Drivers, Barriers and Future of Implementing Artificial Intelligence in Procurement

Abstract

This thesis uses semi-structured expert interviews and Gioia method the examine drivers and barriers of implementing artificial intelligence in procurement process in Finnish industrial sector. This thesis used nine expert interviews from six different organizations as the material for the empirical phase.

The key results of this study were identified drivers, barriers and practises for implementing AI in procurement. Identified drivers were efficiency and better decision making. Identified barriers were “Lack of knowledge and value”, “Unwillingness to invest and take risks with AI” and “Lack of strategy and organizational encouragement”. For procurement expert it was hard to estimate the value AI provides. There is not enough concrete use cases for implementing AI in pro-curement. On the other hand, there is not currently enough skilled employees in procurement to come up and develop AI solutions. Other improvement projects are competing with artificial intelligence from the same resources and companies are comparing projects based on the value they provide. Procurement function has limited resources and most of time they are used in day-to-day activities. Companies are slow to regulate AI which slows down the implementation. Industrial sector does not see IT as strategic advantage, rather as an expense.

Companies have identified two good practises for implementing AI, “Bottom-up development” and “Low-hanging fruits as a source of inspiration”. Bottom-up approach was seen as the best practise since the skill and the knowledge is seen to be at grass root level. Starting from projects which provide clear value and are easy to implement was seen as the most promising starting point. The empirical results were compared to the current literature on this topic. In order to help companies to create systematic way of implanting AI in procurement a framework was build which takes into account the identified drivers, barriers and practises.

Tässä diplomityössä tarkastellaan puolistrukturoitujen asiantuntijahaastattelujen ja Gioia-menetelmän avulla tekoälyn käyttöönoton edistäjiä ja esteitä hankinta-prosessissa Suomalaisessa teollisuudessa. Tämän opinnäytetyön empiirisenä lähteenä oli yhdeksän asiantuntijahaastattelua kuudessa eri yrityksestä.

Tämän tutkimuksen tärkeimmät tulokset olivat edistäjät, esteet ja käytännöt tekoälyn käyttöönotolle hankinnoissa. Tunnistetut edistäjät olivat tehokkuus ja parempien päätöksien tekeminen. Tunnistetut esteet olivat "tiedon ja arvon puute", "haluttomuus investoida ja ottaa riskejä tekoälyn kanssa" ja "strategian ja organisaation kannustuksen puute". Hankintojen asiantuntijoiden oli vaikea arvioida, mitä arvoa tekoäly hankinnoille tarjoaa. Ei ole tarpeeksi konkreettisia käyttötapauksia tekoälyn käyttöönotolle hankinnoissa. Toisaalta hankinnoissa ei ole tällä hetkellä tarpeeksi osaavia työntekijöitä keksimään ja kehittämään tekoäly-ratkaisuja. Muut kehitysprojektit kilpailevat tekoälyn kanssa samoista resursseista ja yritykset vertailevat projekteja keskenään niiden tuottaman arvon perusteella. Hankintatoiminnolla on myös rajalliset resurssit ja suurin osa ajasta käytetään jokapäiväiseen toimintaan. Tekoälyn säätely yrityksissä on hidasta, mikä entisestään hidastaa käyttöönottoa. Teollisuussektori ei näe IT:tä strategisena etuna, vaan kuluna.

Yritykset tunnistivat kaksi hyvää käytäntöä tekoälyn käyttöönotossa, "alhaalta ylöspäin suuntautuva kehitys" ja "matalalla roikkuvat hedelmät inspiraation lähteenä". Alhaalta ylös lähestymistapa nähtiin parhaana käytäntönä, koska taidon ja tietämyksen nähdään sijaitsevan yrityksissä ruohonjuuritasolla. Lupaavimpana lähtökohtana pidettiin selkeää arvoa tuottavia ja helposti toteutettavia pilottihankkeita. Empiirisiä tuloksia verrattiin tämän aiheen nykyiseen kirjallisuuteen. Auttaakseen yrityksiä luomaan systemaattista tapaa soveltaa tekoälyä hankintoihin luotiin viitekehys, joka ottaa huomioon tunnistetut edistäjät, esteet ja käytännöt.