Mécanismes génératifs de mise en œuvre de l'IA : Une perspective réaliste critique sur la maintenance prédictive

L'intelligence artificielle (IA) promet diverses nouvelles opportunités pour créer et approprier de la valeur commerciale. Cependant, de nombreuses organisations – en particulier celles de secteurs plus traditionnels – peinent à saisir ces opportunités. Pour décomposer les raisons sous-jacentes, nous examinons comment les secteurs plus traditionnels mettent en œuvre la maintenance prédictive, une application prometteuse de l'IA dans les organisations manufacturières. Pour notre analyse, nous utilisons un design à cas multiples et adoptons une perspective réaliste critique afin d'identifier les mécanismes génératifs de la mise en œuvre de l'IA. Dans l'ensemble, nous trouvons cinq mécanismes interdépendants : expérimentation ; construction et intégration des connaissances ; données ; anxiété ; et inspiration. En utilisant le diagramme de boucle causale, nous détaillons les dynamiques socio-techniques de ces mécanismes et explorons les exigences organisationnelles de la mise en œuvre de l'IA. La topologie résultante des mécanismes génératifs contribue à la recherche sur la gestion de l'IA en offrant des perspectives riches sur les relations de cause à effet qui façonnent le processus de mise en œuvre. De plus, elle démontre comment le diagramme de boucle causale peut améliorer la modélisation et l'analyse des mécanismes génératifs.