Stínová umělá inteligence na pracovišti: Vyvážení růstu produktivity a organizačního rizika
| Název práce: | Shadow AI in the Workplace: Balancing Productivity Gains and Organizational Risk |
|---|---|
| Autor(ka) práce: | Van Prooyen, Timothy |
| Typ práce: | Diploma thesis |
| Vedoucí práce: | Šlapáková Losová, Veronika |
| Oponenti práce: | Demir, Ferhat |
| Jazyk práce: | English |
| Abstrakt: | The rapid rise of generative artificial intelligence (GenAI) has transformed workplace dynamics, introducing both unprecedented opportunities for productivity and significant challenges for governance and data security. As employees increasingly adopt external AI tools to enhance efficiency, a new phenomenon, Shadow AI, has emerged, defined as the unsanctioned use of AI systems, models, or APIs outside organizational oversight. Drawing upon the Technology Acceptance Model (TAM) and Principal–Agent Theory (PAT), this thesis develops and empirically tests an integrated model explaining why employees engage in Shadow AI and how differing perceptions of risk influence this behavior. Five hypotheses (H1–H5) are proposed: that Perceived Usefulness (PU) and Perceived Ease of Use (PEOU) drive Shadow AI adoption; that perceived disparities between sanctioned and external tools amplify use; that risk perceptions differ systematically between IT and non-IT roles; and that Perceived Risk moderates the link between PU and behavioral intention. The research employs a quantitative survey of organizational employees to quantify these relationships, operationalizing the Risk Perception Gap (H4) as a measurable indicator of the principal–agent problem. The findings aim to contribute both theoretically and practically: by integrating behavioral and structural theories of technology adoption, the study explains how individual-level innovation behavior interacts with organizational risk asymmetries. The results are intended to inform the design of adaptive AI governance frameworks—balancing innovation incentives with the need for robust compliance, transparency, and data protection. |
| Klíčová slova: | Shadow AI; Organizational Behavior; Generative AI |
| Název práce: | Stínová umělá inteligence na pracovišti: Vyvážení růstu produktivity a organizačního rizika |
|---|---|
| Autor(ka) práce: | Van Prooyen, Timothy |
| Typ práce: | Diplomová práce |
| Vedoucí práce: | Šlapáková Losová, Veronika |
| Oponenti práce: | Demir, Ferhat |
| Jazyk práce: | English |
| Abstrakt: | Rychlý rozvoj generativní umělé inteligence (GenAI) zásadně proměnil dynamiku pracovního prostředí, přinášející bezprecedentní příležitosti ke zvýšení produktivity, ale zároveň i významné výzvy v oblasti řízení, bezpečnosti a ochrany dat. S tím, jak zaměstnanci stále častěji využívají externí nástroje AI ke zvýšení efektivity, se objevuje nový fenomén – stínová umělá inteligence (Shadow AI), definovaná jako neautorizované využívání systémů, modelů nebo rozhraní API mimo dohled organizace. Tato diplomová práce vychází z modelu přijímání technologií (TAM) a teorie zastoupení (Principal–Agent Theory, PAT) a rozvíjí integrovaný model, který vysvětluje, proč se zaměstnanci zapojují do používání stínové AI a jak odlišné vnímání rizika ovlivňuje toto chování. Je formulováno pět hypotéz (H1–H5): že vnímána užitečnost (Perceived Usefulness, PU) a vnímaná snadnost použití (Perceived Ease of Use, PEOU) podporují adopci stínové AI; že vnímané rozdíly mezi schválenými a externími nástroji zvyšují její používání; že vnímání rizika se systematicky liší mezi IT a ne-IT rolemi; a že vnímané riziko (Perceived Risk) moderuje vztah mezi PU a záměrem chování. Výzkum využívá kvantitativní dotazníkové šetření mezi zaměstnanci organizací za účelem kvantifikace těchto vztahů, přičemž koncept „mezery ve vnímání rizika“ (Risk Perception Gap, H4) je operacionalizován jako měřitelný ukazatel problému zastoupení. Zjištění mají přinést teoretický i praktický přínos: propojením behaviorálních a strukturálních teorií přijímání technologií studie objasňuje, jak se individuální inovační chování zaměstnanců prolíná s asymetriemi organizačního rizika. Výsledky mají sloužit k návrhu adaptivních rámců řízení AI, které vyvažují stimuly pro inovace s potřebou silné compliance, transparentnosti a ochrany dat. |
| Klíčová slova: | Stínová umělá inteligence; Generativní umělá inteligence; Organizační chování |
Informace o studiu
| Studijní program / obor: | Management |
|---|---|
| Typ studijního programu: | Magisterský studijní program |
| Přidělovaná hodnost: | Ing. |
| Instituce přidělující hodnost: | Vysoká škola ekonomická v Praze |
| Fakulta: | Fakulta podnikohospodářská |
| Katedra: | Katedra podnikání |
Informace o odevzdání a obhajobě
| Datum zadání práce: | 12. 11. 2025 |
|---|---|
| Datum podání práce: | 9. 5. 2026 |
| Datum obhajoby: | 3. 6. 2026 |
| Identifikátor v systému InSIS: | https://insis.vse.cz/zp/94464/podrobnosti |