Bawack, Ransome Epie (2021) Deriving Business Value From Artificial Intelligence In Business-To-Consumer E-Commerce Firms. École Doctorale Sciences de Gestion TSM (Toulouse).

Text Restricted Registered users only Download (2MB)

Abstract

Cette thèse par articles étudie comment les entreprises peuvent tirer parti de l’intelligence artificielle (l'IA) pour améliorer leurs capacités en matière de commerce électronique. La principale question de recherche à laquelle elle cherche à répondre est la suivante : comment l'IA peut-elle être comprise et exploitée pour améliorer les processus et les connaissances commerciales de l’entreprise, ainsi que l'engagement des clients dans le commerce électronique ? Le sujet de recherche est motivé par (i) le besoin croissant des entreprises de comprendre et d'apprendre sur les moyens de capitaliser sur les investissements en commerce électronique, susceptibles de répondre aux besoins actuels de leurs clients, et (ii) le besoin urgent d'expliquer le concept moderne de l'IA aux gestionnaires et la façon dont les technologies de l’IA peuvent être exploitées pour améliorer leurs capacités de commerce électronique. Cela a conduit à trois questions de recherche spécifiques : (i) comment comprendre l'IA d'une manière qui soit pertinente pour les gestionnaires ? (ii) comment les entreprises peuvent-elles tirer parti de l'IA pour améliorer leurs processus de commerce électronique et leur connaissance des affaires ? (iii) comment les entreprises peuvent-elles tirer parti de l'IA pour améliorer l'engagement des clients ? En raison de la densité et de la complexité du sujet, cette thèse adopte une approche méthodologique vaste. Elle fait appel à des typologies de recherche exploratoire, explicative et descriptive pour expliquer le quoi, le pourquoi et le comment des facteurs qui affectent la façon dont les entreprises peuvent créer de la valeur en utilisant l'IA dans le commerce électronique. Des stratégies de recherche quantitatives et qualitatives ont été adoptées, en fonction de la nature de la question de recherche. Les résultats de cette thèse sont résumés et présentés par question de recherche. RQ1 : Comment l'IA peut-elle être comprise d'une manière qui soit pertinente pour les managers ? Une perspective de l'IA qui peut être pertinente pour les gestionnaires intègre les dimensions de perception, de compréhension, d'action et d'apprentissage de l'intelligence que l'on retrouve dans l'IA. Dans cette optique, l'IA peut être classée en deux catégories principales : l'une centrée sur les interactions sociales et l'autre centrée sur les données. Utilisées ensemble, ces deux catégories peuvent créer une valeur commerciale importante pour les entreprises. RQ2 : Comment les entreprises peuvent-elles tirer parti de l'IA pour améliorer leurs processus de commerce électronique et leur connaissance du marché ? Les entreprises peuvent tirer parti de l'IA pour améliorer leurs processus de commerce électronique et leurs connaissances du marché en utilisant l'IA pour l'automatisation intelligente et l'aide à la décision. La capacité d'analyse automatisée (CAA) est une capacité dynamique que les entreprises pourraient développer pour atteindre cet objectif. Elle implique l'utilisation de techniques d'IA avancées pour automatiser les capacités analytiques des entreprises. RQ3 : Comment les entreprises peuvent-elles exploiter l'IA pour améliorer l'engagement des clients ? Les entreprises peuvent tirer parti de l'IA pour améliorer l'engagement des clients par le biais de l’amélioration de l'expérience client. Cette thèse contribue à la recherche sur la valeur commerciale de l'IA qui est un débat passionné dans les forums de chercheurs et de praticiens. Plus précisément, elle contribue aux débats dans le domaine des systèmes d’information sur la valeur commerciale de l'IA du point de vue des gestionnaires et des consommateurs, sur l'utilisation stratégique de l'IA pour créer de la valeur commerciale, et sur la façon dont l'IA peut servir de source de création de valeur par l'engagement des clients et l'automatisation.

This thesis by publication investigates how firms can leverage AI to enhance their e-commerce capabilities. The main research question it sought to answer is: how can AI be understood and leveraged to improve business processes, insights, and customer engagement in e-commerce? The research topic is motivated by two main aspects. First, it is motivated by the growing need for firms to understand and learn how to capitalise on e-commerce investments that meet their customers' current needs. Second, it is inspired by the urgent need to explain the modern-day AI concept to managers and how it can be leveraged to enhance their e-commerce capabilities. These motivations led to one main research question: how can AI be understood and leveraged to enhance processes, business insights, and customer engagement in e-commerce? This main question was broken down into three specific research questions: (i) how can managers understand AI in a relevant way for value creation? (ii) how can firms leverage AI to improve their e-commerce processes and business insight? (iii) how can firms leverage AI to enhance customer engagement? This thesis adopts a vast methodological approach due to the topic's density and complexity. It uses exploratory, explanatory, and descriptive research types to explain the what, why, and how factors affecting firms' ability to create value by using AI in e-commerce. Quantitative and qualitative research strategies were adopted, depending on the research question. Documents (literature review data and data from practitioner sources), bibliometric data, interview data, and survey data were used to conduct this research. They were analysed using various techniques: content analysis, bibliometric analysis, PLS-SEM, and FsQCA. Furthermore, several theories were mobilised to explain the results: dynamic capability theory, theory of affordances, Goldberg’s Big Five Factors of personality, and a contextualised theory of reasoned action (TRA-privacy). The results of this thesis are summarised and presented by research question. RQ1: how can managers understand AI in a relevant way for value creation? A perspective of AI that can be relevant to managers incorporates the perception, comprehension, action, and learning dimensions of intelligence found in AI. Using this lens, AI can be categorised into two main categories: one centred around social interactions (frontend AI) and the other that is data-centred (backend AI). Both of them used together can create significant business value for firms. RQ2: How can firms leverage AI to improve their e-commerce processes and business insight? Firms can leverage AI to improve their e-commerce processes and business insights by using (backend) AI for intelligent automation and decision support. Automated analytics capability (AAC) is a dynamic capability that firms could develop to meet this objective. It implies using advanced AI techniques to automate firms' analytics capabilities. RQ3: How can firms leverage AI to enhance customer engagement? Firms can leverage AI to enhance customer engagement by leveraging (frontend) AI to enhance customer experience. This thesis contributes to research on AI's business value, a trending debate in both researcher and practitioner forums. Specifically, it contributes to IS debates on AI's business value from the manager and consumer perspectives, the strategic use of AI to create business value, and how AI can serve as a value creation source through customer engagement and automation. In marketing research, it contributes to debates about AI transforming marketing and retailing processes. It also contributes to understanding and anticipating voice shopping behaviours, experiences, and customers' engagement. Finally, it contributes to business & management research on AI by proposing an alternative interpretation of the concept of AI that could facilitate the use of AI for realistic digital transformation.