This thesis investigates how digital transformation enables the strategic, organizational, and technological conditions necessary for the integration of artificial intelligence (AI) technologies in logistics, and how integration contributes to competitive advantage. In response to the increasing complexity of global logistics and the acceleration of technological advancement, particularly AI, this research conducts a systematic literature review combined with an integrated industry analysis. Seven core AI technologies: expert systems, machine learning, planning and scheduling systems, robotics and machines, speech synthesis and recognition, computer vision, and natural language processing are examined for their individual applications and potential as components of integrated AI ecosystems. Integration, in the context of this thesis, refers not just to the implementation of individual tools but to the strategic combination and coordination of multiple AI technologies into a unified intelligent system that maximizes their collective capabilities. The study explores how digital transformation serves as a prerequisite for scalable and strategic AI adoption by enabling data infrastructure, aligning enterprise objectives, and fostering innovation. Emphasis is placed on the role of multi-agent systems (MAS) as key enablers of coordination among multiple AI tools by facilitating the development of intelligent and responsive logistics networks. Through the classification and critical analysis of a wide range of academic and industry sources, the thesis reveals the gap between theoretical potential and real-world implementation highlighting persistent barriers and the need for strategic alignment to fully unlock AI's value in logistics operations.

Questa tesi indaga come la trasformazione digitale abiliti le condizioni strategiche, organizzative e tecnologiche necessarie per l’integrazione delle tecnologie di intelligenza artificiale (IA) nella logistica e come tale integrazione contribuisca al vantaggio competitivo. In risposta alla crescente complessità della logistica globale e all’accelerazione del progresso tecnologico, in particolare dell’IA, la ricerca è stata condotta attraverso una revisione sistematica della letteratura combinata con un’analisi integrata del settore. Sette tecnologie fondamentali di IA: sistemi esperti, apprendimento automatico, sistemi di pianificazione e schedulazione, robotica e macchine, sintesi e riconoscimento vocale, visione artificiale ed elaborazione del linguaggio naturale sono analizzate per le loro applicazioni individuali e per il loro potenziale come componenti di ecosistemi di IA integrata. L’integrazione, nel contesto di questa tesi, non si riferisce solo all’implementazione di singoli strumenti, ma alla combinazione e coordinazione strategica di più tecnologie di IA all’interno di un sistema intelligente unificato, in grado di massimizzare le loro capacità collettive. Lo studio esplora come la trasformazione digitale rappresenti un prerequisito per un’adozione dell’IA scalabile e strategica, abilitando infrastrutture di dati, allineando gli obiettivi aziendali e promuovendo l’innovazione. Viene posta particolare enfasi sul ruolo dei sistemi multi-agente (MAS) come abilitatori chiave della coordinazione tra più strumenti di IA, facilitando lo sviluppo di reti logistiche intelligenti e reattive. Attraverso la classificazione e l’analisi critica di un’ampia gamma di fonti accademiche e industriali, la tesi evidenzia il divario tra il potenziale teorico e l’implementazione pratica, sottolineando le barriere persistenti e la necessità di un allineamento strategico per liberare pienamente il valore dell’IA nelle operazioni logistiche.

Integrating AI technologies in logistics: unlocking AI synergies enabled by digital transformation for competitive advantage

Lagrutta Saenz, Alberto Antonio
2024/2025

Abstract

This thesis investigates how digital transformation enables the strategic, organizational, and technological conditions necessary for the integration of artificial intelligence (AI) technologies in logistics, and how integration contributes to competitive advantage. In response to the increasing complexity of global logistics and the acceleration of technological advancement, particularly AI, this research conducts a systematic literature review combined with an integrated industry analysis. Seven core AI technologies: expert systems, machine learning, planning and scheduling systems, robotics and machines, speech synthesis and recognition, computer vision, and natural language processing are examined for their individual applications and potential as components of integrated AI ecosystems. Integration, in the context of this thesis, refers not just to the implementation of individual tools but to the strategic combination and coordination of multiple AI technologies into a unified intelligent system that maximizes their collective capabilities. The study explores how digital transformation serves as a prerequisite for scalable and strategic AI adoption by enabling data infrastructure, aligning enterprise objectives, and fostering innovation. Emphasis is placed on the role of multi-agent systems (MAS) as key enablers of coordination among multiple AI tools by facilitating the development of intelligent and responsive logistics networks. Through the classification and critical analysis of a wide range of academic and industry sources, the thesis reveals the gap between theoretical potential and real-world implementation highlighting persistent barriers and the need for strategic alignment to fully unlock AI's value in logistics operations.
SDOGATI, SOFIA
ING - Scuola di Ingegneria Industriale e dell'Informazione
22-lug-2025
2024/2025
Questa tesi indaga come la trasformazione digitale abiliti le condizioni strategiche, organizzative e tecnologiche necessarie per l’integrazione delle tecnologie di intelligenza artificiale (IA) nella logistica e come tale integrazione contribuisca al vantaggio competitivo. In risposta alla crescente complessità della logistica globale e all’accelerazione del progresso tecnologico, in particolare dell’IA, la ricerca è stata condotta attraverso una revisione sistematica della letteratura combinata con un’analisi integrata del settore. Sette tecnologie fondamentali di IA: sistemi esperti, apprendimento automatico, sistemi di pianificazione e schedulazione, robotica e macchine, sintesi e riconoscimento vocale, visione artificiale ed elaborazione del linguaggio naturale sono analizzate per le loro applicazioni individuali e per il loro potenziale come componenti di ecosistemi di IA integrata. L’integrazione, nel contesto di questa tesi, non si riferisce solo all’implementazione di singoli strumenti, ma alla combinazione e coordinazione strategica di più tecnologie di IA all’interno di un sistema intelligente unificato, in grado di massimizzare le loro capacità collettive. Lo studio esplora come la trasformazione digitale rappresenti un prerequisito per un’adozione dell’IA scalabile e strategica, abilitando infrastrutture di dati, allineando gli obiettivi aziendali e promuovendo l’innovazione. Viene posta particolare enfasi sul ruolo dei sistemi multi-agente (MAS) come abilitatori chiave della coordinazione tra più strumenti di IA, facilitando lo sviluppo di reti logistiche intelligenti e reattive. Attraverso la classificazione e l’analisi critica di un’ampia gamma di fonti accademiche e industriali, la tesi evidenzia il divario tra il potenziale teorico e l’implementazione pratica, sottolineando le barriere persistenti e la necessità di un allineamento strategico per liberare pienamente il valore dell’IA nelle operazioni logistiche.
File allegati
File Dimensione Formato  
2025_07_LagruttaSaenz.pdf

accessibile in internet solo dagli utenti autorizzati

Descrizione: Thesis text
Dimensione 1.81 MB
Formato Adobe PDF
1.81 MB Adobe PDF   Visualizza/Apri

I documenti in POLITesi sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/10589/240860