Supply Chain Risk Management: the comeback : How Artificial Intelligence is reshaping the way companies manage supply chain risks

Recent studies have indicated an increase in global risk, attributable to a combination of factors, including escalating trade conflicts, political instability, and natural disasters with a greater impact on global Supply Chains (SCs) (Alicke and Strigel, 2020a). As a result, companies began to pay more attention and update their risk management strategies, while Supply Chain Risk Management (SCRM) gained new momentum in research (Modgil et al., 2022). Over the years, the interest of researchers in the topic of SCRM has always exhibited fluctuations over time, with periods of increased interest following unexpected disruptions. However, COVID-19 marked the beginning of an era of disruptions, followed by the global chip shortage, the outbreak of the war in Ukraine, the blockage of the Suez and Panama Canals, strong inflation, the energy crisis, the tariffs imposed by the US and all the cascading effects derived from them. Therefore, attention has remained high as companies seek new strategies to address these challenges. Artificial Intelligence (AI) is now on the agenda of the top corporate managers due to the growing significance of this phenomenon. In particular, its ability to process large amounts of data, improve speed, accuracy, and diversity of inputs for decision making, makes it a strong candidate for updating SCRM. Consequently, the literature has begun to explore the potential of AI as a tool to enhance SCRM. However, the focus of research has remained predominantly on the development of algorithmic solutions, and only re- cently scholars have begun to explore the subject from a more comprehensive managerial perspective (Baryannis et al., 2018; Ganesh and Kalpana, 2022b). Indeed, previous liter- ature has indicated that the adoption of AI has the potential to greatly benefit SCRM. However, the integration of AI with SCRM remains limited in companies and is poorly addressed in the literature. Therefore, an analysis from a more managerial perspective is needed. In particular, a clearer and more comprehensive understanding of how AI solu- tions can support SCRM is needed considering the effective adoption and implementation of these solutions in SCRM processes and activities. Therefore, the main aim of this Ph.D. thesis is to explore how AI can support the SCRM process by answering the following overarching research question: RQ: What is the role of Artificial Intelligence in Supply Chain Risk Management? To explore this phenomenon, this Ph.D. thesis is configured as a collection of three papers, which all share a qualitative research approach but follow different aims and perspectives. The first paper examines the adoption of AI in SCRM activities and how this integration influences SCRM outcomes. The study relies on case studies developed from interviews with eight pairs of providers and adopters to analyze the concrete role AI plays in the SCRM process and the tangible benefits it offers to firms that implement it. The second paperexaminesthefactorsthatfacilitateorimpedetheadoptionofAIinSCRM.Drawing on a focus group and seventeen expert interviews, it explores how different factors shape the implementation of AI in SCRM, how these factors change over the course of the adoption process, and how companies can effectively address them. Finally, the third paper examines how the adoption of AI within SCRM addresses cyber risks. This phase relies on three embedded case studies to analyze how the distinctive characteristics of cyber risks call for special attention when assessing AI adoption in SCRM, and how AI can support the management of these risks at the supply chain level. This thesis contributes to the emerging literature at the intersection of Artificial In- telligence AI and SCRM by providing an empirically grounded and theory-driven un- derstanding of AI adoption and implementation. First, it builds on Information Pro- cessing Theory to show how AI improves firms’ information processing capabilities and enables alignment with increasing information processing needs, thus improving SCRM outcomes. Second, it advances the literature on AI adoption in SCRM using the Tech- nology–Organization–Environment framework to identify the drivers and barriers to AI adoption and by introducing a stage-based dynamic adoption pathway. Third, it bridges SCRM and supply chain cybersecurity by conceptualizing the role of AI in Supply Chain Cyber Risk Management (SCCRM), extending existing models to incorporate monitoring and highlighting the dual role of AI as both a source of risk and a resilience enabler. In addition, this thesis provides guidelines for practitioners. It assists managers of user or potential user companies, increasing their understanding of how AI can be adopted and implemented in SCRM. The findings enhance their awareness of how AI solutions can be incorporated into SCRM, the demonstrated benefits they can deliver, and the key drivers and barriers that may affect their adoption. In addition, the thesis offers a deeper insight into how AI can help mitigate cyber risks, thereby strengthening the overall protection of the supply chain. The thesis also delivers important guidance for AI solution providers. It outlines the needs of user companies and emphasizes the key factors that shape AI adoption. In doing so, it offers insights into how providers can improve their solutions.

Recenti studi hanno evidenziato un aumento dei rischi a livello globale, attribuibile a una combinazione di fattori, tra cui l’escalation dei conflitti commerciali, l’instabilità politica e i disastri naturali (Alicke and Strigel, 2020a). Di conseguenza, le aziende hanno iniziato a prestare maggiore attenzione e ad aggiornare le proprie strategie di gestione del rischio, mentre la gestione del rischio di filiera ha acquisito nuovo slancio nella ricerca (Modgil et al., 2022). Nel corso degli anni, l’interesse dei ricercatori per il tema della gestione del rischio di filiera ha mostrato fluttuazioni nel tempo, con periodi di maggiore attenzione successivi al verificarsi di eventi dirompenti e inattesi. Tuttavia, il COVID-19 ha segnato l’inizio di un’era caratterizzata da continue disruption. A partire dalla pandemia, infatti, si sono susseguite numerose crisi, tra cui la carenza globale di chip, lo scoppio della guerra in Ucraina, il blocco dei Canali di Suez e Panama, la forte inflazione, la crisi energetica, l’imposizione di dazi da parte degli Stati Uniti e una serie di effetti a cascata derivanti da tali eventi. Pertanto, l’attenzione verso il tema della gestione del rischio è rimasta elevata, poiché le aziende sono alla ricerca di nuove strategie per affrontare queste sfide. L’intelligenza artificiale è oggi al centro dell’attenzione nelle realtà aziendali, a causa della crescente rilevanza di questo fenomeno. In particolare, la sua capacità di elaborare grandi quantità di dati e di migliorare velocità, accuratezza e varietà degli input a supporto dei processi decisionali la rende una forte candidata per l’evoluzione della gestione del rischio di filiera. Di conseguenza, la letteratura ha iniziato a esplorare il potenziale dell’intelligenza artificiale come strumento per migliorare la gestione del rischio. Tuttavia, il focus della ricerca è rimasto prevalentemente sullo sviluppo di soluzioni algoritmiche e solo recentemente gli studiosi hanno iniziato ad affrontare il tema da una prospettiva manageriale più ampia (Baryannis et al., 2018; Ganesh and Kalpana, 2022b). Infatti, la letteratura precedente ha evidenziato che l’adozione dell’intelligenza artificiale ha il potenziale di apportare grandi benefici alla gestione del rischio di filiera. Tuttavia, la sua effettiva integrazione rimane limitata nelle aziende ed è ancora scarsamente affrontata nella letteratura. Pertanto, diventa necessaria un’analisi da una prospettiva più manageriale. In particolare, è necessaria una comprensione più chiara e completa di come le soluzioni di intelligenza artificiale possano supportare la gestione del rischio di filiera, considerando l’effettiva adozione e implementazione di tali soluzioni nei processi e nelle attività di gestione del rischio. Di conseguenza, l’obiettivo principale di questa tesi di dottorato è esplorare come l’intelligenza artificiale possa supportare il processo di gestione del rischio di filiera, rispondendo alla seguente domanda di ricerca: RQ: Qual è il ruolo dell’intelligenza artificiale nella gestione del rischio di filiera? Per esplorare questo fenomeno, la presente tesi di dottorato si configura come una raccolta di tre articoli, che condividono un approccio di ricerca qualitativo ma perseguono obiettivi e prospettive differenti. Il primo articolo esamina l’adozione dell’intelligenza artificiale nelle attività di gestione del rischio di filiera e il modo in cui tale integrazione influenza i risultati del processo di gestione del rischio. Lo studio si basa su casi studio sviluppati a partire da interviste con otto coppie composte da sviluppatori di soluzioni di intelligenza artificiale per la gestione del rischio di filiera e aziende utilizzatrici, al fine di analizzare il ruolo concreto che l’intelligenza artificiale svolge nel processo di gestione del rischio e i benefici tangibili che essa offre alle imprese che la implementano. Il secondo articolo esamina i fattori che facilitano o ostacolano l’adozione dell’intelligenza artificiale nella gestione del rischio di filiera. Basandosi su un focus group e diciassette interviste con esperti, esplora come differenti fattori influenzino l’implementazione dell’intelligenza artificiale, come tali fattori cambino nel corso del processo di adozione e come le aziende possano affrontarli efficacemente. Infine, il terzo articolo esamina come l’adozione dell’intelligenza artificiale all’interno della gestione del rischio di filiera affronti il tema del rischio cyber. Questa fase si basa su tre casi di studio che analizzano come le caratteristiche distintive del rischio cyber richiedano particolare attenzione nella valutazione dell’adozione dell’intelligenza artificiale per la gestione del rischio e come l’intelligenza artificiale possa supportare la gestione di tali rischi a livello di filiera. Questa tesi contribuisce alla letteratura emergente all’intersezione tra intelligenza artificiale e gestione del rischio di filiera, fornendo una comprensione dell’adozione e implementazione dell’intelligenza artificiale fondata empiricamente e guidata teoricamente. In primo luogo, si basa sulla Information Processing Theory per mostrare come l’intelligenza artificiale migliori le capacità di elaborazione delle informazioni delle imprese e consenta l’allineamento con crescenti bisogni informativi, migliorando così i risultati della gestione del rischio di filiera. In secondo luogo, la tesi contribuisce alla letteratura sull’adozione dell’intelligenza artificiale nella gestione del rischio di filiera utilizzando il TOE (Technology–Organization–Environment) framework per identificare i fattori abilitanti e le barriere all’adozione dell’intelligenza artificiale e introducendo un percorso di adozione dinamico basato su diverse fasi. In terzo luogo, collega la gestione del rischio di filiera e la cybersecurity nelle supply chain, concettualizzando il ruolo dell’intelligenza artificiale nella gestione del rischio cyber a livello di filiera, estendendo i modelli esistenti per ed evidenziando il duplice ruolo dell’intelligenza artificiale sia come fonte di rischio sia come abilitatore della resilienza. Inoltre, questa tesi fornisce alcune linee guida per i professionisti del settore. Essa supporta i manager di aziende utilizzatrici o potenziali utilizzatrici, aumentando la loro comprensione di come l’intelligenza artificiale possa essere adottata e implementata nella gestione del rischio di filiera. I risultati accrescono la loro consapevolezza rispetto a come le soluzioni di intelligenza artificiale possano essere incorporate nei processi di gestione del rischio, ai benefici dimostrati che esse possono offrire e ai principali fattori abilitanti e ostacoli che possono influenzarne l’adozione. In aggiunta, la tesi offre una comprensione più approfondita di come l’intelligenza artificiale possa contribuire a mitigare il rischio cyber, rafforzando così la protezione complessiva della filiera. La tesi fornisce inoltre importanti indicazioni per i fornitori di soluzioni di intelligenza artificiale. Essa delinea i bisogni delle aziende utilizzatrici ed enfatizza i principali fattori che influenzano l’adozione dell’intelligenza artificiale. In questo modo, offre indicazioni su come i fornitori possano migliorare le proprie soluzioni.