2. Quan ngại đạo đức: thành phần mở rộng lý thuyết UTAUT khi áp dụng AI trong hoạt động quản trị nguồn nhân lực
Từ khóa:
Trí tuệ nhân tạo (AI); Quản trị nguồn nhân lực (HRM); Quan ngại đạo đức; Lý thuyết UTAUT; Ngành du lịch.Tóm tắt
Lo ngại đạo đức liên quan đến sai lệch thuật toán, quyền riêng tư và thiếu minh bạch đang trở thành rào cản đối với việc chấp nhận AI. Nghiên cứu mở rộng lý thuyết UTAUT bằng cách tích hợp quan ngại đạo đức (QNDD) và kiểm định tác động gián tiếp đến ý định sử dụng AI thông qua nỗ lực mong đợi (NLMD), kết quả mong đợi (KQMD) và ảnh hưởng xã hội (AHXH). Dữ liệu từ 323 chuyên viên và quản lý nhân sự tại các doanh nghiệp du lịch Việt Nam được phân tích bằng CB-SEM với AMOS 26. Kết quả ủng hộ cả sáu giả thuyết: QNDD tác động tiêu cực đến NLMD (β = -0,156; p = 0,016), KQMD (β = -0,265; p < 0,001) và AHXH (β = -0,310; p < 0,001), trong khi cả ba yếu tố này tác động tích cực đến ý định sử dụng AI. Các hiệu ứng gián tiếp đều có ý nghĩa thống kê (95% CI không chứa 0). Kết quả cho thấy quan ngại đạo đức làm suy giảm ý định sử dụng AI thông qua các nhận thức trung gian, qua đó mở rộng UTAUT trong bối cảnh AI-HRM và cung cấp hàm ý cho doanh nghiệp du lịch trong thúc đẩy ứng dụng AI có trách nhiệm.
Tài liệu tham khảo
Ajzen, I. (1991). The theory of planned behavior. Organizational Behavior and Human Decision Processes, 50(2), 179–211. https://doi.org/10.1016/0749-5978(91)90020-T
Alasmari, T. (2024). Rethinking AI acceptance in corporate HRM: An empirical investigation of ethical concern as an antecedent in extended UTAUT models. Journal of Ecohumanism, 3(8), 1–18.
Alsaif, M. A., & Aksoy, M. S. (2023). The role of artificial intelligence in shaping modern human resource management. International Journal of Computer Science and Network Security, 23(8), 75–82.
Bandara, I. (2025). Addressing algorithmic bias in AI-driven HRM systems: A pathway to equitable talent management. Human Resource Management Journal, 35(1), 1–20. https://doi.org/10.1111/1748-8583.12567
Basnet, S. (2024). Artificial intelligence and machine learning in human resource management: Prospect and future trends. International Journal of Research Publication and Reviews, 5(1), 281–287.
Bentler, P. M., & Bonett, D. G. (1980). Significance tests and goodness of fit in the analysis of covariance structures. Psychological Bulletin, 88(3), 588–606. https://doi.org/10.1037/0033-2909.88.3.588
Bhattacherjee, A. (2012). Social science research: Principles, methods, and practices (2nd ed.). University of South Florida.
Budhwar, P., Malik, A., De Silva, M. T. T., & Thevisuthan, P. (2022). Artificial intelligence - challenges and opportunities for international HRM: A review and research agenda. International Journal of Human Resource Management, 33(6), 1065–1097. https://doi.org/10.1080/09585192.2022.2035161
Byrne, B. M. (2010). Structural equation modeling with AMOS: Basic concepts, applications, and programming (2nd ed.). Routledge.
Fornell, C., & Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research, 18(1), 39–50. https://doi.org/10.1177/002224378101800104
Gaskin, J., James, M., & Lim, J. (2019). Master Validity Tool. AMOS Plugin. Gaskination's StatWiki. http://statwiki.gaskination.com
Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2010). Multivariate data analysis (7th ed.). Pearson Prentice Hall.
Henseler, J., Ringle, C. M., & Sarstedt, M. (2015). A new criterion for assessing discriminant validity in variance-based structural equation modeling. Journal of the Academy of Marketing Science, 43(1), 115–135. https://doi.org/10.1007/s11747-014-0403-8
Hofstede, G. (2001). Culture's consequences: Comparing values, behaviors, institutions and organizations across nations (2nd ed.). Sage.
Hu, L., & Bentler, P. M. (1999). Cutoff criteria for fit indexes in covariance structure analysis: Conventional criteria versus new alternatives. Structural Equation Modeling, 6(1), 1–55. https://doi.org/10.1080/10705519909540118
Islam, M., Mamun, A. A., Afrin, S., Ali Quaosar, G. A., & Uddin, M. A. (2022). Technology adoption and human resource management practices: The use of artificial intelligence for recruitment in Bangladesh. South Asian Journal of Human Resources Management, 9(2), 324–349. https://doi.org/10.1177/23220937221101417
Kadirov, A., Shakirova, Y., Ismoilova, G., & Makhmudova, N. (2024). AI in human resource management: Reimagining talent acquisition, development, and retention. In Proceedings of the 2024 International Conference on Knowledge Engineering and Communication Systems (Vol. 1, pp. 1–8). IEEE.
Kahneman, D., & Tversky, A. (1979). Prospect theory: An analysis of decision under risk. Econometrica, 47(2), 263–292. https://doi.org/10.2307/1914185
Kline, R. B. (2016). Principles and practice of structural equation modeling (4th ed.). Guilford Press.
Lazarus, R. S., & Folkman, S. (1984). Stress, appraisal, and coping. Springer.
MacCallum, R. C., Browne, M. W., & Sugawara, H. M. (1996). Power analysis and determination of sample size for covariance structure modeling. Psychological Methods, 1(2), 130–149. https://doi.org/10.1037/1082-989X.1.2.130
Or, C., & Chapman, E. (2021). An extended Unified Theory of Acceptance and Use of Technology model for education contexts. Journal of Applied Learning and Teaching, 4(2), 98–109.
Revillod, G. (2025). Exploring the acceptability of artificial intelligence in human resources management: Insights from Swiss organizations. Systems Research and Behavioral Science. https://doi.org/10.1002/sres.3009
Rogers, R. W. (1975). A protection motivation theory of fear appeals and attitude change. Journal of Psychology, 91(1), 93–114. https://doi.org/10.1080/00223980.1975.9915803
Shouran, Z., & Ali, D. A. (2024). The implementation of artificial intelligence in human resources management. Journal of International Conference Proceedings, 7(1), 244–258.
Taiwo, A. A., & Downe, A. G. (2013). The theory of user acceptance and use of technology (UTAUT): A meta-analytic review of empirical findings. Journal of Theoretical & Applied Information Technology, 49(1), 48–58.
Tanantong, T., & Wongras, P. (2024). A UTAUT-based framework for analyzing users' intention to adopt artificial intelligence in human resource recruitment: A case study of Thailand. Systems, 12(1), 28. https://doi.org/10.3390/systems12010028
Tổng cục Du lịch Việt Nam. (2023). Báo cáo thường niên ngành du lịch Việt Nam 2023. Bộ Văn hóa, Thể thao và Du lịch.
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
Vrontis, D., Christofi, M., Pereira, V., Tarba, S., Makrides, A., & Trichina, E. (2021). Artificial intelligence, robotics, advanced technologies and human resource management: A systematic review. International Journal of Human Resource Management, 33(6), 1237–1266. https://doi.org/10.1080/09585192.2020.1871398
Williams, M. D., Rana, N. P., & Dwivedi, Y. K. (2015). The unified theory of acceptance and use of technology (UTAUT): A literature review. Journal of Enterprise Information Management, 28(3), 443–488. https://doi.org/10.1108/JEIM-09-2014-0088
Wilson, H. J., & Daugherty, P. R. (2018). Collaborative intelligence: Humans and AI are joining forces. Harvard Business Review, 96(4), 114–123.
