DOI: https://doi.org/10.1016/j.ijinfomgt.2024.102781
تاريخ النشر: 2024-04-03
المؤلف: Einav Peretz-Andersson وآخرون
الموضوع الرئيسي: التحول الرقمي في الصناعة
نظرة عامة
تستكشف هذه الورقة البحثية تنسيق الموارد لتنفيذ الذكاء الاصطناعي (AI) في الشركات الصغيرة والمتوسطة (SMEs) ضمن قطاع التصنيع، مع التركيز بشكل خاص على الشركات في صناعات التعبئة والتغليف والبلاستيك والمعادن في السويد. على الرغم من التقدم السريع في تقنيات الذكاء الاصطناعي، تسلط الدراسة الضوء على فجوة في فهم كيفية استفادة الشركات الصغيرة والمتوسطة من هذه التقنيات مقارنة بالشركات الكبرى. باستخدام نظرية تنسيق الموارد (RO)، أجرى المؤلفون دراسات حالة متعددة للكشف عن أن الشركات الصغيرة والمتوسطة تنظم مواردها في مجال الذكاء الاصطناعي بفعالية من خلال الاستحواذ والتراكم، وتجمع هذه الموارد في قدرات التعلم والحوكمة، وتستفيد منها لتسهيل التحول الرقمي.
تؤكد النتائج على ثلاثة أبعاد حاسمة لتنسيق موارد الذكاء الاصطناعي: (أ) تنظيم موارد الذكاء الاصطناعي، (ب) تجميع قدرات الذكاء الاصطناعي، و(ج) الاستفادة من هذه الموارد والقدرات. يؤدي هذا التنسيق إلى ثلاث تفاعلات رئيسية: تعبئة التقنيات، وتنسيق عمليات التصنيع، وتمكين الأفراد. تؤكد البحث على أن تنفيذ الذكاء الاصطناعي في الشركات الصغيرة والمتوسطة هو عملية ديناميكية وغنية ذاتياً تتطلب التكيف المستمر والالتزام التنظيمي. ومع ذلك، تواجه الشركات الصغيرة والمتوسطة تحديات تتعلق بإدارة البيانات، والممارسات التكنولوجية، والموارد المالية، وتطوير الموظفين، مما يشير إلى أن تنسيق موارد الذكاء الاصطناعي الناجح يتجاوز التكنولوجيا ليشمل إدارة الموارد الاستراتيجية والتحول التنظيمي.
مقدمة
تناقش مقدمة الورقة التأثير التحويلي للذكاء الاصطناعي (AI) على المنظمات، وخاصة ضمن قطاع التصنيع. يُعرف الذكاء الاصطناعي بأنه قدرة النظام على تفسير البيانات، والتعلم منها، والتكيف لتحقيق أهداف محددة. إن تنفيذ تقنيات الذكاء الاصطناعي أمر حاسم للمنظمات، حيث يؤثر على كفاءتها التشغيلية، وعائد الاستثمار، والثقة العامة في هذه الأنظمة. بينما يقدم الذكاء الاصطناعي فوائد كبيرة، مثل تحسين مرونة الإنتاج وأداء الموارد البشرية، فإن تنفيذه يطرح تحديات، خاصة بالنسبة للشركات الصغيرة والمتوسطة (SMEs) التي غالباً ما تفتقر إلى الموارد والقدرات الرقمية اللازمة.
تسلط الورقة الضوء على أهمية فهم كيفية تنسيق الشركات الصغيرة والمتوسطة لمواردها بشكل فعال لتنفيذ الذكاء الاصطناعي، مستندة إلى نظرية تنسيق الموارد (RO). يبرز هذا الإطار النظري دور المديرين في تحويل الموارد لخلق القيمة، وهو أمر ذو صلة خاصة بالشركات الصغيرة والمتوسطة التي تواجه صعوبات في دمج الذكاء الاصطناعي في عملياتها. يهدف المؤلفون إلى استكشاف العمليات التي من خلالها تنفذ الشركات الصغيرة والمتوسطة في السويد الذكاء الاصطناعي، مع التركيز على تنظيم الموارد، والتجميع، والاستفادة لدعم التحول الرقمي. تسعى الدراسة إلى سد فجوة في الأدبيات المتعلقة بتنسيق الموارد لتنفيذ الذكاء الاصطناعي في الشركات الصغيرة والمتوسطة، مما يقترح في النهاية إطاراً لتوجيه هذا التحول الرقمي.
طرق البحث
شملت منهجية الدراسة 1، التي أجريت من مارس 2022 إلى سبتمبر 2023، نهجاً نوعياً لاستكشاف تنفيذ الذكاء الاصطناعي في الشركات الصغيرة والمتوسطة (SMEs). تم جمع البيانات بشكل أساسي من خلال مقابلات شبه منظمة مع 18 مستجيباً رئيسياً، بما في ذلك المديرين والخبراء في المجال، باستخدام دليل مقابلة مستند إلى نظرية تنسيق الموارد (RO). تم إجراء المقابلات باللغتين الإنجليزية والسويدية، وتم نسخها وتحليلها موضوعياً لتحديد الأنماط والمواضيع المتعلقة بموارد وقدرات الذكاء الاصطناعي. استخدم التحليل عملية ترميز تكرارية، facilitated by NVIVO software، مما أدى إلى تحديد فئات من الدرجة الأولى ومن ثم تطوير سبعة مواضيع من الدرجة الثانية. تم تجميع هذه المواضيع بشكل أكبر في ثلاثة أبعاد: تنظيم موارد الذكاء الاصطناعي، وتجميع قدرات الذكاء الاصطناعي، والاستفادة من موارد وقدرات الذكاء الاصطناعي، مما يوفر فهماً شاملاً لتجارب المشاركين.
في الدراسة 2، سعى الباحثون إلى التحقق من صحة النموذج المفاهيمي الذي تم تطويره في الدراسة 1 من خلال مثلث مصادر متعددة من الأدلة. شمل ذلك إجراء سبع مقابلات شبه منظمة إضافية وتنظيم أحد عشر اجتماعاً لتسوية الذكاء الاصطناعي لجمع رؤى من مختلف أصحاب المصلحة المعنيين بتنفيذ الذكاء الاصطناعي. تم تحسين أسئلة المقابلة بناءً على التعليقات من الدراسة 1، وركزت المناقشات على الوضع الحالي لمشاريع الذكاء الاصطناعي وأولويات المبادرات المستقبلية. تم تصنيف البيانات النوعية من الدراسة 2 إلى مواضيع مصقولة تتماشى مع البنى المحددة في الدراسة 1، مما أدى في النهاية إلى تطوير إطار جديد يعزز فهم كيفية تنسيق الشركات الصغيرة والمتوسطة لمواردها لتنفيذ الذكاء الاصطناعي في جهود التحول الرقمي الخاصة بها.
النتائج
تكشف نتائج الدراسة عن ثلاثة أبعاد رئيسية لتنسيق الموارد (RO) لتنفيذ الذكاء الاصطناعي في الشركات الصغيرة والمتوسطة (SMEs): (1) تنظيم موارد الذكاء الاصطناعي ضمن محفظة الأعمال، (2) تجميع قدرات الذكاء الاصطناعي، و(3) الاستفادة من الموارد والقدرات لتحقيق نتائج الذكاء الاصطناعي. أبرزت عملية جمع البيانات الحاجة إلى أن تتبنى الشركات الصغيرة والمتوسطة نهجاً منظماً للحصول على موارد الذكاء الاصطناعي، مشددة على أن هذه ليست عملية ثابتة بل يجب أن تتكيف مع الاحتياجات التنظيمية المتطورة. أشار المستجيبون إلى أهمية مواءمة استحواذ التكنولوجيا مع أهداف الابتكار والكفاءة، كما يتضح من أمثلة من مختلف الشركات الصغيرة والمتوسطة بشأن قدراتها الحالية وطموحاتها لصناعة 4.0.
بالإضافة إلى ذلك، حددت الدراسة مواضيع فرعية جديدة ضمن أبعاد تراكم موارد الذكاء الاصطناعي وتجميع قدرات الذكاء الاصطناعي. ومن الجدير بالذكر أن إنشاء منصات بيانات داخلية تم تحسينه للتركيز على تحسين جودة البيانات، بينما ظهر تدريب الموظفين على دمج الذكاء الاصطناعي كعامل حاسم لتنفيذ ناجح. تم تسليط الضوء على الاجتماعات الشهرية للتسوية كأمر أساسي لتعزيز تبادل المعرفة والتعلم التنظيمي، مما يمكّن الشركات الصغيرة والمتوسطة من التكيف والابتكار بفعالية. تؤكد النتائج على الطبيعة الديناميكية لتنفيذ الذكاء الاصطناعي، حيث تعتبر التقييم المستمر والتعاون بين الشركات أموراً حيوية لتحسين استخدام الموارد وتعزيز الكفاءة التشغيلية. بشكل عام، توفر الدراسة إطاراً شاملاً لفهم تعقيدات دمج الذكاء الاصطناعي في سياق جهود التحول الرقمي للشركات الصغيرة والمتوسطة.
المناقشة
تسلط قسم المناقشة في الورقة البحثية الضوء على الدور الحاسم للذكاء الاصطناعي (AI) في دفع التحول الرقمي داخل صناعة التصنيع. تتبنى الشركات بشكل متزايد تقنيات الذكاء الاصطناعي لتعزيز الإنتاجية والأداء، وتحسين إدارة العمليات، وإعادة تشكيل نماذج الأعمال، مما يحسن من قدرتها التنافسية. تشير الأدبيات إلى أن الذكاء الاصطناعي لا يسهل فقط رقمنة العمليات، بل يساعد أيضاً المنظمات في تحديد التحديات والفرص. تبرز دراسات ملحوظة، مثل تلك التي أجراها ديملهنر وآخرون (2021) وهاردكي وآخرون (2022)، الحاجة إلى مزيد من الاستكشاف للتحديات السلوكية والإدارية والتنظيمية للذكاء الاصطناعي، خاصة في الشركات الصغيرة والمتوسطة (SMEs) التي تواجه عقبات فريدة في اعتماد الذكاء الاصطناعي.
يناقش القسم أيضاً منظور تنسيق الموارد (RO) كإطار لفهم كيفية إدارة المنظمات لمواردها وقدراتها بشكل فعال لتنفيذ الذكاء الاصطناعي. تفترض نظرية RO أن الشركات يمكن أن تخلق قيمة من خلال تحويل مواردها عبر عمليات التنظيم والتجميع والاستفادة. هذا المنظور ذو صلة خاصة بالشركات الصغيرة والمتوسطة، التي غالباً ما تواجه موارد وقدرات محدودة. تدعو الورقة إلى مزيد من الأبحاث التجريبية لتعميق الفهم حول كيفية تنسيق الشركات الصغيرة والمتوسطة لمواردها لدمج تقنيات الذكاء الاصطناعي بنجاح، مما يعزز من اتخاذ القرارات الاستراتيجية والأداء العام في سياق التحول الرقمي.
القيود
تسلط قيود هذا البحث الضوء على عدة مجالات رئيسية للاستكشاف المستقبلي. أولاً، يحد اعتماد الدراسة على تحليل حالات متعددة لخمس شركات صغيرة ومتوسطة (SMEs) ضمن قطاع التصنيع من تعميم نتائجها. قد تختلف ديناميكيات التحول الرقمي المدفوع بالذكاء الاصطناعي بشكل كبير عبر صناعات مختلفة، خاصة في سياقات الأعمال إلى المستهلك (B2C)، مما يتطلب مزيداً من البحث في قطاعات متنوعة لتعزيز فهم تنسيق موارد الذكاء الاصطناعي أثناء التنفيذ. بالإضافة إلى ذلك، يشير التركيز على الشركات الصغيرة والمتوسطة في مرحلة مبكرة من اعتماد الذكاء الاصطناعي إلى أن التحقيقات في عمليات التنفيذ الأكثر نضجاً يمكن أن تسفر عن رؤى قيمة، خاصة فيما يتعلق بالتفاعل بين الذكاء الاصطناعي وتقنيات ذكية أخرى مثل الروبوتات، وإنترنت الأشياء، وسلسلة الكتل.
علاوة على ذلك، توفر الطبيعة النوعية للدراسة فهماً أساسياً للطبيعة التقدمية للتحول الرقمي المدفوع بالذكاء الاصطناعي، لكنها تشير أيضاً إلى الحاجة إلى أساليب كمية ومختلطة للتحقق من النتائج وتوسيعها. يمكن أن تستفيد الأبحاث المستقبلية من فحص مجموعة أوسع من موارد وقدرات الذكاء الاصطناعي، خاصة تلك التي تتماشى مع الحفاظ على ميزة تنافسية للشركات الصغيرة والمتوسطة. أخيراً، تثير العملية الديناميكية لتنفيذ الذكاء الاصطناعي التي لوحظت في العينة تساؤلات حول التحديات المحتملة، مثل الجمود التنظيمي أو الفشل في التحول الرقمي. يمكن أن يوفر التحقيق في الحالات التي لم تنجح فيها تنفيذ الذكاء الاصطناعي منظوراً أكثر شمولاً، مما يكمل الحالات الناجحة المقدمة في هذه الدراسة ويثري الخطاب العام حول الذكاء الاصطناعي في الشركات الصغيرة والمتوسطة.
DOI: https://doi.org/10.1016/j.ijinfomgt.2024.102781
Publication Date: 2024-04-03
Author(s): Einav Peretz-Andersson et al.
Primary Topic: Digital Transformation in Industry
Overview
This research paper investigates the orchestration of resources for artificial intelligence (AI) implementation in small and medium-sized enterprises (SMEs) within the manufacturing sector, particularly focusing on companies in Sweden’s packaging, plastic, and metal industries. Despite the rapid advancement of AI technologies, the study highlights a gap in understanding how SMEs leverage these technologies compared to larger enterprises. Utilizing resource orchestration (RO) theory, the authors conducted multiple case studies to reveal that SMEs effectively structure their AI resources through acquisition and accumulation, bundle these resources into learning and governance capabilities, and leverage them to facilitate digital transformation.
The findings underscore three critical dimensions of AI resource orchestration: (a) structuring AI resources, (b) bundling AI capabilities, and (c) leveraging these resources and capabilities. This orchestration results in three key interactions: mobilizing technologies, coordinating manufacturing processes, and empowering personnel. The research emphasizes that AI implementation in manufacturing SMEs is a dynamic and self-enriching process that necessitates ongoing adaptation and organizational commitment. However, SMEs face challenges related to data management, technological practices, financial resources, and employee development, indicating that successful AI resource orchestration extends beyond technology to encompass strategic resource management and organizational transformation.
Introduction
The introduction of the paper discusses the transformative impact of Artificial Intelligence (AI) on organizations, particularly within the manufacturing sector. AI is defined as a system’s capacity to interpret data, learn from it, and adapt to achieve specific objectives. The implementation of AI technologies is crucial for organizations, influencing their operational efficiency, return on investment, and overall trust in these systems. While AI offers significant benefits, such as enhanced production flexibility and improved human resource performance, its implementation poses challenges, especially for small and medium-sized enterprises (SMEs) that often lack the necessary resources and digital capabilities.
The paper highlights the importance of understanding how SMEs can effectively orchestrate their resources for AI implementation, drawing on Resource Orchestration (RO) theory. This theoretical framework emphasizes the role of managers in transforming resources to create value, which is particularly relevant for SMEs facing difficulties in integrating AI into their processes. The authors aim to explore the processes through which manufacturing SMEs in Sweden implement AI, focusing on resource structuring, bundling, and leveraging to support digital transformation. The study seeks to fill a gap in the literature regarding the orchestration of resources for AI implementation in manufacturing SMEs, ultimately proposing a framework to guide this digital transformation.
Methods
The methodology for Study 1, conducted from March 2022 to September 2023, involved a qualitative approach to explore AI implementation in small and medium-sized enterprises (SMEs). Data were primarily collected through semi-structured interviews with 18 key respondents, including managers and domain experts, utilizing an interview guide informed by resource orchestration (RO) theory. The interviews, conducted in both English and Swedish, were transcribed and analyzed thematically to identify patterns and themes related to AI resources and capabilities. The analysis employed an iterative coding process, facilitated by NVIVO software, which led to the identification of first-order categories and subsequently to the development of seven second-order themes. These themes were further aggregated into three dimensions: structuring AI resources, bundling AI capabilities, and leveraging AI resources and capabilities, providing a comprehensive understanding of the participants’ experiences.
In Study 2, the researchers aimed to validate the conceptual model developed in Study 1 by triangulating multiple sources of evidence. This involved conducting seven additional semi-structured interviews and organizing eleven AI reconciliation meetings to gather insights from various stakeholders involved in AI implementation. The interview questions were refined based on feedback from Study 1, and the discussions focused on the current status of AI projects and the prioritization of future initiatives. The qualitative data from Study 2 were categorized into refined themes that aligned with the constructs identified in Study 1, ultimately leading to the development of a new framework that enhances the understanding of how SMEs orchestrate resources for AI implementation in their digital transformation efforts.
Results
The results of the study reveal three primary dimensions of resource orchestration (RO) for AI implementation in small and medium-sized enterprises (SMEs): (1) structuring AI resources within the business portfolio, (2) bundling AI capabilities, and (3) leveraging resources and capabilities to achieve AI outcomes. The data collection process highlighted the need for SMEs to adopt a structured approach to acquiring AI resources, emphasizing that this is not a static process but rather one that must adapt to evolving organizational needs. Respondents noted the importance of aligning technology acquisition with innovation and efficiency goals, as illustrated by examples from various SMEs regarding their current capabilities and aspirations for Industry 4.0.
Additionally, the study identified new sub-themes within the dimensions of accumulating AI resources and bundling AI capabilities. Notably, the creation of internal data platforms was refined to focus on enhancing data quality, while employee training for AI integration emerged as a critical factor for successful implementation. Monthly reconciliation meetings were highlighted as essential for fostering knowledge exchange and organizational learning, enabling SMEs to adapt and innovate effectively. The findings underscore the dynamic nature of AI implementation, where continuous assessment and inter-company collaboration are vital for optimizing resource utilization and enhancing operational efficiency. Overall, the study provides a comprehensive framework for understanding the complexities of AI integration in the context of SMEs’ digital transformation efforts.
Discussion
The discussion section of the research paper highlights the critical role of artificial intelligence (AI) in driving digital transformation within the manufacturing industry. Companies are increasingly adopting AI technologies to enhance productivity and performance, optimize operational management, and reshape business models, thereby improving competitiveness. The literature indicates that AI not only facilitates the digitalization of operations but also helps organizations identify challenges and opportunities. Noteworthy studies, such as those by Demlehner et al. (2021) and Hradecky et al. (2022), emphasize the need for further exploration of AI’s behavioral, managerial, and organizational challenges, particularly in small and medium-sized enterprises (SMEs) that face unique obstacles in AI adoption.
The section also discusses the resource orchestration (RO) perspective as a framework for understanding how organizations can effectively manage their resources and capabilities to implement AI. RO theory posits that companies can create value by transforming their resources through processes of structuring, bundling, and leveraging. This perspective is particularly relevant for SMEs, which often grapple with limited resources and capabilities. The paper calls for more empirical research to deepen the understanding of how SMEs can orchestrate their resources to successfully integrate AI technologies, thereby enhancing their strategic decision-making and overall performance in the context of digital transformation.
Limitations
The limitations of this research highlight several key areas for future exploration. Firstly, the study’s reliance on a multiple case analysis of five small and medium-sized enterprises (SMEs) within the manufacturing sector limits the generalizability of its findings. The dynamics of AI-driven digital transformation may vary significantly across different industries, particularly in business-to-customer (B2C) contexts, necessitating further research in diverse sectors to enhance understanding of AI resource orchestration during implementation. Additionally, the focus on SMEs at an early stage of AI adoption suggests that investigations into more mature implementations could yield valuable insights, particularly regarding the interplay of AI with other smart technologies such as robotics, IoT, and blockchain.
Moreover, the qualitative nature of the study provides a foundational understanding of the progressive nature of AI-driven digital transformation, yet it also indicates a need for quantitative and mixed-methods approaches to validate and expand upon the findings. Future research could benefit from examining a wider array of AI resources and capabilities, particularly those that align with maintaining a competitive edge for SMEs. Lastly, the dynamic process of AI implementation observed in the sample raises questions about potential challenges, such as organizational inertia or failures in digital transformation. Investigating cases where AI implementation has not succeeded could provide a more comprehensive perspective, complementing the successful cases presented in this study and enriching the overall discourse on AI in SMEs.