Strategic and organisational factors for advancing knowledge in intelligent automation
Notice bibliographique
Résumé
This study explores the determinants of intelligent automation implementation within organisations and their implications for strategic value and technological adoption. Grounded in diffusion of innovation theory, this study examines how digital competencies, technology absorptive capacity, and strategic value influence the adoption of intelligent automation. Using a quantitative approach, the findings reveal that digital competencies do not directly impact intelligent automation implementation, but exert an indirect influence through technology absorptive capacity and strategic value. Technology absorptive capacity emerges as a critical enabler facilitating the assimilation and application of the external knowledge necessary for intelligent automation integration, whereas strategic value plays a significant role in aligning intelligent automation adoption with organisational goals. These results emphasise the importance of absorptive and strategic capacities in bridging the gap between digital readiness and intelligent automation. This study highlights that successful intelligent automation adoption requires a multifaceted approach that integrates technological, organisational, and strategic considerations. Although intelligent automation offers substantial potential to improve operational efficiency and competitiveness, its adoption remains resource-intensive, necessitating investments in digital capabilities, training, and stakeholder engagement. This research also underscores the need for a human-centric approach to address employee concerns and align intelligent automation with broader organisational strategies. This study contributes to the literature on digital transformation and automation by providing empirical evidence of the determinants of intelligent automation implementation and their interplay. These findings offer insights for managers, policymakers, and researchers and pave the way for more effective and sustainable adoption strategies for intelligent automation. Future research should explore additional factors that influence the adoption of intelligent automation across diverse sectors and organisational contexts.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,006 |
| Communication savante | 0,009 | 0,006 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».