用 TOE 架構看組織採用生成式 AI

1. 基本資訊

這篇文章由 Laurie Hughes、Fern Davies、Keyao Li、Senali Madugoda Gunaratnege、Tegwen Malik 與 Yogesh K. Dwivedi 發表於 2026 年的 International Journal of Information Management，題目是〈Beyond the hype: Organisational adoption of Generative AI through the lens of the TOE framework–A mixed methods perspective〉，DOI 為 10.1016/j.ijinfomgt.2025.102982。文章的出發點很直接：GenAI 已經被說得非常革命性，但實際上組織到底怎麼用、哪些因素影響採用決策、哪些挑戰最難處理，仍缺乏跨產業、跨地區且理論化的實證分析。

2. 研究問題

作者聚焦兩個研究問題。第一，哪些 technology、organisation 與 environment 面向的因素會影響組織內部對 GenAI 的採用。第二，哪些 moderating factors 會進一步影響這些因素，特別是它們如何改變組織中的 decision making。這樣的問題設定，讓文章不只是在列風險與優點，而是用 adoption framework 去系統化理解 GenAI 導入的內外部條件。

3. 理論基礎

理論上，本文以 TOE framework 為主軸，但作者實際上採取的是帶有延伸性的 TOE+ 視角。傳統 TOE 框架把技術採用視為 technology、organisation 與 environment 三種條件互動的結果。作者認為這對 GenAI 很合適，因為 GenAI 的採用不只牽涉技術成熟度，也牽涉 trust、complexity、skills、change readiness、governance 與 external regulation 等多重面向。文章的重要觀點是：GenAI adoption 不能只用一般 AI adoption 的既有假設去理解，因為它的生成能力、黑箱性與跨部門滲透效應，讓 adoption dynamic 更複雜。

4. 研究架構

整體架構採 mixed methods。第一階段透過質性探索找出組織在採用 GenAI 時真正在意的因素與痛點；第二階段再以 304 位全球不同產業 decision makers 的 survey 做 SEM 驗證。根據摘要與文中線索，模型聚焦於複雜性、員工技能、信任、整合、治理與 change capacity 等構面，並特別強調組織 change capacity 對 complexity 與 staff skills 的調節作用。換句話說，這篇的關鍵不只是什麼因素重要，而是組織是否具備足夠的變革承載能力，把這些因素轉成成功採用。

5. 假設邏輯

雖然摘要沒有完整列出每一條假設，但整體邏輯很清楚。第一個核心命題是：GenAI adoption 受 technology、organisation 與 environment 三類因素共同影響，而不是單一由 perceived usefulness 或單一 ROI 預期決定。第二個命題是：complexity、staff skills、trust、integration readiness 與 governance concerns 會影響決策者對採用的態度與實際導入。第三個命題是：change capacity 是關鍵調節條件，因為即使組織看見 GenAI 的潛力，若沒有吸收變革、重訓人員與改造流程的能力，採用也很難擴大。這讓 adoption 問題從單純技術選擇，變成一個 organizational transformation 問題。

6. 方法

研究採兩階段 mixed-methods design。質性階段先訪談產業參與者，用來辨識 GenAI adoption 的具體因素與痛點；量化階段則蒐集 304 位 decision makers 的資料，樣本橫跨 North America、Europe、Africa、Australia 與 Asia，多產業、多地區。分析上使用 SEM 驗證研究模型。這樣的設計有兩個優點：第一，先用質性探索避免把 GenAI adoption 硬套進舊框架；第二，再用跨區域問卷把這些因素做較具一般化的檢驗。

7. 結果

研究結果顯示，GenAI adoption 的確牽涉複雜且彼此交織的因素，而 change capacity 是特別關鍵的條件。摘要明確指出，analysis highlights the critical role of change capacity of the organisation in moderating complexity and staff skills。換句話說，組織若更有 change capacity，就比較能承受 GenAI 導入時的複雜性，也比較能把員工技能落差轉化為可管理的轉型問題，而不是 adoption 阻礙。整體上，文章傳遞的訊息是：GenAI adoption 並不是單純因為技術夠好就自然發生，而是取決於組織是否具備對應的治理、技能、信任與變革準備度。

8. 理論貢獻

這篇最大的理論貢獻，是把 GenAI adoption 從一般 AI 採用研究中拉出來，放進更具生成性與變革性的框架裡理解。第一，它延伸 TOE framework 到 GenAI 情境，指出 GenAI adoption 具有更強的 complexity、governance uncertainty 與 cross-functional impact。第二，它把 change capacity 提升為 adoption model 中的重要調節條件，讓 adoption 不再只是前置條件的加總，而是組織變革能力的函數。第三，它用 mixed methods 彌補了目前很多 GenAI 研究偏概念、偏評論、缺乏跨產業實證的缺口。

9. 實務意涵

對管理者來說，這篇最實際的提醒是：不要把 GenAI adoption 想成買一套模型或開一個內部工具就結束。真正困難的是組織能否處理複雜性、建立員工技能、管理信任與風險、並把流程與治理同步調整。若 change capacity 不足，GenAI 導入很可能停留在局部試驗或炒作層次。這對你現在關心的人機協作也很重要，因為它提醒我們：human-GenAI collaboration 能不能發生，不只是個體願不願意用，而是組織能不能承接這種新協作模式。

10. 研究限制

限制主要有幾點。第一，雖然樣本跨區域，但研究仍以 decision makers 的自陳資料為主，因此 adoption 的實際長期落地情形仍有限。第二，文章聚焦採用驅動與障礙，對採用之後的人機互動品質、知識創造結果與工作重組後果，處理較少。第三，TOE 雖然適合做整體框架，但對 GenAI 特有的微觀互動機制，例如 prompt work、algorithm aversion、dependency 或 identity shift，仍不夠細。第四，跨產業設計有利一般化，但也可能稀釋特定產業的深層差異。

11. 對我研究的啟發

這篇對我很有用，因為它補上了我目前文獻池裡較少處理的 organisational adoption / implementation 層次。第一，我可以把它和前面讀過的 cognitive style、trust、role conflict、organizational learning、resilience 文獻接起來，形成從採用前條件、採用中 tensions 到採用後 learning outcomes 的多層次架構。第二，它提醒我，human-GenAI collaboration 要真的落地，change capacity 可能是比單純 user attitude 更上游的關鍵。第三，如果我未來想把個體層次研究連到組織制度與變革能力，這篇會是很好用的橋梁文。

12. 整體評價

我認為這篇是 backlog 裡很值得優先讀的一篇，因為它直接處理 GenAI 在組織裡『怎麼真的採用起來』這件事，而不是停留在 hype 或單一技術評估。文章的強項是 mixed methods、TOE 架構與 change capacity 的強調，讓 adoption 問題被重新放回組織變革脈絡。若要挑剔，就是它對 human-GenAI collaboration 的微觀互動還講得不夠細；但作為我把個體認知與組織採用層次接起來的重要補位文，我認為很有價值。