generative KI, untersucht werden. Diese Studie zeigt somit den bedeutenden Einfluss der Kultur als gesellschaftlicher Faktor auf die KI-Adoption. Für die unternehmerische Perspektive wurden zwei Studien durchgeführt. Die erste Studie nutzte einen Case Study Ansatz, bei dem sieben Interviews in der Finanzdienstleistungs- und Fertigungsindustrie geführt wurden. Aus diesen Interviews wurden Treiber und Barrieren der KI-Adoption identifiziert und mithilfe des Technology-Organization-Environment (TOE) Frameworks kategorisiert. Die Faktoren wurden außerdem nach Industrien geordnet und innerhalb der Industrien verglichen, was zur Identifikation von weichen Faktoren führte, die industriespezifisch sind, und harten Faktoren, die allgemeiner gelten. Ein spezifisches Beispiel für eine weiche Barriere in der Finanzindustrie ist die alte IT Infrastruktur (Legacy Systeme), während ein allgemeiner harter Treiber die potenzielle Kostenreduktion ist. Die identifizierten Faktoren sind besonders nützlich für Unternehmen innerhalb dieser Industrien, die allgemeineren Faktoren können jedoch auch auf andere Organisationen angewendet werden. Die zweite Studie innerhalb der unternehmerischen Perspektive untersuchte die Zahlungsbereitschaft für ML-basierte Software Testing Tools in Unternehmen mithilfe einer Conjoint-Analyse. Zunächst wurden durch eine strukturierte Literaturrecherche und eine Delphi-Studie Attribute identifiziert, die für diese Tools und ihre Zielgruppe wichtig sind. Attribute wie Genauigkeit, Benutzerfreundlichkeit und Integration erwiesen sich als entscheidend für die Adoption. Die Conjoint-Analyse, die mit 119 Softwaretestern in Deutschland durchgeführt wurde, zeigte, dass die Teilnehmer bereit sind, bis zu 120 € mehr pro Lizenz pro Monat für eine Erhöhung der Genauigkeit von 90 % auf 99 % zu zahlen. Diese Studie hebt die Zahlungsbereitschaft als Adoptionsfaktor bei der Einführung von KI hervor und identifiziert die wesentlichen Eigenschaften, die KI-Systeme besitzen müssen, um erfolgreich adoptiert zu werden. Die unternehmerische Perspektive deckt somit verschiedene Einflussfaktoren auf, die in dieser Dissertation untersucht wurden. Auch aus der individuellen Perspektive wurden zwei Studien durchgeführt. Beide nutzten Online-Experimente, um psychologische Faktoren zu untersuchen, die die KI-Adoption beeinflussen. Die erste Studie in dieser Perspektive untersuchte den Einfluss der Unterstützung durch ChatGPT auf die Leistung und die wahrgenommene Sinnhaftigkeit bei Programmierern. Die Studie umfasste 161 erfahrene Programmierer, die jeweils eine Codierungs- und eine Debugging-Aufgabe mit und ohne ChatGPT-Unterstützung durchführten. Die Ergebnisse zeigten eine signifikante Leistungssteigerung, jedoch auch eine Verringerung der wahrgenommenen Sinnhaftigkeit aufgrund der geringeren Aufgabenschwierigkeit. Da die Ergebnisse abhängig von den Aufgaben sind, sollte die Einführung von KI sorgfältig abgewogen werden, da eine geringere Sinnhaftigkeit zu einer geringeren Arbeitsmotivation führen kann. Eine weitere Studie in dieser Perspektive, an der 174 Teilnehmer aus Deutschland teilnahmen, zeigte, dass auch der IKEA-Effekt bei der Nutzung von generativer KI auftritt. Dieser Effekt tritt auf, wenn Personen einen Output mehr wertschätzen, wenn sie mehr Aufwand in dessen Erstellung investiert haben. Dies deutet darauf hin, dass anstatt allein auf Automatisierung, die oft als Ziel von KI angesehen wird, die Förderung der Zusammenarbeit die KI-Adoption erhöht werden sollte. Diese Studien zeigen insgesamt den erheblichen Einfluss individueller psychologischer Faktoren auf die KI-Adoption. Schließlich betont die methodische Perspektive die Bedeutung einer gründlichen und soliden Methodik. In einem Design Science Research-Ansatz untersucht diese Studie zunächst, wie bisherige Forschung Cross-Sectional Surveys durchgeführt und berichtet hat. Basierend auf dieser Analyse wurden Fokusgruppen durchgeführt, um tiefere Einblicke zu gewinnen. Dies führte zu elf Richtlinien, die als Grundlage dienen, um insbesondere unerfahrenen Forschern zu ermöglichen, ihre Forschung zur (KI-Adoption) reproduzierbar und zuverlässig durchzuführen. Insgesamt zeigen diese Studien, dass verschiedene Faktoren die Adoption von KI beeinflussen, die aus unterschiedlichen Perspektiven betrachtet werden müssen. Nur durch die Betrachtung dieser verschiedenen Blickwinkel kann KI erfolgreich implementiert werden, was nicht nur das tägliche Leben erleichtert, sondern auch Unternehmen unterstützt und deren Prozesse verbessert oder vereinfacht. Auch die Rolle der Gesellschaft ist entscheidend, und um Forschung generalisierbar zu machen, ist eine solide Methodik unerlässlich.