AI Paradox and How to Overcome the Barriers for Scaling: Multi-Company Case Study

Abstract

PURPOSE OF STUDY

The purpose of this thesis is to understand the difficulties related to successful scaling of Artificial Intelligence projects and implementations. The aim is to find and study the potential barriers for scaling and provide actionable solutions to these challenges.

THEORETHICAL BACKGROUND AND METHODOLOGY

The literature review consists of overview on AI technologies and different aspects of novel technology project implementation, change management practices and briefly inspecting AI as a tool for decision making. The data for this thesis is gathered by conducting 7 qualitative interviews in 6 different case companies.

FINDINGS

The findings of this thesis illustrate that AI implementation is multi-disciplined challenge and that there are some barriers for scaling, especially for SME organizations. However, by anticipating and addressing the challenges early on, AI team leads can have better chances at succeeding.

TUTKIELMAN TAVOITTEET

Tämän diplomityön tarkoituksena on tutkia haasteita liittyen tekoälyn skaalaamiseen ja käyttöönottoon. Tavoitteena on tutkia mahdollisia esteitä onnistuneelle skaalautumiselle sekä tarjota mahdollisia ratkaisuja näihin haasteisiin.

AINEISTO JA METODOLOGIA

Kirjallisuuskatsaus koostuu katsauksesta eri tekoälyteknologioihin, sekä kirjallisuutta muutosjohtamisesta ja teknologiaprojektien luonteesta. Lopuksi esittelen vielä lyhyesti kirjallisuutta liittyen tekoälyn käyttöön päätöksenteon tukena. Data diplomityötäni varten on kerätty haastattelemalla seitsemää henkilöä kuudessa eri yrityksessä.

TULOKSET

Tämän diplomityön tulokset osoittavat, että tekoälyprojekteihin liittyy tiettyjä teknologiakohtaisia, monialaisia haasteita, jotka voivat johtaa tekoälyhankkeiden skaalautumisen epäonnistumiseen, erityisesti PK yrityksissä. Ennakoimalla ja vastaamalla näihin haasteisiin hyvissä ajoin, tekoälytiimien johtajat voivat parantaa skaalauksen onnistumisen todennäköisyyttä.