B2B 管理者為什麼採用或拒絕生成式 AI

1. 論文結構

本文採循序漸進的混合方法設計：首先透過定性訪談（研究一）識別 B2B 管理者採納生成式 AI 的具體理由與阻礙，隨後將其轉化為行為推理理論（BRT）框架下的競爭假設，最後透過多國樣本的定量分析（研究二）驗證技術採納對企業績效的影響，並探討倫理領導力在該路徑中的調節作用。

2. 研究背景

生成式 AI 作為深度學習的延伸，具備創造原創內容的獨特能力，預計將對全球經濟產生巨大影響。然而，雖然其市場滲透率迅速增長，但學界對企業端（特別是 B2B 領域）管理者如何權衡該技術的採納決策，以及採納後如何轉化為組織績效，仍缺乏深入的系統性探討。

3. 研究缺口

既有 AI 採納研究多聚焦於傳統演算法或 B2C 消費場景，忽略了生成式 AI 獨有的內容生成特質與倫理風險。此外，文獻鮮少同時考慮推動與阻礙採納的對立力量，且缺乏對「技術採納如何受領導風格調節進而影響績效」的端到端機制分析。

4. 研究目的

本研究旨在識別影響 B2B 管理者採納生成式 AI 的核心驅動力（正向理由）與抑制力（負向理由），並驗證採納行為對企業績效的實際貢獻，同時釐清倫理領導力在確保技術應用轉化為績效成果中的關鍵作用。

5. 核心理論

本文運用行為推理理論（Behavioral Reasoning Theory, BRT）作為核心框架。BRT 不同於傳統採納模型，它強調個體會同時基於「支持理由」（Reasons for）與「反對理由」（Reasons against）來合理化其決策，本文藉此解釋管理者如何權衡生成式 AI 的效率便利與欺騙性風險，進而形塑採納意圖。

6. 文獻回顧

行為動機理論（Behavioral Reasoning Theory, BRT）主張人類決策源於對支持與反對理由的雙重權衡。隨著生成式人工智慧（GenAI）從自動化任務演進至無監督學習與內容創作，企業端的採納決策不再僅限於技術接受度，而更依賴於管理者對技術價值的理性建構。當技術呈現出的獨特性、資訊完整性與便利性被視為採納理由，而欺騙性與資訊超載構成阻礙理由時，這種基於理由的權衡將直接形塑採納意向。進而，此種決策路徑預期將轉化為企業績效，並受到組織內倫理領導力的環境調節。

7. 研究命題與假設

研究提出：對獨特性的需求、資訊完整性與便利性正向影響生成式 AI 的採納；技術的欺騙性與資訊超載則負向影響採納。此外，生成式 AI 採納能顯著提升企業績效，且此正向關係在企業具備高度倫理領導力時更為顯著。

8. 研究架構

構建了一個從「技術感知特質（支持/反對理由）」到「採納行為」，再延伸至「企業績效結果」的連貫模型。該框架試圖測試：管理者的理性推理如何介導技術特性與採納決策，以及組織環境因子的（倫理領導力）如何調節後端的績效轉化機制。

9. 研究方法

採用混合研究法進行。研究一對來自美國、英國、加拿大、印度、澳洲、馬來西亞及日本等七國的 27 位 B2B 專業人士進行半結構化訪談，用以提煉影響採納的主題。研究二則根據訪談結果設計問卷，收集 277 份跨國樣本數據，並採用結構方程模型（SEM）進行假設檢驗。

10. 資料分析與結果

研究一透過內容分析法（包括開放、主軸與選擇性編碼）識別出驅動與阻礙採納的關鍵主題。研究二利用結構方程模型分析路徑關係，結果顯示對獨特性的需求、資訊完整性、便利性以及欺騙性對生成式 AI 的採納意向具有顯著預測力。分析進一步顯示，生成式 AI 的採納與企業績效呈正相關，且倫理領導力在採納行為與績效提升的關係中發揮調節作用。

11. 研究發現

研究證實，對獨特性的追求、資訊的全面性以及作業的便利性是推動採納的主因，而技術產出內容的虛假（欺騙性）則是核心阻礙。研究進一步發現，生成式 AI 的採納確實能帶動企業績效成長，但其效用高度依賴於倫理領導力的介入，即道德治理能優化技術應用的效率與合規性。

12. 理論與實務意涵

理論上，將 BRT 擴展至生成式 AI 領域，並區分了 B2B 採納的正負向推理路徑。實務上，為企業提供決策指南，強調在引進 AI 轉型時，除了優化技術產出（完整性、便利性）外，必須建立倫理領導框架以降低欺騙性風險並最大化績效產出。

13. 研究限制與未來研究

受限於橫斷面數據，難以捕捉技術迭代下採納意圖的長期演變；樣本雖然跨國但產業分布可能存在偏差。未來研究可考慮納入更多組織內部環境變數，或針對特定生成式 AI 工具（如程式碼生成 vs. 圖像生成）進行細分探討。