Supporting decentralized indirect procurement with an AI assistant : a Design Science Research approach
Rautiainen, Tommi (2026)
Pro gradu -tutkielma
2026
School of Business and Management, Kauppatieteet
Kaikki oikeudet pidätetään.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi-fe2026051445394
https://urn.fi/URN:NBN:fi-fe2026051445394
Tiivistelmä
This thesis examines how an AI assistant can support decentralized indirect procurement in a center-led procurement model. The research is driven by the need to support occasional buyers and ensure compliance with procurement processes in a situation where procurement volumes are growing but centralized resources are limited.
The research followed a Design Science Research (DSR) methodology complemented by a case study approach. During the research process, an AI assistant based on a RetrievalAugmented Generation (RAG) architecture was designed and developed through three iterative cycles. The artifact’s performance was ultimately evaluated through a pilot study with four end users, utilizing the Technology Acceptance Model (TAM) complemented by trust dimensions.
The results indicate that an AI assistant supports decentralized indirect procurement in three primary ways: as a low-threshold first point of contact, as a proactive gatekeeper, and as a scalable support mechanism. The AI assistant helped users identify procurement requirements that might otherwise have been overlooked.
The study demonstrates that an AI assistant can bridge the gap between centralized governance and decentralized execution, improving process compliance and reducing maverick buying. The design principles and architectural choices presented in this work provide a practical model for implementing similar AI-based guidance in other organizations. Tämä pro gradu -tutkielma tarkastelee, miten tekoälyavustaja voi tukea hajautettua epäsuoraa hankintaa keskitetysti johdetussa hankintamallissa. Tutkimuksen taustalla on tarve tukea työntekijöitä, jotka eivät ole hankinnan ammattilaisia, mutta tekevät kuitenkin satunnaisesti hankintoja työssään. Työn tavoitteena oli kehittää ja arvioida tekoälypohjainen työkalu, joka auttaa käyttäjiä toimimaan hankinnassa itsenäisemmin.
Tutkimus toteutettiin Design Science Research (DSR) metodologialla, jota täydennettiin tapaustutkimuksella. Tutkimusprosessin aikana suunniteltiin ja kehitettiin RetrievalAugmented Generation (RAG) -arkkitehtuuriin perustuva tekoälyavustaja. Työkalun toimivuus ja käyttäjäkokemus arvioitiin lopuksi loppukäyttäjillä tehdyn pilottitutkimuksen avulla hyödyntäen teknologian hyväksymismallia (TAM).
Tutkimustulokset osoittavat, että tekoälyavustaja voi tukea hajautettua hankintaa ensisijaisesti kolmella tavalla: se toimii matalan kynnyksen ensikontaktina, proaktiivisena portinvartijana sekä skaalautuvana tukimekanismina keskitetyn hankinnan ja sidosryhmien välillä. Avustaja auttoi käyttäjiä hankintaprosessissa sekä tunnistamaan hankintapolitiikan vaatimuksia, kuten tiettyjä kynnysarvoja ja vastuullisuusehtoja, jotka muutoin olisivat voineet jäädä huomioimatta.
The research followed a Design Science Research (DSR) methodology complemented by a case study approach. During the research process, an AI assistant based on a RetrievalAugmented Generation (RAG) architecture was designed and developed through three iterative cycles. The artifact’s performance was ultimately evaluated through a pilot study with four end users, utilizing the Technology Acceptance Model (TAM) complemented by trust dimensions.
The results indicate that an AI assistant supports decentralized indirect procurement in three primary ways: as a low-threshold first point of contact, as a proactive gatekeeper, and as a scalable support mechanism. The AI assistant helped users identify procurement requirements that might otherwise have been overlooked.
The study demonstrates that an AI assistant can bridge the gap between centralized governance and decentralized execution, improving process compliance and reducing maverick buying. The design principles and architectural choices presented in this work provide a practical model for implementing similar AI-based guidance in other organizations.
Tutkimus toteutettiin Design Science Research (DSR) metodologialla, jota täydennettiin tapaustutkimuksella. Tutkimusprosessin aikana suunniteltiin ja kehitettiin RetrievalAugmented Generation (RAG) -arkkitehtuuriin perustuva tekoälyavustaja. Työkalun toimivuus ja käyttäjäkokemus arvioitiin lopuksi loppukäyttäjillä tehdyn pilottitutkimuksen avulla hyödyntäen teknologian hyväksymismallia (TAM).
Tutkimustulokset osoittavat, että tekoälyavustaja voi tukea hajautettua hankintaa ensisijaisesti kolmella tavalla: se toimii matalan kynnyksen ensikontaktina, proaktiivisena portinvartijana sekä skaalautuvana tukimekanismina keskitetyn hankinnan ja sidosryhmien välillä. Avustaja auttoi käyttäjiä hankintaprosessissa sekä tunnistamaan hankintapolitiikan vaatimuksia, kuten tiettyjä kynnysarvoja ja vastuullisuusehtoja, jotka muutoin olisivat voineet jäädä huomioimatta.