Artificial intelligence : an adoption framework for the public sector

Purpose, originality and value – The presented dissertation aims at fulfilling one significant gap in existing knowledge: the lack of an adoption framework related to Artificial Intelligence (AI) implementation in Public Administrations (PAs), supported by empirical evidence. Additionally, the dissertation aims at providing a global census of AI projects developed in the public sphere, and its related analysis. The intention is to design a comprehensive and practical AI adoption model to support public managers in implementing AI solutions. Design, methodology and approach – To conduct the study, a multi-step methodology has been followed. Firstly, in order to describe the latest developments in the academic field and find out the most significant gaps in the literature an extensive literature review was conducted. Consequently, empirical analysis has been carried out, and a consistent number of projects related to AI adoption in PA were collected. Subsequently, data gathered from such projects was analysed according to several dimensions and through cross-data analysis. Afterwards, findings from the literature were deepened and challenged through a set of interviews. Finally, evidence collected from informants was merged with secondary sources of information and then further analysed to generate new theory from the aforementioned grounds. Findings – The twofold outputs of this dissertation are: (I) a global census of projects to map the current ecosystem concerning AI-based applications within the public sphere; (II) the Framework for AI adoption in public sector to support PAs’ managers to successfully scale up in implementing AI solutions. Practical and managerial implications – The final outcome is a holistic model that includes accelerating and strategic factors, drivers, operative steps and outcomes concerning AI in the public sphere. Such elements encompass both short-term and long-term prospects, including a transition phase, aiming to drive PAs’ managers in AI-innovations implementation. Limits and future research – The limits are due to the novelty of the topic and the plethora of AI solutions, each with its own peculiarities. Therefore, future research should focus on investigating the model for each individual AI solution class in depth. In addition, topics such as the Explainable AI and possible future scenarios for public works deserve to be explored in-depth.

Scopo, originalità e valore – La tesi mira a colmare una significativa lacuna a livello di letteratura accademica: la mancanza di un modello relativo all'implementazione dell’Intelligenza Artificiale (IA) nel settore pubblico, supportato da consistenti evidenze empiriche. In aggiunta, la tesi si pone come scopo di fornire un censimento su scala globale dei progetti di IA sviluppati nel contesto pubblico per mappare la situazione odierna. L’obiettivo finale è quello di generare un modello di adozione dell’IA completo e pratico al fine di supportare le Pubbliche Amministrazioni (PA), nell’implementazione efficace di tali soluzioni. Design, metodologia e approccio – Per condurre lo studio, la metodologia si è strutturata in più fasi. Si è svolta una revisione della letteratura, al fine di descrivere lo stato dell'arte delle opere accademiche ed evincerne le lacune più significative. Quindi, è stata condotta un’analisi empirica in cui sono stati censiti un consistente numero di progetti relativi all'adozione di IA nel settore pubblico. I dati raccolti da tali progetti sono stati analizzati secondo diverse dimensioni e attraverso un’analisi cross-data. I risultati dell’analisi della letteratura sono stati approfonditi attraverso una serie di interviste condotte a responsabili di progetti di IA nelle PA. Infine, i dati raccolti dai soggetti intervistati e da fonti secondarie sono stati elaborati per generare il modello finale e contribuire alla ricerca. Risultati – I risultati della tesi sono principalmente due: (I) un censimento globale per mappare l'ecosistema attuale delle applicazioni di IA nella sfera pubblica; (II) un Framework di riferimento per guidare i manager delle PA ad aumentare con successo l'implementazione di soluzioni di IA. Implicazioni pratiche e manageriali – Il risultato finale è un modello olistico che include fattori di accelerazione, driver, fattori strategici, fasi operative e risultati riguardanti l’IA nella sfera pubblica. Inoltre, tali variabili comprendono sia l'orizzonte a breve che quello a lungo termine, inclusa una fase di transizione, con l'obiettivo di guidare i manager delle PA nell'implementazione delle innovazioni di IA. Limiti e ricerche future – I limiti sono dovuti alla novità dell’argomento trattato e all’ampio panorama di soluzioni di IA, ciascuna con le sue peculiarità. Le ricerche future dovrebbero approfondire il modello per ogni singola classe di soluzione di IA. Inoltre, argomenti come l’Explainable IA e i possibili scenari per i lavori pubblici meritano di essere approfonditi.