|
|
AI-enabled dynamic capabilities for transforming digital business models to smart business models |
|---|---|
| Author: | Saadatmanesh, Hamideh1,2 |
| Organizations: |
1University of Oulu Graduate School 2University of Oulu, Oulu Business School, Martti Ahtisaari Institute |
| Format: | ebook |
| Version: | published version |
| Access: | open |
| Online Access: | PDF Full Text (PDF, 3.1 MB) |
| Persistent link: | http://urn.fi/urn:isbn:9789526238203 |
| Language: | English |
| Published: |
H. Saadatmanesh,
2023
|
| Publish Date: | 2023-09-18 |
| Thesis type: | Doctoral Dissertation |
| Defence Note: | 20th Oct 2023, Online defense session |
| Tutor: |
Professor Timo Koivumäki |
| Reviewer: |
Professor Heikki Karjaluoto Professor Jesper C. Sort |
| Opponent: |
Professor Marikka Heikkilä |
| Description: |
AbstractAI as the most important general-purpose technology of the day with its innumerable possibilities is on its way to become a key technology for the digital transformation. Algorithms especially for ML usually perform various tasks outstandingly. Hybrid models of AI, if put into business models, would help in improving the match making between actors of the ecosystems. However, many aspiring digital platforms lack effective strategies to establish profitable digital business models. Emerging digital healthcare market is shifting from traditional hospital-centric care to a more virtual, and personalized care that heavily leverages the latest technologies around AI, DL, DA, genomics, home-based healthcare, robotics, and three-dimensional printing of tissue and implants. This emerging digital healthcare market requires a profound, yet little understood perspective of transformation of digital business model by identifying the AI-enabled dynamic capabilities that could serve as a strong competitive differentiator. This understanding would help in value capture and value creation for companies who are developing digital platform to pull insights from data, and secure competitive advantage. The aim of this dissertation is to identify the AI-enabled dynamic capabilities that companies need for the transformation of their digital business models to smart business models in the emerging digital healthcare market. The findings of the study reveal that orchestration as one of the AI-enabled dynamic capabilities could be categorized as Capability to install desired information behaviors and values, Leadership capabilities, Capability to develop appropriate information management processes, and Information analytics capabilities. Also, these dynamic capabilities could be categorized as assisting, augmenting, and automating meaning that taking specific orchestrator roles (e.g., operational role implementation or role switching, role augmentation, and role automation). These three important observations are aligned with the preceding discussions in the literatures and utilizing them would explicate how different types of dynamic capabilities allow orchestrators to adopt different roles and succeed in conducting the focal activities of a company. However, the goal of this study is not to integrate or bridge specific paradigms, but to identify the AI-enabled dynamic capabilities. So, this dissertation further argues and conclude that the digital business model is a higher-level strategic AI-enabled dynamic capability that can serve as a tool for sensing, seizing, and transforming in the company business ecosystems through opportunity exploration and exploitation, value creation and capture, advantage exploration and exploitation functions to respond to the company’s digital business model transformation. Businesses can move along these two identified AI-enabled dynamic capabilities (digital business model itself and orchestration) for the transformation of their current digital business models from AI perspective and target smart business model vision in the emerging digital healthcare market. Effective and efficient implementation of AI in the transformation of the companies’ digital business models would enhance the competitiveness of many businesses. However, it won’t help some other businesses drive value, opportunity, and advantage by improving the process through automation to win the market. In most cases, AI augments rather than replacing the human effort. see all
TiivistelmäTekoäly on nykypäivän tärkeimpiä yleiskäyttöisiä teknologioita ja sen lukemattomat mahdollisuudet ovat tulossa digitaalisen muutoksen avaintekijöiksi. Esimerkiksi koneoppimiseen tarkoitetut algoritmit suorittavat jo merkittäviä tehtäviä. Tekoälyn hybridimallit, jos ne yhdistetään liiketoimintamalleihin, auttavat parantamaan liiketoimintaekosysteemin toimijoiden yhteensovittamista. Monilta kehittyviltä digitaalisilta alustoilta puuttuu kuitenkin tehokkaita strategioita tekoälyperustaisten digitaalisten liiketoimintamallien luomiseksi. Sellaiset markkinat kuin terveydenhuolto ovat avautumassa ja siirtymässä perinteisestä sairaalakeskeisestä toiminnasta virtuaalisempaan ja yksilöllisempään suuntaan, pyrkien hyödyntämään uusinta teknologiaa juuri tekoälyn mutta myös syväoppimisen, data-analytiikan, genomiikan, kotihoidon, robotiikan ja kolmiulotteisen kudosten ja implanttien tulostuksen muodossa. Nämä markkinat edellyttävät syvällistä mutta vielä vähän ymmärrettyä ja kokonaisvaltaista näkökulmaa älykkäiden liiketoimintamallien omaksumiseen. Tämä edellyttää, että tunnistetaan ne tärkeimmät dynaamiset kyvykkyydet, jotka voivat toimia vahvoina kilpailutekijöinä yrityksille, jotka kehittävät digitaalisia alustoja saadakseen sekä näkemyksiä datasta että turvatakseen kilpailuetunsa. Tämän tutkimuksen tavoitteena onkin tunnistaa kyvykkyydet, joita yritykset tarvitsevat muuttaakseen digitaalisia liiketoimintamallejaan älykkäiksi terveydenhuollon markkinoilla. Tutkimuksen tulokset osoittavat, että liiketoimintaekosysteemien orkestrointi on yksi tärkeimmistä tällaisista kyvykkyyksistä. Se voidaan hahmottaa kyvyksi ohjata tietokäyttäytymistä ja arvoja, johtamiskyvykkyyksiksi ja kyvyksi kehittää tarpeellisia tiedonhallintaprosesseja ja tiedon analysointikeinoja. Kyvykkyydet voitaisiin myös luokitella avustaviksi, täydentäviksi ja automatisoiviksi, mikä tarkoittaa esimerkiksi tiettyjen orkestrointiroolien ottamista ja toteuttamista tai roolin vaihtoa, lisäystä ja automatisointia. Tämä on hyvin linjassa aiemmissa tutkimuksissa esitettyjen johtopäätösten kanssa, mutta kyvykkyyksiin paneutuminen selventää, miten ne mahdollistavat orkestroijien erilaiset roolit ja onnistumisen niissä. Tutkimuksen tavoitteena ei kuitenkaan ole uppoutua tiettyihin rooleihin, vaan tunnistaa tekoälyn mahdollistamat kyvykkyydet digitaalisen liiketoimintamallin muutoksessa älykkääksi liiketoimintamalliksi. Tutkimuksessa päätellään, että älykäs liiketoimintamalli on yrityksen korkean tason strateginen kyvykkyys. Se voi toimia keinona liiketoimintapotentiaalin havaitsemiseen, sellaiseen tarttumiseen ja liiketoiminnan muuttamiseen niin, että mahdollisuudet hyödynnetään arvon luomiseksi ja nauttimiseksi. Yritykset voivat älykkään liiketoimintamallin ja ekosysteemisen orkestrointikyvykkyytensä avulla kehittää vision pärjätäkseen muuttuvilla terveydenhuollon markkinoilla. Vaikka älykäs liiketoimintamalli parantaisi monen yrityksen kilpailukykyä, se ei kuitenkaan mahdollisesti auta aivan kaikkia luomaan mahdollisuuksia ja arvoa ja tuottamaan uusia automatisoituja prosesseja. Useimmissa tapauksissa tekoäly lisäksi täydentää ihmisen työtä sen sijaan, että se korvaisi työn tekemisen kokonaan. see all
|
| ISBN: | 978-952-62-3820-3 |
| ISBN Print: | 978-952-62-3819-7 |
| Type of Publication: |
G4 Doctoral dissertation (monograph) |
| Field of Science: |
512 Business and management |
| Subjects: | |
| Funding: |
I have been privileged in receiving financial support from Tauno Tönning Foundation of Finland (April 2021) as part of the journey. I also worked for LNETN project (Oct 2020 - Apr 2022), which was funded by the Marie Skłodowska-Curie grant agreement No 860364. |
| EU Grant Number: |
(860364) LNETN - Legitimation of Newness and Its Impact on EU Agenda for Change |
| Copyright information: |
© University of Oulu, 2023. This publication is copyrighted. You may download, display and print it for your own personal use. Commercial use is prohibited. |