A Dual System View of AI Use in Organizations: An Empirical Study of Performance Effects

Abstract

I løpet av de siste årene har det vært en merkbar endring i diskusjonene rundt kunstig intelligens (KI), med et økende fokus på å utforske de praktiske konsekvensene av KI for både private og offentlige organisasjoner, utover bare de tekniske aspektene. KI har lovet flere fordeler for bedrifter, inkludert økt forretningsverdi. Likevel er det usikkerhet knyttet til virkningene av automatisering og forsterkning gjennom KI for organisasjoner, hvordan det kan bidra til å gi de en konkurransefordel, og hvilke mekanismer som er involvert for å oppnå dette. Denne masteroppgaven utforsker feltet KI-automatisering og KI-forsterkning ved hjelp av en undersøkelsesbasert tilnærming. Først bygger masteroppgaven på tidligere forskning om bruken av KI i organisasjoner og lager, basert på den, definisjoner for KI- basert automatisering og KI-basert forsterkning. Deretter brukes en spørreundersøkelse for å undersøke effekten av automatisering og forsterkning ved hjelp av KI på strategisk forbedring, radikal fornyelse og konkurransedyktighet. Data fra spørreundersøkelsen hentes fra 154 IT-ledere på høyt nivå som jobber i amerikanske selskaper, og analyseres for å teste den foreslåtte forskningsmodellen. Resultatene av analysen støtter empirisk opp om den foreslåtte forskningsmodellen og viser at bedrifter kan forbedre sin strategiske forbedring og radikale fornyelse ved å utnytte KI for automatisering og forsterkning, og dermed øke sin konkurranseevne.

In recent years, there has been a noticeable shift in discussions surrounding artificial intelligence (AI), with a growing emphasis on exploring the practical implications of AI for private and public organizations, moving beyond solely technical aspects. AI promises to provide several benefits to firms, including increased business value. However, there is uncertainty about the effects of automation and augmentation by AI on organizational performance, how it can contribute to gaining a competitive advantage, and the underlying mechanisms involved. This thesis explores the field of AI augmentation and automation by employing a survey-based approach. Drawing upon existing literature on AI implementation in organizations, this thesis establishes definitions and scales for the measures for AI-enabled automation and AI-enabled augmentation. Then, a survey is conducted to examine the effects of AI automation and augmentation on strategic improvement, radical rejuvenation, and competitive performance. The survey data, consisting of responses from 154 high-level IT executives employed in American companies, are analyzed to test the proposed research model. The empirical findings support the proposed research model, demonstrating that firms can enhance their strategic improvement and radical rejuvenation by leveraging AI for automation and augmentation, ultimately improving their competitive performance.