Use of Artificial Intelligence (AI) for Innovative Competitive Approach in Business Management: A Scale Development Study

Yıl 2025, Cilt: 15 Sayı: 2, 235 - 245, 31.08.2025

Ezgi Pelin Yıldız , Mustafa Soba

Öz

Today, many businesses use Artificial Intelligence (AI) technologies to reduce operational costs, increase efficiency and revenue and
improve customer experiences. With developing technologies, businesses have begun to incorporate all smart technologies, including
machine learning, natural language processing, generative artificial intelligence and more, into their processes and products in order to
obtain the greatest benefit. The acceleration of the use of artificial intelligence technologies in the business life areas of our age has become
one of the most important factors that make competitive advantage gain importance, especially within the scope of businesses.. Research
has shown that businesses integrated with artificial intelligence will meet their customers faster and more efficiently. With the currently
developed artificial intelligence-supported mobile applications and related programs, the competitive strategies of businesses have begun
to change and change and transformation has been pioneered in this context. In this context, the changes that artificial intelligence will
direct in mobile commerce have become popular research topics today. In the light of all this information, this study aims to introduce
into the literature a scale whose validity and reliability has been proven, on the subject of “Use of Artificial Intelligence for Innovative
Competition Approach in Business Management”, based on the research popularity and need. One of the main purposes of this study is
to consult the opinions of the students of the Faculty of Economics and Administrative Sciences, one of the important stakeholders of the
field, on the use of artificial intelligence technologies and applications for an innovative competitive approach in business management.
The sampling group of the research consisted of a total of 302 students studying in the relevant departments of Usak University Faculty
of Economics and Administrative Sciences. The scale development process consisted of three stages: (1) Exploratory Factor Analysis, (2)
Repeating The Exploratory Factor Analysis with A Different Sample, and (3) Confirmatory Factor Analysis. According to the analysis
results, the scale consists of 20 items and 4 sub-dimensions. These sub-dimensions are named “perceived usefulness”, “perceived ease of
use”, “effectiveness”, “diffusion of innovation”. The internal consistency of the scale was calculated using Cronbach Alpha and the results
obtained from this data set were found to have high reliability. As a result, it is foreseen that the developed scale will contribute to the
literature and can be used as an exemplary data collection tool for researchers who will conduct studies on the relevant subject.

Anahtar Kelimeler

Innovative competition approach , Artificial intelligence , Validity , Reliability , Scale development

İşletme Yönetiminde Yenilikçi Rekabet Yaklaşımına Yönelik Yapay Zekâ Kullanımı: Bir Ölçek Geliştirme Çalışması

Öz

Günümüzde birçok işletme, operasyonel maliyetleri azaltmak, verimliliği ve geliri artırmak, müşteri deneyimlerini iyileştirmek amaçlarıyla Yapay Zeka (AI) teknolojilerinden yararlanmaktadır. Gelişen teknolojilerle işletmeler, en büyük faydayı elde etmek adına makine öğrenimi, doğal dil işleme, üretken yapay zeka ve daha fazlası olmak üzere tüm akıllı teknolojileri süreçlerine ve ürünlerine dâhil etme çalışmalarına başlamışlardır. İçinde bulunduğumuz çağın iş yaşam alanlarında yapay zeka teknolojilerinin kullanımının ivme kazanması özellikle işletmeler kapsamında rekabet üstünlüğünün önem kazanmasını sağlayan en önemli faktörler arasında kendisine yer edinmiştir. Yapılan araştırmalarda yapay zekaya entegre olan işletmelerin müşterileriyle buluşmalarının daha hızlı ve verimli olacağı saptanmıştır. Hali hazırda geliştirilmiş yapay zeka destekli mobil uygulamalar ve ilgili programlar ile işletmelerin rekabet stratejileri değişmeye başlamış ve bu kapsamda değişim ve dönüşüme öncülük edilmiştir. Bu bağlamda yapay zekanın mobil ticarette yön vereceği değişiklikler günümüzde popüler araştırma konuları sınıfına dâhil olmuştur. Tüm bu bilgiler ışığında bu çalışmada, araştırma popülerliğine ve ihtiyaca binaen “İşletme Yönetiminde Yenilikçi Rekabet Yaklaşımına Yönelik Yapay Zeka Kullanımı” konulu geçerliği ve güvenirliği ispatlanan bir ölçeğin alan yazına kazandırılması hedeflenmiştir. Yapay zeka teknoloji ve uygulamalarının işletme yönetiminde yenilikçi rekabet yaklaşımına yönelik kullanımı konusunda, alanın önemli paydaşlarından biri olan İktisadi ve İdari Bilimler Fakültesi öğrencilerinin görüşlerine başvurmak bu çalışmanın ana amaçlarındandır. Araştırmanın örneklem grubunu Uşak Üniversitesi İktisadi ve İdari Bilimler Fakültesinin ilgili bölümlerinde öğrenim gören toplam 302 öğrenci oluşturmuştur. Ölçek geliştirme süreci üç aşamadan oluşturulmuştur: (1) Açımlayıcı Faktör Analizi, (2) Açımlayıcı Faktör Analizinin Farklı Bir Örneklemle Tekrarlanması ve (3) Doğrulayıcı Faktör Analizi olmak üzere. Analiz sonuçlarına göre ölçek, 20 madde ve 4 alt boyuttan oluşmaktadır. Bu alt boyutlar “algılanan fayda”, “algılanan kullanım kolaylığı”, “etkililik”, “yeniliğin yayılımı” olarak adlandırılmıştır. Ölçeğin iç tutarlılığı Cronbach Alpha kullanılarak hesaplanmış ve bu veri setinden elde edilen sonuçların yüksek güvenilirliğe sahip olduğu ortaya çıkmıştır. Sonuç olarak, geliştirilen ilgili ölçeğin literatüre katkı sunacağı ve ilgili konuda çalışmalarda bulunacak araştırmacılar için örnek bir veri toplama aracı olarak kullanılabileceği öngörülmektedir.

Anahtar Kelimeler

Yenilikçi rekabet yaklaşımı , Yapay zekâ , Geçerlik , Güvenirlik , Ölçek geliştirme

Etik Beyan

UŞAK ÜNİVERSİTESİ REKTÖRLÜĞÜ Sosyal ve Beşeri Bilimler Bilimsel Araştırma ve Yayın Etiği Kurulu Formu ek dosyalarda sunulmuştur.

Destekleyen Kurum

Finansal veya diğer türde desteğimiz yoktur.

Teşekkür

Kolaylıklar dileriz. Saygılarımızla. Doç. Dr. Ezgi Pelin YILDIZ & Doç. Dr. Mustafa SOBA

Kaynakça

• Accenture Report (2023), https://www.accenture.com/us-en/insights/ technology/technology-trends-2023 adresinden 07.06. 2024 tarihinde erişilmiştir.
• Albright J.,J. & Park H,M. (2009). Confirmatory Factor Analysis Using Amos, LISREL, Mplus, and SAS/STAT CALIS. Bloomington: University Information Technology Services Center for Statistical and Mathematical Computing Indiana University Press 9-13.
• Ameen, N., Tarhini, A., Reppel, A., & Anand, A. (2021). Customer Experiences In The Age Of Artificial Intelligence. Computers in Human Behavior, 114, 106548. https://doi.org/10.1016/j. chb.2020.106548
• Arpaci, I., Al-Emran, M., Al-Sharafi, M. A., & El-Sherbeni, E. (2023). Artificial Intelligence Self-efficacy: Development and Validation of a Scale. Education and Information Technologies, 28, 12591– 12613. https://doi.org/10.1007/s10639-023-12015-w
• Balcı, A. (2022). Sosyal Bilimlerde Araştırma, Yöntem ve Teknikler. Pegem Akademi Yayıncılık. Ankara. Brown, T. A. (2006). Confirmatory Factor Analysis for Applied Research. New York: The Guilford Press.
• Büyüköztürk, Ş., Kılıç Çakmak, E., Akgün, Ö.E., Karadeniz, Ş. & Demirel, F. (2012). Bilimsel Araştırma Yöntemleri. (11. Baskı). Ankara: Pegem Akademi.
• Byrne, B. M. (2010). Structural Equation Modeling with Amos: Basic Concepts, Applications and Programming (2nd ed.). New York: Taylor and Francis Group.
• Dubey, R., Gunasekaran, A., Childe, S. J., Blome, C., Papadopoulos, T., & Fosso Wamba, S. (2022). Artificial Intelligence Adoption in Supply Chain Risk Management: Scale Development and Validation. Technological Forecasting and Social Change, 178, 121577. https://doi.org/10.1016/j.techfore.2022.121577
• Eldem, M., O. (2017). Endüstri 4.0 TMMOB EMO Ankara Şubesi Haber Bülteni 2017/3. https://www.emo.org.tr/ ekler/09287020c96f18a_ek.pdf?dergi=1111 adresinden 08.06.2024 tarihinde erişilmiştir.
• Forbes Advisor Report (2024). https://www.forbes.com/advisor/ business/ai-statistics/ adresinden 09.06.2024 tarihinde erişilmiştir.
• Gülşen, I. (2019). İşletmelerde Yapay Zekâ Uygulamaları ve Faydaları: Perakende Sektöründe Bir Derleme. Tüketici ve Tüketim Araştırmaları Dergisi, Journal of Consumer and Consumption Research, 11(2), 407-436.
• Gürcüoğlu, S. & Köseoğlu, İ. (2024). Kamu Çalışanlarında Yapay Zekâ Algısını Ölçmeye Yönelik Ölçek Geliştirme. KMÜ Sosyal ve Ekonomik Araştırmalar Dergisi (KMUSEKAD) 26 (47), 1009- 1024. https://doi.org/10.18493/kmusekad.1461722
• Güven, H., & Ayvaz Güven, E. T. (2023). Yapay Zekâ Uygulamalarının E-Ticarette Kullanımı. International Journal of Management and Administration, 7(13), 69-94. https://doi.org/10.29064/ ijma.1194949
• Hooper, D., J. Coughlan, & Mullen, M., R. (2008). Structural Equation Modelling: Guidelines for Determining Model Fit, Electronic Journal of Business Research Methods, 6(1), 53-60.
• Hu, L. & Bentler, P., M. (1999). Cutoff Criteria For Fit İndexes in Covariance Structure Analysis: Conventional Criteria Versus New Alternatives, Structural Equation Modeling: A Multidisciplinary Journal, 6(1), 1-55.
• Hutcheson, G. & Sofroniou, N. (1999) The Multivariate Social Scientist: Introductory Statistics Using Generalized Linear Models. Sage Publication, Thousand Oaks, CA. https://doi. org/10.4135/9780857028075
• Huseynov, F., Balcıoğlu, Y., S. & Çerasi, C. (2024). Application of Machine Learning Techniques to Predict Perceived Usability of Mobile Banking Apps in Türkiye. İşletme Araştırmaları Dergisi Journal Of Business Research-Turk, 16(2), 1001-1011. https:// doi.org/10.20491/isarder.2024.1838
• Jain, N. (2019). Artificial Intelligence. WILEY Online, ISBN: 978- 8126579945.
• Johnson, E. & McClure, J. (2004) Statistics For Microarrays: Design, Analysis and Inference. 5th Edition, John Wiley & Sons Ltd., Chichester. http://dx.doi.org/10.1002/0470011084 Johnson, R.,A. & Wichern, D.W. (2002). Applied Multivariate Statistical Analysis. Prentice Hall, New Jersey.
• Karakulle, İ. & Aktepe, Ş. (2023). İşletmelerde Rekabet Üstünlüğü Sağlamada Yapay Zekâ Kullanımı: E-Ticaret Sitelerinin Mobil Uygulamalar Örneği. Fenerbahçe Üniversitesi Sosyal Bilimleri Dergisi 3 (1), 30-46.
• Karadağ, A., A. & Gültekin, Y., S. (2019). Yapısal Eşitlik Modellemesi ile Konut Seçimi Ölçeğinin Geliştirilmesi. Düzce Üniversitesi Orman Fakültesi Ormancılık Dergisi, 15(2), 78-95.
• Kline, R., B. (2004). Beyond Significance Testing Reforming Data Analysis Methods in Behavioral Research. American Psychological Association, Washington DC.
• Kılıç, R. & Oral, M. (2019). İşletmelerin Yenilikçi Rekabet Yaklaşımı Çabaları. Akademik Sosyal Araştırmalar Dergisi, 7, (88), 359-383. ISSN: 2148-2489 Doi Number: http://dx.doi. org/10.16992/ASOS.14732
• Köse, U., (2020). Yapay Zekâ Etiği Çerçevesinde Geleceğin İşletmeleri: Dönüşüm ve Paradigma Değişiklikleri, Journal of Engineering Sciences and Design, 8(5), 289-304. 10.21923/ jesd.833224
• Schepman, A. & Rodway, P. (2023). The AI Attitude Scale (AIAS-4): Development and validation of a short self-report measure of attitudes towards artificial intelligence. Frontiers in Psychology, 14, 1191628. https://doi.org/10.3389/fpsyg.2023.1191628
• Soni, N., Sjarma, E., K. Singh, N. & Kapoor, A. (2020). Artificial Intelligence in Business: From Research and Innovation to Market Deployment. Procedia Computer Science 167, 2200- 2210. https://doi.org/10.1016/j.procs.2020.03.272
• Steiger, J. H. (2007). Understanding the Limitations of Global Fit Assessment in Structural Equation Modeling. Personality and Individual Differences, 42, 893-898. https://doi.org/10.1016/j. paid.2006.09.017
• Şimşek, A., S. & Tavşancıl, E. (2022). Validity and Reliability of Turkish Version of Skills Confidence Inventory. Türk Psikolojik Danışma ve Rehberlik Dergisi, 12 (64), 89-107. https://doi. org/10.17066/tpdrd.1096008
• Qiu, Q. (2018). Development and Validation of Three Machine- Learning Models For Predicting Multiple Organ Failure in Moderately Severe and Severe Acute Pancreatitis. BMC Gastroenterol. 19, 118.
• Tabachnick, B. G. & Fidell, L. S. (2019). Using Multivariate Statistics (7th ed.). Boston: Pearson.
• Taşlıyan, M. & Yılmaz, Ö., İ. (2022). Yapay Zekâ ve İşletmeler Açısından Sonuçları. International Academic Social Resources Journal 7 (36), 463-471. https://dx.doi.org/10.29228