The Opportunities and Challenges of Artificial Intelligence in New Product Development

Abstract

The importance of artificial intelligence (AI) has developed rapidly through various industries, however, one key area where its role is still facing high uncertainty in adoption is new product development (NPD). It is currently not applied evenly across the NPD process stages; the results of this thesis indicate that particularly mid- to late NPD stages have seen most AI adaptation as of now. Yet, stages where applications are still lacking especially are early stages of NPD such as ideation and go/no-go decisions. This thesis aims to present a comprehensive overview of the challenges associated with AI adoption in NPD, the opportunities it could enable, the areas where is has been utilized so far as well as it’s anticipated role in the future of NPD.

This thesis is conducted as a systematic literature review, where thematic- and comparative analysis methods are applied to structure recurring themes into key findings and comparing significant findings with established theoretical frameworks. The theoretical framework of this thesis is carried out with three theories that deal with lifecycle of innovative change: Diffusions of Innovations theory (DOI), Dynamic Capabilities theory (DCT) as well as Disruptive Innovation theory. The literature analysis of this thesis reviews various peer-reviewed academic JUFO rated articles, complemented with book-based case examples and classic literature around the topic.

Furthermore, DCT indicates that well-directed “sensing” assessments along with “seizing” and “reconfiguring” mechanisms could enable organizations to transform risks and uncertainties into value adding resources instead. According to DOI, relative advantage, compatibility and complexity are some of the key concepts that can be used to interpret organization’s cost-benefit ratio to explain its classification as an adopter of a new technology. Disruptive Innovation theory indicates that AI in NPD can be categorized currently as a “sustaining” technology because it was considered to be value adding across all the examined case examples.

This study contributes to the existing literature by compiling a study that utilizes DOI, DCT and Disruptive Innovation theory in the context of AI in NPD. The results of this thesis provide useful insights for organizations looking to consider AI adoption in some of their NPD process stages. This thesis also points out research gaps and directions for future research of the topic, as such it also contributes to valuable knowledge to the researchers around the topic.

Tekoälyn merkitys on kehittynyt nopeasti useilla eri toimialoilla, mutta yksi keskeinen osa-alue, jossa sen rooli kohtaa edelleen runsaasti epävarmuutta käyttöönotossa on uusien tuotteiden kehitys. Tällä hetkellä sitä ei sovelleta tasaisesti kaikilla uuden tuotekehityksen prosessin vaiheissa ja tämän tutkimuksen tulokset osoittavat, että sitä on sovellettu eniten uuden tuotekehitys prosessin keski- ja loppuvaiheissa. Vaiheet, joissa sovellutuksia on vähemmän, ovat erityisesti prosessin alkuvaiheet kuten ideointi ja hyväksymys/hylkäämispäätökset. Tämän tutkielman tavoitteena on esittää kattavasti sen käyttöönottoon liittyvät haasteet, mahdollisuudet, osa-alueet, joissa sitä on tähän mennessä hyödynnetty sekä sen arvioitu rooli tulevaisuuden näkökulmasta.

Tutkielma toteutetaan systemaattisena kirjallisuuskatsauksena hyödyntäen temaattista- ja vertailevaa analyysimenetelmää jäsentäen toistuvia teemoja kirjallisuuden ympäriltä keskeisiksi havainnoiksi sekä vertailemalla merkittäviä havaintoja teoreettisten tulkintamallien avulla. Teoreettinen viitekehitys toteutetaan kolmen innovatiivisen muutoksen elinkaarta käsittelevän teorian avulla, joita ovat Diffusion of Innovations -teoria, Dynamic Capabilities -teoria sekä Disruptive Innovation -teoria. Tutkielman kirjallisuusanalyysissä tarkastellaan vertaisarvioituja JUFO-luokiteltuja akateemisia artikkeleita, joita täydennetään kirjoihin perustuvilla tapausesimerkeillä sekä aihetta käsittelevällä alan klassikkokirjallisuudella.

Dynamic Capabilities -teoria osoittaa, että oikein suunnatut tunnistamis-, tarttumis- ja uudelleenkonfigurointikyvykkyydet mahdollistavat riskien ja epävarmuustekijöiden muuntamisen arvoa lisääviksi resursseiksi. Diffusion of Innovations -teoria puolestaan kertoo, että suhteellinen etu, yhteensopivuus sekä monimutkaisuus ovat esimerkkejä keskeisistä käsitteistä, joiden avulla voidaan tulkita organisaation kustannushyötysuhdetta selittäessä sen luokittelua uuden teknologian omaksujana. Disruptive Innovation -teorian mukaan tekoäly voidaan luokitella tällä hetkellä ”ylläpitävänä” teknologiana uuden tuotekehityksen saralla, koska sitä pidettiin lisäarvoa tuovana kaikissa tarkastelluissa tapausesimerkeissä.

Tutkielma täydentää olemassa olevaa kirjallisuutta aiheen ympäriltä kokoamalla tutkimuksen, joka hyödyntää näitä kolmea teoriaa osana tekoälyn tutkimusta uuden tuotekehityksen saralla. Tutkielman tutkimustulokset tarjoavat hyödyllisiä näkemyksiä organisaatioille, jotka harkitsevat tekoälyn käyttöönottoa joissakin uuden tuotekehityksen prosessin vaiheissa. Tutkimus tuottaa arvokasta tietoa aiheen tutkijoille nostamalla esiin tutkimusaukkoja sekä ehdottamalla suuntauksia jatkotutkimukselle.