Leveraging GenAI for data exploration in fast-paced project environments: Designing a project chatbot using design science research

Abstract

In fast-paced and temporary project environments, organizations face growing pressure to turn complex and fragmented data into actionable insights more rapidly than traditional tools allow. Recent exponential progress within Generative Artificial Intelligence (GenAI) provides new avenues to address these challenges. This thesis investigates how GenAI can enhance data exploration and Business Intelligence (BI) capabilities in such environments. Using Design Science Research methodology, the study is conducted within an internal consultancy team of a large financial institution, where temporary structures and tight deadlines amplify recurring challenges. The problem identification revealed five recurring challenge themes: data accessibility & fragmentation, data quality & trustworthiness, time pressure & changing requirements, collaboration & communication gaps, and tooling & skill limitations. These challenges were identified through thematic analysis of expert interviews and translated into design principles that guided the development of the artifact of this thesis, a proof-of-concept GenAI chatbot.

The chatbot combines a user interface for natural language querying, retrieval-augmented generation from project documentation, and database connectivity to unify access and lower technical barriers for project professionals. Demonstration and evaluation with synthetic project data and expert walkthroughs showed that the solution mitigated key bottlenecks especially by unifying access to fragmented data and lowering technical barriers to structured data analysis, which was perceived to leverage decision-making. At the same time, the evaluation revealed emergent requirements for improved source transparency, collaborative functionality, and secure data handling.

The findings extend theory by contextualizing GenAI-supported BI within dynamic and temporary project settings and by emphasizing human-centered design principles such as transparency, iterative generation, and collaboration, topics highlighted also by previous research. In practice, the thesis demonstrates how lightweight and modular deployment of GenAI chatbot can deliver value quickly in project work, while highlighting the ongoing importance of documentation practices, data governance, and user trust for realizing their benefits.

Nopeatempoisissa ja luonteeltaan väliaikaisissa projektiympäristöissä organisaatioihin kohdistuu kasvavaa painetta hyödyntää monimutkaista ja hajanaista dataa päätöksenteon tukena nopeammin kuin mitä perinteiset työkalut mahdollistavat. Generatiivisen tekoälyn (GenAI) viimeaikainen kehitys tarjoaa uusia keinoja vastata näihin haasteisiin. Tämä tutkielma tarkastelee, miten GenAI voi tehostaa datan hyödyntämistä ja vahvistaa Business Intelligence (BI) -kyvykkyyksiä nopeatempoisissa projektiympäristöissä. Tutkielma toteutettiin Design Science Research -menetelmällä suuren rahoitusalan yrityksen sisäisessä konsultointitiimissä, jossa väliaikaiset tietorakenteet ja tiukat aikataulut korostavat datan hyödyntämisen haasteita. Asiantuntijahaastatteluiden pohjalta tunnistettiin viisi keskeistä ongelmateemaa: datan saatavuus ja hajanaisuus, datan laatu ja luotettavuus, aikapaineet ja muuttuvat vaatimukset, yhteistyön ja viestinnän puutteet sekä työkalujen ja osaamisen rajallisuus.

Tunnistettujen teemojen ja käyttäjätarpeiden pohjalta toteutettiin proof-of-concept GenAI-chatbotin design ja kehitys. Ratkaisu yhdistää luonnollisen kielen kyselyrajapinnan, dokumenttiaineistoihin perustuvan RAG-menetelmän sekä yhteydet tietokantoihin. Demonstraatiot ja asiantuntija-arvioinnit toteutettiin synteettisellä datalla, ja niiden perusteella ratkaisu vähensi erityisesti datalähteiden hajanaisuudesta aiheutuneita pullonkauloja sekä madalsi teknisiä esteitä analyysin tekemiselle. Samalla nousi esiin uusia tarpeita datalähteiden läpinäkyvyydelle, yhteistyötoiminnoille ja datan turvalliselle käsittelylle.

Tutkielma tuo tieteelliseen keskusteluun uutta näkökulmaa GenAI:n hyödyntämisestä tilapäisissä projektiympäristöissä ja korostaa ihmiskeskeisiä suunnitteluperiaatteita, kuten läpinäkyvyyttä, iteratiivisuutta ja yhteistyötä. Käytännön tasolla tutkielma osoittaa, että kevytrakenteinen ja modulaarinen chatbot-työkalu voi tuottaa nopeasti lisäarvoa projektityöhön, edellyttäen että dokumentointi-käytännöt, datanhallinta ja käyttäjien luottamus työkalua kohtaan varmistetaan.