Artificial Intelligence (AI) adoption roadmap for SMEs: From Readiness assessment to strategic alignment and AI-Task suitability evaluation

Small to medium enterprises (SMEs) are considered the backbone of global economy, assuming an even heightened significance in the European market as they constitute almost 99% of all businesses. However, their slow progression in digital transformation has widely been reported, typically characterized by lack of awareness and preparedness along with limited strategic planning capabilities for effective AI adoption. The existing body of literature concerning AI adoption in SMEs remain fragmented, contextually insensitive and largely non-operationalizable. Consequently, this thesis addresses these limitations by proposing a comprehensive AI adoption roadmap for SMEs. It adopts a Design Science Research (DSR) methodology to address the solution-oriented and context-sensitive goals of the study. It helped integrate conceptual modeling, analysis, and industry validation through continuous collaboration with SMEs (in particular, industrial sponsor of the study). Guided through DSRM, three core investigative research questions (CRQs) of the study are addressed through three interdependent phases. These phases adopt different research methodologies designed to address their phase-specific research questions. The first phase proposes a Technology-Organization-Environment-Human (TOEH)-based readiness assessment model. It is constituted upon the dimensional elements and their micro-level attributes to add the necessary level of granularity for addressing the complexities of AI adoption capabilities. Their relative weights of these dimensional elements and micro-level attributes assigned through expert analysis helped develop a practical mechanism for revealing heterogeneous readiness profiles and context-dependent maturity patterns. The second phase aligns the transformational plans with clearly defined strategic performance enhancement goals by identifying and prioritizing contextual AI enablers across five performance dimensions. This emphasizes the relatively varying impact of AI enablers across performance outcomes, questioning of sufficiency of one-size-fits-all approaches and underscoring the need for adaptive and context-aware adoption planning. The third phase advances the strategic alignment to operational feasibility through a Task–Technology Fit (TTF) based suitability model. It proposed a layered conceptualization of AI’s functional role describing how different AI applications generate value for SMEs in the given context. It illustrated how different AI technologies function as interdependent components within a broader decision-support ecosystem of Sales and Operations planning (S&OP). Together, these three phases converge into a layered pre-adoption roadmap, enabling SMEs to progress from diagnostic readiness assessment to strategic alignment and prescriptive task-level deployment. The framework advances theoretical understanding by integrating TOE and TTF perspectives, while providing a practical tool for SMEs and policymakers to foster systematic, risk-mitigated, and performance-oriented AI transformation.

Le small to medium enterprises (SMEs) sono considerate la spina dorsale dell'economia globale, assumendo un'importanza ancora maggiore nel mercato europeo, poiché costituiscono quasi il 99% di tutte le imprese. Tuttavia, la loro lenta progressione nella trasformazione digitale è stata ampiamente segnalata, tipicamente caratterizzata da una mancanza di consapevolezza e preparazione, insieme a limitate capacità di pianificazione strategica per un'efficace adozione dell'AI . La letteratura esistente sull'adozione dell'AI nelle SMEs rimane frammentata, insensibile al contesto e in gran parte non operativa. Di conseguenza, questa tesi affronta queste limitazioni proponendo una roadmap completa per l'adozione dell'AI per le SMEs. Adotta una metodologia di Design Science Research (DSR) per raggiungere gli obiettivi dello studio orientati alla soluzione e sensibili al contesto. Ha contribuito a integrare la modellazione concettuale, l'analisi e la convalida del settore attraverso la collaborazione continua con le SMEs (in particolare, lo sponsor industriale dello studio). Guidati dal DSRM, tre quesiti di ricerca investigativa (CRQ) fondamentali dello studio vengono affrontati attraverso tre fasi interdipendenti. Queste fasi adottano diverse metodologie di ricerca progettate per rispondere ai quesiti di ricerca specifici di ciascuna fase. La prima fase propone un modello di valutazione della prontezza basato su Tecnologia-Organizzazione-Ambiente-Uomo (TOEH). Si basa sugli elementi dimensionali e sui loro attributi a livello micro per aggiungere il livello di granularità necessario ad affrontare le complessità delle capacità di adozione dell'AI . Il peso relativo di questi elementi dimensionali e degli attributi a livello micro, assegnati tramite analisi di esperti, ha contribuito a sviluppare un meccanismo pratico per rivelare profili di prontezza eterogenei e modelli di maturità dipendenti dal contesto. La seconda fase allinea i piani di trasformazione con obiettivi di miglioramento delle prestazioni strategiche chiaramente definiti, identificando e dando priorità ai fattori abilitanti dell'AI contestuali in cinque dimensioni delle prestazioni. Ciò sottolinea l'impatto relativamente variabile dei fattori abilitanti dell'AI sui risultati delle prestazioni, mettendo in discussione l'adeguatezza di approcci universali e sottolineando la necessità di una pianificazione dell'adozione adattiva e contestualizzata. La terza fase promuove l'allineamento strategico alla fattibilità operativa attraverso un modello di idoneità basato sul Task-Technology Fit (TTF). Ha proposto una concettualizzazione a più livelli del ruolo funzionale dell'AI , descrivendo come diverse applicazioni di AI generino valore per le SMEs nel contesto dato. Ha illustrato come le diverse tecnologie di AI funzionino come componenti interdipendenti all'interno di un più ampio ecosistema di supporto decisionale di pianificazione delle vendite e delle operazioni (S&OP). Insieme, queste tre fasi convergono in una roadmap pre-adozione a più livelli, che consente alle SMEs di progredire dalla valutazione della prontezza diagnostica all'allineamento strategico e all'implementazione prescrittiva a livello di attività. Il framework promuove la comprensione teorica integrando le prospettive TOE e TTF, fornendo al contempo uno strumento pratico per le SMEs e i decisori politici per promuovere una trasformazione dell'AI sistematica, mitigata dai rischi e orientata alle prestazioni.