Digital and AI transformation for creating business value and innovation

Abstract

Due to technological advances and disruptions in the business environment, digital transformation has become imperative rather than a choice for organizations, attracting significant interest from researchers and practitioners. Despite the growing number of firms undertaking digital transformation, there is still limited understanding of how to realize business value, and many fail to implement it effectively, thereby facing a digital paradox and technological failures. Digital transformation goes beyond merely digitizing processes; it represents a comprehensive digital disruption that affects customers, business models, and the entire organization. This phenomenon has been explored from various perspectives in academic literature, including information systems management, marketing management, strategic management, innovation management, and operations management. Digital transformation consists of three key stages: digitization, digitalization, and digital transformation, all driven by the innovative use of digital technologies. Among others, Artificial Intelligence (AI) emerged as a key driver in the last period, ushering in a new wave of business transformation. The main objective of this research is to understand how digital technologies can create business value and drive innovation through business transformation. Notably, it examines how the impact of certain technologies can be framed under the lens of digital transformation to map expected and achieved economic, capability, and innovation-driven outcomes and necessary changes. This study also investigates the strategic role of digital transformation in driving business innovation. In addition, this thesis aims to study the impact of Artificial Intelligence on businesses and introduce the concept of AI transformation to address the lack of consensus around this term. The thesis research model is grounded upon a unified definition, a multi-layered theoretical digital transformation framework, and a practitioner-centric framework providing salient industry perspectives, enriching the analytical depth. We combine, validate, and extend both utilizing empirical evidence in real settings. The research model is based on six key building blocks that can be used to conceptualize digital transformation: the nature of change, the entity, the means (such as the appropriate resources, capabilities, and technologies), the expected outcome, the impact, and the scope of changes. This thesis employs a multiple-stage, mixed-method approach utilizing a quantitative and qualitative research strand to address the research objective and questions. Firstly, a preliminary quantitative study was conducted in small businesses (500 companies) to provide empirical evidence, deepening our understanding and enabling us to decide the more suitable entities for examining the digital transformation phenomenon. The study focused on measuring key dimensions of the research model, particularly technology adoption and key capabilities (such as the existence of basic digital skills). Results reveal that despite the various business benefits, including resilience in times of crisis, most small businesses are in the early stages of digitization, which is the preliminary phase of digital transformation. Small businesses utilize only a few available technologies, have limited digital skills, and face significant challenges, such as a lack of resources and awareness, which hinder their ability to adopt and leverage technologies for a comprehensive digital transformation. As a result, the following studies focus on bigger organizations and organizations with adequate resources (human, financial, and technological), so there is a higher probability of extracting meaningful insights and exploring digital transformation as organizations are involved in digital transformation initiatives. Main Study 1 aims to provide empirical evidence to support the research model, highlighting the strategic role of digital transformation as a catalyst for achieving business innovation. A quantitative study with 250 medium and big businesses in Greece is implemented to validate the above-mentioned relationship employing Partial Least Squares Structural Equation Modeling. The study’s findings confirm the significant impact of digital transformation on business model innovation, demonstrating that firms with higher digital transformation maturity can systematically redefine how they create, deliver, and acquire value to a greater extent. The study also highlights that digital transformation is significantly enhanced by an appropriate digital culture shaped by narrow strategic and organizational changes. In parallel, Main Study 2 leverages all dimensions of the research model to examine four real-life manufacturing transformation cases. We aim to combine theoretical insights and empirical evidence to validate the unified digital transformation framework (all dimensions of the research model) as a lens to frame the implementation of an advanced technological solution based on digital twins following a multiple-case study approach. We purposively selected these four case studies based on their data availability, engagement in the study, and relevance to the research objective. The findings show that the research model of this thesis can be used to frame and evaluate certain technologies and transformation projects under the digital transformation lens, highlighting key expected and observed outcomes and revealing essential future strategic roles and prerequisites for organizational transformation. In recent years, companies’ transformation efforts have increasingly focused on harnessing business value from AI, ushering in a new era of AI-driven transformation. To this end, this thesis aims to examine the impact of AI under a digital transformation lens, introducing the term ‘AI transformation’ by extending the identified unified definition of digital transformation and providing a conceptualization building upon the thesis research model. The study’s strength lies in its empirical foundation, as Main Study 3 concerns a global survey with 1594 big businesses across different geographies and industries. The findings of the study offer valuable insights regarding the key dimensions of our research model, such as the AI technologies adopted by businesses, the most critical capabilities/resources, and the expected outcomes that companies aim to achieve as well as have achieved. The study analyzes the differences, along these dimensions, between firms that have achieved substantial impact through AI transformation and those that, despite its use, have failed to reap the expected benefits. This comparative analysis highlights the critical conditions, i.e., organizational capabilities necessary for a successful transformation, such as resource prioritization, organizational support, and linking business needs with appropriate AI solutions. This PhD thesis offers multidisciplinary theoretical and empirical contributions primarily in information systems, innovation, and strategy management literature, as well as marketing and operations management literature. Firstly, it contributes to the literature by providing empirical evidence on the digitization of small businesses, revealing key business benefits and challenges. Secondly, it investigates and validates the real-life impact of digital transformation on business innovation as an essential business outcome of digital transformation, while most existing studies have focused on economic-driven outcomes, as well as it supports the strong effect of digital organizational culture on driving digital transformation and highlights the critical role of organizational transformation for businesses. Additionally, this thesis contributes by developing a methodological approach to studying and understanding the impact of digital technologies through the lens of digital transformation, bridging the gap between the theoretical understanding of digital transformation and its practical implications. It presents the applicability of this proposed approach by applying it to four case studies of advanced technology transformation projects (the case of digital twins in production). As a result, the study presents a mixed-method qualitative and quantitative evaluation of digital twins’ applications in manufacturing to inform relevant literature on the obtained and expected outcomes and the challenges of introducing them in the field. Finally, this thesis contributes to the literature by introducing, defining, and conceptualizing the new term ‘AI Transformation’ to address the ambiguity observed in both academic research and practical applications, presenting also prominent expected outcomes, achieved outcomes, challenges, and critical competencies required for enterprises to integrate AI. This PhD provides managerial implications for practitioners. Specifically, it introduces a digital readiness index that small businesses can use to assess their digital readiness and insights for deepening the awareness of employees and owners on small business digitalization. Additionally, it offers guidance for manufacturing firms on leveraging digital twins as a catalyst for digital transformation. The research also presents a structured approach for analyzing technologies and transformation projects through a digital transformation lens to map expected and observed outcomes, future considerations, and organization requirements. Lastly, it conceptualizes the impact of artificial intelligence on businesses, highlighting key capabilities that organizations should prioritize to drive AI-enabled growth. It also offers practical insights and a primer that companies can use to inform their AI strategies and successfully implement them in the context of digital transformation. This thesis provides some future research directions. Future studies should investigate where and under which circumstances small businesses can achieve a comprehensive digital transformation. Additionally, by building upon the thesis approach, future studies could replicate digital transformation analysis in various industries and other technologies, such as real-life AI transformation cases, comparing the findings with the thesis results. For instance, future research can shed light on companies’ diverse AI transformation paths, examining multiple cases from diverse industries, geographies, and sizes. Additionally, while the thesis focuses on large firms and high-turnover industries, there is a need to understand further the unique challenges SMEs face in AI transformation, given their limited financial and human capital resources. In this context, collaborative networks, innovation ecosystems, and public policy interventions could be explored. Finally, the socio-technical transformation of AI technologies is significant. As the new paradigm of human-AI collaboration presents both opportunities and challenges, there is a need for a deeper analysis of trust, workforce transformation and augmentation, leadership adaptation, and the well-being of employees in AI-augmented workplaces, balancing business efficiency. Finally, as sustainability becomes a central focus in business discourse, future research should investigate how AI technologies can simultaneously drive economic growth and environmental sustainability, particularly regarding AI’s carbon footprint, ESG compliance, and sustainable business practices.

Λόγω των τεχνολογικών εξελίξεων και των διαταραχών στο επιχειρηματικό περιβάλλον, ο ψηφιακός μετασχηματισμός έχει καταστεί επιτακτική ανάγκη και όχι επιλογή για τους οργανισμούς, προσελκύοντας σημαντικό ενδιαφέρον από ερευνητές και επαγγελματίες. Παρά την αυξανόμενη τάση των επιχειρήσεων προς τον ψηφιακό μετασχηματισμό, εξακολουθεί να παρατηρείται περιορισμένη κατανόηση του τρόπου με τον οποίο μπορεί να δημιουργήσει επιχειρηματική αξία. Ως αποτέλεσμα, πολλές επιχειρήσεις αποτυγχάνουν να τον εφαρμόσουν αποτελεσματικά, οδηγούμενες σε ένα ψηφιακό παράδοξο και τεχνολογικές αποτυχίες. Ο ψηφιακός μετασχηματισμός υπερβαίνει την απλή ψηφιοποίηση των διαδικασιών, αντιπροσωπεύει μια συνολική ψηφιακή αναστάτωση που επηρεάζει τους πελάτες, τα επιχειρηματικά μοντέλα και ολόκληρο τον οργανισμό. Το φαινόμενο αυτό έχει διερευνηθεί από διάφορες οπτικές γωνίες στην ακαδημαϊκή βιβλιογραφία, συμπεριλαμβανομένης της διοίκησης πληροφοριακών συστημάτων, της στρατηγικής διοίκησης, της διοίκησης καινοτομίας, της διοίκησης μάρκετινγκ και της διοίκησης λειτουργιών. Ο ψηφιακός μετασχηματισμός αποτελείται από τρία βασικά στάδια: την ψηφιοποίηση (digitization), όπου αναλογικές πληροφορίες μετατρέπονται σε ψηφιακή μορφή, την ψηφιοποίηση διαδικασιών (digitalization), που αφορά την ενσωμάτωση ψηφιακών τεχνολογιών στις επιχειρησιακές λειτουργίες και τέλος, τον ψηφιακό μετασχηματισμό (digital transformation), ο οποίος αφορά την πιο εκτεταμένη φάση, με ουσιαστικό μετασχηματισμό της εμπειρίας των πελατών, των διαδικασιών και του επιχειρηματικού μοντέλου. Μεταξύ των ψηφιακών τεχνολογιών που ενεργοποιούν και υποστηρίζουν τον ψηφιακό μετασχηματισμό, η τεχνητή νοημοσύνη έχει αναδειχθεί σε βασικό μοχλό, σηματοδοτώντας πιθανόν ένα νέο κύμα μετασχηματισμού. Ο κύριος στόχος της παρούσας έρευνας είναι να κατανοήσει τον τρόπο με τον οποίο οι ψηφιακές τεχνολογίες μπορούν να δημιουργήσουν επιχειρηματική αξία και καινοτομία μέσω του επιχειρηματικού μετασχηματισμού. Ειδικότερα, εξετάζει πως ο αντίκτυπος συγκεκριμένων τεχνολογιών μπορεί να αναλυθεί υπό το πρίσμα του ψηφιακού μετασχηματισμού, επιτρέποντας τη συστηματική χαρτογράφηση των αναμενόμενων και επιτευχθέντων επιχειρηματικών αποτελεσμάτων και οργανωτικών αλλαγών. Παράλληλα, η μελέτη αποσκοπεί στην επικύρωση του στρατηγικού ρόλου των ψηφιακών τεχνολογιών και του μετασχηματισμού στην ενίσχυση της επιχειρηματικής καινοτομίας. Επιπλέον, η παρούσα διατριβή έχει ως στόχο να εξετάσει τον αντίκτυπο της τεχνητής νοημοσύνης στις επιχειρήσεις και να εισαγάγει την έννοια του μετασχηματισμού της τεχνητής νοημοσύνης ‘ΑΙ Transformation’. Το ερευνητικό μοντέλο βασίζεται σε έναν ενοποιημένο ορισμό, ένα πολυεπίπεδο θεωρητικό πλαίσιο ψηφιακού μετασχηματισμού και ένα εμπειρικό πλαίσιο. Συνδυάζουμε, επικυρώνουμε και επεκτείνουμε και τα δύο πλαίσια αξιοποιώντας εμπειρικά στοιχεία. Το ερευνητικό μοντέλο αποτελείται από έξι βασικά δομικά στοιχεία που μπορούν να χρησιμοποιηθούν για την εννοιολόγηση του ψηφιακού μετασχηματισμού: η φύση της αλλαγής, η επιχειρηματική οντότητα, τα μέσα (όπως οι κατάλληλοι πόροι, οι ικανότητες και οι τεχνολογίες), τα αναμενόμενα αποτέλεσμα, ο αντίκτυπος και το εύρος των αλλαγών. Η παρούσα διατριβή χρησιμοποιεί μια προσέγγιση πολλαπλών σταδίων, μικτής μεθόδου που χρησιμοποιεί ποσοτικό και ένα ποιοτικό ερευνητικό σκέλος, προκειμένου να επιτευχθεί ο ερευνητικός στόχος και να απαντηθούν τα ερευνητικά ερωτήματα. Αρχικά, διεξήχθη μια προκαταρκτική ποσοτική μελέτη σε μικρές επιχειρήσεις (500 εταιρείες), εμβαθύνοντας την κατανόηση του θέματος και επιτρέποντας την επιλογή των καταλληλότερων επιχειρηματικών οντοτήτων για την εξέταση του φαινομένου του ψηφιακού μετασχηματισμού. Η μελέτη επικεντρώθηκε στη μέτρηση των βασικών διαστάσεων του ερευνητικού μοντέλου, ιδίως της υιοθέτησης ψηφιακών τεχνολογιών και βασικών ικανοτήτων (όπως η ύπαρξη βασικών ψηφιακών δεξιοτήτων). Τα αποτελέσματα αποκαλύπτουν ότι, παρά τα διάφορα επιχειρηματικά οφέλη, συμπεριλαμβανομένης της ανθεκτικότητας σε περιόδους κρίσης, οι περισσότερες μικρές επιχειρήσεις βρίσκονται στα αρχικά στάδια της ψηφιοποίησης που αποτελεί την προκαταρκτική φάση του ψηφιακού μετασχηματισμού. Οι μικρές επιχειρήσεις χρησιμοποιούν λίγες μόνο διαθέσιμες τεχνολογίες, διαθέτουν περιορισμένες ψηφιακές δεξιότητες και αντιμετωπίζουν σημαντικές προκλήσεις, όπως η έλλειψη πόρων και ευαισθητοποίησης, οι οποίες εμποδίζουν την ικανότητά τους να υιοθετήσουν και να αξιοποιήσουν τεχνολογίες για έναν ολοκληρωμένο ψηφιακό μετασχηματισμό. Ως αποτέλεσμα, οι μελέτες που ακολουθούν, επικεντρώνονται σε μεγαλύτερους οργανισμούς και οργανισμούς που διαθέτουν επαρκείς πόρους (ανθρώπινους, οικονομικούς, τεχνολογικούς) και οργανωσιακή ετοιμότητα, ώστε οι οργανισμοί να εμπλέκονται σε πρωτοβουλίες ψηφιακού μετασχηματισμού και να υπάρχει μεγαλύτερη πιθανότητα εξαγωγής ουσιαστικών πληροφοριών και διερεύνησης του φαινομένου του ψηφιακού μετασχηματισμού. Η Κύρια Μελέτη 1 αποσκοπεί στην παροχή εμπειρικών στοιχείων που υποστηρίζουν το ερευνητικό μοντέλο, αναδεικνύοντας τον στρατηγικό ρόλο του ψηφιακού μετασχηματισμού ως καταλύτη για την επίτευξη επιχειρηματικής καινοτομίας. Μια ποσοτική μελέτη με 250 μεσαίες και μεγάλες επιχειρήσεις στην Ελλάδα υλοποιήθηκε για την επικύρωση της προαναφερθείσας σχέσης, χρησιμοποιώντας το Μοντέλο Δομικών Εξισώσεων Μερικών Ελαχίστων Τετραγώνων (Partial Least Squares Structural Equation Modeling). Τα ευρήματα της μελέτης επιβεβαιώνουν τη σημαντική επίδραση του ψηφιακού μετασχηματισμού στην καινοτομία του επιχειρηματικού μοντέλου, αναδεικνύοντας πως οι επιχειρήσεις που υιοθετούν ψηφιακές τεχνολογίες με στρατηγικό τρόπο μπορούν συστηματικά να επαναπροσδιορίσουν τον τρόπο δημιουργίας, παροχής και απόκτησης αξίας. Η μελέτη υπογραμμίζει ότι ο ψηφιακός μετασχηματισμός ενισχύεται σημαντικά από την ύπαρξη μιας κατάλληλης ψηφιακής κουλτούρας, η οποία διαμορφώνεται μέσα από στοχευμένες στρατηγικές και οργανωτικές αλλαγές. Παράλληλα, η Κύρια Μελέτη 2 αξιοποιεί όλες τις διαστάσεις του ερευνητικού μοντέλου για την ανάλυση τεσσάρων (4) περιπτώσεων ψηφιακού μετασχηματισμού στη βιομηχανία. Ο στόχος είναι η σύνθεση θεωρητικών γνώσεων και εμπειρικών δεδομένων, προκειμένου να επικυρωθεί το συνδυαστικό πλαίσιο ψηφιακού μετασχηματισμού, λαμβάνοντας υπόψη όλες τις διαστάσεις του ερευνητικού μοντέλου. Η μελέτη επικεντρώνεται στην ανάλυση μιας προηγμένης τεχνολογικής λύσης που βασίζεται σε ψηφιακά δίδυμα, ακολουθώντας μια προσέγγιση πολλαπλών περιπτώσεων. Επιλέχθηκαν, σκόπιμα, αυτές οι τέσσερις περιπτώσεις με βάση τη διαθεσιμότητα των δεδομένων, τη συμμετοχή τους στη μελέτη και τη συνάφεια με τον ερευνητικό στόχο. Τα ευρήματα δείχνουν ότι το μοντέλο μπορεί να χρησιμοποιηθεί για την πλαισίωση και αξιολόγηση συγκεκριμένων τεχνολογιών και έργων μετασχηματισμού υπό το πρίσμα του ψηφιακού μετασχηματισμού, αναδεικνύοντας τα βασικά αναμενόμενα και παρατηρούμενα αποτελέσματα και αποκαλύπτοντας μελλοντικούς στρατηγικούς ρόλους και προϋποθέσεις για τον οργανωτικό μετασχηματισμό. Τα τελευταία χρόνια, οι προσπάθειες μετασχηματισμού των εταιρειών επικεντρώνονται όλο και περισσότερο στην αξιοποίηση της τεχνητής νοημοσύνης για τη δημιουργία επιχειρηματικής αξίας, σηματοδοτώντας μια νέα εποχή μετασχηματισμού. Για το σκοπό αυτό, η παρούσα διατριβή εξετάζει τον αντίκτυπο της τεχνητής νοημοσύνης υπό το πρίσμα του ψηφιακού μετασχηματισμού, εισάγοντας τον όρο ‘Μετασχηματισμός με βάση την Τεχνητή Νοημοσύνη’ (ΑΙ Transformation), επεκτείνοντας τον ορισμό του ψηφιακού μετασχηματισμού και παρέχοντας μια εννοιολόγηση που βασίζεται στο ερευνητικό μοντέλο της διατριβής. Η Κύρια Μελέτη 3 αφορά μια παγκόσμια έρευνα με 1594 μεγάλες επιχειρήσεις σε διαφορετικές γεωγραφικές περιοχές και κλάδους. Τα ευρήματα της μελέτης παρέχουν γνώση σχετικά με τις βασικές διαστάσεις του ερευνητικού μοντέλου, όπως οι τεχνολογίες τεχνητής νοημοσύνης που υιοθετούνται από τις επιχειρήσεις, οι πιο κρίσιμες ικανότητες/πόροι και τα αναμενόμενα αποτελέσματα που οι επιχειρήσεις στοχεύουν να επιτύχουν, αλλά και έχουν επιτύχει. Η μελέτη αναλύει τις διαφοροποιήσεις, στις παραπάνω διαστάσεις, μεταξύ επιχειρήσεων που έχουν επιτύχει ουσιαστικό αντίκτυπο μέσω του μετασχηματισμού με τεχνητή νοημοσύνη και εκείνων που, παρά τη χρήση της, δεν έχουν καταφέρει να αποκομίσουν τα αναμενόμενα οφέλη. Μέσα από αυτή τη συγκριτική ανάλυση, αναδεικνύονται οι κρίσιμες συνθήκες, δηλαδή οι ικανότητες του οργανισμού που είναι απαραίτητες για έναν επιτυχημένο μετασχηματισμό, όπως η προτεραιοποίηση πόρων, η στήριξη από τη διοίκηση και τα ανώτερα στελέχη και η σύνδεση επιχειρηματικών αναγκών με κατάλληλες λύσεις τεχνητής νοημοσύνης. Η διδακτορική διατριβή προσφέρει διεπιστημονικές θεωρητικές και εμπειρικές συνεισφορές, κυρίως στη βιβλιογραφία της διοίκησης πληροφοριακών συστημάτων, της καινοτομίας και της στρατηγικής, καθώς και στη βιβλιογραφία της διοίκησης λειτουργιών και του μάρκετινγκ. Πρώτον, συμβάλλει στη βιβλιογραφία, αναλύοντας την ψηφιοποίηση των μικρών επιχειρήσεων, αποκαλύπτοντας βασικά επιχειρηματικά οφέλη και προκλήσεις. Δεύτερον, διερευνά και επικυρώνει τον αντίκτυπο του ψηφιακού μετασχηματισμού στην επιχειρηματική καινοτομία ως κρίσιμο στρατηγικό επιχειρηματικό αποτέλεσμα, ενώ οι περισσότερες υπάρχουσες μελέτες έχουν επικεντρωθεί σε οικονομικά αποτελέσματα. Υποστηρίζει επίσης την ισχυρή επίδραση της ψηφιακής οργανωτικής κουλτούρας στον ψηφιακό μετασχηματισμό και υπογραμμίζει τον κρίσιμο ρόλο του οργανωτικού μετασχηματισμού για τις επιχειρήσεις. Επιπλέον, η συμβολή της έρευνας βασίζεται στην ανάπτυξη μιας μεθοδολογικής προσέγγισης για τη μελέτη και την κατανόηση του αντίκτυπου των ψηφιακών τεχνολογιών υπό το πρίσμα του ψηφιακού μετασχηματισμού, γεφυρώνοντας το χάσμα μεταξύ της θεωρητικής και των πρακτικών εφαρμογών. Αξιολογείται η προτεινόμενη προσέγγιση με την εφαρμογή της σε τέσσερις μελέτες περιπτώσεων έργων ψηφιακού μετασχηματισμού (η περίπτωση των τεχνολογιών ψηφιακών διδύμων στην παραγωγή). Ως αποτέλεσμα, η μελέτη παρουσιάζει μια μεικτή μεθοδολογική ποιοτική και ποσοτική αξιολόγηση των εφαρμογών των ψηφιακών διδύμων στην παραγωγή. Η ανάλυση εστιάζει, τόσο στα επιτευχθέντα, όσο και στα αναμενόμενα αποτελέσματα, καθώς και στις προκλήσεις που προκύπτουν από την εισαγωγή τους στον κλάδο. Τέλος, η παρούσα διατριβή συμβάλλει στη βιβλιογραφία με την εισαγωγή, τον ορισμό και την εννοιολόγηση του νέου όρου ‘Μετασχηματισμός με βάση την Τεχνητή Νοημοσύνη’ (AI Transformation) για την αντιμετώπιση της ασάφειας που παρατηρείται, τόσο στην έρευνα, όσο και στην πράξη, παρουσιάζοντας, επίσης, αναμενόμενα αποτελέσματα, επιτευχθέντα αποτελέσματα, προκλήσεις και κρίσιμες ικανότητες που απαιτούνται για την ενσωμάτωση της τεχνητής νοημοσύνης από τις επιχειρήσεις. Η παρούσα διδακτορική διατριβή παρέχει πρακτική γνώση και επιχειρηματικές κατευθύνσεις για τους επαγγελματίες. Συγκεκριμένα, εισάγει ένα δείκτη ψηφιακής ετοιμότητας που μπορούν να χρησιμοποιήσουν οι μικρές επιχειρήσεις για να αξιολογήσουν την ψηφιακή τους ετοιμότητα και εμπειρικά στοιχεία σχετικά με την ψηφιοποίησή τους. Επιπλέον, προσφέρει καθοδήγηση για τις επιχειρήσεις στον τομέα της βιομηχανίας σχετικά με την αξιοποίηση των ψηφιακών διδύμων για την επίτευξη ψηφιακού μετασχηματισμού. Η έρευνα παρουσιάζει, επίσης, μια δομημένη προσέγγιση για την ανάλυση των τεχνολογιών και των έργων μετασχηματισμού για τη χαρτογράφηση των αναμενόμενων και παρατηρούμενων αποτελεσμάτων, των μελλοντικών εκτιμήσεων και των απαιτήσεων του οργανισμού. Τέλος, παρουσιάζει τον αντίκτυπο της τεχνητής νοημοσύνης στις επιχειρήσεις, επισημαίνοντας τις βασικές ικανότητες στις οποίες οι οργανισμοί θα πρέπει να δώσουν προτεραιότητα για να αξιοποιήσουν ουσιαστικά την τεχνητή νοημοσύνη. Προσφέρει επίσης εμπειρικά στοιχεία και ένα πλαίσιο που μπορούν να χρησιμοποιήσουν οι εταιρείες για να ενημερώσουν τις στρατηγικές τους για την τεχνητή νοημοσύνη και να την εφαρμόσουν με επιτυχία στο πλαίσιο του ψηφιακού μετασχηματισμού. Η παρούσα διατριβή παρέχει ορισμένες μελλοντικές ερευνητικές κατευθύνσεις. Οι μελλοντικές μελέτες θα πρέπει να διερευνήσουν πού και υπό ποιες συνθήκες οι μικρές επιχειρήσεις μπορούν να επιτύχουν έναν ολοκληρωμένο ψηφιακό μετασχηματισμό. Επιπλέον, αξιοποιώντας την προσέγγιση της διατριβής, μελλοντικές μελέτες θα μπορούσαν να επαναλάβουν την ανάλυση του ψηφιακού μετασχηματισμού σε άλλες τεχνολογίες, όπως περιπτώσεις μετασχηματισμού με τεχνητή νοημοσύνη, συγκρίνοντας τα ευρήματα με τα αποτελέσματα της διατριβής. Για παράδειγμα, οι μελλοντικές έρευνες μπορούν να ρίξουν φως στις διαφορετικές πορείες μετασχηματισμού με βάση την τεχνητή νοημοσύνη, εξετάζοντας πολλαπλές περιπτώσεις από διάφορους κλάδους, γεωγραφικές περιοχές και μεγέθη. Επιπλέον, ενώ η διατριβή επικεντρώνεται σε μεγάλες επιχειρήσεις και κλάδους με υψηλό κύκλο εργασιών, υπάρχει ανάγκη περαιτέρω κατανόησης των μοναδικών προκλήσεων που αντιμετωπίζουν οι μικρομεσαίες επιχειρήσεις στον μετασχηματισμό με τεχνητή νοημοσύνη, δεδομένων των περιορισμένων οικονομικών και ανθρώπινων πόρων τους. Στο πλαίσιο αυτό, θα μπορούσαν να διερευνηθούν τα δίκτυα συνεργασίας, τα οικοσυστήματα καινοτομίας και οι παρεμβάσεις δημόσιας πολιτικής . Ο κοινωνικο-τεχνικός μετασχηματισμός που προκύπτει από τις τεχνολογίες τεχνητής νοημοσύνης είναι ένα σημαντικό ζήτημα. Καθώς το νέο παράδειγμα της συνεργασίας ανθρώπου-τεχνητής νοημοσύνης παρουσιάζει τόσο ευκαιρίες, όσο και προκλήσεις, υπάρχει ανάγκη για βαθύτερη ανάλυση της εμπιστοσύνης, του μετασχηματισμού του εργατικού δυναμικού, της προσαρμογής της ηγεσίας και της ευημερίας των εργαζομένων σε χώρους εργασίας με τεχνητή νοημοσύνη, εξισορροπώντας την αποδοτικότητα των επιχειρήσεων. Τέλος, καθώς η βιωσιμότητα γίνεται κεντρικό θέμα στον επιχειρηματικό διάλογο, η μελλοντική έρευνα θα πρέπει να διερευνήσει τον τρόπο με τον οποίο οι τεχνολογίες τεχνητής νοημοσύνης μπορούν να προωθήσουν ταυτόχρονα την οικονομική ανάπτυξη και την περιβαλλοντική βιωσιμότητα, ιδίως όσον αφορά το αποτύπωμα άνθρακα της τεχνητής νοημοσύνης, τη συμμόρφωση με τους δείκτες ESG και τις βιώσιμες επιχειρηματικές πρακτικές.