Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Drivers, barriers and social considerations for AI adoption in SCM

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F62156489%3A43110%2F23%3A43923611" target="_blank" >RIV/62156489:43110/23:43923611 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://doi.org/10.1016/j.techsoc.2023.102299" target="_blank" >https://doi.org/10.1016/j.techsoc.2023.102299</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1016/j.techsoc.2023.102299" target="_blank" >10.1016/j.techsoc.2023.102299</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Drivers, barriers and social considerations for AI adoption in SCM

  • Popis výsledku v původním jazyce

    This study explored the challenges and recommendations for implementing Artificial Intelligence (AI) in SC Management (SCM). The experts identified several drivers for AI adoption in SCM, including increased efficiency, improved decision-making, and reduced costs. However, they highlighted several barriers to AI adoption, such as data quality and management issues, resistance to change, and lack of understanding and trust in AI. To overcome these barriers and ensure successful AI implementation, companies should involve all stakeholders, focus on data quality and management, and ensure the AI solution integrates with existing processes and workflows. In addition, companies should also avoid common mistakes when implementing AI, such as neglecting the importance of explainability and transparency in AI decision-making, underestimating the importance of involving all stakeholders, and rushing into large-scale implementation without conducting small-scale pilot projects. By following the recommendations and avoiding common mistakes, companies can harness the benefits of AI in SCM while minimizing risks and challenges.

  • Název v anglickém jazyce

    Drivers, barriers and social considerations for AI adoption in SCM

  • Popis výsledku anglicky

    This study explored the challenges and recommendations for implementing Artificial Intelligence (AI) in SC Management (SCM). The experts identified several drivers for AI adoption in SCM, including increased efficiency, improved decision-making, and reduced costs. However, they highlighted several barriers to AI adoption, such as data quality and management issues, resistance to change, and lack of understanding and trust in AI. To overcome these barriers and ensure successful AI implementation, companies should involve all stakeholders, focus on data quality and management, and ensure the AI solution integrates with existing processes and workflows. In addition, companies should also avoid common mistakes when implementing AI, such as neglecting the importance of explainability and transparency in AI decision-making, underestimating the importance of involving all stakeholders, and rushing into large-scale implementation without conducting small-scale pilot projects. By following the recommendations and avoiding common mistakes, companies can harness the benefits of AI in SCM while minimizing risks and challenges.

Klasifikace

  • Druh

    J<sub>imp</sub> - Článek v periodiku v databázi Web of Science

  • CEP obor

  • OECD FORD obor

    50902 - Social sciences, interdisciplinary

Návaznosti výsledku

  • Projekt

  • Návaznosti

    I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Ostatní

  • Rok uplatnění

    2023

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název periodika

    Technology in Society

  • ISSN

    0160-791X

  • e-ISSN

    1879-3274

  • Svazek periodika

    74

  • Číslo periodika v rámci svazku

    August

  • Stát vydavatele periodika

    GB - Spojené království Velké Británie a Severního Irska

  • Počet stran výsledku

    9

  • Strana od-do

    102299

  • Kód UT WoS článku

    001025895800001

  • EID výsledku v databázi Scopus

    2-s2.0-85164302768