Multi-case study testing the use of fit-viability model to evaluate companies’ prerequisites for their AI-CRM initiatives

Artificial intelligence (AI) technologies have advanced greatly during the recent years. Previously the use of these technologies has demanded difficult to get internal capabilities for developing machine learning algorithms and implementing them in applications such as social media platforms and virtual assistants. Today the idea of implementing these novel technologies also in enterprise systems (ES) has aroused the interest of many companies. One of the most important enterprise system categories is the CRM (customer relationship management) system, which is constantly growing its significance as the companies in different industries aim to become more customer centric. Different CRM system providers, such as Salesforce, Oracle and companies operating in their ecosystems have begun to offer various AI-CRM applications for their customer companies to utilize in enhancing their own business operations. Even though the topic is growing interest, companies’ experience of these applications is limited and there are few available roadmaps to follow. This thesis aims to offer organizations planning on implementing AI-CRM applications a tool to analyze the potential prerequisites to be fulfilled to maximize the chances of successful adoption. The fit-viability model (FVM) has been previously used to analyze different IT initiatives. This study aims to develop it further and tests it in the context of AI-CRM applications. The study consists of two parts, first of which is a background research focusing on collecting insights about implementation of AI-CRM applications from expert sources and recognizing different applications on market through an Internet research. The second part is a multi-case study testing the FVM to analyze the selected AI-CRM applications in the context of various companies. The results of this thesis indicate that using the FVM to analyze AI-CRM applications provides meaningful insights and can help in recognizing and fulfilling the potential prerequisites for successful implementation. The model provides the insights in clearly understandable and visually presentable form that can be used to help decision-making processes. As the CRM system market is growing and the biggest providers on the market have a strong focus on providing AI-CRM applications, the significance of these solutions is not expected to decrease. Nevertheless, the topic is still in its early maturity and cases of successful adoption are limited. The research conducted in this thesis provides viewpoints for future research, and organizations can utilize the tested FVM in their own decision-making and implementation processes regarding AI-CRM applications.Tekoälyteknologiat ovat kehittyneet viime vuosien aikana merkittävästi. Aiemmin tekoälyteknologioiden hyödyntäminen on vaatinut yrityksiltä vaikeasti hankittavia kyvykkyyksiä koneoppimista (ML) hyödyntävien algoritmien kehityksestä ja implementoinnista eri järjestelmissä, kuten sosiaalisen median alustoissa tai virtuaaliassistenteissa. Sittemmin ajatus tekoälyteknologioiden hyödyntämisestä myös yritystietojärjestelmissä (ES) on alkanut herättää kiinnostusta yrityksissä. Yksi tärkeimmistä yritystietojärjestelmistätyypeistä on asiakkuushallintajärjestelmä (CRM), joka kasvattaa merkitystään jatkuvasti eri aloilla toimivien yritysten pyrkiessä asiakaskeskeisemmiksi. Eri CRM-järjestelmien tarjoajat, kuten Salesforce ja Oracle, sekä näiden ekosysteemeissä toimivat yritykset, tarjoavat nyt yritysasiakkailleen erilaisia AI-CRM-applikaatioita, joita nämä voivat käyttää oman liiketoimintansa kehittämiseen. Vaikka kiinnostus aiheen ympärillä kasvaa, yritysten kokemus näistä uusista sovelluksista on rajallinen eikä tarjolla ole montaa mallia, jota käyttöönotossa voitaisiin hyödyntää. Tämä tutkimus pyrkii tarjoamaan AI-CRM-applikaatioiden käyttöönottoa suunnitteleville yrityksille työkalun, jolla nämä voivat tunnistaa ja täyttää mahdollisia onnistuneen käyttöönoton onnistumistodennäköisyyttä parantavia ennakkovaatimuksia. Fit-viability -malli (FVM) -nimistä teoriaa on aiemmin hyödynnetty erilaisten IT-hankkeiden analysoinnissa. Tutkimuksen tavoite on kehittää mallia pidemmälle ja testata sitä AI-CRM-applikaatioiden kontekstissa. Tutkimus koostuu kahdesta osasta, joista ensimmäinen on taustatutkimus, joka keskittyy kokoamaan tietoa AI-CRM applikaatioiden implementoinnista asiantuntijaläheistä sekä tunnistamaan tarjolla olevia AI-CRM applikaatioita Internet-tutkimuksella. Toinen osa on monitapaustutkimus, jossa testataan FVM:ää valittujen AI-CRM-applikaatioiden analysointiin usean eri yrityksen kontekstissa. Tutkimustulokset osoittavat, että käyttämällä FVM:ää AI-CRM-applikaatioiden analysointiin voidaan löytää merkityksellistä tietoa sekä tunnistaa ja käsitellä mahdollisia onnistuneen implementoinnin ennakkovaatimuksia. FVM tarjoaa selkeää ja visuaalisesti esitettyä tietoa päätöksenteon tueksi. Koska CRM-järjestelmien markkina kasvaa ja suurimmat palvelujen tarjoajat ovat ottaneet AI-CRM applikaatioiden tarjoamisen yhdeksi painopisteekseen, ratkaisujen merkityksen ei oleteta heikkenevän. Aiheen maturiteettiaste on kuitenkin vielä matala ja onnistuneiden käyttötapauksien määrä on rajallinen. Tämä tutkielma tarjoaa näkökulmia, joiden päälle uutta tutkimusta voi tulevaisuudessa tehdä ja organisaatiot voivat hyödyntää testattua FVM:ää oman päätöksentekonsa sekä AI-CRM applikaatioiden implementoinnin tukena