Valmistavan yrityksen tekoälystrategian muodostaminen : Tapaustutkimus

Abstract

Tekoäly on kehittynyt tällä vuosituhannella ennennäkemätöntä vauhtia mullistaen eri toimialoja aina lääketieteestä viestintään. Valmistavassa teollisuudessa tekoälyn avulla voidaan muun muassa tehostaa prosesseja, edistää vuorovaikutusta asiakkaiden kanssa ja automatisoida dataan perustuvaa päätöksentekoa. Tekoälyn käyttöönotto ei kuitenkaan ole ongelmatonta, vaan se tuo mukanaan haasteita, kuten datanhallintaan, prosesseihin ja etiikkaan liittyviä kysymyksiä. Tieteelliseen tutkimukseen pohjaava tekoälystrategia mahdollistaa tekoälyn hallitun käyttöönoton ja ennaltaehkäisee siihen liittyviä haasteita.

Tämän diplomityön tavoitteena on selvittää, miten valmistavan teollisuuden tekoälyn käyttöönoton kypsyyttä voidaan kehittää sen operatiivisella eli varsinaisen toiminnan tasolla. Tavoitteen saavuttamiseksi tutkimukselle asetettiin kolme alatutkimuskysymystä: Millaisia mahdollisuuksia tekoäly tarjoaa valmistavan teollisuuden eri toimintojen tuottavuuden kehittämiseksi? Millaisia haasteita tekoälyn käyttöönottoon liittyy? Miten tekoälyn käyttöönoton haasteisiin voidaan vastata?

Tutkimus koostuu kirjallisuuskatsauksesta ja empiirisestä tapaustutkimuksesta. Kirjallisuuskatsaus muodostuu kahdesta osasta. Ensimmäisessä osassa perehdytään tekoälyn käsitteeseen ja tieteenalaan, tekoälyn käytännön ratkaisuihin ja sovelluksiin sekä tekoälyn kehittämiseen ja käyttöön liittyviin eettisiin kysymyksiin. Toinen osa pureutuu erilaisiin tekoälyn käyttöönoton viitekehyksiin valmistavan teollisuuden toimintojen näkökulmasta. Tämä sisältää digitaalisen ja AI-transformaation käsitteiden ja niihin liittyvien haasteiden avaamista, tekoälyn käyttöönoton kypsyysmallien vertailua sekä tekoälystrategian muodostamisen viitekehysten tutkimista. Empiirinen tutkimus puolestaan toteutettiin pragmatistisen tutkimusfilosofian ohjaamana laadullisena tapaustutkimuksena. Tutkimuksen kohteena oli suomalainen valmistavan teollisuuden yritys. Käytännössä aineiston keruu tapahtui teemahaastatteluiden avulla. Yhteensä haastateltiin 22 työntekijää kohdeorganisaation kaikista ydintoiminnoista.

Tutkimustulokset osoittavat, että valmistavan yrityksen yleiset tuottavuushaasteet, kuten epäselvät roolit ja vastuut, linkittyvät olennaisella tavalla tekoälyn käyttöönoton haasteisiin, kuten datastandardien puutteeseen. Tutkimuksen tuloksena muodostettiin valmistavalle yritykselle konkreettinen, viisi eri kypsyysdimensiota huomioiva tekoälystrategia, joka jäi kohdeyrityksen käyttöön. Tutkimuksessa todettiin myös tarve tekoälymahdollisuuksien ja yritysten tarpeiden jatkuvalle uudelleenarvioinnille johtuen tekoälyn nopeasta kehityksestä. Tämä tutkimus vastaa osaltaan kirjallisuudessa todettuun aukkoon konkreettisten kehitystoimenpiteiden johtamisesta kypsyysmallin pohjalta. Edelleen tarvitaan lisää monialaista ja monimenetelmällistä tutkimusta tekoälyn käyttöönoton haasteista. Erityisesti tekoälyn eettiset ulottuvuudet vaativat tarkempaa tarkastelua ja integrointia kypsyysmalliin.

Artificial intelligence (AI) has developed at an unprecedented pace in the 21st century, revolutionising a broad range of industries, from medicine to communications. In the manufacturing industry, AI can help streamline processes, enhance customer interactions, and automate data-driven decision-making. However, AI adoption brings not only possibilities but also challenges, such as issues related to data management, operational processes, and ethics. An AI strategy based on scientific research enables the controlled implementation of AI while mitigating its associated challenges.

The aim of this thesis is to explore how AI maturity can be developed in the manufacturing industry at the operational level. To reach this goal, the following three sub-questions were formulated: What opportunities does AI offer for improving operational productivity in the manufacturing industry? What challenges are related to the implementation of AI? How can these challenges be overcome?

The study consists of a literature review and an empirical case study. The literature review is divided into two parts. The first part introduces the concept and discipline of AI, its practical solutions and applications, and ethical issues related to its development and use. The second part examines various AI implementation frameworks from the perspective of manufacturing operations. This includes discussing on digital and AI transformation, challenges related to these phenomena, comparing AI deployment maturity models, and exploring frameworks for AI strategy development. The empirical research was conducted as a qualitative case study, guided by a pragmatist research philosophy. The subject of the study was a Finnish manufacturing company, and data was collected through thematic interviews involving 22 employees from all core functions of the organisation.

The results indicate that general productivity challenges in manufacturing, such as unclear roles and responsibilities, are closely linked to AI adoption challenges, including the lack of data standards. The study resulted in a concrete AI strategy covering five maturity dimensions, which was retained by the case company. Due to the rapid evolution of AI, a continuous reassessment of AI capabilities and business needs was also identified as essential. This study contributes to the existing literature by addressing the gap in deriving concrete development activities based on an AI maturity model. Furthermore, there is still a need for multidisciplinary, mixed-method, and multi-method research on AI adoption challenges. In particular, the ethical dimensions of AI require further consideration and integration into the maturity model.