Artificiell intelligens (AI) förändrar branscher genom automatisering, förbättrat beslutsfattande och mänskligt liknande interaktioner. Många organisationer kämpar dock med att kunna utnyttja potentialen fullt ut på grund av dess komplexitet och behovet av specialiserad expertis. I sin doktorsavhandling undersöker Maria Kandaurova hur stora organisationer vänder sig till så kallade ”low-code” AI-plattformar för att överbrygga denna klyfta. Även om dessa plattformar utlovar en förenklad implementering av AI, är implementeringen ändå ofta mer komplex än väntat. Hennes forskning undersöker hur organisationer navigerar bland dessa utmaningar och vilka faktorer som påverkar LC AI-plattformarnas förmåga att skapa värde.
Vilka utmaningar fokuserar du på i din forskning?
– I min doktorsavhandling undersöker jag hur stora organisationer eftersträvar värdeskapande när de implementerar ”low-code” AI-plattformar (LC AI) och hur plattformen påverkar denna process.
AI-plattformar med low-code är digitala verktyg som erbjuder AI-funktioner i utvecklingsmiljöer med lite kod, vilket gör det möjligt för organisationer att bygga AI-baserade applikationer som efterliknar mänskliga tänkande. Genom att erbjuda funktioner som dra-och-släpp-gränssnitt, förbyggda moduler och AI-drivna funktioner förenklar dessa plattformar utvecklingen och gör avancerad AI tillgänglig för en bredare målgrupp, inklusive icke-tekniska användare.
Hur angriper du problemet?
– Min forskning är baserad på en kvalitativ fallstudie av en specifik low-code AI-plattform som används av åtta stora organisationer inom olika branscher. Jag undersöker hur dessa företag navigerar i komplexiteten i implementeringen, och avslöjar viktiga sociotekniska anpassningsprocesser som gör det möjligt för organisationer att gå längre än de initiala effektivitetsvinsterna och öppna upp för långsiktigt värdeskapande. Genom att utveckla en konceptuell processmodell ger forskningen en strukturerad förståelse för hur organisationer interagerar med LC AI-plattformar och de faktorer som påverkar deras framgångsrika införande.
Vilka är de viktigaste resultaten?
– Forskningen identifierar tre viktiga anpassningsprocesser:
- Kognitiv förståelse – att utveckla en gemensam förståelse för teknikens möjligheter bortom ”hypen”
- Kontextuell anpassning – anpassa den för att passa unika affärsbehov
- Utvärdering av infrastrukturkompatibilitet – bedömning och anpassning av befintlig IT-infrastruktur för sömlös integration.
– Studien belyser också den dubbla roll som LC AI-plattformar har: som drivkrafter för organisatorisk förändring, som driver företag att ompröva processer och omfamna flexibilitet, och som möjliggörare av datadrivet lärande och innovation, vilket gör det möjligt för organisationer att förfina AI-applikationer och kontinuerligt förbättra affärsverksamheten över tid. Studien varnar även för ett snävt fokus på kortsiktiga effektivitetsvinster och betonar vikten av att organisationer använder ett långsiktigt tillvägagångssätt för att låsa upp hållbar affärspåverkan – genom iterativ anpassning och engagemang.
Vad hoppas du att din forskning ska leda till?
– Genom att ge empiriska insikter om implementeringen av low-code AI-plattformar bidrar denna forskning till en djupare förståelse för hur organisationer kan släppa loss sin fulla potential. Resultaten är värdefulla för både akademiker och praktiker. För forskare ökar det kunskapen om generativa system och digital transformation och erbjuder en ny processmodell som förklarar den sociotekniska dynamiken i implementeringen av LC AI. För företagsledare ger den praktisk vägledning om hur man går bortom kortsiktiga effektivitetsvinster och utnyttjar LC AI för långsiktig innovation och strategisk omvandling. Denna forskning understryker att framgångsrik användning av AI-plattformar med low-code inte är en engångshändelse utan en pågående process av lärande, anpassning och integration som formar en organisations förmåga att skapa värde.
Läs avhandlingen: Pursuing Value Creation through Low-Code AI: Sociotechnical Dynamics of Low-Code AI Platform Implementation in Large Organizations
Huvudhandledare
- Enhetschef, Innovation and R&D Management, Teknikens ekonomi och organisation