Recent developments in the field of Artificial Intelligence (AI) drive businesses to introduce digitally advanced products, services, processes, and mechanisms to various markets (Krauset al. 2022; Parida et al. 2019). In this manner, the healthcare sector proves as a propitious industry for successful AI-application (Jiang et al. 2017; Yu et al. 2018). However, expected business gains cannot be achieved through the sole integration of AI-systems into healthcare products, processes and/ or services (Åström et al. 2022; Lee et al. 2019). To appropriately operationalise and commercialise AI-based offerings, so-called AI-solution-specialists are urged to change, adapt, and modify their prevailing business models (BMs) (Frank et al. 2019;Kiel et al. 2017). This study addresses the mentioned research gap by providing a thorough investigation of relevant literature and conducting a qualitative research methodology. By the means of guideline-based, structured interviews, data from seven cases on AI-based businessmodels in the healthcare sector were collected. With our findings we propose one theoretical framework on healthcare-specific AI-enabled BM modifications and one model on generalised AI-based value chain activities. In this way, we deliver insights into how AI is utilised in healthcare firms and how it is ultimately integrated into firm operating models - highly contributing to current literature. Further, our proposed frameworks serve as blueprints supporting practitioners in successfully creating, delivering, and capturing value stemming from AI-based technologies. Finally, being limited in scope, we propose future research to extend the study’s focus to an ecosystem-perspective and further apply a longitudinal research design to observe AI-enabled business model changes over a longer time span. / Framsteg inom Artificiell Intelligens (AI) motiverar företag att introducera digitalt avancerade produkter, tjänster, processer och mekanismer till flera olika marknader (Kraus et al. 2022;Parida et al. 2019). Hälso- och sjukvårdsbranschen är en lovande marknad för applikationer av AI (Jiang et al. 2017; Yu et al. 2018). För att uppnå förväntade värdeökningar krävs dock mer än integration av AI i hälso och -sjukvårdsprodukter, -processer och/eller tjänster (Åströmet al. 2022; Lee et al. 2019). Lösningsspecialister inom AI uppmanas att anpassa och modifierar rådande affärsmodeller för att på lämpligt sätt operationalisera och kommersialisera AI-baserade lösningar (Frank et al. 2019; Kiel et al. 2017). Den här artikeln behandlar forskningsluckan inom området genom en ingående litteraturstudie samt kvalitativa studier. Via strukturerade intervjuer baserade på riktlinjer samlas data från sju fall av AI-drivna affärsmodeller inom hälso- och sjukvårdssektorn. Baserat på våra resultat föreslår vi ett teoretiskt ramverk för AI-drivna förändringar av affärsmodeller inom hälso- och sjukvårdssektorn, samt en generell modell för AI-baserade aktiviteter i värdekedjan. På så sätt bidrar vi till den existerande litteraturen med inblickar i hur AI används av företag inom hälsa och sjukvård och hur AI integreras i existerande verksamhetsmodeller. Därtill agerar de presenterade ramverken som stöd för idkare i processen att skapa, leverera och fånga värde i koppling till AI-baserade teknologier. Avslutningsvis föreslår vi framtida forskning, där studiens omfattning ökas för att inkludera ett ekosystemperspektiv samt longitudinella studier med syfte att observera de långsiktiga förändringar av affärsmodeller som möjliggörs av AI.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-314127 |
| Date | January 2022 |
| Creators | Aleksić, Natalie, Vidina, Anna |
| Publisher | KTH, Industriell ekonomi och organisation (Inst.) |
| Source Sets | DiVA Archive at Upsalla University |
| Language | English |
| Detected Language | English |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | TRITA-ITM-EX ; 2022:290 |
Page generated in 0.0027 seconds