The human-Artificial Intelligence dualism in organisational learning: a multiple case study research

Artificial Intelligence (AI) is becoming increasingly central to organisational processes, promising to enhance knowledge access, decision-making speed and adaptive capacity. Yet its diffusion brings a paradox: while digital technologies multiply data, insights and recommendations, many organisations still struggle to translate informational abundance into organisational learning and measurable value. Value emerges only when AI-generated signals are interpreted, contextualised and stabilised into repeatable decision-making and operational routines. This thesis investigates the role of AI in Organisational Learning (OL) with a dual objective: to explain how AI enhances learning–both by improving Knowledge Management Processes (KMP) and by performing autonomous learning functions–and to clarify how these dynamics translate into value creation. The study combines a systematic literature review with a qualitative multiple-case design across ten organisations operating in heterogeneous contexts. Findings show two complementary pathways. First, AI strengthens human-driven learning by expanding the evidence base, accelerating feedback loops and improving collective sensemaking. Second, under specific conditions, embedded AI systems can perform autonomous learning routines–such as continuous pattern detection, alternative generation and iterative updating–thereby participating in learning cycles as non-human agents. Importantly, value creation is not an automatic outcome of adoption, but results from the interaction between AI outputs and human processes of validation and institutionalisation within Organisational Learning Practices (OLPs). The thesis proposes a grounded process model linking these mechanisms and clarifying the distribution of learning agency between humans and AI, providing a conceptual lens to guide strategic decisions on AI adoption and governance.

L’Intelligenza Artificiale (AI) sta diventando sempre più centrale nei processi organizzativi, promettendo di migliorare l’accesso alla conoscenza, la velocità decisionale e la capacità di adattamento. La sua diffusione porta però con sé un paradosso: mentre le tecnologie digitali moltiplicano dati, insight e raccomandazioni, molte organizzazioni faticano ancora a trasformare l’abbondanza informativa in apprendimento organizzativo e valore misurabile. Il valore emerge solo quando i segnali generati dall’AI vengono interpretati, contestualizzati e stabilizzati in routine decisionali e operative ripetibili. Questa tesi indaga il ruolo dell’AI nell’Organisational Learning (OL) con un duplice obiettivo: spiegare come l’AI potenzi l’apprendimento, sia migliorando i Knowledge Management Processes (KMP) sia svolgendo funzioni di apprendimento autonome, e chiarire come tali dinamiche si traducano in creazione di valore. Lo studio combina una revisione sistematica della letteratura con un disegno qualitativo di multiple-case study condotto su dieci organizzazioni operanti in contesti eterogenei. I risultati evidenziano due percorsi complementari. In primo luogo, l’AI rafforza l’apprendimento guidato dall’uomo ampliando la base di evidenze, accelerando i cicli di feedback e migliorando il sensemaking collettivo. In secondo luogo, in condizioni specifiche, sistemi di AI possono svolgere routines di apprendimento autonome–come rilevazione continua di pattern, generazione di alternative e aggiornamento iterativo–partecipando ai cicli di apprendimento come agenti non umani. In modo cruciale, la creazione di valore non è un esito automatico dell’adozione: deriva dall’interazione tra output dell’AI e processi umani di validazione e istituzionalizzazione all’interno delle pratiche di Organisational Learning (OLPs). La tesi propone un modello grounded di processo che collega questi meccanismi e chiarisce la distribuzione dell’attore dell’apprendimento tra persone e AI, offrendo una lente concettuale per guidare decisioni strategiche su adozione e governance dell’AI.