การยอมรับกระบวนการทำงานหุ่นยนต์อัตโนมัติในงานบัญชี
Article Sidebar
Main Article Content
บทคัดย่อ
การนำกระบวนการทำงานหุ่นยนต์อัตโนมัติ (Robotic Process Automation: RPA) มาใช้ประโยชน์อย่างสมบูรณ์จะเกิดขึ้นก็ต่อเมื่อนักบัญชีให้การยอมรับเทคโนโลยีนี้มาใช้งานอย่างเต็มที่ จากการทบทวนวรรณกรรมพบว่างานวิจัยที่เกี่ยวข้องกับปัจจัยที่ส่งผลต่อการยอมรับ RPA มีอยู่อย่างจำกัด โดยเฉพาะในบริบทในประเทศไทย ดังนั้นงานวิจัยนี้มีวัตถุประสงค์เพื่อศึกษาปัจจัยที่ส่งผลต่อการยอมรับ RPA ในงานบัญชี ผู้วิจัยเก็บข้อมูลจากนักบัญชีในองค์กรขนาดใหญ่แห่งหนึ่งในประเทศไทยโดยใช้แบบสอบถามออนไลน์กับกลุ่มตัวอย่างจำนวน 139 คน ผลการทดสอบสมมติฐานการวิจัยด้วยการวิเคราะห์การถดถอยพหุคูณพบว่า การรับรู้ถึงประโยชน์ การรับรู้ถึงความง่ายในการใช้งาน อิทธิพลจากสังคม เงื่อนไขการอำนวยความสะดวก และการรับรู้ความเสี่ยงส่งผลต่อการยอมรับ RPA โดยปัจจัยที่มีอิทธิพลสูงที่สุดได้แก่ การรับรู้ถึงประโยชน์ รองลงมาคือ การรับรู้ถึงความง่ายในการใช้งาน อิทธิพลจากสังคม และเงื่อนไขการอำนวยความสะดวกตามลำดับ ทั้งนี้การรับรู้ความเสี่ยงมีความสัมพันธ์เชิงลบกับการยอมรับ RPA ผลการวิจัยนี้สามารถใช้เป็นแนวทางสร้างการยอมรับ RPA เพื่อเพิ่มประสิทธิภาพการทำงานบัญชี การวิจัยครั้งต่อไปควรศึกษาปัจจัยอื่นที่เกี่ยวข้องกับการยอมรับ RPA ซึ่งจะช่วยสร้างความก้าวหน้าให้สาขาการวิจัยด้านการยอมรับเทคโนโลยีต่อไป
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
เอกสารอ้างอิง
Hint, M.S., Popa, M.-A., Trif, M., & Bădescu, M. (2018). New dimensions of managerial accounting and its influences in an unstable environment. The Annals of the University of Oradea, 181-191. https://search.ebscohost.com/login.aspxdirect=true&AuthType=sso&db=bsu&AN=134350067&site=ehost-live. Acesso em: 18 nov. 2024.
Brands, K., & Holtzblatt, M. (2015). Business Analytics: Transforming the Role of Management Accountants. Management Accounting Quarterly, 16(3). https://www.proquest.com/docview/1714109932?sourcetype=Scholarly%20Journals
Deloitte. (2020). Automation with intelligence pursuing organisation-wide reimagination. from https://www2.deloitte.com/ro/en/pagesdprivate/articles/deloitte-automation-with-intelligence-pursuing-organization-wide-reimagination.html
KPMG. (2018). Robotic process automation (RPA) on entering an age of automation of white-collar work through advance in AI and robotic. from https://assets.kpmg.com/content/dam/kpmg/jp/pdf/jp-en-rpa-business-improvement.pdf
Egiyi, M. A., & Chukwuani, V. N. (2021). Robotic Process Automation (RPA): Its application and the place for accountants in the 21st century. International Journal of Applied Finance & Accounting, 2(1), 30-40. http://eprints.gouni.edu.ng/3596/1/RoboticProcessAutomationRPAItsApplicationandthePlaceforAccountants.pdf
Aguirre, S., & Rodriguez, A. (2017). Automation of a business process using robotic process automation (RPA): A case study. [Paper presentation]. The Applied Computer Sciences in Engineering: 4th Workshop on Engineering Applications, WEA 2017, Cartagena, Colombia, September 27-29, 2017.
Wanderley, C., & Cullen, J. (2013). Management accounting change: A review. Revista Base (Administração e Contabilidade) da UNISINOS, 10(4), 294-307.
Fernandez, D., & Aman, A. (2018). Impacts of robotic process automation on global accounting services. Asian Journal of Accounting and Governance, 9, 123–131. http://dx.doi.org/10.17576/AJAG-2018-09-11
Fernandez, D., & Aman, A. (2021). The influence of robotic process automation (RPA) towards employee acceptance. International Journal of Recent Technology and Engineering, 9(5), 295-299. http://doi.org/10.35940/IJRTE.E5289.019521
Cohen, M., & Rozario, A. (2019). Exploring the use of robotic process automation (RPA) in substantive audit procedures. The CPA Journal, 89(7), 49-53.
Deloitte. (2018). Internal controls over financial reporting considerations for developing and implementing bots. from https://www2.deloitte.com/content/dam/Deloitte/us/Documents/audit/us-audit-internal-controls-over-financial-reporting-considerations-for-developing-and-implementing-bots.pdf
Petersen, B. L., & Rohith, G. P. (2017). How robotic process automation and artificial intelligence will change outsourcing. Mayer Brown. 1-22
Deloitte. (2017). The robots are ready. Are you? Untapped advantage in your digital workforce. from https://www2.deloitte.com/ce/en/pages/global-business-services/articles/robots-are-ready-are-you.html
Deloitte. (2023). Five Robotic Process Automation (RPA) trends for 2023. From https://www2.deloitte.com/nl/nl/pages/tax/articles/bps-five-rpa-trends-for-2023.html
Fortune Business Insight. (2023). Robotic Process Automation Market to Hit USD 50.50 Billion by 2030; Growing Adoption of AI and Cloud-based RPA to Augment Robotic Process Automation Adoption. from https://www.fortunebusinessinsights.com/pressrelease/robotic-process-automation-rpa-market-9551#:~:text=The%20market%20value%20is%20slated,and%20solutions%20acr oss%20the
Precedence research. (2023). Robotic Process Automation Market (By Type: Software, Service; By Deployment: Cloud, On-Premise; By Industry: BFSI, Pharma & Healthcare, Manufacturing, Logistics, and Energy & Utilities, Others) - Global Industry Analysis, Size, Share, Growth, Trends, Regional Outlook, and Forecast 2023-2032. From https://www.precedenceresearch.com/robotic-process-automation-market#:~:text=The%20global%20robotic%20process%20automation,user%20industries.%20Key%20Takeaway
Davis, F. D. (1986). A technology acceptance model for empirically testing new end-user information systems. [Doctoral dissertation, Massachusetts Institute of Technology].
Davis, F. D., Bagozzi, R. P., & Warshaw, P. R. (1989). User acceptance of computer technology: A comparison of two theoretical models. Management Science, 35(8), 982-1003.
Venkatesh, V., Morris, M. G., Davis, G. B., & Davis, F. D. (2003). User acceptance of information technology: Toward a unified view. MIS Quarterly, 425-478.
Maddux, J. E., & Rogers, R. W. (1983). Protection motivation and self-efficacy: A revised theory of fear appeals and attitude change. Journal of Experimental Social Psychology, 19(5), 469-479.
Fishbein, M., & Ajzen, I. (1975). Intention and Behavior: An introduction to theory and research. Addison-Wesley.
Ajzen, I. (1985). From intentions to actions: A theory of planned behavior In Action control: From cognition to behavior, (pp. 11-39). Springer.
Taylor, S., & Todd, P. A. (1995). Understanding information technology usage: A test of competing models. Information Systems Research, 6(2), 144-176.
Peters, B. G. (2019). Institutional theory in political science: The new institutionalism: Edward Elgar Publishing.
Meyer, J. W., & Rowan, B. (1977). Institutionalized organizations: Formal structure as myth and ceremony. American Journal of Sociology, 83(2), 340-363.
DiMaggio, P. J., & Powell, W. W. (1983). The iron cage revisited: Institutional isomorphism and collective rationality in organizational fields. American Sociological Review, 147-160.
Lounsbury, M., Steele, C. W., Wang, M. S., & Toubiana, M. (2021). New directions in the study of institutional logics: From tools to phenomena. Annual Review of Sociology, 47, 261-280.
Thornton, P. H., & Ocasio, W. (2008). Institutional logics. The SAGE Handbook of Organizational Institutionalism, (Vol. 840, pp. 99-128). Sage Publications.
Thornton, P. H., Ocasio, W., & Lounsbury, M. (2012). The institutional logics perspective: A new approach to culture, structure and process. OUP Oxford.
Scott, W. R. (2013). Institutions and organizations: Ideas, interests, and identities: Sage publications.
Meyer, J. W., Greenwood, R., & Oliver, C. (2017). Reflections on institutional theories of organizations. The SAGE Handbook of Organizational Institutionalism, (pp. 831-852). Sage Publications.
Slovic, P., Fischhoff, B., & Lichtenstein, S. (1977). Behavioral decision theory. Annual Review of Psychology, 28(1), 1-39.
Bauer, R. A. (1967). Consumer behavior as risk taking. Proceedings of the Business and Management, (pp. 13-21).
Jacoby, J., & Kaplan, L. B. (1972). The components of perceived risk. Advances in Consumer Research.
Wewerka, J., Dax, S., & Reichert, M. (2020). A user acceptance model for robotic process automation. Paper presented at the 2020 IEEE 24th International Enterprise Distributed Object Computing Conference (EDOC).
Weterings, T. (2020). The acceptance of robotic process automation software explained by the Technology Acceptance Model. [Bachelor Thesis, Leiden Institute of Advanced Computer Science].
Welch, R., Alade, T., & Nichol, L. (2020). Using the unified theory of acceptance and use of technology (UTAUT) model to determine factors affecting mobile learning adoption in the workplace: a study of the science museum group. International Journal of Computer Science and Systems, 15(1), 85-98.
Qu, B., Wei, L., & Zhang, Y. (2022). Factors affecting consumer acceptance of electronic cash in China: an empirical study. Financial Innovation, 8(1), 1-19.
Terblanche, N., & Kidd, M. (2022). Adoption factors and moderating effects of age and gender that influence the intention to use a non-directive reflective coaching chatbot. SAGE Open, 12(2), https://doi.org/10.1177/2158244022109613
Dehghani, M., Kennedy, R. W., Mashatan, A., Rese, A., & Karavidas, D. (2022). High interest, low adoption. A mixed-method investigation into the factors influencing organisational adoption of blockchain technology. Journal of Business Research, 149, 393-411.
Mahmoud, Q. H., Lescisin, M., & AlTaei, M. (2019). Research challenges and opportunities in blockchain and cryptocurrencies. IT Professional, 2(2), e93.
Fernandez, D. & Aman, A. (2018). Impacts of robotic process automation on global accounting services. Asian Journal of Accounting and Governance, 9, 123-131.
Fernandez, D., & Aman, A. (2021). The influence of robotic process automation (RPA) towards employee acceptance. International Journal of Recent Technology and Engineering, 9(5), 295-299.
Mlambo, N. (2022). The adoption of robotic process automation in a financial institution in South Africa. [Master's thesis, Cape Peninsula University of Technology].
Niforos, M., Ramachandran, V., & Rehermann, T. (2017). BLOCKCHAIN: Opportunities for Private Enterprises in Emerging Markets. International Finance Corporation.
Schreieck, M., & Wiesche, M. (2017). How established companies leverage IT platforms for value co-creation–insights from banking. n.d.
Kendall, M. G., Stuart, A., Ord, J. K., & Arnold, S. F. (1987). Kendall's advanced theory of statistics, Volume 1: Distribution theory (5th ed.).
Belsley, D. A. (1991). Conditioning diagnostics: Collinearity and weak data in regression. Wiley.
Foxall, G. R., & Yani-de-Soriano, M. M. (2005). Situational influences on consumers' attitudes and behavior. Journal of Business Research, 58(4), 518-525.
Hartwick, J., & Barki, H. (1994). Explaining the role of user participation in information system use. Management Science, 40(4), 440-465.
Venkatesh, V., & Davis, F. D. (2000). A theoretical extension of the technology acceptance model: Four longitudinal field studies. Management science, 46(2), 186-204.
