The evolution of linear business models: AI as a tool to adopt platform thinking in established firms

This thesis examines how established companies can reinvent their traditional linear business by integrating AI to develop platform-based business models, a method to address the increasing need for change to ensure the organization’s sustainability. It contributes to two streams of research: platform thinking and business model innovation. It proposes a deeper segmentation of main typologies of platforms into subgroups, while, regarding BMI, it highlights how AI can be adopted to trigger the process and outlines the main implications if this tools. Furthermore, the research investigates the determinants of a multi-sided platform-based business model that differentiates it from linear models, addressing similarities and differences to enhance understanding of the topic and support the process of business model innovation. Cases are selected from the S&P 500 ranking, leveraging on AI to generate different alternatives for each firm related to platform thinking, with the goal of identifying future directions. The multiple case study, developed relying on a three layers coding system and a structured database, ensures findings’ reliability and the efficient retrieval of information. Study’s conclusions and results are related to the deployment of Transactional Platforms, Innovation Platforms, Orthogonal Platforms CaaS (Client as a Source), and Orthogonal Platforms CaaT (Client as a Target) into subclusters, demonstrating how these types of business models are macro-categories containing different clusters and they are related to innovation. These findings partially answer the research questions by providing different options through which incumbents can manage the transition. Furthermore, the research investigates the determinants that these new entities have in common to distinguish them from linear businesses and what could be the sources of overlap between the two streams. Therefore, it contributes to the field of business model innovation by clarifying how to develop a platform-based business model in terms of innovation and highlighting the sources of overlap with a linear model, setting the stage for management to drive their organization into the future. Finally, the thesis concludes by investigating the role of AI and the conditions necessary for its successful adoption in the field to maximize the associated benefits.

Questa tesi esamina come le aziende consolidate possano reinventare i modelli di business lineari integrando l’Intelligenza Artificiale al fine di sviluppare modelli a piattaforma per affrontare la crescente necessità di cambiamento e garantire la sostenibilità dell’organizzazione. A livello teorico, questa ricerca contribuisce a due aree di ricerca: il pensiero basato su piattaforme (Platform Thinking) e l’innovazione dei modelli di business. Lo studio propone una segmentazione più dettagliata delle principali tipologie di piattaforme. Per quanto riguarda l’innovazione dei modelli di business, evidenzia come l’AI possa essere adottata per innescare il processo e delinea le principali implicazioni che devono essere considerate nell’interazione con questa tecnologia. Inoltre, vengono esaminati i fattori distintivi di un modello multisided platform rispetto ai modelli lineari, evidenziando somiglianze e differenze che arricchiscono la comprensione dell’argomento e sostengono il processo di innovazione del modello di business. I casi sono selezionati dal ranking S&P 500, sfruttando l'intelligenza artificiale per generare diverse alternative per ogni azienda relative al platform thinking, con l'obiettivo di identificare direzioni future. Il multiple case study, sviluppato affidandosi a un sistema di codifica a tre livelli e a un database strutturato, garantisce l'affidabilità dei risultati e il recupero efficiente delle fonti. In particolare, partendo da Transactional Platforms, Innovation Platforms, Orthogonal Platforms CaaS (Client as a Source), e Orthogonal Platforms CaaT (Client as a Target) vengono identificati vari sottogruppi, dimostrando come questi tipi di modelli di business siano macro-categorie contenenti diversi cluster e come questi siano connessi all'innovazione. Questi risultati rispondono parzialmente alla domanda di ricerca fornendo diverse opzioni attraverso cui le aziende consolidate possono gestire la transizione. Inoltre, questo studio analizza i fattori comuni tra queste nuove entità e le imprese lineari, al fine di identificare elementi caratterizzanti e distintivi. Nel campo dell'innovazione del business model. chiarific come sviluppare un modello a piattaforma sia in termini di innovazione, sia evidenziando le fonti di sovrapposizione con un modello lineare. Infine, la tesi si conclude analizzando il ruolo dell'intelligenza artificiale e le condizioni necessarie per la sua adozione nel campo della business model innovation, al fine di massimizzare i benefici associati e riconoscere i suggerimenti non corretti.