This study employs a Gioia analysis to investigate the AI services offered within three distinct professional service sectors in Sweden: IT consulting, marketing, and legal services. Utilizing a list of companies from a prior KTH project and publicly accessible information, we applied a cross-sectoral Gioia analysis to systematically categorize, compare, and understand the types of AI services provided and how these offerings differ between sectors. The objective of this scholarly pursuit is twofold. Firstly, it seeks to develop a cohesive and comprehensive taxonomy that clarifies the AI utilization within the selected domains, providing a clearer perspective on the diverse AI services offered and their respective implications. Secondly, it aims to discern the notable commonalities and distinctions in AI services across the said sectors, highlighting the specific ways in which AI integration manifests within each domain in Sweden. Our research reveals several shared trends, including AI-driven data analysis and management, automation, real-time monitoring, and personalization. Despite these commonalities, each sector leverages AI in a unique way, emphasizing aspects like cybersecurity in IT consulting, ad optimization in marketing, and legal document scrutiny in legal services. We further discuss practical implications, such as elevated operational efficiency, potential shifts in professional focus, and the emergence of AI service providers as indispensable intermediaries. While the adoption of AI presents numerous opportunities, it also introduces challenges, such as the democratization of specialized knowledge, which could disrupt traditional professional-client relationships. Future research avenues and study limitations are also addressed. Our findings serve as a cornerstone for both academic discourse and practical application, illuminating the nuanced impacts of AI across different business domains. / Denna studie verkställer en Gioia-analys för att undersöka de AI-tjänster som erbjuds inom tre distinkta professionella tjänstesektorer I Sverige: IT-rådgivning, marknadsföring och juridiska tjänster. Genom att använda en datauppsättning från ett tidigare KTH-projekt och allmänt tillgänglig information tillämpade vi en tvärsektoriell Gioia-analys för att systematiskt kategorisera, jämföra och förstå vilka typer av AI-tjänster som erbjuds och hur dessa tjänsteerbjudanden skiljer sig mellan sektorer. Målet med denna studie är tvåfaldig. Först och främst syftar den till att utveckla en sammanhängande och omfattande taxonomi som klargör AI-användningen inom de valda sektorerna, vilket ger en tydligare översikt över de olika AI-tjänsterna som erbjuds och deras respektive implikationer. För det andra strävar studien efter att urskilja de märkbara gemensamheterna och skillnaderna i AI-tjänster mellan de nämnda sektorerna, vilket framhäver de specifika sätten på vilka AI-integration manifesterar sig inom varje domän i Sverige. Vår studie avslöjar flera gemensamma trender, inklusive AI-driven dataanalys och hantering, automatisering, realtidsövervakning och personalisering. Trots dessa gemensamma drag utnyttjar varje sektor AI på ett unikt sätt. Aspekter som cybersäkerhet inom IT-rådgivning, annonsoptimering inom marknadsföring och granskning av juridiska dokument inom juridiska tjänster betonas. Vidare diskuterar vi praktiska implikationer, såsom ökad operativ effektivitet, potentiella förändringar i professionellt fokus och framväxten av AI-tjänsteleverantörer som oumbärliga mellanhänder. Även om införandet av AI erbjuder många möjligheter introducerar det också utmaningar, såsom demokratisering av specialiserad kunskap, vilket kan störa traditionella verksamhet-kundrelationer. Framtida forskningsvägar och studiebegränsningar diskuteras också. Våra resultat agerar som en hörnsten för både akademisk diskurs och praktisk tillämpning samt belyser de nyanserade effekterna av AI över olika affärsdomäner.

This thesis explores the development process of services based on artificial intelligence (AI) technology within an industrial setting. There has been a renewed interest in the technology and leading technology companies as well as many start-ups has integrated it into their market offerings. The technology´s general application potential for enhancing products and services along with the task automation possibility for improved operational excellence makes it a valuable asset for companies. However, the implementation rate of AI services is still low for many industrial actors. The research in the area has been technically dominated with little contribution from other disciplines. Therefore, the purpose of this thesis is to identify development challenges of AI services and drawing on service development- and value-theory to propose a process framework promoting implementation. The work will have two main contributions. Firstly, to compare differences in theoretical and practical development challenges and secondly to combine AI with service development and value theory. The empirical research is done through a single case study based on a systematic combining research approach. It moves iteratively between the theory and empirical findings to direct and support the thesis throughout the work process. The data was collected through semi-structured interviews with a purposive sample. It consisted of two groups of interview participants, one AI expert group and one case internal group. This was supported by participant observation of the case environment. The data analysis was done through flexible pattern matching. The results were divided into two sections, practical challenges and development aspect of AI service development. These were combined with the selected theories and a process framework was generated. The study showed a current understudied area of business and organisational aspect regarding AI service development. Several such challenges were identified with limited theoretical research as support. For a wider industrial adoption of AI technology, more research is needed to understand the integration into the organisation. Further, sustainability and ethical aspect were found not to be a primary concern, only mention in one of the interviews. This, despite the plethora of theory and identified risks found in the literature. Lastly, the interdisciplinary research approach was found to be beneficial to the AI field to integrate the technology into an industrial setting. The developed framework could draw from existing service development models to help manage the identified challenges. / Denna uppsats utforskar utvecklingsprocessen av tjänster baserade på artificiell intelligens (AI) i en industriell miljö. Tekniken har fått ett förnyat intresse vilket har lett till att allt fler ledande teknik företag och start-up:s har integrerat AI i deras marknads erbjudande. Teknikens generella applikations möjlighet för att kunna förbättra produkter och tjänster tillsammans med dess automatiserings möjlighet för ökad operationell effektivitet gör den till en värdefull tillgång för företag. Dock så är implementations graden fortfarande låg för majoriteten av industrins aktörer. Forskningen inom AI området har varit mycket teknik dominerat med lite bidrag från andra forskningsdiscipliner. Därför syftar denna uppsats att identifiera utvecklingsutmaningar med AI tjänster och genom att hämta delar från tjänsteutveckling- och värde teori generera ett processramverk som premierar implementation. Uppsatsen har två huvudsakliga forskningsbidrag. Först genom att jämföra skillnader mellan teoretiska och praktiska utvecklingsutmaningar, sedan bidra genom att kombinera AI med tjänsteutveckling- och värdeteori. Den empiriska forskningen utfördes genom en fallstudie baserad på ett systematic combining tillvägagångsätt. På så sätt rör sig forskning iterativt mellan teori och empiri för att forma och stödja uppsatsen genom arbetet. Datat var insamlad genom semi strukturerade intervjuer med två separata, medvetet valda intervjugrupper där ena utgjorde en AI expert grupp och andra en intern grupp för fallstudien. Detta stöttades av deltagande observationer inom fallstudiens miljö. Dataanalysen utfördes med metoden flexible pattern matching. Resultatet var uppdelat i två olika sektioner, den första med praktiska utmaningar och den andra med utvecklingsaspekter av AI tjänsteutveckling. Dessa kombinerades med de utvalda teorierna för att skapa ett processramverk. Uppsatsen visar ett under studerat område angående affär och organisation i relation till AI tjänsteutveckling. Ett flertal av sådana utmaningar identifierades med begränsat stöd i existerande forskningslitteratur. För en mer utbredd adoption av AI tekniken behövs mer forskning för att förstå hur AI ska integreras med organisationer. Vidare, hållbarhet och etiska aspekter var inte en primär aspekt i resultatet, endast bemött i en av intervjuerna trots samlingen av artiklar och identifierade risker i litteraturen. Till sist, det tvärvetenskapliga angreppsättet var givande för AI området för att bättre integrera tekniken till en industriell miljö. Det utvecklade processramverket kunde bygga på existerande tjänsteutvecklings modeller för att hantera de identifierade utmaningarna.