Making AI in logistics work: a survey study on the organizational resources impacting the successful adoption of AI in logistics

Artificial Intelligence (AI) has rapidly evolved from a technological novelty into a transformative force reshaping business operations. In the logistics sector, AI offers unprecedented opportunities to revolutionize logistics processes such as planning, warehousing, transportation, customer service and supply. Yet, despite increasing interest and investment, many firms still struggle to achieve tangible benefits from the adoption of AI, largely due to limited understanding of the resources and capabilities required to leverage it effectively. The study addresses this gap by introducing the concept of logistics AI capability defined as a functional level capability that enables firms to leverage AI into logistics activities to generate performance improvements. Building on the relation between functional capabilities and resources, with the AI capability model as input, the study develops a logistics-specific AI capability composed of tangible, human, and intangible resources. The model is empirically tested through a survey conducted on 142 Italian logistics firms, analyzed using Partial Least Squares Structural Equation Modelling (PLS-SEM). The findings show that developing a logistics AI capability strongly and positively impacts the logistics performance of firms, proven for diverse firm sizes and both process- and decision-oriented modalities of AI application. This research bridges theoretical gaps of the logistics field with the development and empirical validation of a construct capable of assessing organizations’ logistics AI capability as a driver of logistics’ activities improvements. The study provides managers with the set of resources to prioritize in order to effectively implement AI solutions, while identifying the expected outcomes for firms of different sizes. By analyzing the relation of organizational resources, logistics AI capability and function specific performance, this thesis offers the tools necessary to overcome the struggles related to AI implementations, allowing for the achievement of measurable value.

L’Intelligenza Artificiale (IA) si è rapidamente evoluta da semplice innovazione tecnologica a forza trasformativa capace di ridefinire i modelli operativi delle imprese. Nel settore della logistica, l’IA offre opportunità per rivoluzionare processi quali pianificazione, stoccaggio, trasporto, servizio al cliente e approvvigionamento. Tuttavia, nonostante il crescente interesse e gli ingenti investimenti, molte imprese faticano ancora a ottenere benefici tangibili dall’adozione dell’IA, principalmente per la limitata comprensione delle risorse e delle capacità necessarie per sfruttarla efficacemente. Lo studio affronta tale lacuna introducendo il concetto di logistics AI capability, definito come una “functional capability” che consente di integrare l’AI nelle attività logistiche per generare miglioramenti prestazionali. Basandosi sulla relazione tra “functional capability” e risorse, e utilizzando come riferimento il modello di “AI capability”, la ricerca sviluppa un modello specifico per la logistica articolato in risorse tangibili, umane e intangibili. Il modello è stato testato empiricamente tramite un’indagine su 142 imprese logistiche italiane, analizzate con la tecnica Partial Least Squares Structural Equation Modelling (PLS-SEM). I risultati evidenziano che sviluppare una logistics AI capability esercita un impatto fortemente positivo sulle prestazioni logistiche, risultato valido per aziende di diverse dimensioni e per entrambe le modalità, orientate ai processi o alle decisioni, di applicazione dell’IA. La ricerca colma una mancanza teorica del settore attraverso la definizione e validazione di un costrutto capace di valutare la logistics AI capability come fattore determinante nel miglioramento delle attività logistiche. Inoltre, fornisce ai manager un quadro delle risorse da prioritizzare per implementare efficacemente soluzioni di AI, individuando anche i risultati attesi per imprese di differenti dimensioni. Analizzando la relazione tra risorse organizzative, logistics AI capability e performance logistiche, la tesi offre strumenti utili ad affrontare le criticità legate all’implementazione dell’AI, permettendo di creare valore aggiunto.