The impact of artificial intelligence on spend analysis : an information processing theory perspective

Purpose, originality and value – The following dissertation aims at fulfilling three major gaps identified in the existent knowledge: a lack of a general overview of Artificial Intelligence techniques and algorithms applicable to the Category Tree definition, Spend Analysis and Classification, the identification of factors guiding companies in the adoption of this technology and a structured framework of performances obtainable after it. The aim is to delineate a general framework able to provide some basic guidelines for firms while bridging these major gaps. Design, methodology and approach – To conduct the research, a multi-step research process has been followed. The starting point was the literature review, fundamental to find out principal gaps in the current knowledge and to define the methodology to validate the proposed framework, i.e. case studies. Indeed, by challenging the Preliminary Research Framework through an intensive data triangulation activity, the Final Research Framework was refined and re-designed. Findings – The obtained output of this study are: (1) a description of most impactful AI techniques and algorithms on the three steps, (2) a table containing three archetypes obtained from the application of IPT on case studies and (3) an outlook of potential performances obtainable by adopting the solutions. Practical and managerial implications – The final outcome is a comprehensive and applicable model: it includes all those variables deemed relevant during the testing phase that may support companies when dealing with the decision-making process of adopting an AI solution. Limits and future research – Due to the newness of the topic, further reviews may reveal additional factors to be included in the Preliminary Research Framework. Furthermore, a quantitative assessment of the framework could be done, corroborating current results and bridging the gaps of this dissertation.

Scopo, originalità e valore – La seguente dissertazione ha lo scopo di colmare tre principali lacune nelle conoscenze attuali: la mancanza di una visione generale sulle tecniche e gli algoritmi di Intelligenza Artificiale applicati alla definizione dell’Albero Merceologico, l’Analisi della Spesa e la sua Classificazione. Inoltre, la letteratura manca di un’identificazione dei fattori che guidano verso l’adozione di questa tecnologia da parte delle aziende e relative prestazioni ottenibili. L’obiettivo è quello di delineare uno schema generale capace di fornire delle linee guida di base per le aziende e colmare le lacune identificate. Design, metodologia e approccio – Per condurre questo studio è stato applicato un percorso di ricerca a più fasi. Il punto di partenza è stato la revisione della letteratura, fondamentale per identificare le principali lacune nella conoscenza attuale e per definire la metodologia atta a validare lo schema proposto attraverso casi di studio. Infatti, il Framework di Ricerca Preliminare è stato testato attraverso un’attività di triangolazione dei dati, rifinendolo per ottenere il Framework Finale. Risultati – I risultati di questo studio sono: (1) una descrizione delle tecniche e algoritmi più impattanti dell’IA nei tre step, (2) una tabella contenente tre archetipi ottenuti dall’applicazione della Teoria dell’Elaborazione di Informazioni sui casi di studio e (3) uno schema contenente i potenziali ottenimenti a valle dell’adozione. Implicazioni pratiche e manageriali – Il risultato finale è un modello pratico e comprensivo: include tutte le variabili ritenute rilevanti durante la fase di test che potrebbero supportare le aziende lungo il processo decisionale per l’adozione dell’IA. Limiti e ricerche future – Data la modernità dell’argomento, revisioni future potrebbero aggiungere fattori non considerati all’interno di questa ricerca. Inoltre, una valutazione quantitativa fornirebbe la validazione dei risultati trovati e colmerebbe le lacune presenti in questa ricerca.