AI-Driven Process for Analyzing Business Actors and their Capabilities in CE Ecosystem
Nurmi, Jenni (2024)
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:amk-2024052214170
https://urn.fi/URN:NBN:fi:amk-2024052214170
Tiivistelmä
Tämän opinnäytetyön tarkoituksena oli tunnistaa yritystoimijoita ja arvioida heidän kyvykkyyksiään toimia kiertotalousekosysteemeissä Etelä-Pohjanmaan alueella. Työ pyrki tukemaan kiertotalousekosysteemin orkestraattoreita alueellisen kiertotalousekosysteemin käynnistämisessä luomalla systemaattisen tavan tunnistaa toimijoita sekä arvioida heidän kiertotalouskyvykkyyksiään. Työn tarkoituksensa oli tukea Seinäjoen ammattikorkeakoulun RIIHI-hanketta, jonka päämääränä on kiertotalousekosysteemien vahvistaminen ja kiertotalousliiketoiminnan edistäminen alueella.
Opinnäytetyössä kehitettiin ja testattiin CEULA - Circular Economy Uptake Level Assessment -nimistä prosessimallia. Mallin avulla pyrittiin systemaattisesti tunnistamaan alueelliset toimijat toimialoittain avointa julkishallinnon tarjoamaa dataa rikastamalla, ja tämän jälkeen arvioimaan toimijoiden kiertotalouskyvykkyyksiä käyttämällä apuna generatiivista tekoälyä ja luonnollisen kielen prosessointia. CEULA-työkalut rakennettiin ChatGPT4:n GPT Builderia hyödyntäen.
CEULA-mallin arviointikehikko perustuu Ellen MacArthur Foundationin kehittämään ReSOLVE-viitekehykseen ja kiertotalouden maturiteettimalleihin. Systemaattinen prosessi sisältää kaksi vaihetta: ensimmäisessä vaiheessa tapahtuu toimijoiden tunnistaminen ja toisessa vaiheessa toimijoiden kiertotalous- ja ekosysteemikyvykkyyksien arviointi. Kehitetty prosessimalli tarjoaa kiertotalous-ekosysteemien orkestraattoreille systemaattisen työkalun, jonka avulla voidaan analysoida toimijoiden rooleja ja kyvykkyyksiä CE-ekosysteemin muodostamisen alkuvaiheessa.
Opinnäytetyön tulokset indikoivat, että CEULA-prosessimalli tukee potentiaalisten ekosysteemin toimijoiden tunnistamista ja kiertotalouskyvykkyyksien arviointia, edistäen näin kiertotalousekosysteemien rakentumista ja syventäen ymmärrystä alueen kiertotalouspotentiaalista. Tämä on erityisen tärkeää Etelä-Pohjanmaan alueelle, jossa on havaittu selkeä tarve kehittää kiertotalousekosysteemejä systemaattisemmin, mutta mallin toistettavuus mahdollistaa sen, että mallista on hyötyä myös laajemmin.
Työ tarjoaa uutta tietoa ja konkreettisia välineitä alueellisten kiertotalousekosysteemien kehittämiseen. CEULA-mallin avulla voidaan laajentaa ymmärrystä kiertotalouden toteuttamisesta ja toimijoiden roolista niin alueellisesti kuin kansallisestikin. Työssä kehitetyllä CEULA-mallilla voidaan nähdä sekä käytännöllistä ja tieteellistä arvoa, sillä se tarjoaa lisää ymmärrystä sekä akateemiseen kiertotaloustutkimukseen että käytännössä tapahtuvaan kiertotalouden liiketoimintamallien kehittämiseen This thesis focuses on the development of Circular Economy (CE) ecosystems, identifying and assessing the roles, capabilities, and business models of actors within the South Ostrobothnia region. Aimed at enhancing the adoption of CE principles and their practical application in the region's industry, the research supports the formation of a regional CE ecosystem and strengthens the competitiveness of local businesses from a circular perspective. The study was conducted to support the RIIHI project at Seinäjoki University of Applied Sciences, with the primary goal of strengthening CE ecosystems and promoting CE business in the area.
A process model named CEULA - Circular Economy Uptake Level Assessment was developed and tested to systematically identify and evaluate actors' CE capabilities using open government data and generative artificial intelligence (AI) with natural language processing (NLP). The model, leveraging the ReSOLVE framework by Ellen Mac Arthur Foundation for business model transformation, consists of two phases: actor identification and capability assessment. It provides a tool for ecosystem orchestrators to systematically analyze actor roles and capabilities during the early stages of forming a CE ecosystem. The CEULA tools were built by ChatGPT’s GPT Builder.
The results demonstrate that the CEULA process model can facilitate the identification of potential ecosystem actors and assess their capabilities in CE, promoting ecosystem formation and deepening understanding of regional CE opportunities. This is particularly significant for the South Ostrobothnia region, which has recognized the need for a more systematic approach to developing CE ecosystems but can benefit a larger audience as well.
The work provides new insights and tools for the development of regional CE ecosystems, expected to advance the wider adoption and application of CE principles both regionally and nationally. Thesis highlights the practical and scientific significance of the CEULA model, contributing to the academic CE research and practical development of circular business models.
Opinnäytetyössä kehitettiin ja testattiin CEULA - Circular Economy Uptake Level Assessment -nimistä prosessimallia. Mallin avulla pyrittiin systemaattisesti tunnistamaan alueelliset toimijat toimialoittain avointa julkishallinnon tarjoamaa dataa rikastamalla, ja tämän jälkeen arvioimaan toimijoiden kiertotalouskyvykkyyksiä käyttämällä apuna generatiivista tekoälyä ja luonnollisen kielen prosessointia. CEULA-työkalut rakennettiin ChatGPT4:n GPT Builderia hyödyntäen.
CEULA-mallin arviointikehikko perustuu Ellen MacArthur Foundationin kehittämään ReSOLVE-viitekehykseen ja kiertotalouden maturiteettimalleihin. Systemaattinen prosessi sisältää kaksi vaihetta: ensimmäisessä vaiheessa tapahtuu toimijoiden tunnistaminen ja toisessa vaiheessa toimijoiden kiertotalous- ja ekosysteemikyvykkyyksien arviointi. Kehitetty prosessimalli tarjoaa kiertotalous-ekosysteemien orkestraattoreille systemaattisen työkalun, jonka avulla voidaan analysoida toimijoiden rooleja ja kyvykkyyksiä CE-ekosysteemin muodostamisen alkuvaiheessa.
Opinnäytetyön tulokset indikoivat, että CEULA-prosessimalli tukee potentiaalisten ekosysteemin toimijoiden tunnistamista ja kiertotalouskyvykkyyksien arviointia, edistäen näin kiertotalousekosysteemien rakentumista ja syventäen ymmärrystä alueen kiertotalouspotentiaalista. Tämä on erityisen tärkeää Etelä-Pohjanmaan alueelle, jossa on havaittu selkeä tarve kehittää kiertotalousekosysteemejä systemaattisemmin, mutta mallin toistettavuus mahdollistaa sen, että mallista on hyötyä myös laajemmin.
Työ tarjoaa uutta tietoa ja konkreettisia välineitä alueellisten kiertotalousekosysteemien kehittämiseen. CEULA-mallin avulla voidaan laajentaa ymmärrystä kiertotalouden toteuttamisesta ja toimijoiden roolista niin alueellisesti kuin kansallisestikin. Työssä kehitetyllä CEULA-mallilla voidaan nähdä sekä käytännöllistä ja tieteellistä arvoa, sillä se tarjoaa lisää ymmärrystä sekä akateemiseen kiertotaloustutkimukseen että käytännössä tapahtuvaan kiertotalouden liiketoimintamallien kehittämiseen
A process model named CEULA - Circular Economy Uptake Level Assessment was developed and tested to systematically identify and evaluate actors' CE capabilities using open government data and generative artificial intelligence (AI) with natural language processing (NLP). The model, leveraging the ReSOLVE framework by Ellen Mac Arthur Foundation for business model transformation, consists of two phases: actor identification and capability assessment. It provides a tool for ecosystem orchestrators to systematically analyze actor roles and capabilities during the early stages of forming a CE ecosystem. The CEULA tools were built by ChatGPT’s GPT Builder.
The results demonstrate that the CEULA process model can facilitate the identification of potential ecosystem actors and assess their capabilities in CE, promoting ecosystem formation and deepening understanding of regional CE opportunities. This is particularly significant for the South Ostrobothnia region, which has recognized the need for a more systematic approach to developing CE ecosystems but can benefit a larger audience as well.
The work provides new insights and tools for the development of regional CE ecosystems, expected to advance the wider adoption and application of CE principles both regionally and nationally. Thesis highlights the practical and scientific significance of the CEULA model, contributing to the academic CE research and practical development of circular business models.