การเพิ่มขีดความสามารถการใช้ปัญญาประดิษฐ์ของธนาคารพาณิชย์ไทย
Article Sidebar
Main Article Content
บทคัดย่อ
การเปลี่ยนแปลงเชิงโครงสร้างของภาคธนาคารจากการนำปัญญาประดิษฐ์มาใช้ ส่งผลต่อรูปแบบการดำเนินงาน โครงสร้างองค์กร และทรัพยากรมนุษย์ อย่างไรก็ตาม งานวิจัยในภาคการเงินยังขาดการวิเคราะห์องค์ประกอบเชิงยืนยันอันดับสองที่อธิบายการเพิ่มขีดความสามารถการใช้ปัญญาประดิษฐ์อย่างเป็นระบบการวิจัยครั้งนี้เป็นการวิจัยเชิงปริมาณด้วยเทคนิคการสำรวจ มีวัตถุประสงค์เพื่อ 1) วิเคราะห์องค์ประกอบเชิงยืนยันอันดับสองของการเพิ่มขีดความสามารถการใช้ปัญญาประดิษฐ์ของธนาคารพาณิชย์ไทย 2) ศึกษาระดับความสำคัญขององค์ประกอบ และ 3) เปรียบเทียบความแตกต่างระดับความสำคัญขององค์ประกอบตามลักษณะองค์กร ประชากร คือ ผู้จัดการสาขาธนาคารพาณิชย์ไทย 5,006 ราย โดยกำหนดให้ผู้จัดการสาขา 1 ราย เป็นตัวแทนของ 1 สาขา กลุ่มตัวอย่าง จำนวน 500 ราย อ้างอิงเกณฑ์ความเหมาะสมสำหรับการวิเคราะห์องค์ประกอบระดับดีมาก ใช้การสุ่มแบบหลายขั้นตอน เครื่องมือเป็นแบบสอบถาม (Cronbach’s alpha = 0.90) วิเคราะห์ข้อมูลด้วยสถิติเชิงพรรณนา สถิติอ้างอิง และสถิติเชิงพหุ ผลการวิจัยพบว่า แบบจำลองมีความสอดคล้องกับข้อมูลเชิงประจักษ์ (CMIN-ρ = 0.054, CMIN/DF = 1.163, GFI = 0.958, RMSEA = 0.018) เรียงลำดับความสำคัญขององค์ประกอบ 4 ด้าน ได้แก่ ความคล่องตัวของบุคลากร องค์กรที่ใช้ความยืดหยุ่นเป็นแนวทางปฏิบัติ สภาพแวดล้อมทางธุรกิจ และความพร้อมของเทคโนโลยี โดยมีระดับความสำคัญโดยรวมอยู่ในระดับมาก ( = 4.44) และธนาคารพาณิชย์ไทยขนาดใหญ่ให้ความสำคัญมากกว่าธนาคารขนาดเล็กอย่างมีนัยสำคัญทางสถิติที่ระดับ 0.05 ขณะที่ระยะเวลาดำเนินกิจการและจำนวนบุคลากรประจำสาขาไม่แตกต่างกัน ข้อเสนอแนะ ธนาคารพาณิชย์ไทยควรมุ่งพัฒนาความคล่องตัวของบุคลากร สร้างองค์กรที่มีความยืดหยุ่น และบูรณาการเทคโนโลยีเข้ากับกระบวนการทำงานอย่างเป็นระบบ เพื่อเพิ่มประสิทธิภาพการใช้ปัญญาประดิษฐ์และความสามารถในการแข่งขันในระยะยาว
Article Details
เอกสารอ้างอิง
การณิก มหรรณพ และเอกชัย อภิศักดิ์กุล. (2567). ผลกระทบของภาวะผู้นำระดับหัวหน้างานต่อประสิทธิภาพในการปฏิบัติงานของพนักงานธนาคารอาคารสงเคราะห์. วารสารวิทยาลัยนครราชสีมา สาขามนุษยศาสตร์และสังคมศาสตร์, 18(3), 354-363.
ฐานเศรษฐกิจ. (2560). ตำแหน่งงานหด! ธนาคารเข้าสู่ยุค AI “หุ่นยนต์” แทนคน 30% ใน 5 ปี. เรียกใช้เมื่อ 1 กันยายน 2568 จาก https://www.thansettakij.com/world/208510
เทอดพงษ์ หงษ์หิรัญเรือง และคณะ. (2562). การพัฒนารูปแบบสมรรถนะระดับผู้จัดการธนาคารพาณิชย์ไทยในยุคเศรษฐกิจดิจิทัล. วารสารวิชาการนวัตกรรมสื่อสารสังคม, 7(2), 122-135.
ธนาคารแห่งประเทศไทย. (2567). FI_CB_060_S3 สรุปจำนวนสาขาและจุดให้บริการของธนาคารพาณิชย์ทั้งระบบ. เรียกใช้เมื่อ 1 กันยายน 2568 จาก https://app.bot.or.th/BTWS_STAT/statistics/BOTWEBSTAT.aspx?reportID=904&language=THA
ธนาคารแห่งประเทศไทย. (2569). FI_CB_060_S3 สรุปจำนวนสาขาและจุดให้บริการของธนาคารพาณิชย์ทั้งระบบ. เรียกใช้เมื่อ 19 มีนาคม 2569 จาก https://app.bot.or.th/BTWS_STAT/statistics/BOTWEBSTAT.aspx?reportID=904&language=THA
ธานินทร์ ศิลป์จารุ. (2567). การวิจัยและวิเคราะห์ข้อมูลทางสถิติด้วย SPSS และ AMOS. (พิมพ์ครั้งที่ 20). กรุงเทพมหานคร: บิซิเนสอาร์แอนด์ดี.
พรสุดา อินทร์สาน. (2568). การพัฒนารูปแบบการจัดการเรียนรู้ปรากฏการณ์เป็นฐานร่วมกับเทคโนโลยีปัญญาประดิษฐ์ (AI) เพื่อส่งเสริมทักษะการสื่อสารสำหรับนักศึกษาวิชาชีพครูในยุคดิจิทัล. วารสารสังคมศาสตร์และวัฒนธรรม, 9(12), 261-275.
Arbuckle, J. L. (2016). IBM SPSS Amos 24 user’s guide. Retrieved September 1, 2025, from https://www.csun.edu/itr/downloads/docs/IBM_SPSS_Amos_User_GuideV24.pdf
Babbie, E. R. (2020). The practice of social research. (15th ed.). Boston: Cengage.
Bartlett, M. S. (1954). A note on the multiplying factors for various chi-square approximations. Journal of the Royal Statistical Society: Series B, 16(2), 296-298.
Comrey, A. L. & Lee, H. B. (1992). A first course in factor analysis. (2nd ed.). Hillsdale: Lawrence Erlbaum Associates.
Duchek, S. (2020). Organizational resilience: a capability-based conceptualization. Business Research, 13(1), 215-246.
Dwivedi, Y. K. et al. (2021). Artificial intelligence (AI): multidisciplinary perspectives on emerging challenges, opportunities, and agenda for research, practice and policy. International Journal of Information Management, 57, 101994. https://doi.org/10.1016/j.ijinfomgt.2019.08.002.
Enholm, I. M., et al. (2021). Artificial intelligence and business value: a literature review. Information Systems Frontiers, 24, 1709-1734. https://doi.org/10.1007/s10796-021-10186-w.
Fisher, S. & Rosella, L. C. (2022). Priorities for successful use of artificial intelligence by public health organizations: a literature review. BMC Public Health, 22, 2146. https://doi.org/10.1186/s12889-022-14422-z.
Hair, J. F. et al. (2019). Multivariate data analysis. (8th ed.). Boston: Cengage.
Kaiser, H. F. (1960). The application of electronic computers to factor analysis. Educational and Psychological Measurement, 20(1), 141-151.
Kaiser, H. F. (1974). An index of factorial simplicity. Psychometrika, 39(1), 31-36.
Krungsri Research. (2023). Tech trends in the banking sector in 2023. Krungsri. Retrieved September 1, 2025, from https://www.krungsri.com/en/research/research-intelligence/tech-trend-2023
Likert, R. (1932). A technique for the measurement of attitudes. Retrieved September 23, 2025, from https://files.eric.ed.gov/fulltext/ED121845.pdf
Lin, R. R. & Lee, J. C. (2024). The supports provided by artificial intelligence to continuous usage intention of mobile banking: Evidence from China. Aslib Journal of Information Management, 76(2), 293-310.
McKinsey Global Institute. (2024). A new future of work: The race to deploy AI and raise skills in Europe and beyond. Retrieved September 1, 2025, from https://www.mckinsey.com/mgi/our-research/a-new-future-of-work-the-race-to-deploy-ai-and-raise-skills-in-europe-and-beyond
Moore, J. F. (1996). The death of competition: leadership and strategy in the age of business ecosystems. New York: HarperBusiness.
Nunnally, J. C. & Bernstein, I. H. (1994). Psychometric theory. (3rd ed.). New York: McGraw-Hill.
Oyeniyi, L. D. et al. (2024). Implementing AI in banking customer service: a review of current trends and future applications. International Journal of Science and Research Archive, 11(2), 1492-1509.
PwC. (2023). PwC’s global economic crime and fraud survey 2022: Thailand report. Retrieved September 1, 2025, from https://www.pwc.com/th/en/consulting/forensic/assets/economic-crime-and-fraud-survey-2022-th.pdf
PwC. (2025). AI adoption could boost global GDP by an additional 15 percentage points by 2035. Retrieved September 1, 2025, from https://www.pwc.com/gx/en/news-room/press-releases/2025/ai-adoption-could-boost-global-gdp-by-an-additional-15-percentage.htm
Raisch, S. & Krakowski, S. (2021). Artificial intelligence and management: The automation-augmentation paradox. Academy of Management Review, 46(1), 192-210.
Rovinelli, R. J. & Hambleton, R. K. (1977). On the use of content specialists in the assessment of criterion-referenced test item validity. Retrieved September 23, 2025, from https://eric.ed.gov/?id=ED121845
Sedaghatparast, P. (2019). A meta-synthesis approach to specify components of future banking. Foresight, 21(4), 482-496.
Sousa, M. J. & Rocha, Á. (2019). Skills for disruptive digital business. Journal of Business Research, 94, 257-263. https://doi.org/10.1016/j.jbusres.2017.12.051.
Statista. (2022). Artificial intelligence (AI) adoption worldwide 2021, by industry and function AI function. Retrieved September 1, 2025, from https://www.statista.com/statistics/1112982/ai-adoption-worldwide-industry-function
Stevens, J. P. (1996). Applied multivariate statistics for the social sciences. (3rd ed.). Mahwah: Lawrence Erlbaum Associates.
Tabachnick, B. G. & Fidell, L. S. (2019). Using multivariate statistics. (7th ed.). Boston: Pearson.
Teece, D. J. (2007). Explicating dynamic capabilities: the nature and microfoundations of (sustainable) enterprise performance. Strategic Management Journal, 28(13), 1319-1350.
Tornatzky, L. et al. (1990). Processes of innovation. (1st ed.). Lexington: Lexington Books.
Verhoef, P. C. et al. (2021). Digital transformation: a multidisciplinary reflection and research agenda. Journal of Business Research, 122, 889-901. https://doi.org/10.1016/j.jbusres.2019.09.022.
Vial, G. (2019). Understanding digital transformation: a review and a research agenda. The Journal of Strategic Information Systems, 28(2), 118-144.
Wolfe, J. R. et al. (2025). Artificial intelligence adoption at work: How demographic and organizational factors shape usage patterns. Retrieved September 23, 2025, from https://doi.org/10.48550/arXiv.2510.15142
