Generative AI in market intelligence and product innovation : a case study in industrial B2B context
Iles, Benjamin (2026)
Pro gradu -tutkielma
2026
School of Business and Management, Kauppatieteet
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi-fe20260905123012
https://urn.fi/URN:NBN:fi-fe20260905123012
Tiivistelmä
Generative AI is widely expected to transform information-intensive business activities, yet its role in industrial B2B contexts has received limited research attention. This study examines how generative AI is used in market intelligence and product innovation, what challenges and barriers organisations face, what future opportunities they identify, and what conditions enable it to create value in this context.
The study is a qualitative case study in which the data were analysed thematically. The empirical data consist of 13 semi-structured expert interviews conducted in four organisations operating in Finland.
The findings show that the adoption of generative AI is still in its early stages and focused on improving the efficiency of existing processes. The main barriers are unreliable AI outputs, insufficient data and knowledge infrastructure, limited firm-level coordination, and gaps in user capability. Future opportunities relate especially to more advanced use of AI in expert work, supporting better, faster, and more coordinated decision-making, as well as market foresight. AI is also expected to streamline routine tasks.
The study develops a framework that identifies four conditions for generative AI-enabled value creation: strategic intent, data and knowledge infrastructure, governance and operational integration, and user capability. The findings suggest that generative AI does not create value on its own, but through the combined contribution of technology, the organisation, and user capability. Generatiivisen tekoälyn odotetaan mullistavan tietointensiivistä liiketoimintaa, mutta sen roolia teollisessa B2B-kontekstissa on tutkittu vasta rajallisesti. Tämä tutkimus tarkastelee, miten generatiivista tekoälyä hyödynnetään markkinatiedossa ja tuoteinnovaatiossa, millaisia haasteita ja esteitä organisaatiot kohtaavat, mitä tulevaisuuden mahdollisuuksia ne tunnistavat, sekä millä edellytyksillä se tuottaa arvoa tässä kontekstissa.
Tutkimus on laadullinen tapaustutkimus, jossa aineisto analysoitiin temaattisella analyysillä. Tutkimuksen empiirinen aineisto pohjautuu 13 puolistrukturoituun asiantuntijahaastatteluun neljässä Suomessa toimivassa organisaatiossa.
Tulokset osoittavat, että generatiivisen tekoälyn käyttöönotto on vasta alkuvaiheessa ja keskittyy nykyisten prosessien tehostamiseen. Keskeisimpiä esteitä ovat tekoälyn tuotosten epäluotettavuus, puutteellinen data- ja tietoinfrastruktuuri, vähäinen yritystason koordinaatio sekä käyttäjien osaamisen aukot. Tulevaisuuden mahdollisuudet liittyvät erityisesti tekoälyn edistyneempään hyödyntämiseen asiantuntijatyössä: se voi parantaa päätöksenteon laatua, nopeutta ja koordinointia sekä tukea markkinoiden ennakointia. Tekoälyn odotetaan myös tehostavan rutiinitehtäviä.
Tutkimuksessa kehitetään viitekehys, joka erittelee neljä generatiivisen tekoälyn arvonluonnin edellytystä: strateginen päämäärä, data- ja tietoinfrastruktuuri, hallinto ja operatiivinen integraatio sekä käyttäjien osaaminen. Tulosten mukaan generatiivinen tekoäly ei tuota arvoa itsessään, vaan teknologian, organisaation ja käyttäjien osaamisen yhteisvaikutuksen kautta.
The study is a qualitative case study in which the data were analysed thematically. The empirical data consist of 13 semi-structured expert interviews conducted in four organisations operating in Finland.
The findings show that the adoption of generative AI is still in its early stages and focused on improving the efficiency of existing processes. The main barriers are unreliable AI outputs, insufficient data and knowledge infrastructure, limited firm-level coordination, and gaps in user capability. Future opportunities relate especially to more advanced use of AI in expert work, supporting better, faster, and more coordinated decision-making, as well as market foresight. AI is also expected to streamline routine tasks.
The study develops a framework that identifies four conditions for generative AI-enabled value creation: strategic intent, data and knowledge infrastructure, governance and operational integration, and user capability. The findings suggest that generative AI does not create value on its own, but through the combined contribution of technology, the organisation, and user capability.
Tutkimus on laadullinen tapaustutkimus, jossa aineisto analysoitiin temaattisella analyysillä. Tutkimuksen empiirinen aineisto pohjautuu 13 puolistrukturoituun asiantuntijahaastatteluun neljässä Suomessa toimivassa organisaatiossa.
Tulokset osoittavat, että generatiivisen tekoälyn käyttöönotto on vasta alkuvaiheessa ja keskittyy nykyisten prosessien tehostamiseen. Keskeisimpiä esteitä ovat tekoälyn tuotosten epäluotettavuus, puutteellinen data- ja tietoinfrastruktuuri, vähäinen yritystason koordinaatio sekä käyttäjien osaamisen aukot. Tulevaisuuden mahdollisuudet liittyvät erityisesti tekoälyn edistyneempään hyödyntämiseen asiantuntijatyössä: se voi parantaa päätöksenteon laatua, nopeutta ja koordinointia sekä tukea markkinoiden ennakointia. Tekoälyn odotetaan myös tehostavan rutiinitehtäviä.
Tutkimuksessa kehitetään viitekehys, joka erittelee neljä generatiivisen tekoälyn arvonluonnin edellytystä: strateginen päämäärä, data- ja tietoinfrastruktuuri, hallinto ja operatiivinen integraatio sekä käyttäjien osaaminen. Tulosten mukaan generatiivinen tekoäly ei tuota arvoa itsessään, vaan teknologian, organisaation ja käyttäjien osaamisen yhteisvaikutuksen kautta.