This dissertation investigates how organizations respond to the institutional challenges posed by artificial intelligence-driven digitalization. Drawing on institutional theory, it conceptualizes artificial intelligence (AI) as an institutional force that reconfigures norms, logics, and legitimacy expectations, rather than merely as a technological innovation. While research has predominantly focused on digital transformation as a strategic or technological shift, this study highlights its institutional dimensions, particularly the symbolic and substantive tensions that organizations face when navigating legitimacy in rapidly evolving environments.

The dissertation introduces the Institutional Digital Adaptation Model (IDAM), a dynamic framework explaining how organizations pursue legitimacy across three adaptive pathways: compliance-driven adoption, competitive benchmarking, and strategic institutional engagement. Through the integration of document analysis, computational methods, and longitudinal studies of professional service firms and Swedish multinational enterprises (MNEs), the research reveals how firms construct front-stage narratives that align with external expectations, while often grappling with back-stage complexities and internal misalignments.

Empirically, the research spans multiple sectors and institutional contexts, offering comparative insights into how coercive, mimetic, and normative pressures shape organizational responses to AI. Theoretically, it advances a performative and recursive understanding of adaptation under technological uncertainty, contributing to institutional scholarship. Methodologically, the dissertation demonstrates how digital and computational approaches can enrich institutional analysis.

Overall, the research reveals that AI adoption is not a linear process of technological integration, but rather a contested journey in search of legitimacy shaped by symbolic actions and institutional pressures. The findings have significant implications for scholars, practitioners, and policymakers seeking to understand and govern the future of digital transformation.

Denna avhandling undersöker hur organisationer svarar på de institutionella utmaningar som följer med AI-driven digitalisering. Med utgångspunkt i institutionell teori betraktas artificiell intelligens inte enbart som en teknologisk innovation, utan som en institutionell kraft som omformar normer, logiker och legitimitetsförväntningar. Tidigare forskning har i stor utsträckning fokuserat på digital transformation som en strategisk eller teknisk förändring, medan denna studie lyfter fram dess institutionella dimensioner – särskilt de symboliska och substantiella spänningar som organisationer hanterar i sitt sökande efter legitimitet i snabbt föränderliga omgivningar.

Avhandlingen introducerar Institutional Digital Adaptation Model (IDAM) – en dynamisk modell som förklarar hur organisationer eftersträvar legitimitet genom tre anpassningsvägar: regelstyrd efterlevnad, konkurrensbaserad benchmarking och strategiskt institutionellt engagemang. Genom att kombinera dokumentanalys, digitala metoder och longitudinella studier av professionella tjänsteföretag och svenska multinationella företag (MNE:er), visar studien hur företag konstruerar front-stage-narrativ som svarar mot externa förväntningar, samtidigt som de ofta brottas med backstage-komplexitet och interna motsättningar.

Empiriskt omfattar studien flera sektorer och institutionella kontexter, och erbjuder jämförande insikter om hur normativa, mimetiska och tvingande tryck påverkar organisatoriska svar på AI. Teoretiskt bidrar arbetet till institutionell teori genom att utveckla en performativ och rekursiv förståelse av organisatorisk anpassning under teknologisk osäkerhet. Metodologiskt visar avhandlingen hur digitala och beräkningsbaserade metoder kan fördjupa institutionell analys.

Sammantaget visar forskningen att AI-adoption inte är en linjär teknisk implementering, utan en komplex och legitimitetsdriven process, präglad av symboliska handlingar och institutionella krafter. Resultaten har viktiga implikationer för forskare, praktiker och beslutsfattare som vill förstå och styra framtidens digitala transformation.