Användandet av molnbaserade språkmodeller blir allt vanligare i takt med att de blir mer tillgängliga, och deras kapacitet att bearbeta och generera text förbättras ständigt. Men för användare och organisationer som arbetar med känslig information uppstår en utmaning, eftersom all data som behandlas av dessa modeller överförs till serveroperatören. I och med detta växer behovet av så kallade On-Premisemodeller, som kan köras lokalt på en användares eller organisations egna servrar. Därför ämnar detta projekt till att identifiera, testa och jämföra flera on-premise-språkmodeller med inriktning på textbehandling. Detta inkluderar uppgifter som att upptäcka fel i stavning, grammatik och bruk av skiljetecken, samt att analysera språkanvändning. Projektet innebar att söka efter modeller på hemsidan HuggingFace.co som hanterar både svenska och engelska och sedan implementera dem på olika AWS EC2-instanser. Efter en inledande granskning av flera modeller, identifierades två särskilt lovande alternativ, Viking och GPT-SW3, som var tillräckligt kapabla att genomföra de mer avancerade sorters tester. De utvalda modellerna genomgick en omfattande process av prompt-engineering för att optimera deras prestanda och maximera deras förmåga att demonstrera sin kompetens. Efter detta skapades standardiserade tester för grammatik, stavning och bruk av skiljetecken, samt översättning. Dessutom skapades mer avancerade tester som inkluderade omstrukturering av text, samt förenkling och anpassning av texter till en specifik persona. Resultaten av dessa tester visade att båda prövade modeller hade god förmåga att korrigera fel i stavning, grammatik, och bruk av skiljetecken i texter, samt översättning av texter. GPT-SW3 visade även god förmåga i personatesterna, medan modellen Viking inte var kapabel till att genomföra denna sorts behandling av texter. Parallellt med testandet av språkmodellerna utvecklades ett skript för att analysera hårdvarans prestanda och kostnad under exekveringen av språkmodellerna. Detta skript kördes på flera olika AWS EC2-instanser, var och en utrustad med olika typer av hårdvara. Prestationerna från de olika instanserna jämfördes, och resultaten visade att körning av modellerna på Inferentia2chip gav den bästa prestandan och den lägsta kostnaden per genererat ord, fastän denna hårdvara hade den högsta timkostnaden. Alla CPUinstanser som testades presterade betydligt sämre än GPU-instansen, men var markant billigare att hyra per timme. Detta kan vara en fördel för on-demand-applikationer där kostnadseffektivitet prioriteras. / The use of cloud-based language models is becoming increasingly common as they become more accessible, and their capabilities to process and generate text are continually improving. However, a challenge arises for users and organizations handling sensitive data because all processed data is transmitted to the server operator. As a result, there’s a growing need for so-called On-Premise models, which can be operated locally on the servers of a user or organization. This project aims to identify, test, and compare several on-premise language models, "Focusing on tasks such as detecting errors in spelling, grammar, and punctuation, as well as analyzing language usage. The project involved searching for models that support both Swedish and English on the website Huggingface.co and implementing them on various AWS EC2 instances. After an initial assessment, two particularly promising models, Viking and GPT-SW3, were identified as capable enough for more detailed testing. The selected models underwent an extensive prompt-engineering process to optimize their performance and maximize their ability to demonstrate their capabilities. Following this, standardized tests for grammar, spelling, punctuation, and translation were developed. Additionally,more advanced tests were designed, including restructuring, simplifying, and adapting texts to specific personas. The results from the tests showed that both tested models had high proficiency in correcting errors regarding spelling, grammar, and punctuation, and in translating texts between Swedish and English. GPT-SW3 had high proficiency in rewriting texts to use other styles, such as using formal or simplistic language, while the Viking model had no proficiency in achieving these types of tasks. Concurrently with the model testing, a script was developed to analyze the performance and costs of the hardware during the model executions. This script was implemented on several AWS EC2 instances, each equipped with different hardware types. The performance of these instances was compared, and the results showed that running the models on the Inferentia2 chip offered the best performance and the lowest cost per generated word, despite having the highest hourly rental cost. All CPU instances tested performed significantly worse than the GPU instance but were a lot cheaper to rent per hour. This could be advantageous for on-demand applications where cost efficiency is a priority.

Bakgrund och problem: Revisionsbranschen har en väsentlig roll i dagens samhälle. Branschen är under ständig utveckling som präglas av digitaliseringen och på senare tid även artificiell intelligens. Det bidrar till att arbetsuppgifter förändras och robotar tar över människans kompetens. Denna studie avser därför att studera hur revisorers arbetstillfredsställelse påverkas av tillämpningen av artificiell intelligens.  Syfte: Studiens syfte är att bidra med en fördjupad kunskap om hur artificiell intelligens tillämpas inom revisionsbranschen samt om det har påverkat revisorers arbetstillfredsställelse och dess arbetsuppgifter inom den hierarkiska strukturen.   Metod: Studien använder en kvalitativ tvärsnittsstudie som inkluderar semistrukturerade intervjuer. Det gav möjlighet till utförliga intervjuer med utrymme för tolkning och analys av insamlad data.  Slutsats: Studiens resultat visar att artificiell intelligens har en positiv effekt på revisionsbranschen utifrån flera perspektiv. Arbetstillfredsställelsen har påverkats till det positiva till följd av att monotona arbetsuppgifter försvinner och arbetet blir därmed mer effektivt och intressant. En högre arbetstillfredsställelse leder till bättre kvalitet i revisionsrapporter. Resultatet visar även på att revisorers hierarkiska struktur har förändrats i form av att arbetsuppgifter byts ut och att hierarkin kan tänkas förskjutas ett steg i framtiden. / Background and problem: The auditing industry has an essential role in today’s society. The industry is constantly evolving, driven by digitalization and, more recently, artificial intelligence. This leads to changes in job tasks and robots taking over human skills. Therefore, this study aims to investigate how the implementation of artificial intelligence affects auditor’s job satisfaction.  Purpose: The purpose of this study is to contribute with a deeper knowledge of how artificial intelligence is applied in auditing and whether it has affected auditors' job satisfaction and their tasks within the hierarchical structure. Method: The study utilizes a qualitative cross-sectional design, including semi-structured interviews. This approach allows for deeper interviews with room for interpretation and analysis of the collected data.  Conclusion: The study's results show that artificial intelligence has a positive impact on the auditing industry from several perspectives. Job satisfaction has been positively affected as monotonous tasks are eliminated, making work more efficient and interesting. Higher job satisfaction leads to better quality in audit reports. The results also indicate that the hierarchical structure of auditors has changed, with tasks being replaced and the hierarchy can be moved one step in the future.

Studien undersöker hanteringen av generativ artificiell intelligens i utbildningssammanhang bland lärare och elever inför att det kan erbjudas som ämne i svenska gymnasieskolor. Beslutet att kunna erbjuda ett AI ämne i gymnasieskolor har tagits från Skolverket. Syftet med studien är att undersöka hur generativ AI används i undervisningssammanhang vid Sundsta-Älvkulle gymnasiet i Karlstad och det tekniska Tullängsgymnasiet i Örebro, samt om införandet av artificiell intelligens som ämne skulle kunna bidra till ett gemensamt förhållningssätt och ett reflekterat användande hos eleverna. För att uppfylla syftet med studien utforskades tre huvudområden som utgör undersökningsfrågorna. På vilket sätt används generativ AI för närvarande i undervisningen? Vilka utmaningar och möjligheter finns det med att undervisa AI som ämne i skolorna? Hur kan införandet av AI som ämne påverka elevernas förståelse för användning av generativ AI som verktyg? Författaren av studien har valt en kvalitativ inriktad forskning genom att samla in material, studera tidigare forskning och utföra semi-strukturerade intervjuer där totalt 12 personer intervjuades, 3 lärare och 3 elever från respektive gymnasieskola för att besvara studiens undersökningsfrågor. Resultatet visar att användningen av generativa AI-verktyg förekommer både bland lärare och elever där majoriteten av lärarna anser att det underlättar i arbetet för att utforma lektioner. Elevernas användning är utbredd där samtliga elever använder generativa AI-verktyg. Lärarna ser ett behov av utbildning kring artificiell intelligens för att kunna stödja eleverna i att använda verktygen på ett reflekterat sätt och ser potentialen som det kan medföra i elevernas studier. I de två gymnasieskolorna finns det olika utmaningar när det gäller undervisning i ett AI ämne. Gymnasieskolan i Karlstad kommer att erbjuda ämnet höstterminen 2024 och vid det tekniska gymnasiet i Örebro finns redan ett AI ämne sedan tidigare. Studien visar att det finns utmaningar med att hinna implementera AI som ämne och utveckla den kompetens som krävs i Karlstad, kritik riktas även mot de behörighetskrav Skolverket tagit fram för att lärare ska få undervisa i ämnet. Att kunskaper för Sveriges elever är viktiga finns det en gemensam syn kring i de båda gymnasieskolorna och för att kunna skapa ett gemensamt förhållningssätt krävs det utbildningar om AI som är ämnesspecifika för lärare på gymnasieskolorna.

I takt med den digitala utvecklingen i byggbranschen har arbetet med att integrera artificiell intelligens (AI) fått genomslag. Utvecklingen har öppnat upp nya dörrar för automatisering och optimering av processer men skapar samtidigt utmaningar då processerna ställer krav på att branschens aktörer navigerar, förändrar och anpassar sitt arbete. Denna studie undersöker hur personer med professionella roller inom byggbranschen arbetar med att integrera AI-teknik inom sina organisationer och ger perspektiv på hur dessa personer upplever integreringen av AI. I denna studie refererar personer med professionella roller till individer som på olika sätt är relaterade till hur organisationerna arbetar med att integrera AI i sin verksamhet, både inom den egna organisationen och i projekt. Dessa roller inkluderar verksamhetsutvecklare, forsknings- och innovationsledare, digitala affärsutvecklare, digitala strateger med flera, som har direkt inflytande över hur nya teknologier integreras och används i organisationerna. Inom ramen för denna studie används två analytiska ramverk: Technology Acceptance Model (TAM) och förändringsledning via Kotters 8-stegsmodell. Dessa teoretiska perspektiv ger tillsammans en djupare förståelse för hur organisationer reagerar på och anpassar sig till införandet av nya teknologier. För in-samling av empiri tillämpades en kvalitativ forskningsmetod där semistrukturerade intervjuer genomfördes. Resultaten visar att integreringen av AI idag sker på i en utforskande nivå genom pilotprojekt. Förändringsledningsstrategier tillämpas med ett tydligt inriktat fokus på att förbättra, automatisera och effektivisera arbetsprocesser, vilket direkt påverkar arbetsprocesserna i organisationerna. Utmaningarna är flera och inkluderar organisatoriska, tekniska och kulturella aspekter såsom strukturell tröghet, brist på interoperabilitet, säkerhetsutmaningar, rädsla för arbetsförlust och motstånd mot förändring i etablerade arbetsmetoder. Trots utmaningarna framhålls att AI bidrar till ökad effektivitet i arbetsprocesserna, förbättrad dataanalys och beslutsstöd samt har potential att omdirigera arbetsuppgifter och kompetenser till att nyttjas i andra områden inom organisationen, vilket leder till framväxten av nya roller och ansvarområden i byggbranschen. / As the digital development progress in the construction industry, the integration of Artificial Intelligence (AI) has made an impact. This development has opened new doors for automation and optimization of processes but simultaneously creates challenges as the processes demands that industry actors navigate, change and adapt their work. This study examines how individuals with professional roles in the construction industry work to integrate AI technology within their organizations and provides perspectives on how these individuals experience the integration of AI. In this context, persons with professional roles refer to individuals who are involved in various ways in how organizations integrate AI into their operations, both within their own organization and in projects. These roles include business developers, research and innovation leaders, digital business developers, digital strategists, among others, who have a direct influence on how new technologies are integrated and utilized within the organizations. In this study, two analytical frameworks are utilized: the Technology Acceptance Model (TAM) and change management through Kotter's 8-step model. Combined, these theoretical perspectives offer a deeper understanding of how organizations respond and adapt to the introduction of new technologies. For the collection of empirical data, a qualitative research method was applied, where semi-structured interviews were conducted. The results show that the integration of AI currently occurs at an exploratory level through pilot projects. Change management strategies are applied with a clear focus on improving, automating and streamlining work processes, which directly affects the work processes within the organizations. The challenges are many and include organizational, technical and cultural aspects such as structural inertia, lack of interoperability, security challenges, fear of job loss and resistance to change in established work methods. Despite the challenges, it is emphasized that AI contributes to increased efficiency in work processes, improved data analysis and decision support, but has also the potential to redirect tasks and skills to be utilized in other areas within the organization, leading to the emergence of new roles and areas of responsibility in the construction industry.

Med tanke på den ökande digitaliseringen och populariteten för stora språkmodeller (LLM) som ChatGPT, undersöker denna studie utvecklingen och implementeringen av ett webbläsartillägg för att analysera medicinska journaler från 1177 Vårdguiden. Syftet med studien är att förbättra hanteringen av medicinska journaler genom att integrera en lokal instans av en avancerad språkmodell, vilket möjliggör säker och privat bearbetning av patientdata. Projektet fokuserade på att utvärdera tillgängliga språkmodeller, utveckla webbläsartillägget och utföra prestandamätningar. Utmaningar inkluderade modellens förmåga att generera korrekta diagnoser och sammanfattningar samt tekniska begränsningar i systemets prestanda. Den valda modellen, GPT-SW3-356M-Struct, visade sig vara kapabel nog för uppgiften, även om det fanns vissa begränsningar i noggrannheten och detaljrikedomen i de genererade svaren. Studien visade att lokal bearbetning av medicinska data med hjälp av en LLM förbättrar dataskyddet och användarnas förtroende. Dock krävs ytterligare arbete för att förbättra modellens prestanda och användarvänlighet. Framtida forskning bör fokusera på att förbättra noggrannheten i medicinska analyser genom att förbättra träningsdata, testa andra modeller, och utföra fler användartester för att säkerställa att tillägget möter användarens behov. Slutsatsen av denna studie är att medan integrationen av LLM i webbläsartillägg erbjuder lovande möjligheter för medicinsk dataanalys, kräver det fortsatt utveckling och optimering för att fullt ut realisera dess potential inom hälso- och sjukvården. / Given the rising digitalization and increasing popularity of large language models (LLMs) like ChatGPT, this study explores the development and implementation of a browser extension to analyze medical records from 1177 Vårdguiden. The goal is to enhance the management of medical records by integrating a local instance of an advanced language model, allowing for secure and private processing of patient data. The project focused on evaluating available language models, developing the browser extension, and conducting performance measurements. Identified challenges included ensuring the model’s ability to generate accurate diagnoses and summaries and addressing technical limitations in system performance. The selected model, GPT-SW3- 356M-Struct, was found to be capable of the task, although there were some limitations in the accuracy and detail of the generated responses. Based on the results, local processing of medical data using an LLM improves data protection and user trust. However, further work is necessary to enhance the model’s performance and usability. Future research should focus on improving the accuracy of medical analyses by refining training data, testing other models, and conducting additional user tests to ensure the extension meets user needs. In conclusion, while integrating LLMs into browser extensions offers promising opportunities for medical data analysis, it requires ongoing development and optimization to fully realize its potential in healthcare.

Dagens industri håller på att förändras inom en mängd olika sektorer på grund av det ökade intresset för AI. Efterfrågan på AI blir allt större även inom designyrken, vilket gör att blivande UX-designers behöver bredda sina kunskaper inom området. Tidigare forskning visar att AI kan på många sätt påverka eller förändra designprocessen. I takt med att nya AI-verktyg kommer ut på arbetsmarknaden, ökar behovet av att utforska upplevelsen av dess effekter. En viktig målgrupp som drabbas av denna förändring är UX-design studenter, som är framtidens designers. Det finns därför ett behov av att utforska studenters upplevelser av AI inom UX-design. Syftet med denna studie var att undersöka UX-design studenters upplevelse kring användningen av AI-verktyg i designprocessen. Det ville även utforska hur implementeringen av dessa verktyg påverkar upplevelsen av kreativitet hos studenter. Studien vägleddes av det teoretiska ramverket AI Device Use Acceptance (AIDUA) modellen. Studien utgick från en kvalitativ ansats för att få mer djupgående individuella svar från deltagarna. Undersökningen bestod av ett användartest med observation och en semistrukturerad intervju. För att analysera datan utfördes en tematisk analys. Dessa metoder avslöjade att studenter upplever AI-verktyg som mest användbara i början av designprocessen för idégenerering. De är däremot vaksamma med att använda det i en alltför stor grad, eftersom UX anses fortfarande vara ett hantverk som kräver mänsklig förståelse. De upplever att kreativiteten påverkas mer eller mindre beroende på det genererade svaret från AI. Studien rekommenderar vidare forskning om seniora UX-designers upplevelse av AI för ett bredare perspektiv. / Today's industry is changing in a variety of sectors due to the increased interest in AI. The demand for AI is also increasing in design professions, which means that future UX-designers need to broaden their knowledge in the field. Previous research shows that AI can influence or even change the design process in many ways. As new AI tools are presented, the need to explore the experience of its effects increases. An important target group affected by this change is UX-design students, who are the designers of the future. Therefore, there is a need to explore students' experiences of AI in the field of UX-design. The purpose of this study was to investigate the experience of UX-design students regarding the use of AI-tools in the design process. The study also explored how students perceive the effects of AI on creativity. The study was guided by the AI Device Use Acceptance (AIDUA) theoretical framework. The study was based on a qualitative approach to get more in-depth individual responses from the participants. The research consisted of a user test combined with observation and a semi-structured interview. A thematic analysis was conducted to analyze the data. These methods revealed that students find AI-tools most useful for idea generation at the beginning of the design process. However, they are cautious of using it to an excessive degree, as UX is still considered a craft that requires human understanding. They feel that creativity is affected more or less depending on the generated response from AI. The study further recommends research on senior UX designers' experience of AI for a broader perspective.

Titel: Framgångsfaktorer vid implementering av artificiell intelligens Författare: Wilhelm Abele och Simon Starfelt Handledare: Jon Engström Nyckelord: Artificiell intelligens (AI), AI-implementering, framgångsfaktorer, hinder, organisation. Bakgrund: Artificiell intelligens (AI) har funnits sedan år 1956 men det är först det senaste årtiondet som AI blivit applicerbart inom organisationer. Forskning tyder på att AI har stor värdepotential och företagsledare menar att AI kommer ha stor påverkan på organisatoriska processer. Samtidigt som värdepotentialen ser lovande ut, visar undersökningar att majoriteten av de företag som investerar i AI upplever minimalt eller inget värde från investeringen. Tidigare forskning menar att svårigheterna ligger i implementeringsprocessen av AI och att organisationer bör ha ett affärsmässigt perspektiv för att uppleva värde. Därmed ska de faktorer som påverkar implementeringsprocessen undersökas. Syfte: Syftet med studien är att undersöka framgångsfaktorer vid implementering av AI i en organisation. Vidare är syftet att skapa ett ramverk organisationer kan förhålla sig till under implementeringsprocessen av AI. Genomförande: Studien är en tentativ flerfallstudie med kvalitativ karaktär. Empirin har samlats in genom intervjuer från sex organisationer av olika karaktär, där de antigen utvecklar AI-system själva eller köpt in externt. Detta för att skapa ett brett perspektiv för vilka framgångsfaktorerna är. Slutsats: Studien resulterar i ett ramverk som innefattar de faktorer som anses avgörande för en framgångsrik implementering av AI i en organisation. Ramverket är uppdelat i tre faser: (1) Förberedelsefas, (2) Implementeringsfas och (3) Utvärderingsfas. Framgångsfaktorerna kopplade till en lyckad implementering är: affärsdrivet syfte, involvering av intressenter, datakvalitet- och hantering, kunskapsdelning och organisationsstruktur, samt utvärdering och feedback. / Title: Success factors in the implementation of artificial intelligence Authors: Wilhelm Abele & Simon Starfelt Supervisor: Jon Engström Key Words: Artificial intelligence (AI), AI-implementation, Success factors, Obstacles, Organization. Background: Artificial intelligence is a concept that has existed for a while; however, it is only recently that the technology has caught up with the concept. Recent studies show that many organizations realize AI’s huge value potential, however, the majority of the organizations that have invested in AI generates minimal or no business value at all from the investment. Research shows that organizations face complications during the implementation process of AI and in order to generate value, the purpose of the AI solution should be business-driven, not IT-driven. Therefore, shall the factors impacting the implementation process of AI be studied further. Purpose: The purpose of this study is to examine what factors determine success when implementing AI solutions in organizations. In addition, an aim of this study is to suggest a framework for implementing AI solutions that organizations can use as a guide. Completion: The study is a tentative, multiple case study characterized by qualitative approach. The empirical data has been collected through interviews with six different companies that either produce and deliver AI solutions, or have bought AI solutions. These companies have been selected through a target-oriented selection process. Conclusion: The study results in the creation of a framework consisting of the factors deemed decisive for a successful implementation of AI in an organization. The framework is divided into three phases: (1) Preparation phase, (2) Implementation phase, and (3) Evaluation phase. The success factors associated with a fruitful AI implementation are: a business-driven purpose, stakeholder involvement, data- quality and handling, knowledge sharing and organizational structure, evaluation and feedback.

Utvecklare ställs inför ständigt mer komplexa problem och utmaningar som kräver innovativalösningar. Traditionellt har de använt kollegor, forum och dokumentation som resurser för attbolla idéer och utarbeta lösningar. Med de senaste framstegen inom artificiell intelligens (AI)har nya möjligheter öppnats upp. AI har potentialen att fungera inte bara som ensamtalspartner utan också som en kritiker och problemlösare i utvecklarens arbetsflöde.Denna studie utforskar interaktionen mellan utvecklare och ChatGPT i deras dagliga arbetemed ett särskilt fokus på hur ChatGPT kan användas som ett bollplank. Genom en kvalitativforskningsmetod, baserad på djupgående semistrukturerade intervjuer med nio utvecklare,undersöker studien hur dessa utvecklare integrerar ChatGPT i sina arbetsflöden och vilkaverktyg och metoder de använder för att underlätta denna interaktion. Analysen belyser ocksåChatGPT bidrag till problemlösning och beslutsfattande samt de tekniska och organisatoriskautmaningar som utvecklarna möter.Resultaten visar att ChatGPT är ett värdefullt verktyg för att förbättra kodkvaliteten, skapatemplates och boilerplate-kod samt för att effektivisera dokumentation ochöversättningsprocesser. Dock identifierades begränsningar såsom långsam respons, behovetav specifika formuleringar och svårigheter med att hantera komplexa eller nischade problem.Studien konkluderar att trots dessa utmaningar har ChatGPT en betydande potential attfungera som en konstruktiv partner i utvecklares dagliga arbete, vilket kan leda till ökadeffektivitet och förbättrad kvalitet i mjukvaruutvecklingsprocessen.

<p dir="ltr">In the dynamic realm of Artificial Intelligence (AI), this study explores the multifaceted landscape of Trustworthy AI with a dedicated focus on achieving both explainability and acceptance. The research addresses the evolving dynamics of AI, emphasizing the essential role of human involvement in shaping its trajectory.</p><p dir="ltr">A primary contribution of this work is the introduction of a novel "Trustworthy Explainability Acceptance Metric", tailored for the evaluation of AI-based systems by field experts. Grounded in a versatile distance acceptance approach, this metric provides a reliable measure of acceptance value. Practical applications of this metric are illustrated, particularly in a critical domain like medical diagnostics. Another significant contribution is the proposal of a trust-based security framework for 5G social networks. This framework enhances security and reliability by incorporating community insights and leveraging trust mechanisms, presenting a valuable advancement in social network security.</p><p dir="ltr">The study also introduces an artificial conscience-control module model, innovating with the concept of "Artificial Feeling." This model is designed to enhance AI system adaptability based on user preferences, ensuring controllability, safety, reliability, and trustworthiness in AI decision-making. This innovation contributes to fostering increased societal acceptance of AI technologies. Additionally, the research conducts a comprehensive survey of foundational requirements for establishing trustworthiness in AI. Emphasizing fairness, accountability, privacy, acceptance, and verification/validation, this survey lays the groundwork for understanding and addressing ethical considerations in AI applications. The study concludes with exploring quantum alternatives, offering fresh perspectives on algorithmic approaches in trustworthy AI systems. This exploration broadens the horizons of AI research, pushing the boundaries of traditional algorithms.</p><p dir="ltr">In summary, this work significantly contributes to the discourse on Trustworthy AI, ensuring both explainability and acceptance in the intricate interplay between humans and AI systems. Through its diverse contributions, the research offers valuable insights and practical frameworks for the responsible and ethical deployment of AI in various applications.</p>

Svensk lagstiftning är inte teknikneutral och har inte framtagits för att omfatta komplexa lösningar som exempelvis AI-system. Det innebär bland annat att det inte är specifikt reglerat hur ansvarsfördelningen ska ske vid skador som uppkommit i utomobligatoriska situationer i vilka skada orsakats av AI. För utomobligatoriska skador av detta slag tillämpas i dagsläget huvudsakligen skadeståndslagen (1972:207) och produktansvarslagen (1992:18). Komplexiteten som ett AI-system innefattar gör det svårt att tillämpa reglerna i dessa lagar fullt ut eftersom det kan vara utmanande att urskilja vilken del av AI-systemet som orsakat den faktiska skadan.    Det föreligger i skrivande stund ett förslag om införande av en AI-förordning, EU-kommissionens förslag till förordning om harmoniserade regler för AI (2021/0106(COD)), vilket är ämnat att förtydliga ansvaret vid framtagande av framförallt högrisk AI. AI-förordningen har delvis sin grund i Europaparlamentets resolution om en skadeståndsordning för artificiell intelligens (2020/2014(INL)). Resolutionen är ämnad att uppmuntra till införande av gemensamma regler för skadestånd och är inriktad på skador orsakade av högrisksystem.   Syftet med denna uppsats är att utreda huruvida ytterligare reglering, likt den som föreslagits i AI-förordningen och resolutionen, krävs för att rättsläget avseende utomobligatoriska situationer där AI orsakat sakskada ska bedömas vara klart, tydligt och förutsebart. Utöver detta är syftet även att utreda vad dessa föreslagna regleringar innebär för företag som arbetar med AI och huruvida det framgår hur företagen kan gå tillväga för att efterleva regleringarna.   För att uppfylla syftet med uppsatsen behandlas såväl AI-förordningen som resolutionen ingående i aktuella delar och såväl remissvar avseende AI-förordningen som kommentarer av dagens rättsläge analyseras. För att ge en inblick i avsaknaden och inverkan av teknikneutral lagstiftning presenteras, trots att den avser inomobligatoriska förhållanden, även i skadeståndsrelevanta delar Regeringens proposition 2021/22:85 - En ny konsumentköplag i vilken digitala produkter inarbetats.    Avslutningsvis dras slutsatser avseende uppsatsens huvudsakliga frågeställning huruvida EU-kommissionens förslag till förordning om harmoniserade regler för AI och Europaparlamentets resolution om en skadeståndsordning för artificiell intelligens är tillfredställande för att uppnå ett klart, tydligt och förutsebart rättsläge avseende ansvarsfördelningen i utomobligatoriska förhållanden vid sakskada orsakad av AI. Den slutliga bedömningen är att förslagen inte enskilt eller i samspel uppfyller önskemålet om ett klart, tydligt och förutsebart rättsläge. Inte heller anses dagens rättsläge uppfylla detta, vilket lämnar utrymme för ytterligare granskning av ansvarsfördelningen. Således upplevs inte regleringarna erbjuda ett erforderligt underlag vid sakskador orsakade av AI i utomobligatoriska förhållanden.