The impact of AI in event logistics: Critical success factors and barriers

Abstract

Artificial Intelligence (AI) has been increasing its impact on society, so this study explores the application of AI in event logistics, aiming to identify priority processes for implementation, key barriers, and critical success factors. A sequential mixed-method approach was adopted, beginning with semi-structured interviews to capture in-depth insights from professionals in the events sector. Thematic analysis and axial coding of the qualitative data revealed key items for three core dimensions: processes where AI could be applied, perceived barriers, and critical success factors. These findings led to the development of a Delphi study, which was conducted in two rounds to validate and prioritise items through expert consensus. The Delphi method confirmed a strong alignment among experts regarding the relevance of AI in early logistical processes such as planning, scheduling, and resource coordination. Barriers such as resistance to change, the lack of industry-specific AI tools, and job displacement concerns were identified as the most significant. In contrast, technological infrastructure, system integration, and change management emerged as essential success factors for effective implementation. Kendall’s coefficient of concordance (W) showed an increased consensus between rounds, validating the iterative process.

A Inteligência Artificial (IA) tem vindo a aumentar o seu impacto na sociedade, pelo que este estudo explora a aplicação da IA na logística de eventos, com o objetivo de identificar os processos cuja implementação é prioritária, as principais barreiras e os fatores críticos de sucesso. Foi adotada uma abordagem sequencial de métodos, começando com entrevistas semiestruturadas para obter perceções aprofundadas de profissionais do sector dos eventos. A análise temática e a codificação axial dos dados qualitativos revelaram itens-chave para três dimensões principais: processos em que a IA poderia ser aplicada, barreiras existentes e fatores críticos para o sucesso. Estas conclusões serviram de base ao desenvolvimento do método de Delphi, que foi realizado em duas rondas para validar e estabelecer prioridades através do consenso de profissionais na área. O método Delphi confirmou um forte alinhamento quanto à relevância da IA nos processos logísticos do pré-evento, como o planeamento, a programação e a coordenação de recursos. Barreiras como a resistência à mudança, a falta de ferramentas de IA específicas do sector e as preocupações com os postos de trabalho foram identificadas como as mais significativas. Em contrapartida, a infraestrutura tecnológica, a integração de sistemas e a gestão da mudança surgiram como fatores de sucesso essenciais para uma implementação eficaz. O coeficiente de concordância de Kendall (W) revelou um aumento do consenso entre rondas, validando o processo iterativo.