Vers une meilleure compréhension de la transformation numérique optimisée par l’IA et de ses implications pour les PME manufacturières au Canada - Une recherche qualitative exploratoire

Amir Taherizadeh and Catherine Beaudry

CIRANO Project Reports from CIRANO

Abstract: This report presents the main results of the qualitative and exploratory study aimed at explaining how artificial intelligence (AI), as general-purpose technology (GPT), impacts firm-level productivity and employment. Analyzing primary and secondary data sources (including 27 interviews, reports, and panel discussions), we first develop the maturity spectrum of AI adoption and classify small and medium-sized enterprises (SMEs) that integrate AI into their work processes into four archetypes: The Wishful, The Achievers, The Leaders, and The Visionaries. By characterizing each archetype, we highlight nuances of changes that need to take place for a firm to further progress to the next stage of AI adoption. Second, we identify and explain seven barriers that are associated with the pervasive integration of AI among SMEs in manufacturing industries. Third, in three distinct case studies, we explore three AI projects conducted by Quebec-based AI-focused firms to show how machine learning (ML) integration into products and work processes can act as a productivity enhancer and identify its impact on firm-level employment. Overall, our results suggest that successful AI integration requires a firm-level digital transformation which we illustrate as a continuum. In the early stages of adoption (including firms in The Wishful and The Achievers classes) where AI adoption is project-centric, firms’ employment tends to increase in parallel with productivity gains. The much-needed upskilling of the existing workforce also occurs at the same time. Further, as firms integrate AI on an enterprise-wide scale (The Leaders and The Visionaries) and increase the level of their innovation activities, firm-level job losses are experienced in parallel to productivity gains. Next, we introduce indirect indicators of AI pervasiveness as more realistic measures to evaluate the rate of AI adoption by SMEs in a fluid stage. Finally, we propose four recommendations that have implications for researchers, practitioners as well as policymakers. Ce rapport présente les principaux résultats d’une étude qualitative exploratoire visant à examiner l’impact de l’intelligence artificielle (IA), en tant que technologie à usage général (TUG) sur la productivité et l’emploi à l’échelle de l’entreprise. À la suite de l’analyse de sources de données primaires et secondaires (comprenant 27 entretiens, rapports et discussions de groupe), nous établissons d’abord une échelle de maturité de l’adoption de l’IA et un classement des petites et moyennes entreprises (PME) qui intègrent l’IA dans leurs processus de travail en quatre archétypes : l’Aspirant, le Fonceur, le Leader et le Visionnaire. Nous définissons chaque archétype de façon à mettre en évidence les changements particuliers à opérer pour qu’une entreprise puisse passer à l’étape suivante de l’adoption de l’IA. Deuxièmement, nous définissons et examinons sept obstacles à l’adoption généralisée de l’IA par les PME manufacturières. Troisièmement, à l’aide de trois études de cas, nous explorons trois projets d’IA menés par des entreprises québécoises axées sur l’IA afin de montrer, d’une part, l’apport de l’intégration de l’apprentissage automatique (AA) aux produits et aux processus de travail sur le plan de la productivité des entreprises, et d’autre part son effet sur leurs effectifs. Dans l’ensemble, les résultats de notre étude suggèrent que la réussite de l’intégration de l’IA nécessite une transformation numérique au niveau de l’entreprise, que nous présentons comme un continuum. Dans les premières étapes, où l’adoption de l’IA se fait autour de projets (en particulier pour les entreprises des catégories Aspirant et Fonceur), les effectifs des entreprises ont tendance à augmenter parallèlement aux gains de productivité en même temps que le perfectionnement indispensable des compétences de la main-d’œuvre existante. En outre, lorsque l’IA est déployée à l’échelle de l’entreprise (chez les Leaders et les Visionnaires) et que cette dernière rehausse le niveau de ses activités d’innovation, on enregistre plutôt des pertes d’emploi parallèlement aux gains de productivité. Par la suite, nous introduisons des indicateurs indirects de l’omniprésence de l’IA, car nous estimons qu’il s’agit de mesures plus réalistes pour évaluer le taux d’adoption de l’IA par les PME en phase fluide. Enfin, nous proposons quatre recommandations qui ont des implications pour les chercheurs, les praticiens et les responsables politiques.

Keywords: Artificial intelligence; Digital transformation; General Purpose Technology; Employment; Machine learning; Productivity; Manufacturing; Technological Innovation; Intelligence artificielle; Transformation numérique; Technologies à usage général; Emploi; Apprentissage automatique; Productivité; Secteur manufacturier; Innovation technologique (search for similar items in EconPapers)
JEL-codes: C80 D20 L60 M50 O10 (search for similar items in EconPapers)
Date: 2022-03-11
New Economics Papers: this item is included in nep-big, nep-ent, nep-ppm and nep-sbm
References: Add references at CitEc
Citations:

Downloads: (external link)
https://cirano.qc.ca/files/publications/2022RP-04.pdf

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:cir:cirpro:2022rp-04

Access Statistics for this paper

More papers in CIRANO Project Reports from CIRANO Contact information at EDIRC.
Bibliographic data for series maintained by Webmaster ().