Loading...
Publication
Exploring AI adoption in the European automotive industry : drivers and barriers
| Name: | Description: | Size: | Format: | |
|---|---|---|---|---|
| 773.32 KB | Adobe PDF |
Authors
Advisor(s)
Abstract(s)
The European automotive industry faces increased competitive pressure and the use of artificial intelligence emerges as a crucial factor to drive improvements and maintain competitiveness. This study explores how AI is being adopted within the automotive industry using the Technology-Organisation-Environment-Framework. Based on eleven interviews with managers, data scientists and AI experts, the study identifies key drivers and barriers in the adoption process. Findings indicate that AI adoption is frequently initiated with a bottom-up approach, in which functional departments identify potential applications that are then developed together with central AI or Data Analytics teams. Organisational barriers, including limited resources, lengthy approval processes, and data compliance challenges, emerged as particularly significant, while technical barriers stemmed from complex infrastructure, legacy systems, and data quality and accessibility issues. External barriers were mainly due to regulatory and policy constraints. Despite these challenges, strategic sponsorship, strong top management support, AI’s business value, effective data management, and robust, updated IT infrastructure were identified as essential to enable AI adoption. Additionally, addressing barriers through organisation-wide, top-down initiatives appeared to be of importance. This study contributes to current literature by deepening the understanding of the adoption process, presenting influencing factors and revealing the interplay of organisational, technical and environmental aspects.
A indústria automóvel europeia enfrenta uma crescente pressão concorrencial, tornando essencial a adoção da inteligência artificial (IA) para manter a sua competitividade no mercado. Este estudo analisa a forma como a IA está a ser implementada no sector, considerando fatores tecnológicos, organizacionais e ambientais. A investigação baseou-se em 11 entrevistas a gestores e especialistas em dados e IA, permitindo identificar os principais fatores e obstáculos à adoção. A introdução da IA ocorre frequentemente por iniciativa dos departamentos operacionais, sendo depois desenvolvida em colaboração com equipas especializadas. Os maiores desafios são de natureza organizacional, como a escassez de pessoal qualificado, a morosidade nos processos de decisão e as dificuldades na gestão de dados. Também foram identificadas barreiras técnicas, relacionados com infraestruturas complexas, limitações dos sistemas existentes e problemas de qualidade e acessibilidade dos dados. Adicionalmente, fatores externos, como regulamentos e políticas públicas, constituem barreiras relevantes. Apesar destes desafios, o sucesso na adoção da IA depende do investimento estratégico, do forte envolvimento da gestão, da clareza quanto ao valor comercial das aplicações, de uma gestão de dados eficaz e de uma infraestrutura tecnológica robusta. Iniciativas organizacionais de abordagem descendente (top-down) mostraram ser fundamentais para ultrapassar barreiras. Este estudo aprofunda o conhecimento sobre a adoção da IA no sector automóvel, destacando interações entre fatores técnicos, organizacionais e ambientais.
A indústria automóvel europeia enfrenta uma crescente pressão concorrencial, tornando essencial a adoção da inteligência artificial (IA) para manter a sua competitividade no mercado. Este estudo analisa a forma como a IA está a ser implementada no sector, considerando fatores tecnológicos, organizacionais e ambientais. A investigação baseou-se em 11 entrevistas a gestores e especialistas em dados e IA, permitindo identificar os principais fatores e obstáculos à adoção. A introdução da IA ocorre frequentemente por iniciativa dos departamentos operacionais, sendo depois desenvolvida em colaboração com equipas especializadas. Os maiores desafios são de natureza organizacional, como a escassez de pessoal qualificado, a morosidade nos processos de decisão e as dificuldades na gestão de dados. Também foram identificadas barreiras técnicas, relacionados com infraestruturas complexas, limitações dos sistemas existentes e problemas de qualidade e acessibilidade dos dados. Adicionalmente, fatores externos, como regulamentos e políticas públicas, constituem barreiras relevantes. Apesar destes desafios, o sucesso na adoção da IA depende do investimento estratégico, do forte envolvimento da gestão, da clareza quanto ao valor comercial das aplicações, de uma gestão de dados eficaz e de uma infraestrutura tecnológica robusta. Iniciativas organizacionais de abordagem descendente (top-down) mostraram ser fundamentais para ultrapassar barreiras. Este estudo aprofunda o conhecimento sobre a adoção da IA no sector automóvel, destacando interações entre fatores técnicos, organizacionais e ambientais.
Description
Keywords
Artificial intelligence AI adoption Automotive industry TOE framework Exploratory research Inteligência artificial Adoção de IA Indústria automóvel Quadro TOE Pesquisa exploratória
Pedagogical Context
Citation
Publisher
CC License
Without CC licence