This thesis examines the organizational readiness of a grape leaf processing company operating in China for the potential adoption of Artificial Intelligence (AI) tools in Quality Control (QC), with an emphasis on the receiving and initial inspection stage of raw materials. The study does not technically evaluate any specific AI system, but explores the organizational, technological and operational prerequisites that may facilitate or limit a future implementation of AI-supported QC. The research followed a qualitative single-case study approach and was based on six semi-structured interviews with information-rich participants from Management, Production and Quality Control, selected to capture different functional perspectives, company units and QC shifts. The data were analyzed through thematic analysis, with a combination of deductive coding, based on the conceptual framework, and inductive coding, based on the field data. The analytical framework linked the Technology–Organization–Environment (TOE) factors to the change commitment and change efficacy dimensions of organizational readiness.

The company already has a functioning QC system, with basic recording and traceability routines in place. Even so, incoming inspection still depends heavily on human judgement, experience-based assessment, and partly manual records. Participants saw AI as useful mainly where the current process is most exposed to pressure: fast acceptance, rejection, or classification of incoming loads. Its value was linked to more consistent decisions, better use of QC data, and stronger documentation, but not as an automatic replacement for human judgement. Acceptance of AI was therefore conditional. Any future solution would first need to prove that it can work under the actual receiving conditions of the company, fit the seasonal production environment, support staff rather than disrupt their work, and offer clear business value. Overall, the company appears willing to consider AI-supported QC, but its implementation capacity is not yet fully mature. A limited pilot in incoming inspection, combined with human oversight, clearer ownership, and better-structured QC data, is therefore the most realistic next step.

Η παρούσα διπλωματική εργασία εξετάζει την οργανωσιακή ετοιμότητα μιας εταιρείας επεξεργασίας αμπελόφυλλων που δραστηριοποιείται στην Κίνα ως προς την πιθανή υιοθέτηση εργαλείων Τεχνητής Νοημοσύνης (ΤΝ) στον Ποιοτικό Έλεγχο (ΠΕ), με έμφαση στο στάδιο της παραλαβής και του αρχικού ελέγχου των πρώτων υλών. Η μελέτη δεν αξιολογεί τεχνικά κάποιο συγκεκριμένο σύστημα ΤΝ, αλλά διερευνά τις οργανωσιακές, τεχνολογικές και λειτουργικές προϋποθέσεις που ενδέχεται να διευκολύνουν ή να περιορίσουν μια μελλοντική εφαρμογή ποιοτικού ελέγχου υποστηριζόμενου από ΤΝ. Η έρευνα ακολούθησε ποιοτική προσέγγιση μελέτης μίας περίπτωσης και βασίστηκε σε έξι ημιδομημένες συνεντεύξεις με συμμετέχοντες που διέθεταν πλούσια και σχετική πληροφόρηση από τη Διοίκηση, την Παραγωγή και τον Ποιοτικό Έλεγχο. Οι συμμετέχοντες επιλέχθηκαν ώστε να αποτυπωθούν διαφορετικές λειτουργικές οπτικές, διαφορετικές μονάδες της εταιρείας και διαφορετικές βάρδιες Ποιοτικού Ελέγχου. Τα δεδομένα αναλύθηκαν μέσω θεματικής ανάλυσης, με συνδυασμό παραγωγικής κωδικοποίησης, βάσει του εννοιολογικού πλαισίου, και επαγωγικής κωδικοποίησης, βάσει των δεδομένων πεδίου. Το αναλυτικό πλαίσιο συνέδεσε τους παράγοντες Τεχνολογίας–Οργανισμού–Περιβάλλοντος (TOE) με τις διαστάσεις της δέσμευσης για αλλαγή και της αντιλαμβανόμενης ικανότητας υλοποίησης της αλλαγής, οι οποίες συνθέτουν την οργανωσιακή ετοιμότητα.

Η εταιρεία διαθέτει ήδη ένα λειτουργικό σύστημα Ποιοτικού Ελέγχου, με βασικές διαδικασίες καταγραφής και ιχνηλασιμότητας. Παρ’ όλα αυτά, ο έλεγχος κατά την παραλαβή εξακολουθεί να εξαρτάται σε μεγάλο βαθμό από την ανθρώπινη κρίση, την αξιολόγηση που βασίζεται στην εμπειρία και, εν μέρει, από χειρόγραφες καταγραφές. Οι συμμετέχοντες θεώρησαν ότι η ΤΝ θα μπορούσε να είναι κυρίως χρήσιμη στα σημεία όπου η υφιστάμενη διαδικασία δέχεται τη μεγαλύτερη πίεση: στη γρήγορη αποδοχή, απόρριψη ή ταξινόμηση των εισερχόμενων φορτίων. Η αξία της συνδέθηκε με πιο συνεπείς αποφάσεις, καλύτερη αξιοποίηση των δεδομένων Ποιοτικού Ελέγχου και ισχυρότερη τεκμηρίωση, όχι όμως με την αυτόματη αντικατάσταση της ανθρώπινης κρίσης. Η αποδοχή της ΤΝ ήταν, επομένως, υπό προϋποθέσεις. Οποιαδήποτε μελλοντική λύση θα έπρεπε πρώτα να αποδείξει ότι μπορεί να λειτουργήσει υπό τις πραγματικές συνθήκες παραλαβής της εταιρείας, να προσαρμοστεί στο εποχικό περιβάλλον παραγωγής, να υποστηρίζει το προσωπικό αντί να διαταράσσει την εργασία του και να προσφέρει σαφή επιχειρηματική αξία. Συνολικά, η εταιρεία φαίνεται πρόθυμη να εξετάσει την εφαρμογή Ποιοτικού Ελέγχου υποστηριζόμενου από ΤΝ, ωστόσο η ικανότητά της για υλοποίηση δεν είναι ακόμη πλήρως ώριμη. Ως εκ τούτου, το πιο ρεαλιστικό επόμενο βήμα είναι η εφαρμογή ενός περιορισμένης κλίμακας πιλοτικού προγράμματος στο στάδιο της παραλαβής, σε συνδυασμό με ανθρώπινη εποπτεία, σαφέστερη ανάθεση αρμοδιοτήτων και καλύτερα δομημένα δεδομένα Ποιοτικού Ελέγχου.