aalto1 untyped-item.component.html
Generatiivisen tekoälyn käyttöönottoon vaikuttavat tekijät organisaatiotasolla
Loading...
URL
Journal Title
Journal ISSN
Volume Title
Perustieteiden korkeakoulu |
Bachelor's thesis
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.
Authors
Date
Department
Major/Subject
Mcode
SCI3025
Degree programme
Language
fi
Pages
27
Series
Abstract
Generatiivinen tekoäly on osoittautunut erittäin lupaavaksi uudeksi teknologiaksi. Sen kyvyt ovat sovellettavissa kaikilla toimialoilla, minkä takia generatiivisen tekoälyn käyttöönotto on edessä kaikissa organisaatioissa. Tämä kandidaatintutkielma tutkii, mitkä tekijät vaikuttavat generatiivisen tekoälyn käyttöönottoon organisaatiotasolla ja miten nämä tekijät tulisi huomioida käyttöönottoprosessissa. Tutkielma toteutettiin kirjallisuuskatsauksena, joka käsitti generatiivista tekoälyä tutkivat Technology–Organization–Environment (TOE) -kehystä käyttävät tutkimukset. Katsaukseen sisällytettiin 16 vuosien 2023–2025 tutkimusta useilta toimialoilta ja maantieteellisiltä alueilta.
Kirjallisuuskatsauksen mukaan generatiivisen tekoälyn käyttöönottoon vaikuttaa joukko tekijöitä kaikista TOE-ulottuvuuksista. Teknologisista tekijöistä teknologian ylivertaisuus havaitaan johdonmukaisesti käyttöönottopäätöstä vahvistavaksi, kun taas kompleksisuus muodostuu esteeksi. Teknologian yhteensopivuuden vaikutus on heikompi ja kontekstisidonnainen. Organisationaalisista tekijöistä erityisesti johdon tuki ja organisaation valmius toistuvat keskeisinä käyttöönoton ajajina. Ympäristötekijöistä kilpailupaine vauhdittaa käyttöönottoa, kun taas hallinnollisen tuen vaikutus näyttäytyy tutkimuksissa vaihtelevana.
Generatiivisen tekoälyn käyttöönottoon vaikuttavat tekijät ovat linjassa perinteisten IT-teknologioiden kanssa. Kuitenkin kompleksisuus ja johdon tuki näyttäytyvät tavallista painavampina käyttöönoton edistäjinä, kun yhteensopivuus on ainoana tekijänä IT-teknologioita vähemmän merkitsevämpi. Tutkielmassa myös esitetään käyttöönottotekijöille vaikutusalueet organisaatiotason käyttöönottoprosessissa.
Tutkielman luotettavuutta rajoittavat pieni otos sekä tutkimusten toimialallinen, maantieteellinen ja sovelluskohtainen hajautuneisuus. Tutkielmaa tulee pitää generatiivisen tekoälyn käyttöönoton nykytilan katsauksena sekä ensimmäisten tutkimustuloksien kokoajana.
Generative AI has proven to be a highly capable new technology. Its capabilities are applicable in all industries, which is why the adoption of generative AI is on the horizon for all organizations. This bachelor's thesis examines the factors that influence the adoption of generative AI at the organizational level and how these factors should be taken into account in the adoption process. The thesis was conducted as a literature review, which included studies using the Technology–Organization–Environment (TOE) framework to examine generative AI. The review included 16 studies from 2023–2025 from various industries and geographical areas.
According to the literature review, the adoption of generative AI is influenced by a number of factors from all TOE dimensions. Among the technological factors, relative advantage is consistently found to reinforce the adoption decision, while complexity emerges as a significant barrier. The impact of compatibility is weaker and context-dependent. Among organizational factors, top management support and organizational readiness are particularly important drivers of adoption. Among environmental factors, competitive pressure accelerates adoption, while the impact of government support appears to vary in studies.
The factors influencing the adoption of generative AI are in line with those for traditional IT technologies. However, complexity and top management support appear to be more important drivers of adoption than usual, while compatibility is the only factor that is less significant than IT technologies. The study also presents the areas of influence of adoption factors in the organizational-level adoption process.
The reliability of the study is limited by the small sample size and the sectoral, geographical, and application-specific diversity of the studies; the study should be considered as an overview of the current state of generative AI adoption and a compilation of initial research results.