Systematic literature review : AI and ML adoption in procurement

Abstract

The adoption of Artificial Intelligence and Machine Learning in procurement is transforming traditional practices, enabling data-driven decision-making, predictive analytics, and process automation. These technologies align with the principles of Procurement 4.0, fostering operational efficiency, strategic agility, and resilience. However, their adoption is impeded by technical barriers, such as legacy systems and data quality issues, organizational resistance driven by workforce concerns, and ethical challenges including algorithmic bias and data privacy risks.

This thesis conducts a systematic literature review to explore the benefits, barriers, and frameworks associated with AI and ML adoption in procurement. The findings focus on significant benefits, such as enhanced operational efficiency and improved supplier management, while also identifying key barriers that organizations must address to realize these advantages. The study applies theoretical frameworks, including Dynamic Capabilities Theory and the AI Integration Framework, to provide structured guidance for overcoming challenges.

Practical recommendations include phased implementation strategies, robust workforce training programs, and governance frameworks to ensure ethical and sustainable AI integration. By bridging the gap between theory and practice, this study offers actionable insights for procurement professionals and contributes to the evolving body of knowledge on AI and ML in procurement.

Tekoälyn ja koneoppimisen käyttöönotto hankintaprosesseissa muuttaa perinteisiä toimintamalleja, avaten uusia mahdollisuuksia datalähtöiselle päätöksenteolle, ennakoivalle analytiikalle ja prosessien automatisoinnille. Näiden teknologioiden avulla voidaan edistää Hankintatoimi 4.0 -periaatteiden mukaista toimintaa, jossa korostuvat tehokkuus, strateginen ketteryys ja hankintaketjujen resilienssi. Käyttöönottoa hidastavat kuitenkin useat haasteet, kuten vanhentuneet järjestelmät, datan laatuongelmat, henkilöstön huoliin liittyvä organisaatiotason vastustus sekä eettiset kysymykset, kuten algoritmien puolueellisuus ja tietosuojariskit.

Tämä kandidaatintutkielma toteuttaa systemaattisen kirjallisuuskatsauksen, jossa tarkastellaan tekoälyn ja koneoppimisen hyötyjä, esteitä ja soveltamismahdollisuuksia hankintaprosesseissa. Tulokset osoittavat merkittäviä hyötyjä, kuten operatiivisen tehokkuuden kasvua ja toimittajahallinnan tehostumista, mutta tuovat esille myös keskeisiä haasteita, jotka on ratkaistava teknologioiden täysimääräisen hyödyntämisen saavuttamiseksi. Tutkimus hyödyntää teoreettisia viitekehyksiä, kuten dynaamisten kyvykkyyksien teoria ja tekoälyintegroinnin viitekehys, jotka tarjoavat rakenteellisia ohjeita esteiden voittamiseksi.

Käytännön suositukset keskittyvät implementointistrategioihin, henkilöstön laaja-alaisiin koulutusohjelmiin sekä eettisen ja kestävän kehityksen periaatteiden mukaisiin hallintakehyksiin. Tutkimus yhdistää teorian ja käytännön tarjoten hankinta-alan ammattilaisille konkreettisia toimintamalleja, jotka syventävät ymmärrystä tekoälyn ja koneoppimisen mahdollisuuksista hankintaprosesseissa.