Designing an AI-driven management system for strategy implementation

Thumbnail Image

Files

master_Latvakoski_Olli_2025.pdf (8.07 MB)

URL

Journal Title

Journal ISSN

Volume Title

School of Science | Master'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

2025-11-21

Department

Major/Subject

Strategy

Mcode

Degree programme

Master's Programme in Industrial Engineering and Management
Master's Programme in Industrial Engineering and Management
Master's Programme in Industrial Engineering and Management

Language

en

Pages

116

Series

Abstract

Most strategies seem viable on paper but fail in implementation. At the same time, organizations are investing heavily in artificial intelligence, yet its practical contribution to corporate strategy remains unclear while implementation challenges persist. This thesis identifies challenges, explores corresponding AI-enabled opportunities, and contributes to the Case Company’s ambition to develop an AI-driven management system that supports its clients in strategy implementation. In a broader context, the thesis also provides a building block for the company’s transition toward an asset-based business model. To design, iterate, and validate the technological component of such a management system, the thesis applies a design science research approach, informed by lean startup principles and the theory-based view to guide experimentation under uncertainty. The design process begins with a review of academic literature across strategy and AI domains, drawing on adaptive strategy implementation as a guiding perspective. Building on this foundation, the empirical work consists of 30 qualitative interviews with strategy leaders and CEOs from large Nordic enterprises as well as relevant academic experts, to identify implementation challenges and AI-related opportunities in the strategy process. These insights informed an iterative design cycle in which the problem domain and solution concepts were refined across interview rounds. The work culminated in a minimum viable product (MVP), validated through later interviews and dedicated sessions with both internal and external stakeholders of the Case Company. The findings highlight implementation challenges across domains of business, people, process, and data & systems. Opportunities for applying AI were identified along the continuum of strategy creation and implementation, organized into three categories adapted from prior research: expanded attentional capacity, democratized strategy work, and accelerated responsiveness. Within the solution domain, the developed MVP centers on actions that typically occur during implementation and addresses a pressing challenge: strategy adaptation. The system supports a higher-clock-speed strategy process, where continuous monitoring of the external environment can trigger more frequent reconceptualizations of strategy. To achieve this, it leverages external, alternative data sources, conceptually designed to be combined with internal organizational data in future iterations, to generate implications for a company’s strategy. The broader solution space was validated with clients, while the MVP underwent more in-depth testing and demonstrated how AI can create practical value by making strategy implementation more adaptive and dynamic.

Useimmat strategiat vaikuttavat toteuttamiskelpoisilta paperilla, mutta epäonnistuvat toimeenpanossa. Samaan aikaan organisaatiot investoivat yhä enemmän tekoälyyn, vaikka sen käytännön vaikutus korporaatiostrategioihin on edelleen epäselvä ja toimeenpanon haasteet jatkuvat. Tämä diplomityö tunnistaa haasteet, tarkastelee tekoälyn mahdollistamia ratkaisualueita strategiaprosessissa ja edistää Case-yrityksen tavoitetta kehittää AI-pohjainen johtamisjärjestelmä, joka tukee asiakkaita strategian toimeenpanossa. Laajemmassa kontekstissa työ luo myös pohjan yrityksen siirtymälle kohti asset-pohjaista liiketoimintamallia. Johtamisjärjestelmän teknologiakomponentin suunnittelemiseksi, iteroinniksi ja validoinniksi työssä sovelletaan suunnittelutiedettä, jota täydentävät lean startup -periaatteet ja theory-based view -ajattelumalli epävarmuuden alaisessa kehityksessä. Suunnitteluprosessi alkaa systemaattisella kirjallisuuskatsauksella strategian ja tekoälyn rajapinnoista, hyödyntäen adaptiivista strategian toimeenpanoa ohjaavana kehyksenä. Näiden pohjalta empiirinen osuus koostuu 30 laadullisesta haastattelusta, joissa keskusteltiin pohjoismaisten suuryritysten strategiajohtajien ja ylimmän johdon edustajien sekä alan akateemisten asiantuntijoiden kanssa. Haastattelujen tavoitteena oli tunnistaa strategian toimeenpanon keskeiset haasteet ja niihin liittyvät tekoälyn tarjoamat mahdollisuudet strategiaprosessissa. Löydökset tukivat iteratiivista suunnitteluprosessia, jossa ongelma- ja ratkaisukentät tarkentuivat haastattelukierrosten edetessä. Työ kulminoitui minimum viable product (MVP) -prototyyppiin, jota validoitiin myöhemmissä haastatteluissa sekä erillisissä sisäisissä ja ulkoisissa sessioissa. Tulokset osoittavat, että toimeenpanon haasteet ilmenevät liiketoiminnan, ihmisten, prosessien sekä datan ja järjestelmien eri tasoilla. Tekoälyn soveltamismahdollisuudet strategiaprosessin eri vaiheissa jäsennettiin kolmeen, aiempaan tutkimukseen pohjautuvaan kategoriaan: laajempi strateginen tarkkaavaisuus (expanded attentional capacity), strategiatyön demokratisoituminen (democratized strategy work) ja nopeutunut reagointikyky (accelerated responsiveness). Tunnistettujen ratkaisukategorioiden puitteissa kehitetty MVP keskittyy erityisesti toimeenpanon aikana tapahtuviin toimiin ja vastaa keskeiseen haasteeseen: strategian adaptiivisuuteen. Järjestelmä tukee nopeasyklisempää strategiaprosessia, jossa toimintaympäristön jatkuva seuranta mahdollistaa strategian tiheämpää uudelleenarviointia. Se hyödyntää ulkoisia, vaihtoehtoisia datalähteitä, jotka on konseptuaalisesti suunniteltu yhdistettäväksi yritysten sisäiseen dataan tulevissa iteraatioissa, tuottaen strategisia implikaatioita yritysten päätöksenteon tueksi. Ratkaisuavaruutta validoitiin asiakastapaamisissa, ja MVP:n tarkempi testaus osoitti, miten AI voi mahdollistaa strategian toimeenpanosta dynaamisempaa ja adaptiivisempaa.

Description

Supervisor

Maula, Markku

Thesis advisor

Syrjänen, Tuomas

Keywords

strategy process, strategy creation, strategy implementation, adaptive strategy, artificial intelligence, strategic management

Other note

Citation

Permanent link to this item

https://urn.fi/URN:NBN:fi:aalto-202512179369

Collections

[dipl] Perustieteiden korkeakoulu / SCI