Through the dual perspectives of performance improvement and sustainability enhancement, this thesis examines how artificial intelligence is changing supply chain management. The study examines how AI-driven technologies affect operational effectiveness, resilience, and environmental and social effects. It is based on a comprehensive assessment of the literature and an empirical survey of industry professionals. According to the Resource-Based View and Dynamic Capabilities Theory, the literature analysis shows that AI has developed from a supportive tool to a strategic capability that enables businesses to recognize, adjust, and react to disruptions while integrating sustainability into fundamental decision-making processes. Empirical data demonstrates that the adoption of AI in SCM is still in its transitory phase. While sustainability-focused applications are still developing, organizations are largely focused on increasing productivity and process dependability. The overall effects on operational, environmental, and social dimensions are moderate, according to quantitative data, which reflect a difference in technological maturity among industries. Additionally, the lack of broad adoption of ethical governance and accountability frameworks indicates that organizations have not yet integrated responsible innovation principles with digital transformation. The study comes to the conclusion that AI functions as a transformative force that may connect competition with responsibility, as well as an efficiency facilitator, by combining theoretical and empirical findings. Stronger governance frameworks, workforce upskilling, and a sustained dedication to integrating digital intelligence with sustainable supply chain strategies are necessary to realize this promise.

Attraverso la duplice prospettiva del miglioramento delle performance e della promozione della sostenibilità, questa tesi esamina come l’intelligenza artificiale (IA) stia trasformando la gestione della supply chain (SCM). Lo studio, basato su una revisione sistematica della letteratura e su un’indagine empirica condotta tra professionisti del settore, analizza in che modo le tecnologie basate sull’IA influenzino l’efficienza operativa, la resilienza e gli impatti ambientali e sociali. L’analisi teorica, in linea con la Resource-Based View e la Dynamic Capabilities Theory, evidenzia come l’IA si sia evoluta da strumento di supporto a capacità strategica, consentendo alle imprese di riconoscere, adattarsi e reagire alle perturbazioni, integrando al contempo la sostenibilità nei processi decisionali fondamentali. I dati empirici mostrano che l’adozione dell’IA nella gestione della supply chain si trova ancora in una fase di transizione: mentre le applicazioni orientate alla sostenibilità sono ancora in via di sviluppo, le organizzazioni si concentrano principalmente sull’aumento della produttività e dell’affidabilità dei processi. I risultati quantitativi indicano effetti complessivamente moderati sulle dimensioni operative, ambientali e sociali, riflettendo differenze di maturità tecnologica tra i settori. Inoltre, la scarsa diffusione di sistemi di governance etica e di accountability suggerisce che le imprese non abbiano ancora pienamente integrato i principi di innovazione responsabile nella trasformazione digitale. In conclusione, la tesi afferma che l’IA agisce sia come forza trasformativa, capace di coniugare competitività e responsabilità, sia come fattore abilitante dell’efficienza. Per realizzare pienamente questo potenziale, sono necessari un rafforzamento delle strutture di governance, lo sviluppo delle competenze del personale e un impegno costante nell’integrazione dell’intelligenza digitale nelle strategie di sostenibilità della supply chain.

Supply chains più intelligenti e più ecologiche: il duplice impatto dell’intelligenza artificiale su prestazioni e sostenibilità

MARIANI, GIOIA
2024/2025

Abstract

Through the dual perspectives of performance improvement and sustainability enhancement, this thesis examines how artificial intelligence is changing supply chain management. The study examines how AI-driven technologies affect operational effectiveness, resilience, and environmental and social effects. It is based on a comprehensive assessment of the literature and an empirical survey of industry professionals. According to the Resource-Based View and Dynamic Capabilities Theory, the literature analysis shows that AI has developed from a supportive tool to a strategic capability that enables businesses to recognize, adjust, and react to disruptions while integrating sustainability into fundamental decision-making processes. Empirical data demonstrates that the adoption of AI in SCM is still in its transitory phase. While sustainability-focused applications are still developing, organizations are largely focused on increasing productivity and process dependability. The overall effects on operational, environmental, and social dimensions are moderate, according to quantitative data, which reflect a difference in technological maturity among industries. Additionally, the lack of broad adoption of ethical governance and accountability frameworks indicates that organizations have not yet integrated responsible innovation principles with digital transformation. The study comes to the conclusion that AI functions as a transformative force that may connect competition with responsibility, as well as an efficiency facilitator, by combining theoretical and empirical findings. Stronger governance frameworks, workforce upskilling, and a sustained dedication to integrating digital intelligence with sustainable supply chain strategies are necessary to realize this promise.
2024
Smarter and greener supply chains: the dual impact of AI on performance and sustainability
Attraverso la duplice prospettiva del miglioramento delle performance e della promozione della sostenibilità, questa tesi esamina come l’intelligenza artificiale (IA) stia trasformando la gestione della supply chain (SCM). Lo studio, basato su una revisione sistematica della letteratura e su un’indagine empirica condotta tra professionisti del settore, analizza in che modo le tecnologie basate sull’IA influenzino l’efficienza operativa, la resilienza e gli impatti ambientali e sociali. L’analisi teorica, in linea con la Resource-Based View e la Dynamic Capabilities Theory, evidenzia come l’IA si sia evoluta da strumento di supporto a capacità strategica, consentendo alle imprese di riconoscere, adattarsi e reagire alle perturbazioni, integrando al contempo la sostenibilità nei processi decisionali fondamentali. I dati empirici mostrano che l’adozione dell’IA nella gestione della supply chain si trova ancora in una fase di transizione: mentre le applicazioni orientate alla sostenibilità sono ancora in via di sviluppo, le organizzazioni si concentrano principalmente sull’aumento della produttività e dell’affidabilità dei processi. I risultati quantitativi indicano effetti complessivamente moderati sulle dimensioni operative, ambientali e sociali, riflettendo differenze di maturità tecnologica tra i settori. Inoltre, la scarsa diffusione di sistemi di governance etica e di accountability suggerisce che le imprese non abbiano ancora pienamente integrato i principi di innovazione responsabile nella trasformazione digitale. In conclusione, la tesi afferma che l’IA agisce sia come forza trasformativa, capace di coniugare competitività e responsabilità, sia come fattore abilitante dell’efficienza. Per realizzare pienamente questo potenziale, sono necessari un rafforzamento delle strutture di governance, lo sviluppo delle competenze del personale e un impegno costante nell’integrazione dell’intelligenza digitale nelle strategie di sostenibilità della supply chain.
File in questo prodotto:
File Dimensione Formato  
Mariani_Master_Thesis_Final..pdf

accesso aperto

Dimensione 898.72 kB
Formato Adobe PDF
898.72 kB Adobe PDF Visualizza/Apri

È consentito all'utente scaricare e condividere i documenti disponibili a testo pieno in UNITESI UNIPV nel rispetto della licenza Creative Commons del tipo CC BY NC ND.
Per maggiori informazioni e per verifiche sull'eventuale disponibilità del file scrivere a: unitesi@unipv.it.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.14239/31927