Deep learning methods applied to chemistry can speed the discovery of novel compounds and facilitate the design of highly complex structures that are both valid and have important societal applications. Here, we present a pioneering exploration into the use of Generative Artificial Intelligence (GenAI) to design coordination cages within the field of supramolecular chemistry. Specifically, the study leverages GraphINVENT, a graph-based deep generative model, to facilitate the automated generation of tetrahedral coordination cages. Through a combination of computational tools and cheminformatics, the research aims to extend the capabilities of GenAI, traditionally applied in simpler chemical contexts, to the complex and nuanced arena of coordination cages. The approach involves a variety of training strategies, including initial pre-training on a large dataset (GDB-13) followed by transfer learning targeted at generating specific coordination cage structures. Data augmentation techniques were also applied to enrich training but did not yield successful outcomes. Several other strategies were employed, including focusing on single metal ion structures to enhance model familiarity with Fe-based cages and extending training datasets with diverse molecular examples from the ChEMBL database. Despite these strategies, the models struggled to capture the complex interactions required for successful cage generation, indicating potential limitations with both the diversity of the training datasets and the model’s architectural capacity to handle the intricate chemistry of coordination cages. However, training on the organic ligands (linkers) yielded successful results, emphasizing the benefits of focusing on smaller building blocks. The lessons learned from this project are substantial. Firstly, the knowledge acquired about generative models and the complex world of supramolecular chemistry has provided a unique opportunity to understand the challenges and possibilities of applying GenAI to such a complicated field. The results obtained in this project have highlighted the need for further refinement of data handling and model training techniques, paving the way for more advanced applications in the future. Finally, this project has not only raised our understanding of the capabilities and limitations of GenAI in coordination cages, but also set a foundation for future research that could eventually lead to breakthroughs in designing novel cage structures. Further study could concentrate on learning from the linkers in future data-driven cage design projects. / Deep learning-metoder (djup lärande metoder) som tillämpas på kemi kan påskynda upptäckten av nya molekyler och underlätta utformningen av mycket komplexa strukturer som både är giltiga och har viktiga samhällstillämpningar. Här presenterar vi en banbrytande undersökning av användningen av generativ artificiell intelligens (GenAI) för att designa koordinationsburar inom supramolekylär kemi. Specifikt utnyttjar studien GraphINVENT, en grafbaserad djup generativ modell, för att underlätta den automatiska genereringen av tetraedriska koordinationsburar. Genom en kombination av beräkningsverktyg och kemiinformatik syftar forskningen till att utöka kapaciteten hos GenAI, som traditionellt tillämpas i enklare kemiska sammanhang, till den komplexa och nyanserade arenan för koordinationsburar. Metoden innebar inledande förträning på ett brett dataset (GDB-13) följt av transferinlärning inriktad på att generera specifika koordinationsburstrukturer. Dataförstärkningstekniker användes också för att berika träningen men gav inte några lyckade resultat. Flera strategier användes, inklusive fokusering på enstaka metalljonsystem för att förbättra modellens förtrogenhet med Fe-baserade burar och utöka träningsdataset med olika molekylära exempel från ChEMBL-databasen. Trots dessa strategier hade modellerna svårt att fånga de komplexa interaktioner som krävs för framgångsrik generering av burar, vilket indikerar potentiella begränsningar inom både mångfalden av träningsdataset och modellens arkitektoniska kapacitet att hantera den invecklade kemin i koordinationsburar. Däremot var träningen på de organiska liganderna (länkarna) framgångsrik, vilket betonar fördelarna med att fokusera på mindre byggstenar. Dock är fördelarna med detta projekt betydande. Den kunskap som förvärvats om hur generativa modeller fungerar och den komplexa världen av supramolekylär kemi har gett en unik möjlighet att förstå utmaningarna och möjligheterna med att tillämpa GenAI på ett så komplicerat område. Erfarenheterna har visat på behovet av ytterligare förfining av datahantering och modellträningstekniker, vilket banar väg för mer avancerade tillämpningar i framtiden. Det här projektet har inte bara ökat vår förståelse för GenAI:s möjligheter och begränsningar i koordinationsburar utan också lagt grunden för framtida forskning som i slutändan kan leda till banbrytande upptäckter i utformningen av nya burstrukturer. Ytterligare studier skulle kunna fokusera på att lära sig från länkarna för att hjälpa framtida datadrivna projekt för burdesign.

Sedan lanseringen av OpenAIs generativa chatbot ChatGPT i slutet av 2022 har intresset för artificiell intelligens (AI) och specifikt Natural Language Processing (NLP) ökat markant. Genom dess förmåga att tolka och generera mänskligt språk har NLP redan transformerat flertalet industrier och skapat debatter bland forskare, där somliga ser AI som en av de mest betydelsefulla innovationerna någonsin, medan andra varnar för att den hastiga teknikutvecklingen leder till nya och förändrade risker. Denna studie syftar till att undersöka cybersäkerhetsexperters syn på risker relaterade till användningen av NLP och dess inverkan på cybersäkerhetsarbete. Genom intervjuer och enkäter har studien identifierat flera risker som effektiviseras i och med användningen av NLP-baserade tjänster. Studiens enkätresultat visar vilka risker cybersäkerhetsexperter värderar högst utifrån sannolikhet och potentiella skada. Värderingarna görs med ramverket CIA i åtanke (Confidentiality, Integrity, Availability), en beprövad säkerhetsmodell som används för att upprätthålla god informations- och cybersäkerhet. Studiens intervjuresultat förser studien med insikter i respondenternas bakomliggande resonemang och betonar också vikten av medvetenhet vid användningen av NLP-baserade tjänster. Sammantaget förser studien läsaren med en förståelse för de risker som är förknippade med Natural language processing och ger insikt i de faktorer som cybersäkerhetsexperter tar i beaktning när de bedömer dessa risker. De tre risker som studien identifierade som särskilt framstående var: Spear-phishing, Skadlig Kod och Data leaks.

The Architecture, Engineering, and Construction (AEC) sector is one of the least digitized industries and subject to low performance growth and inefficient project management practices, stemming from inherent challenges with managing change. In response to this, the sector is beginning to explore artificial intelligence (AI), expected to be one of the most transformative technologies in the coming decade, and its possibility to streamline processes and increase project productivity. Given the AEC sector’s need for enhanced project management practices and its slow digital transformation, this thesis aims to explore the intersection between AI and project management, and challenges associated with implementing new technology and work methods from the perspective of project managers. To fulfill the purpose of this study, a single case study at the infrastructure department within one of the largest Swedish AEC consulting firms was conducted through a qualitative interview study. A review of relevant literature served as a complement to the primary data retrieved from the interviews, serving as a theoretical foundation to support the analysis. The results show an overall positive attitude towards AI and reveal several potential application areas in project management and project related work in the AEC sector. The results show a generally positive attitude towards AI among project managers, viewing it as a tool for enhancing efficiency, quality, and reducing costs by automating labor-intensive tasks and leveraging predictive capabilities. While AI is not seen as a threat to project managers' roles, there are concerns about its impact on other roles within projects. Successful AI integration is expected to increase competitiveness and business capacity through enhanced efficiency within the sector. However, challenges associated with technology implementation and changed work methods include the decentralized organizational structure, lack of top management support, inadequate standardized methods, poor knowledge transfer, and the variable compensation model. This study contributes to the literature by highlighting potential application areas for AI in project management within the AEC sector as well as corresponding impacts. By providing a nuanced understanding of barriers to technology adoption and change within the sector it further underscores the need for top management support and strategic direction to harness the full potential of technologies as AI. / Arkitektur-, ingenjörs- och byggsektorn (AEC) är en av de minst digitaliserade sektorerna och kännetecknas av låg produktivitetsutveckling och ineffektiva projektledningsmetoder, vilket till stor del orsakas av inneboende utmaningar med att hantera förändring. Som svar på detta börjar sektorn utforska artificiell intelligens (AI), som förväntas vara en av de mest transformerande teknologierna under det kommande decenniet, och dess möjlighet att effektivisera processer och öka produktiviteten i projekt. Med tanke på AEC-sektorns behov av förbättrade projektledningsmetoder och dess långsamma digitala transformation syftar denna studie till att utforska kopplingen mellan AI och projektledning samt de utmaningar som är förknippade med att implementera ny teknik och nya arbetsmetoder ur projektledares perspektiv. För att uppfylla syftet med denna studie genomfördes en fallstudie vid infrastrukturavdelningen inom ett av de största svenska AEC-konsultföretagen genom en kvalitativ intervjustudie. En granskning av relevant litteratur kompletterade den primära data som erhölls från intervjuerna och utgjorde en teoretisk grund för analysen. Resultaten visar en övergripande positiv attityd gentemot AI och visar på flera potentiella applikationsområden för AI inom projektledning och projektrelaterat arbete i AEC-sektorn. Projektledarna ser AI som ett verktyg för att öka effektiviteten, höja kvaliteten och minska kostnaderna i projekt genom att automatisera arbetsintensiva uppgifter och utnyttja prediktiva möjligheter. Även om AI inte ses som ett hot mot projektledarnas roller, finns det oro över dess påverkan på andra roller inom projekten. Framgångsrik AI-integration förväntas öka konkurrenskraften och affärskapaciteten genom förbättrad effektivitet inom sektorn. Utmaningarna med att implementera teknik och förändrade arbetsmetoder återfinns i den decentraliserade organisationsstrukturen, bristen på stöd från högsta ledningen, otillräckliga standardiserade metoder, bristfällig kunskapsöverföring och den rörliga ersättningsmodellen. Denna studie bidrar till litteraturen genom att belysa potentiella applikationsområden för AI inom projektledning i AEC-sektorn samt motsvarande effekter. Genom att ge en nyanserad förståelse för utmaningar kopplade till teknikimplementering och förändring inom sektorn betonar studien vidare behovet av stöd från ledning och en strategisk riktning för att kunna utnyttja teknologier som AI fullt ut. Studien bidrar vidare genom att ge praktiska implikationer för att övervinna nuvarande hinder.

Denna studie undersöker hur artificiell intelligens (AI) kan optimera beslutsstödet inom verksamhetsstyrning genom analys av ostrukturerad data. Genom att granska begrepp som verksamhetsstyrning, Business Intelligence (BI), AI och maskininlärning (ML), belyser studien hur dessa teknologier kan förbättra organisationers beslutsprocesser. Verksamhetsstyrning syftar till att samordna och optimera organisationens delar för att nå gemensamma mål. AI (NLP, ML) samt särskilt genom BI spelar en avgörande roll genom att förbättra effektivitet och kvalitet. BI samlar och analyserar affärsinformation, medan ML möjliggör automatisk lärande från data. Studiens problemområde identifierar utmaningen med att hantera stora mängder ostrukturerad data. Trots AI:s potential att förbättra beslutsfattandet har dess fulla potential ännu inte realiserats. Genom att undersöka effektiv användning av AI för ostrukturerad data, bidrar studien till en bättre förståelse av hur AI kan förbättra beslutsstödet.Den kvalitativa ansatsen använde semistrukturerade intervjuer med IT-experter för att samla insikter om AI:s användning i beslutsfattande. Respondenterna beskrev hur AI analyserar data, förutsäger trender, optimerar processer och personaliserar kundupplevelser. AI automatiserar också tidskrävande uppgifter, vilket ökar effektiviteten och frigör tid för strategiskt arbete. Det visar att AI kan förbättra datakvalitet, automatisera processer och ge djupare insikter i kundbeteenden och marknadstrender. AI:s förmåga att hantera ostrukturerad data möjliggör identifiering av trender och mönster som annars skulle vara svåra att upptäcka. Utmaningar med AI-implementering inkluderar systemintegrering och behovet av teknisk expertis. Sammanfattningsvis visar studien att AI har stor potential att optimera beslutsstödet inom verksamhetsstyrning genom analys av ostrukturerad data.

This exploratory study investigates the role of academic writing in a second language (L2) with automated writing evaluation (AWE) tools utilizing generative artificial intelligence (AI), as well as the role of such AI-assistance in cognitive writing processes. The research questions asked if there was a relationship between AWE suggestions and keystroke dynamics, how L2 writers interpreted AWE suggestions and made their decisions, and how AI-assisted writing functions within a cognitive model of writing. Six academics wrote a text in English as L2 using a keystroke logging program. The text was later revised using the AWE program InstaText while their interactions were screen recorded. The recording was then promptly followed by stimulated recall interviews. The keystroke logging data that indicates cognitive demand (e.g., pause length, pause frequency, and deletion frequency) were compared to the AWE suggestion frequency. A thematic analysis was conducted on the interviews to investigate the participants’ metacognitive reflections about their decision-making process. A cognitive model of the writing process was used to map the cognitive processes with the keystroke logging data, AWE interactions, and metacognitive reflections. The findings indicate that longer pauses and fewer typos led to fewer AWE suggestions. Six types of metacognitive reflections were identified in the qualitative data, which was then interpreted together with the quantitative data through a cognitive model of the writing process. / Denna explorativa studie undersöker akademiskt skrivande på ett andra språk (L2) med automatiserade skrivbedömningsverktyg (AWE) som använder generativ artificiell intelligens (AI), samt AI-assistansens roll i kognitiva skrivprocesserna. Studien undersökte om det fanns en relation mellan AWE-förslag och tangentloggningsdata, hur L2-skribenter tolkade AWE-förslag och fattade sina beslut, och hur AI-assisterat skrivande fungerar inom en kognitiv modell av skrivande. Sex akademiker skrev en text på engelska som L2 med ett tangentloggningsprogram. Texten reviderades sedan med AWE-programmet InstaText medan deltagarnas interaktioner spelades in på skärmen. Inspelningen följdes omedelbart av stimulated recall-intervjuer. Tangentloggningsdata som indikerar kognitiv belastning (pauslängd, pausfrekvens och raderingsfrekvens) jämfördes med frekvensen av AWE-förslag. En tematisk analys utfördes på intervjuerna för att undersöka deltagarnas metakognitiva reflektioner kring deras beslutsfattande. En kognitiv modell av skrivprocessen användes för att kartlägga de kognitiva processerna med tangentloggningsdata, AWE-interaktionerna och metakognitiva reflektionerna. Resultaten indikerar att längre pauser och färre stavningsfel ledde till färre AWE-förslag. Sex typer av metakognitiva reflektioner identifierades i de kvalitativa data, vilket tolkades tillsammans med de kvantitativa data genom en kognitiv modell av skrivande.

Bakgrund: Digitaliseringen och den informationstekniska utvecklingen har bidragit till förändrade arbetsuppgifter för många yrkesgrupper. Denna uppsats har valt att fokusera på yrkesgruppen controllers och hur utvecklingen har påverkat deras arbetsuppgifter. Utvecklingen av IT-systemen, Business Intelligence (BI) och Artificiell Intelligens (AI), anses ha en betydande inverkan på controllern då de förändrar arbetsuppgifter som i sin tur påverkar controllerrollen. Syfte: Uppsatsens syfte är att förstå hur informationsteknologins utveckling har påverkat controllerns arbetsuppgifter. Detta för att skapa en bredare förståelse för hur förändringar i arbetsuppgifterna i sin tur påverkar controllerrollen. Dessutom kommer utmaningar och möjligheter med användandet av IT-system att identifieras, med utgångspunkt i två olika system.  Metod: För att uppfylla uppsatsens syfte har en kvalitativ metod använts där sex semistrukturerade intervjuer med controllers har genomförts. Studien har tagit en abduktiv forskningsansats vid genomförandet av intervjuerna.  Resultat: Studien resulterade i att controllerns arbetsuppgifter har utökats i takt med informationsteknologins utveckling. Controllern ägnar sig idag åt mer stödjande aktiviteter, vilket i sin tur har utvecklat controllerns roll till att ses som en affärspartner. IT-system har främst möjliggjort för effektivitet i controllerns arbete med datahantering och dataanalys, men det finns även några utmaningar som informationsteknologin har medfört. / Background: The digitalisation and development of information technology have contributed to changed tasks for many professions. This essay will focus on the profession of controllers and how these developments have affected their tasks. The development of the IT-systems, Business Intelligence (BI) and Artificial Intelligence (AI), are considered to have a significant impact on the controller as they change tasks, which in turn affects the controller role.  Purpose: The purpose of this study is to understand how the development of information technology has made an impact on the tasks of controllers. This aims to provide a broader understanding of how changes in these tasks, in turn, affect the role of the controller. Additionally, challenges and opportunities associated with the use of IT-systems will be identified, based on two different systems.  Method: To fulfill the purpose of the essay, a qualitative method has been used, involving six semi-structured interviews with controllers. This study adopted an abductive approach when conducting the interviews.  Conclusion: The study found that the responsibilities of controllers have expanded in line with the development of information technology. Today, controllers are more engaged in supportive activities, which in turn has evolved the controller's role to be seen as a business partner. IT-systems have primarily facilitated efficiency in the controller´s tasks related to data management and data analysis, but there are also some challenges that information technology has caused.

Bakgrund: Redovisning har historiskt präglats av noggranna, manuella och tidskrävande metoder. AI-teknologier har revolutionerat redovisningsprocessen genom att automatisera uppgifter, lösa problem och fatta beslut. AI-teknologier inom redovisning inkluderar maskininlärning (ML), robotprocessautomatisering (RPA) och naturlig språkbehandling (NLP). Syfte: Syftet med studien är att identifiera AI’s användningsområden inom företags redovisning och de praktiska och teoretiska utmaningarna användningen medför. Dessutom syftar studien till att undersöka relationen mellan de teoretiska och praktiska utmaningarna för att bidra med kunskap om de utmaningar som användning av AI inom redovisning faktiskt medför i praktiken. Metod: Studien tillämpar en kvalitativ metod med en abduktiv ansats och samlar in empirisk data genom semistrukturerade intervjuer med 7 respondenter. Analysen av den empiriska datan görs med en tematisk analysmetod. Studiens teori utgörs av tidigare forskning från vetenskapliga artiklar och böcker. Slutsats: Studiens slutsats utgår ifrån att AI inom redovisning tillämpas hos företag för automatisering av repetitiva och tidskrävande uppgifter, där RPA till skillnad från ML och NLP har implementerats hos flest företag. De utmaningar som presenterats av teorin gällande användningen av AI inom redovisning, återfinns även i praktiken. Däremot har praktiken förmedlat nya utmaningar som inte tagits upp av tidigare forskning. Utmaningar som exempelvis den manuella tid som AI faktiskt kräver. / Background: Accounting has historically been characterized by meticulous, manual, and time-consuming methods. AI technologies have revolutionized the accounting process by automating tasks, solving problems, and making decisions. AI technologies in accounting include machine learning (ML), robotic process automation (RPA), and natural language processing (NLP). Purpose: The purpose of this study is to identify the areas of AI application in accounting and the practical and theoretical challenges it entails. Additionally, the study aims to investigate the relationship between theoretical and practical challenges to contribute knowledge about the actual challenges of using AI in accounting practice. Method: The study employs a qualitative approach with an abductive stance, gathering empirical data through semi-structured interviews with 7 respondents. The analysis of the empirical data is conducted using a thematic analysis method. The theoretical framework of the study is based on previous research from scientific articles and books. Conclusion: The study concludes that AI is applied in accounting primarily for automating repetitive and time-consuming tasks, with RPA being more widely implemented than ML and NLP. The theoretical challenges related to AI usage in accounting, as presented in previous research, are also evident in practice. However, practical applications have revealed new challenges not previously addressed in the theory, such as the manual time that AI actually requires.

Denna studie utforskar möjligheterna och utmaningarna som är förknippade med implementeringen av AI-drivet ansiktsigenkänningssystem i realtid inom svensk brottsbekämpning, i kontexten av den nya EU-lagstiftningen. Viktiga möjligheter inkluderar förbättrad effektivitet i brottsbekämpande verksamheter genom mer effektiva övervaknings- och identifieringsprocesser. Utmaningar såsom övertro till teknologi, black box-effekter och etiska dilemman utgör dock kritiska problem.  Metodiken för denna studie innefattar kvalitativa semistrukturerade intervjuer med både polisofficerare och AI-forskare, vilket ger en mer heltäckande bild av användningen av ansiktsigenkänningssystem. Resultaten indikerar en komplexitet där tekniska framsteg kan avsevärt förbättra brottsförebyggande och allmän säkerhet, men även medföra betydande risker för integritet och rättvisa. Studien avslutas med en diskussion om behovet av en balans mellan att förbättra brottsbekämpningens kapacitet och skydda grundläggande mänskliga rättigheter, samt rekommenderar starka riktlinjer och transparens för att säkerställa etisk användning av ansiktsigenkänningsteknologier. / This study explores the opportunities and challenges associated with the implementation of AI-driven real-time facial recognition technology within Swedish law enforcement, in the context of the new EU legislation. Key opportunities include enhanced efficiency in law enforcement practices through more effective surveillance and identification processes. However, challenges such as overreliance on technology, black box-effects, and ethical dilemmas are critical concerns.  The methodology for this study involves qualitative semi-structured interviews with both police officers and AI researchers, providing a comprehensive view of the deployment of facial recognition systems. Findings indicate a complex landscape where technological advances can significantly boost crime prevention and public security, yet pose substantial risks to privacy and fairness. The thesis concludes by discussing the need for a delicate balance between enhancing law enforcement  capabilities and safeguarding fundamental human rights, recommending strong guidelines and continuous oversight to ensure ethical usage of facial recognition technologies.

In the EU proposal for a regulation laying down harmonised rules on artificial intelligence (AIA), article 5.1.a forbids the use of AI systems deploying subliminal techniques. As the meaning of the term subliminal techniques lacks a definition in the proposal, the intended meaning of the phrase requires interpretation to clarify the scope of this prohibition. Using a method based on the legal reasoning of the European Court of Justice, the meaning of the expression subliminal techniques is interpreted based on arguments from a grammatical, contextual, teleological and historical standpoint. After reviewing EU documents concerning the proposal as well as the current versions of AIA, it becomes clear that the intended meaning of subliminal techniques is broader than the ordinary meaning of this phrase. Although subliminal stimuli are generally described as stimuli that are beyond human perception, the presence of a binary threshold of perception is not fully supported by brain imaging research. From the descriptions of subliminal techniques in documents regarding AIA, as well as in formulations present in different versions of the proposal, there is support for interpreting the legislators intent as adhering to this non-binary view of subliminal techniques. Instead of strictly focusing on a perceptual threshold the determination of whether an AI deployed technique is regarded as a subliminal technique focuses on whether the technique in some sense targets human perception, as well as the degree to which this technique infringes on human autonomy.

Digitaliseringen har visat stor påverkan på företag i Sverige och utveckling av nya teknologier sker kontinuerligt där automatiserade processer står i fokus. Mycket av det arbete som tidigare utförts manuellt på papper har redan digitaliserats inom redovisningsbranschen liksom inom många andra branscher. Däremot förutspår befintlig forskning att arbetsuppgifter är på väg att automatiseras och därmed effektiviseras vilket kräver en omställning inom företagen och kompetenskraven bland anställda. Artificiell Intelligens (AI) är en central och omtalad teknologi som förväntas bidra till omställningen, samtidigt som det finns svårigheter med att implementera denna typ av teknologi inom redovisningsbranschen i och med att lagar och regler för integritet och sekretess sätter stopp. Med detta som utgångspunkt har studien som syfte att undersöka hur den omfattande digitaliseringstrenden har påverkat kompetenskraven inom redovisningsbranschen hos små och medelstora företag, samt vilka förändringar företagen har upplevt till följd av digitaliseringstrenden. För att uppnå studiens syfte har en kvalitativ forskningsmetod använts och åtta intervjuer har genomförts med individer som verkar inom redovisningsyrket. Resultatet av studien ska bidra till en ökad förståelse för vilka arbetsuppgifter som har förändrats och därigenom vilka kompetenser som idag efterfrågas på arbetsmarknaden inom redovisningsbranschen till följd av digitaliseringen. Studiens slutsats visar att företagen upplever att arbetsuppgifterna har förändrats och därigenom kraven på kompetenser på grund av digitaliseringen. Den största förändringen som har skett till följd av den ständiga utvecklingen av digitaliseringen är att arbetet har gått från papper till digitala system. Däremot har kompetenskraven inte genomgått så stora förändringar som tidigare forskning har hävdat trots att vissa kompetenser har utvecklats och omformats. De kompetenser som företagen upplever har förändrats idag är kraven på att de anställda ska ha färdigheter inom system- och datoranvändning, förmåga att bygga relationer, vara kommunikativ och besitta social kompetens. Uppsatsen språk är svenska. / Digitization has shown a great impact on companies in Sweden and development of new technologies takes place continuously where automated processes are in focus. Much of the work that was previously done manually on paper has already been digitized in the accounting industry as in many other industries. On the other hand, existing research predicts that tasks are about to be automated and thereby made more efficient, which requires a change within the companies and the skill requirements among employees. Artificial Intelligence (AI) is a central and mentioned technology that is expected to contribute to the transformation, while there are difficulties in implementing this type of technology in the accounting industry as privacy and confidentiality laws and regulations prevents the development. With this as a base, the aim of the study is to investigate how the extensive digitization trend has affected the competence requirements within the accounting industry of small and medium-sized companies, as well as what changes the companies have experienced as a result of the digitization trend. To achieve the purpose of the study, a qualitative research method has been used and eight interviews have been conducted with individuals who work in the accounting profession. The result of the study should contribute to an increased understanding of which tasks have changed and thereby which skills are in demand today on the job market within the accounting industry as a result of digitization. The study's conclusion shows that the companies feel that the work tasks have changed and thereby the requirements for skills due to digitization. The biggest change that has occurred as a result of the constant development of digitization is that work has gone from paper to digital systems. On the other hand, the competence requirements have not undergone such major changes as previous research has claimed, even though certain competences have been developed and reshaped. The skills that companies experience have changed today are the requirements for employees to have skills in system and computer use, the ability to build relationships, be communicative and possess social skills. The study is written in Swedish.