การยอมรับเทคโนโลยีปัญญาประดิษฐ์เชิงสร้างสรรค์ (Generative AI) ในการพัฒนาซอฟต์แวร์: การวิเคราะห์ด้วยกรอบแนวคิด UTAUT2 ร่วมกับปัจจัยด้านความเชื่อมั่นและการรับรู้ความเสี่ยง

การศึกษานี้มีวัตถุประสงค์เพื่อวิเคราะห์ปัจจัยที่ส่งผลต่อการยอมรับและการใช้งาน Generative AI ในการพัฒนาซอฟต์แวร์ในประเทศไทย โดยประยุกต์ใช้ทฤษฎีการยอมรับและการใช้งานเทคโนโลยีรวม (Unified Theory of Acceptance and Use of Technology 2: UTAUT2) ของ Venkatesh et al. (2012) เป็นกรอบแนวคิดหลัก และเพิ่มเติมปัจจัยความไว้วางใจในเทคโนโลยี (Perceived Trust) และการรับรู้ความเสี่ยง (Perceived Risk) เพื่อให้สอดคล้องกับบริบทของเทคโนโลยี Generative AI ปัจจัยที่ศึกษาประกอบด้วย ความคาดหวังด้านประสิทธิภาพ (Performance Expectancy) ความคาดหวังในความพยายาม (Effort Expectancy) อิทธิพลทางสังคม (Social Influence) สภาพสิ่งอำนวยความสะดวก (Facilitating Conditions) แรงจูงใจด้านความเพลิดเพลิน (Hedonic Motivation) มูลค่าด้านราคา (Price Value) ความเคยชิน (Habit) ความไว้วางใจในเทคโนโลยี (Perceived Trust) และการรับรู้ความเสี่ยง (Perceived Risk)การวิจัยนี้เป็นงานวิจัยเชิงปริมาณ (Quantitative Research) เก็บรวบรวมข้อมูลจากแบบสอบถามออนไลน์โดยใช้มาตรวัดแบบ Likert Scale 5 ระดับ กลุ่มตัวอย่างคือนักพัฒนาซอฟต์แวร์และผู้ที่เกี่ยวข้องกับการพัฒนาโปรแกรมในประเทศไทยที่มีประสบการณ์หรือความสนใจในการใช้งาน Generative AI จำนวน 404 คน การวิเคราะห์ข้อมูลใช้สถิติเชิงพรรณนา (Descriptive Statistics) และแบบจำลองสมการโครงสร้าง (Structural Equation Modeling: SEM) ผ่านโปรแกรม SmartPLS ทั้งนี้ เครื่องมือวิจัยผ่านการตรวจสอบความตรงเชิงเนื้อหาด้วยค่าดัชนีความสอดคล้อง (Index of Item-Objective Congruence: IOC) และประเมินคุณภาพของแบบจำลองการวัด (Measurement Model) เพื่อยืนยันความน่าเชื่อถือของงานวิจัยผลการศึกษาพบว่า โมเดลสามารถอธิบายความแปรปรวนของพฤติกรรมตั้งใจใช้งาน (Behavioral Intention: BI) ได้ร้อยละ 42.9 และพฤติกรรมการใช้งานจริง (Use Behavior: UB) ได้ร้อยละ 44.8 ปัจจัยที่มีอิทธิพลเชิงบวกอย่างมีนัยสำคัญทางสถิติ (p < 0.05) ต่อ BI ได้แก่ แรงจูงใจด้านความเพลิดเพลิน (β = 0.328) มูลค่าด้านราคา (β = 0.228) ความเคยชิน (β = 0.203) และการรับรู้ความเสี่ยง (β = 0.141) สำหรับปัจจัยที่มีอิทธิพลเชิงบวกต่อ UB ได้แก่ ความเคยชิน (β = 0.355) และพฤติกรรมตั้งใจใช้งาน (β = 0.424) ในขณะที่ความคาดหวังด้านประสิทธิภาพ ความคาดหวังในความพยายาม อิทธิพลทางสังคม และความไว้วางใจในเทคโนโลยี ไม่พบอิทธิพลอย่างมีนัยสำคัญ รวมถึงตัวแปรกำกับ (เพศ อายุ และประสบการณ์) ไม่มีผลต่อความสัมพันธ์ระหว่างตัวแปร ผลการวิจัยสะท้อนให้เห็นว่า การยอมรับ Generative AI ของนักพัฒนาซอฟต์แวร์ไทยขับเคลื่อนด้วยแรงจูงใจเชิงความสนุก ความคุ้มค่า และความเคยชิน มากกว่าปัจจัยด้านประสิทธิภาพหรืออิทธิพลทางสังคม