Year: 2024
Type: dissertation
Abstract: Generatiivisella tekoälyllä on valtava potentiaali kasvattaa yksittäisten työntekijöiden tuottavuutta. Generatiivisen tekoälyn omaksumista ajatellen organisaatioiden tulee kiinnittää huomiota mitä organisaatiotasolla ja mitä yksilöiden näkökulmasta täytyy tehdä, jotta generatiivisen tekoälyn potentiaali saadaan ulosmitattua. \n \nTässä diplomityössä tutkitaan, mitä organisaation tulee huomioida yksilötasolla generatiivisen tekoälyn omaksumisessa. Työssä käytetään konstruktiivista tutkimusotetta ja hyödynnetään kvalitatiivisia menetelmiä. Omaksumista tarkastellaan teknologian hyväksymisen mallien, muutosvastarinnan teorian ja muutoksenhallinnan avulla. Asiantuntijahaastattelujen kautta pyritään ymmärtämään näiden suhteita ja merkitystä. Tutkimuksen päätavoitteena on tunnistaa omaksumiseen vaikuttavat tekijät, yleisimmät esteet sekä muutoksenhallinnan keinot, joilla omaksumista voidaan edistää. Työssä kehitetään viitekehys omaksumiselle, mutta sen implementointi on rajattu diplomityön jälkeiseksi kehityskohteeksi. \n \nTutkimuksessa tunnistettiin, että tehtävän ja teknologian yhteensopivuus, mahdollistavat olosuhteet ja henkilökohtainen innovatiivisuus ovat merkittävimpiä omaksumiseen vaikuttavia tekijöitä. Yleisimmät esteet ovat generatiivisen tekoälyn integroiminen rutiineihin, datan laatu ja muutosvastarinta. Muutoksenhallinnalla, erityisesti ADKAR-mallin mukaisilla aktiviteeteilla, voidaan tutkimuksen perusteella vaikuttaa merkittävästi omaksumisen tekijöihin. Lisäksi ennen varsinaisen muutosaloitteen käynnistämistä organisaatioiden tulee valmistautua generatiivisen tekoälyn käyttöönottoon. Tämä edellyttää datan laadun varmistamista sekä omaksumisen viitekehyksen hienosäätöä organisaatiokohtaisten haasteiden ja mahdollistajien tunnistamiseksi.
Source: LUTPub (LUT University)
Author: Böhm, Lauri
Language: Finnish
Subfield: Information Systems and Management
Field: Decision Sciences
Domain: Social Sciences
Keywords: generative AI, artificial intelligence adoption, knowledge workers, information work, technology acceptance, resistance to change, change management, ADKAR model, task-technology fit, individual innovation, AI adoption barriers, data quality, adoption framework, labor productivity, generative AI in the workplace, generative AI in education
Open Access status: green
OpenAlex ID: W7056592672
