The potential of generative artificial intelligence in leading a scalable agile enterprise by objectives
Tuunainen, Henna (2024)
Diplomityö
2024
School of Engineering Science, Tietotekniikka
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi-fe20241219104804
https://urn.fi/URN:NBN:fi-fe20241219104804
Tiivistelmä
The potential of artificial intelligence (AI) in strategic management and operations remains unexplored mainly due to the novelty of the technology. This study examined how generative artificial intelligence (GAI) can enhance leading by objectives in scalable agile enterprises to improve productivity efficiency. Using a design science research (DSR) approach, the study developed a leading by objectives framework over four iterative cycles.
In the first cycle, the themes of high-level leading by objectives were identified and evaluated for technical suitability and potential benefits. The second cycle mapped the AI features of most used project management tools and refined the framework into more specific use cases. In the third cycle, the impacts of increasing context in prompts were analysed, and the framework’s use cases were tested with ChatGPT using simulated data to evaluate their feasibility. The fourth cycle observed Microsoft Copilot experiments conducted by a business team in the partner company to understand the real-life potential of the leading by objective use cases.
The findings show that GAI can already support nearly all identified leading by objective use cases, despite current technical and reliability challenges. Furthermore, the growing integration of GAI features into the most used project management tools supports the long-term investment in these technologies for productivity gains. To maximize GAI’s benefits in leading by objectives, integrating the technology into business systems, identifying valuable use cases, and mastering effective prompting techniques are crucial to creating a positive and impactful AI experience. Tekoälyn potentiaalia yritysten strategisessa johtamisessa ja operatiivisessa toiminnassa on tutkittu teknologian uutuuden takia vielä vähäisesti. Tässä tutkimuksessa tarkasteltiin generatiivisen tekoälyn mahdollisuuksia skaalautuvan ketterän yrityksen tavoitejohtamisessa tuottavuushyötyjen parantamiseksi. Suunnittelututkimuksen (DSR) avulla neljän iteratiivisen syklin aikana kehitettiin tavoitejohtamisen viitekehys.
Ensimmäisessä syklissä tunnistettiin korkean tason tavoitejohtamisen teemat ja arvioitiin niiden teknologista soveltuvuutta ja potentiaalisesti saavutettavia hyötyjä. Toisessa syklissä kartoitettiin käytetyimpien projektinhallintatyökalujen tekoälyominaisuuksia ja pilkottiin viitekehyksen teemat tarkemmiksi käyttötapauksiksi. Kolmannessa syklissä analysoitiin kehotteen kontekstin kasvatuksen vaikutuksia sekä viitekehyksen käyttötapauksia testattiin simuloidulla datan avulla ChatGPT:llä niiden toteutettavuuden arvioimiseksi. Neljännessä syklissä seurattiin vielä yhteistyöyrityksen liiketoimintatiimin Microsoft Copilot -kokeiluja, jotta ymmärrettäisiin tavoitejohtamisen käyttötapausten todelliset mahdollisuudet.
Keskeiset havainnot osoittavat, että GAI-teknologiaa voidaan jo nyt käyttää lähes kaikissa tunnistetuissa tavoitejohtamisen käyttötapauksissa huolimatta nykyisistä teknisistä rajoituksista ja luotettavuusongelmista. Lisäksi GAI-ominaisuuksien lisääntyvä integrointi yleisimpiin käytettyihin projektinhallintatyökaluihin osoittaa, että pitkän aikavälin investoinnit näihin teknologioihin ovat perusteltuja tuottavuuden parantamisen näkökulmasta. Jotta GAI:n käytöstä tavoitteiden johtamisessa saataisiin mahdollisimman suuri hyöty, tulisi teknologia integroida liiketoimintajärjestelmiin, tunnistaa hyödylliset käyttökohteet ja opetella tehokkaita kehotustekniikoita, joilla on myös tärkeä rooli myönteisen tekoälykokemuksen saavuttamisessa.
In the first cycle, the themes of high-level leading by objectives were identified and evaluated for technical suitability and potential benefits. The second cycle mapped the AI features of most used project management tools and refined the framework into more specific use cases. In the third cycle, the impacts of increasing context in prompts were analysed, and the framework’s use cases were tested with ChatGPT using simulated data to evaluate their feasibility. The fourth cycle observed Microsoft Copilot experiments conducted by a business team in the partner company to understand the real-life potential of the leading by objective use cases.
The findings show that GAI can already support nearly all identified leading by objective use cases, despite current technical and reliability challenges. Furthermore, the growing integration of GAI features into the most used project management tools supports the long-term investment in these technologies for productivity gains. To maximize GAI’s benefits in leading by objectives, integrating the technology into business systems, identifying valuable use cases, and mastering effective prompting techniques are crucial to creating a positive and impactful AI experience.
Ensimmäisessä syklissä tunnistettiin korkean tason tavoitejohtamisen teemat ja arvioitiin niiden teknologista soveltuvuutta ja potentiaalisesti saavutettavia hyötyjä. Toisessa syklissä kartoitettiin käytetyimpien projektinhallintatyökalujen tekoälyominaisuuksia ja pilkottiin viitekehyksen teemat tarkemmiksi käyttötapauksiksi. Kolmannessa syklissä analysoitiin kehotteen kontekstin kasvatuksen vaikutuksia sekä viitekehyksen käyttötapauksia testattiin simuloidulla datan avulla ChatGPT:llä niiden toteutettavuuden arvioimiseksi. Neljännessä syklissä seurattiin vielä yhteistyöyrityksen liiketoimintatiimin Microsoft Copilot -kokeiluja, jotta ymmärrettäisiin tavoitejohtamisen käyttötapausten todelliset mahdollisuudet.
Keskeiset havainnot osoittavat, että GAI-teknologiaa voidaan jo nyt käyttää lähes kaikissa tunnistetuissa tavoitejohtamisen käyttötapauksissa huolimatta nykyisistä teknisistä rajoituksista ja luotettavuusongelmista. Lisäksi GAI-ominaisuuksien lisääntyvä integrointi yleisimpiin käytettyihin projektinhallintatyökaluihin osoittaa, että pitkän aikavälin investoinnit näihin teknologioihin ovat perusteltuja tuottavuuden parantamisen näkökulmasta. Jotta GAI:n käytöstä tavoitteiden johtamisessa saataisiin mahdollisimman suuri hyöty, tulisi teknologia integroida liiketoimintajärjestelmiin, tunnistaa hyödylliset käyttökohteet ja opetella tehokkaita kehotustekniikoita, joilla on myös tärkeä rooli myönteisen tekoälykokemuksen saavuttamisessa.