TU Darmstadt / ULB / TUbiblio

Adoption of Artificial Intelligence in an Organizational Context: Analysis of the Factors Influencing the Adoption and Decision-Making Process

Eitle, Verena (2023)
Adoption of Artificial Intelligence in an Organizational Context: Analysis of the Factors Influencing the Adoption and Decision-Making Process.
Technische Universität Darmstadt
doi: 10.26083/tuprints-00024340
Dissertation, Erstveröffentlichung, Verlagsversion

Kurzbeschreibung (Abstract)

The emergence of Artificial Intelligence (AI) shifts the business environment to such an extent that this general-purpose technology (GPT) is prevalent in a wide range of industries, evolves through constant advancements, and stimulates complementary innovations. By implementing AI applications in their business practices, organizations primarily benefit from improved business process automation, valuable cognitive insights, and enhanced cognitive engagements. Despite this great potential, organizations encounter difficulties in adopting AI as they struggle to adjust to corresponding complex organizational changes.

The tendency for organizations to face challenges when implementing AI applications indicates that AI adoption is far from trivial. The complex organizational change generated by AI adoption could emerge from intelligent agents’ learning and autonomy capabilities. While AI simulates human intelligence in perception, reasoning, learning, and interaction, organizations’ decision-making processes might change as human decision-making power shifts to AI. Furthermore, viewing AI adoption as a multi-stage rather than a single-stage process divides this complex change into the initiation, adoption, and routinization stages. Thus, AI adoption does not necessarily imply that AI applications are fully incorporated into enterprise-wide business practices; they could be at certain adoption stages or only in individual business functions. To address these complex organizational changes, this thesis seeks to examine the dynamics surrounding AI adoption at the organizational level. Based on four empirical research papers, this thesis presents the factors that influence AI adoption and reveals the impact of AI on the decision-making process. These research papers have been published in peer-reviewed conference proceedings.

The first part of this thesis describes the factors that influence AI adoption in organizations. Based on the technology-organization-environment (TOE) framework, the findings of the qualitative study are consistent with previous innovation studies showing that generic factors, such as compatibility, top management, and data protection, affect AI adoption. In addition to the generic factors, the study also reveals that specific factors, such as data quality, ethical guidelines, and collaborative work, are of particular importance in the AI context. However, given these technological, organizational, and environmental factors, national cultural differences may occur as described by Hofstede’s national cultural framework. Factors are validated using a quantitative research design throughout the adoption process to account for the complexity of AI adoption. By considering the initiation, adoption, and routinization stages, differentiating and opposing effects on AI adoption are identified.

The second part of this thesis addresses AI’s impact on the decision-making process in recruiting and marketing and sales. The experimental study shows that AI can ensure procedural justice in the candidate selection process. The findings indicate that the rule of consistency increases when recruiters are assisted by a CV recommender system. In marketing and sales, AI can support the decision-making process to identify promising prospects. By developing classification models in lead-and-opportunity management, the predictive performances of various machine learning algorithms are presented.

This thesis outlines a variety of factors that involve generic and AI-specific considerations, national cultural perspectives, and a multi-stage process view to account for the complex organizational changes AI adoption entails. By focusing on recruiting as well as marketing and sales, it emphasizes AI’s impact on organizations’ decision-making processes.

Typ des Eintrags: Dissertation
Erschienen: 2023
Autor(en): Eitle, Verena
Art des Eintrags: Erstveröffentlichung
Titel: Adoption of Artificial Intelligence in an Organizational Context: Analysis of the Factors Influencing the Adoption and Decision-Making Process
Sprache: Englisch
Referenten: Buxmann, Prof. Dr. Peter ; Jussupow, Prof. Dr. Ekaterina
Publikationsjahr: 13 Oktober 2023
Ort: Darmstadt
Kollation: 134 Seiten in verschiedenen Zählungen
Datum der mündlichen Prüfung: 11 Juli 2023
DOI: 10.26083/tuprints-00024340
URL / URN: https://tuprints.ulb.tu-darmstadt.de/24340
Kurzbeschreibung (Abstract):

The emergence of Artificial Intelligence (AI) shifts the business environment to such an extent that this general-purpose technology (GPT) is prevalent in a wide range of industries, evolves through constant advancements, and stimulates complementary innovations. By implementing AI applications in their business practices, organizations primarily benefit from improved business process automation, valuable cognitive insights, and enhanced cognitive engagements. Despite this great potential, organizations encounter difficulties in adopting AI as they struggle to adjust to corresponding complex organizational changes.

The tendency for organizations to face challenges when implementing AI applications indicates that AI adoption is far from trivial. The complex organizational change generated by AI adoption could emerge from intelligent agents’ learning and autonomy capabilities. While AI simulates human intelligence in perception, reasoning, learning, and interaction, organizations’ decision-making processes might change as human decision-making power shifts to AI. Furthermore, viewing AI adoption as a multi-stage rather than a single-stage process divides this complex change into the initiation, adoption, and routinization stages. Thus, AI adoption does not necessarily imply that AI applications are fully incorporated into enterprise-wide business practices; they could be at certain adoption stages or only in individual business functions. To address these complex organizational changes, this thesis seeks to examine the dynamics surrounding AI adoption at the organizational level. Based on four empirical research papers, this thesis presents the factors that influence AI adoption and reveals the impact of AI on the decision-making process. These research papers have been published in peer-reviewed conference proceedings.

The first part of this thesis describes the factors that influence AI adoption in organizations. Based on the technology-organization-environment (TOE) framework, the findings of the qualitative study are consistent with previous innovation studies showing that generic factors, such as compatibility, top management, and data protection, affect AI adoption. In addition to the generic factors, the study also reveals that specific factors, such as data quality, ethical guidelines, and collaborative work, are of particular importance in the AI context. However, given these technological, organizational, and environmental factors, national cultural differences may occur as described by Hofstede’s national cultural framework. Factors are validated using a quantitative research design throughout the adoption process to account for the complexity of AI adoption. By considering the initiation, adoption, and routinization stages, differentiating and opposing effects on AI adoption are identified.

The second part of this thesis addresses AI’s impact on the decision-making process in recruiting and marketing and sales. The experimental study shows that AI can ensure procedural justice in the candidate selection process. The findings indicate that the rule of consistency increases when recruiters are assisted by a CV recommender system. In marketing and sales, AI can support the decision-making process to identify promising prospects. By developing classification models in lead-and-opportunity management, the predictive performances of various machine learning algorithms are presented.

This thesis outlines a variety of factors that involve generic and AI-specific considerations, national cultural perspectives, and a multi-stage process view to account for the complex organizational changes AI adoption entails. By focusing on recruiting as well as marketing and sales, it emphasizes AI’s impact on organizations’ decision-making processes.

Alternatives oder übersetztes Abstract:
Alternatives AbstractSprache

Die Einführung von Künstlicher Intelligenz (KI) verändert das Geschäftsumfeld derart, dass diese Allzwecktechnologie in einer Vielzahl von Industrien verbreitet ist, sich ständig weiterentwickelt und ergänzende Innovationen vorantreibt. Durch die Implementierung von KI-Anwendungen in ihre Geschäftsabläufe profitieren Unternehmen in erster Linie von einer stärkeren Automatisierung von Geschäftsprozessen, wertvollen kognitiven Erkenntnissen und einem verstärkten kognitiven Engagement. Trotz dieses großen Potenzials stoßen Unternehmen bei der Einführung von KI auf Schwierigkeiten, da sie sich mit dem entsprechend komplexen organisatorischen Wandel auseinandersetzen müssen.

Die Tendenz, dass Unternehmen bei der Implementierung von KI-Anwendungen auf Herausforderungen stoßen, zeigt, dass die Einführung von KI alles andere als trivial ist. Der komplexe organisatorische Wandel, der durch die Einführung von KI ausgelöst wird, könnte sich aus den Lern- und Autonomiefähigkeiten intelligenter Agenten ergeben. Während KI die menschliche Intelligenz in den Bereichen Wahrnehmung, Denken, Lernen und Interaktion simuliert, könnten sich die Entscheidungsfindungsprozesse in Organisationen ändern, wenn die menschliche Entscheidungsgewalt auf KI übergeht. Betrachtet man die Einführung von KI als einen mehrstufigen und nicht als einen einstufigen Prozess, so wird diese komplexe Veränderung in die Phasen der Initiierung, der Einführung und der Routine unterteilt. Die Einführung von KI bedeutet also nicht zwangsläufig, dass KI-Anwendungen vollständig in unternehmensweite Geschäftspraktiken integriert sind; sie könnten sich in bestimmten Phasen oder nur in einzelnen Geschäftsfunktionen befinden. Um dem komplexen organisatorischen Wandel entgegenzuwirken, wird in dieser Arbeit die Dynamik im Zusammenhang mit der Einführung von KI auf der Organisationsebene untersucht. Auf der Grundlage von vier empirischen Forschungsarbeiten werden die Faktoren vorgestellt, die den Einsatz von KI beeinflussen und die Auswirkungen von KI auf den Entscheidungsprozess aufgezeigt. Diese Forschungsarbeiten wurden in von Experten begutachteten Konferenzberichten veröffentlicht.

Der erste Teil dieser Arbeit beschreibt die Faktoren, die die Einführung von KI in Unternehmen beeinflussen. Basierend auf dem Technologie-Organisation-Umwelt-Framework stimmen die Ergebnisse der qualitativen Studie mit früheren Innovationsstudien überein, die zeigen, dass generische Faktoren, wie Kompatibilität, Top-Management und Datenschutz die Einführung von KI beeinflussen. Zusätzlich zu den generischen Faktoren ergibt die Studie auch, dass spezifische Faktoren, wie Datenqualität, ethische Richtlinien und kollaboratives Arbeiten im Kontext von KI von besonderer Bedeutung sind. Angesichts dieser technologischen, organisatorischen und umweltbedingten Faktoren können jedoch nationale kulturelle Unterschiede auftreten, wie sie in Hofstedes nationalem Kultur Framework beschrieben werden. Die Faktoren werden mit Hilfe eines quantitativen Forschungsdesigns entlang des gesamten Einführungsprozesses validiert, um die Komplexität der Einführung von KI zu berücksichtigen. Durch die Betrachtung der Initiierungs-, Einführungs-, und Routinisierungsphasen werden differenzierende und gegenläufige Effekte auf die Einführung von KI identifiziert.

Der zweite Teil dieser Arbeit befasst sich mit den Auswirkungen von KI auf den Entscheidungsprozess in den Bereichen Recruiting sowie Marketing und Vertrieb. Die experimentelle Studie zeigt, dass KI im Bewerberauswahlprozess für Verfahrensgerechtigkeit sorgen kann. Die Ergebnisse deuten darauf hin, dass die Regel der Konsistenz zunimmt, wenn Personalverantwortliche von einem Lebenslaufempfehlungssystem unterstützt werden. In Marketing und Vertrieb kann KI den Entscheidungsprozess unterstützen, um vielversprechende Interessenten zu identifizieren. Durch die Entwicklung von Klassifikationsmodellen im Lead- und Opportunity-Management werden die Vorhersageleistungen verschiedener maschineller Lernalgorithmen vorgestellt.

In dieser Arbeit werden eine Reihe von Faktoren beschrieben, die allgemeine und KI-spezifische Erwägungen, nationale kulturelle Perspektiven und eine mehrstufige Prozessbetrachtung umfassen, um den komplexen organisatorischen Wandel, den die Einführung von KI mit sich bringt, zu berücksichtigen. Durch die Fokussierung auf die Bereiche Recruiting sowie Marketing und Vertrieb werden die Auswirkungen von KI auf die Entscheidungsprozesse von Unternehmen hervorgehoben.

Deutsch
Status: Verlagsversion
URN: urn:nbn:de:tuda-tuprints-243409
Sachgruppe der Dewey Dezimalklassifikatin (DDC): 000 Allgemeines, Informatik, Informationswissenschaft > 004 Informatik
300 Sozialwissenschaften > 330 Wirtschaft
Fachbereich(e)/-gebiet(e): 01 Fachbereich Rechts- und Wirtschaftswissenschaften
01 Fachbereich Rechts- und Wirtschaftswissenschaften > Betriebswirtschaftliche Fachgebiete
01 Fachbereich Rechts- und Wirtschaftswissenschaften > Betriebswirtschaftliche Fachgebiete > Wirtschaftsinformatik
Hinterlegungsdatum: 13 Okt 2023 09:16
Letzte Änderung: 16 Okt 2023 05:25
PPN:
Referenten: Buxmann, Prof. Dr. Peter ; Jussupow, Prof. Dr. Ekaterina
Datum der mündlichen Prüfung / Verteidigung / mdl. Prüfung: 11 Juli 2023
Export:
Suche nach Titel in: TUfind oder in Google
Frage zum Eintrag Frage zum Eintrag

Optionen (nur für Redakteure)
Redaktionelle Details anzeigen Redaktionelle Details anzeigen