Artificial intelligence in supply chain risk management: a market analysis

Purpose, originality, and value: This thesis evaluate the integration of Artificial Intelligence in Supply Chain Risk Management. The objective is to perform a quantitative analysis on the capabilities and offering provided by companies to manage supply chain risk. Design and Methodology: The thesis employs a comprehensive dual-pronged research technique, firstly by conducting qualitative research through literature review to uncover the theoretical gaps and secondly by extracting quantitative data from secondary sources such as the Crunchbase database. To further extent the quantitative analysis the detailed investigation by navigating companies website is done in order to understand companies competencies. Findings: The findings indicate a strong preference for a proactive risk management paradigm supported by AI. Notably, the emphasis is on augmenting human capabilities with AI, indicating the shift away from reactive post-event actions toward a forward-looking approach to potential threats. The study reveals a strong preference for early risk detection and continuous monitoring enabled by AI, which reflects a larger market trend toward anticipating and resilience. Also, the companies are adopting new trends like No code AI and Generative AI. Theoretical and Managerial implications: From a theoretical standpoint, the study adds to the literature by outlining the present AI landscape inside SCRM. Managerially, it offers businesses to benchmark themself with the current market trends for evaluating their AI maturity in SCRM.

Scopo, originalità e valore: questa tesi valuta l'integrazione dell'intelligenza artificiale nella gestione del rischio della catena di fornitura. L'obiettivo è quello di eseguire un'analisi quantitativa sulle capacità e sull'offerta fornita dalle aziende per gestire il rischio della catena di fornitura. Progettazione e metodologia: la tesi utilizza una tecnica di ricerca completa su due fronti, in primo luogo conducendo una ricerca qualitativa attraverso la revisione della letteratura per scoprire le lacune teoriche e in secondo luogo estraendo dati quantitativi da fonti secondarie come il database Crunchbase. Per estendere ulteriormente l'analisi quantitativa, viene effettuata un'indagine dettagliata navigando sul sito Web delle aziende al fine di comprendere le competenze delle aziende. Risultati: i risultati indicano una forte preferenza per un paradigma di gestione proattiva del rischio supportato dall’intelligenza artificiale. In particolare, l’enfasi è posta sull’aumento delle capacità umane con l’intelligenza artificiale, indicando il passaggio da azioni reattive post-evento verso un approccio lungimirante alle potenziali minacce. Lo studio rivela una forte preferenza per il rilevamento precoce del rischio e il monitoraggio continuo consentito dall’intelligenza artificiale, che riflette una più ampia tendenza del mercato verso l’anticipazione e la resilienza. Inoltre, le aziende stanno adottando nuove tendenze come No code AI e Generative AI. Implicazioni teoriche e gestionali: da un punto di vista teorico, lo studio si aggiunge alla letteratura delineando l'attuale panorama dell'IA all'interno di SCRM. Dal punto di vista gestionale, offre alle aziende un confronto con le attuali tendenze del mercato per valutare la propria maturità dell'intelligenza artificiale in SCRM.