Väitös tuotantotalouden alalta, M.Sc. Tomasz Mucha

Väitöskirjan nimi: Machine learning in organizations: The processes of diffusion, capability development, and reframing

Tohtoriopiskelija: Tomasz Mucha
Vastaväittäjä: Prof. Nicholas Berente, University of Notre Dame, Indiana, Yhdysvallat
Kustos: Prof. Robin Gustafsson, Aalto-yliopiston perustieteiden korkeakoulu, tuotantotalouden laitos

Pilottihankkeista kestävään liiketoimintaetuun: väitöstutkimus tarjoaa yrityksille tietoa koneoppimisen hyödyntämisestä. 

Tomasz Muchan uusi väitöskirja tutkii koneoppimisteknologioiden (ML) kasvavan suosion ja yritysten kohtaamien vaikeuksien välistä kuilua, kun nämä pyrkivät muuttamaan ML-projekteja pysyviksi organisaatioiden kyvykkyyksiksi. Väitöskirjan otsikko on " Machine learning in organizations: The processes of diffusion, capability development, and reframing". Tutkimuksessa tarkastellaan erityisiä haasteita, joita ML-pohjaisten järjestelmien kehittämiseen ja ylläpitoon liittyy. 

Vaikka ML-teknologian käyttöönotto on voimakkaassa kasvussa, tutkimus korostaa kriittistä eroa alkuperäisten ML-projektien ja pitkän aikavälin organisaatiokyvykkyyksien rakentamisen välillä. Toisin kuin perinteiset tietotekniikkajärjestelmät, joissa on ennaltaohjelmoidut säännöt, ML-järjestelmät perustuvat datasta oppimiseen. Tämä ero edellyttää erilaisia lähestymistapoja ML-järjestelmien kehittämiseen ja ylläpitoon. 

Väitöstutkimus käsittelee tätä haastetta kolmen tutkimusartikkelin avulla. Ensimmäisessä tarkastellaan ML-teknologian käytön laajuutta suurissa organisaatioissa. Toisessa artikkelissa syvennytään sisäisiin prosesseihin, jotka joko estävät tai edistävät ML-pohjaisten organisaatiokyvykkyyksien onnistunutta kehittämistä. Kolmannessa tutkitaan, kuinka olemassa olevia ML-järjestelmiä voidaan sovittaa toimimaan uusissa ympäristöissä. 

Tutkimus korostaa ML-pohjaisten valmiuksien kehittämisessä ja ylläpitämisessä tarvittavaa kokonaisvaltaista lähestymistapaa, joka ulottuu alkuvaiheen käyttöönottotoimia pidemmälle. Kaiken kokoiset yritykset voivat soveltaa näitä havaintoja kuroakseen umpeen kuilun pilottihankkeiden ja pysyvän liiketoiminta-arvon välillä. Ymmärtämällä ML-kehityksen haasteet ja mahdollisuudet organisaatiot voivat tehdä tietoon perustuvia päätöksiä ML-teknologian käyttöönotosta ja hyödyntämisestä pitkän aikavälin menestyksen saavuttamiseksi. Väitöstutkimus syventää ymmärrystämme koneoppimisen roolista liiketoiminnan suorituskyvyn ja digitalisoinnin edistämisessä.

Avainsanat: tekoäly, koneoppiminen, organisaation kyvykkyydet, teknologian leviäminen

Linkki väitöskirjan sähköiseen esittelykappaleeseen (esillä 10 päivää ennen väitöstä): https://aaltodoc.aalto.fi/doc_public/eonly/riiputus/

Yhteystiedot: 

Perustieteiden korkeakoulun väitöskirjat: https://aaltodoc.aalto.fi/handle/123456789/52