När AI möter returlogistikens komplexitet : En kvalitativ studie om beslutsfattares uppfattningar om drivkrafter och barriärer kopplade till AI som beslutsstöd

Sammanfattning

Cirkulär ekonomi har blivit en central utgångspunkt för organisationer som vill minska resursförbrukning och bevara värdet i produkter, komponenter och material. I detta sammanhang utgör returlogistik en viktig funktion, eftersom returflöden möjliggör bland annat återanvändning, reparation, återtillverkning och återvinning. Samtidigt präglas returlogistik ofta av osäkerhet, variation och komplexa beslutssituationer, där informationen om inflöde, kvalitet och fortsatt hantering kan vara begränsad. Mot denna bakgrund har AI lyfts fram som ett möjligt beslutsstöd för att skapa bättre överblick och stödja mer välgrundade beslut i cirkulära returflöden. Samtidigt finns det begränsad förståelse för beslutsfattares uppfattningar om AI som beslutsstöd i sådana returflöden. Syftet med studien är därmed att bidra med fördjupad förståelse för beslutsfattares uppfattningar om AI som beslutsstöd i returlogistiska arbetsprocesser som präglas av osäkerhet, variation och cirkulära ambitioner. Studien fokuserar särskilt på vilka drivkrafter och barriärer beslutsfattare uppfattar i relation till AI:s möjliga användning inom returlogistik kopplat till cirkulära mål, samt hur dessa uppfattningar kan förstås utifrån organisationers resurser, förändringsförmåga och returflödenas cirkulära roll. Studiens forskningsfråga är: Vad uppfattar beslutsfattare som drivkrafter och barriärer kopplade till användningen av AI som beslutsstöd inom returlogistik i relation till cirkulära mål? Studien har genomförts med en kvalitativ forskningsstrategi och bygger på sex semistrukturerade intervjuer med beslutsfattare vars roller har insyn i returflöden, cirkulära arbetssätt, processutveckling och digitaliseringsrelaterade frågor. Det empiriska materialet har analyserats genom tematisk analys, med ett abduktivt angreppssätt, och tolkats med stöd i Resource-Based View, Natural Resource-Based View och Dynamic Capabilities. I empirin framträder drivkrafterna för AI som beslutsstöd i relation till tre övergripande teman: ökad effektivitet och förbättrad hantering av information och beslut, affärsmässig nytta samt digital öppenhet och stödjande organisatorisk kontext. Barriärerna framträder genom två övergripande teman: begränsad digital öppenhet och hindrande organisatorisk kontext, samt behov av uppvisad praktisk nytta för att uppfattas som relevant att satsa på. Studiens slutsatser är att drivkrafter och barriärer för AI som beslutsstöd i returlogistik är nära sammanlänkade. Returlogistikens komplexitet skapar behov av AI, men begränsar samtidigt möjligheten att realisera tekniken i praktiken. AI uppfattas främst som ett stöd för att stärka mänskliga bedömningar, snarare än som ett verktyg som ersätter beslutsfattare. Vidare uppfattas AI som relevant när tekniken kan kopplas till konkreta behov i returflödet och cirkulära mål kan översättas till verksamhetsnytta. Slutligen visar studien att resurser och förändringsförmåga är ömsesidigt beroende i relation till AI, eftersom resurser först skapar värde när de omsätts i förändrade arbetssätt, samtidigt som förändring kräver fungerande resurser.