Bieżący numer
Nowoczesne Systemy Zarządzania
Tematyka kolejnych numerów
Bieżący numer
Archiwum
O czasopiśmie
Międzynarodowa Redakcja
Międzynarodowa Rada Naukowa
Recenzenci
Polityka Open Access
Indeksacja
Wydawca
Przychody czasopisma
Zasady etyki publikacji według COPE
Dla autorów
Procedura zabezpieczająca oryginalność publikacji
Zasady opracowania publikacji naukowej
Procedura recenzowania
Zasady przesyłania artykułów
Opłaty
Dla recenzentów
Standardy etyczne
ARTYKUŁ ORYGINALNY
Postawy wobec sztucznej inteligencji wśród przedstawicieli pokolenia cyfrowego – implikacje dla zarządzania w warunkach Przemysłu 4.0
1
Jagiellonian University in Kraków, Poland
A - Koncepcja i projekt badania; B - Gromadzenie i/lub zestawianie danych; C - Analiza i interpretacja danych; D - Napisanie artykułu; E - Krytyczne zrecenzowanie artykułu; F - Zatwierdzenie ostatecznej wersji artykułu
Data nadesłania: 30-04-2026
Data ostatniej rewizji: 15-05-2026
Data akceptacji: 27-05-2026
Data publikacji online: 31-07-2026
Data publikacji: 31-07-2026
NSZ 2026;21(3):91-108
SŁOWA KLUCZOWE
STRESZCZENIE
Cel badań i hipotezy/pytanie badawcze:
Celem badania była identyfikacja wzorców korzystania z narzędzi AI wśród młodych dorosłych, analiza związku między intensywnością korzystania z AI a postawami wobec tej technologii oraz wyodrębnienie segmentów użytkowników. Sformułowano hipotezy zakładające istnienie dodatniego związku pomiędzy intensywnością korzystania z AI a pozytywnym nastawieniem wobec sztucznej inteligencji. Badanie miało charakter ilościowy i eksploracyjny.
Metody badawcze:
Badanie przeprowadzono na próbie celowej 120 respondentów (średnia wieku 23,3) z wykorzystaniem autorskiego kwestionariusza online z pojedynczymi itemami. Zastosowano analizę statystyk opisowych, korelacji Pearsona, regresji liniowej oraz analizę skupień (k-średnich), uwzględniając zmienne behawioralne i afektywne.
Główne wyniki:
Wyniki wskazują na umiarkowanie pozytywne nastawienie wobec AI z jednoczesnym zróżnicowanym poziomem jej wykorzystania. Stwierdzono istotną dodatnią zależność między częstotliwością korzystania z AI a poziomem sympatii wobec niej. Analiza skupień pozwoliła wyodrębnić trzy segmenty użytkowników: entuzjastów, biernych zwolenników oraz sceptyków. Wyniki potwierdzają ambiwalentny charakter postaw wobec AI oraz ich wewnętrzne zróżnicowanie.
Implikacje dla teorii i praktyki:
Badanie wnosi wkład do literatury przez integrację analizy zachowań, postaw oraz segmentacji użytkowników AI należących do pokolenia cyfrowego. Z perspektywy praktycznej wyniki wskazują na konieczność różnicowania strategii wdrażania AI w organizacjach, rozwijania kompetencji cyfrowych oraz uwzględniania emocjonalnego wymiaru relacji człowiek–technologia.
Celem badania była identyfikacja wzorców korzystania z narzędzi AI wśród młodych dorosłych, analiza związku między intensywnością korzystania z AI a postawami wobec tej technologii oraz wyodrębnienie segmentów użytkowników. Sformułowano hipotezy zakładające istnienie dodatniego związku pomiędzy intensywnością korzystania z AI a pozytywnym nastawieniem wobec sztucznej inteligencji. Badanie miało charakter ilościowy i eksploracyjny.
Metody badawcze:
Badanie przeprowadzono na próbie celowej 120 respondentów (średnia wieku 23,3) z wykorzystaniem autorskiego kwestionariusza online z pojedynczymi itemami. Zastosowano analizę statystyk opisowych, korelacji Pearsona, regresji liniowej oraz analizę skupień (k-średnich), uwzględniając zmienne behawioralne i afektywne.
Główne wyniki:
Wyniki wskazują na umiarkowanie pozytywne nastawienie wobec AI z jednoczesnym zróżnicowanym poziomem jej wykorzystania. Stwierdzono istotną dodatnią zależność między częstotliwością korzystania z AI a poziomem sympatii wobec niej. Analiza skupień pozwoliła wyodrębnić trzy segmenty użytkowników: entuzjastów, biernych zwolenników oraz sceptyków. Wyniki potwierdzają ambiwalentny charakter postaw wobec AI oraz ich wewnętrzne zróżnicowanie.
Implikacje dla teorii i praktyki:
Badanie wnosi wkład do literatury przez integrację analizy zachowań, postaw oraz segmentacji użytkowników AI należących do pokolenia cyfrowego. Z perspektywy praktycznej wyniki wskazują na konieczność różnicowania strategii wdrażania AI w organizacjach, rozwijania kompetencji cyfrowych oraz uwzględniania emocjonalnego wymiaru relacji człowiek–technologia.
REFERENCJE (38)
1.
BARBU, A.M., FLORESCU, M.S., CHIVU, R.G., POPA, I.C., CREŢU, A.I., CHENIC, A.Ş., 2025. Generational differences in perceptions of AI-generated reviews in online textile purchases: implications for sustainable digital consumption, Industria Textila, No. 76(4), pp. 576-590.
2.
BAUMANN, J., URMAN, A., LEICHT-DEOBALD, U., ROMAN, Z.J., HANNÁK, A., CHRISTEN, M., 2025. Reduced AI acceptance after the generative AI boom: evidence from a two-wave survey study, arXiv, preprint arXiv:2510.23578.
3.
BENNETT, S., MATON, K., KERVIN, L., 2008. The ‘digital natives’ debate: a critical review of the evidence, British Journal of Educational Technology, No. 39(5), pp. 775-786.
4.
DAVIS, F.D., 1989. Perceived usefulness, perceived ease of use, and user acceptance of information technology, MIS Quarterly, No. 13(3), pp. 319-340.
5.
DELOITTE, 2024. Global Gen Z and Millennial Survey 2024, https://www.deloitte.com/globa... (accessed: 25.03.2026).
6.
DEWALSKA-OPITEK, A., SZEJNIUK, A., 2024. Gen Z consumers’ inclination to engage in brand relationships in Metaverse – an empirical approach, Journal of Modern Science, No. 56(2), pp. 336-356.
7.
DIETVORST, B.J., SIMMONS, J.P., MASSEY, C., 2015. Algorithm aversion: People erroneously avoid algorithms after seeing them err, Journal of Experimental Psychology: General, No. 144(1), pp. 114-126.
8.
DIMOCK, M., 2019. Defining generations: Where Millennials end and Generation Z begins, Pew Research Center, No. 17(1), pp. 1-7.
9.
EY, 2026. How different generations engage with artificial intelligence, https://www.ey.com/content/dam... (accessed: 25.03.2026).
10.
FREUND, B., 2025. Postawy młodych dorosłych wobec zastosowania sztucznej inteligencji w sektorze publicznym, Kraków: Wydawnictwo Uniwersytetu Jagiellońskiego.
11.
GALLUP, 2026. Gen Z adoption steady as skepticism climbs, https://news.gallup.com/poll/7... (accessed: 25.03.2026).
12.
GLIKSON, E., WOOLLEY, A.W., 2020. Human trust in artificial intelligence: Review of empirical research, Academy of Management Annals, No. 14(2), pp. 627-660.
14.
HANCOCK, P.A., BILLINGS, D.R., SCHAEFER, K.E., CHEN, J.Y., DE VISSER, E.J., PARASURAMAN, R., 2011. A meta-analysis of factors affecting trust in human-robot interaction, Human Factors, No. 53, pp. 517-527.
15.
HOFF, K.A., BASHIR, M., 2015. Trust in automation: Integrating empirical evidence on factors that influence trust, Human Factors, No. 57(3), pp. 407-434.
16.
JOBIN, A., IENCA, M., VAYENA, E., 2019. The global landscape of AI ethics guidelines, Nature Machine Intelligence, No. 1, pp. 389-399.
18.
KASNECI, E., SEßLER, K., KÜCHEMANN, S., BANNERT, M., DEMENTIEVA, D., FISCHER, F., KASNECI, G., 2023. ChatGPT for good? On opportunities and challenges of large language models for education, Learning and Individual Differences, No. 103.
19.
KOTECZKI, R., BALASSA, B.E., 2025. Exploring Generation Z’s acceptance of artificial intelligence in higher education: A TAM and UTAUT-based PLS-SEM and cluster analysis, Education Sciences, No. 15(8).
20.
KOWALSKA, M., KOSINA, D., 2025. Smart learning with AI: decision factors in Generation Z’s adoption of ChatGPT using the UTAUT2 framework, [in:] Proceedings on 28th European Conference on Artificial Intelligence ECAI 2025 – InMan Workshop: Intelligent Management and Artificial Intelligence: Trends, Challenges, and Opportunities, Vol. 1, pp. 384-406.
21.
KSHETRI, N., HUGHES, L., SLADE, E.L., JEYARAJ, A., KUMAR KAR, A., KOOHANG, A., WRIGHT, R., 2023. “So what if ChatGPT wrote it?” Multidisciplinary perspectives on opportunities, challenges and implications of generative conversational AI for research, practice and policy, International Journal of Information Management, No. 71.
22.
ŁAWIŃSKA, O., KOROMBEL, A., 2025. Generation Z and artificial intelligence – research directions in management science: a scientometric analysis based on Scopus, Zeszyty Naukowe Politechniki Poznańskiej. Organizacja i Zarządzanie, No. 91, pp. 223-246.
23.
LEŃKO-SZYMAŃSKA, A., 2026. Not so fast? A comparative study of pre-service teachers’ lesson design using corpora and generative artificial intelligence, Applied Corpus Linguistics, No. 6(1).
24.
LONGONI, C., BONEZZI, A., MOREWEDGE, C.K., 2019. Resistance to medical artificial intelligence, Journal of Consumer Research, No. 46(4), pp. 629-650.
25.
ŁUKASIŃSKI, W., ROMAŃSKI, P., 2025. Technologie Przemysłu 4.0 i ich wykorzystanie w organizacji z perspektywy przedstawicieli pokolenia Z w Polsce, Studies of the Industrial Geography Commission of the Polish Geographical Society, No. 39(4), pp. 29-48.
26.
MATŁACH, A., 2024. Postawy studentów wobec narzędzi AI – wybrane aspekty, Zeszyty Naukowe Wyższej Szkoły Bankowej w Poznaniu, No. 107 (4).
27.
MEDINA-MOLINA, C., PÉREZ-MACÍAS, N., REY-TIENDA, S., LÓPEZ-SANZ, M.E., 2025. Do ethical issues influence the interest of young people in using artificial intelligence? An integrated application of qualitative comparative analysis, Sustainable Technology and Entrepreneurship, No. 4(3).
28.
NAKAVACHARA, V., 2026. AI and worker well-being: Differential impacts across generational cohorts and genders, Social Sciences & Humanities Open, No. 13.
29.
NIKOLAIDIS, S., HSU, D., SRINIVASA, S., 2017. Human-robot mutual adaptation in collaborative tasks: Models and experiments, The International Journal of Robotics Research, No. 36(5-7), pp. 618-634.
30.
OECD, 2025, How do people experience new technologies and generative AI?, Paris: OECD Publishing.
31.
ŚLUSARCZYK, B., 2019. Potencjalne rezultaty wprowadzania koncepcji Przemysłu 4.0 w przedsiębiorstwach, Przegląd Organizacji, No. 1(948), pp. 4-10.
32.
STADNICKA, A., INGRAM, T., 2023. Terra semi-incognita, czyli o sztucznej inteligencji, robotach, automatyzacji oraz technologicznych obawach pracowników w organizacji, Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu, No. 67(5), pp. 217-236.
33.
TOMCZYK, P., 2025. Automating the systematic literature review process in management science using artificial intelligence, Marketing Instytucji Naukowych i Badawczych, No. 56(2), pp. 25-42.
34.
VENKATESH, V., MORRIS, M.G., DAVIS, G.B., DAVIS, F.D., 2003. User acceptance of information technology: Toward a unified view, MIS Quarterly, No. 27(3), pp. 425-478.
35.
VIAL, G., 2019. Understanding digital transformation: A review and a research agenda, The Journal of Strategic Information Systems, No. 28(2), pp. 118-144.
36.
WANG, C., LI, X., LIANG, Z., SHENG, Y., ZHAO, Q., CHEN, S., 2025. The roles of social perception and AI anxiety in individuals’ attitudes toward ChatGPT in education, International Journal of Human–Computer Interaction, No. 41(9), pp. 5713-5730.
37.
WROCŁAW UNIVERSITY OF SCIENCE AND TECHNOLOGY REPORT, 2025. https://wit.pwr.edu.pl/en/news... (accessed: 25.03.2026).
38.
ŻARCZYŃSKA-DOBIESZ, A., CHOMĄTOWSKA, B., 2016. Zarządzanie pracownikami z pokolenia paradoksów, Nauki o Zarządzaniu, No. 2(27), pp. 196-206.
Udostępnij
| eISSN: | 2719-860X |
| ISSN: | 1896-9380 |
Przetwarzamy dane osobowe zbierane podczas odwiedzania serwisu. Realizacja funkcji pozyskiwania informacji o użytkownikach i ich zachowaniu odbywa się poprzez dobrowolnie wprowadzone w formularzach informacje oraz zapisywanie w urządzeniach końcowych plików cookies (tzw. ciasteczka). Dane, w tym pliki cookies, wykorzystywane są w celu realizacji usług, zapewnienia wygodnego korzystania ze strony oraz w celu monitorowania ruchu zgodnie z Polityką prywatności. Dane są także zbierane i przetwarzane przez narzędzie Google Analytics (więcej).
Możesz zmienić ustawienia cookies w swojej przeglądarce. Ograniczenie stosowania plików cookies w konfiguracji przeglądarki może wpłynąć na niektóre funkcjonalności dostępne na stronie.
Możesz zmienić ustawienia cookies w swojej przeglądarce. Ograniczenie stosowania plików cookies w konfiguracji przeglądarki może wpłynąć na niektóre funkcjonalności dostępne na stronie.
