The rapid advancement of artificial intelligence (AI) has broadened its applications across various sectors, with finance being a prominent area of focus. In financial trading, AI is primarily utilized to detect patterns and facilitate trading decisions. However, challenges such as noisy data, poor model generalization, and overfitting due to high variability in underlying assets continue to hinder its effectiveness. This study introduces a framework that builds on previous research at the intersection of AI and finance, implemented at AP1. It outlines the benefits and limitations of applying AI to trade derivatives rather than single company stocks and serves as a guide for building such trading algorithms. Furthermore, the research identifies an under-explored niche at the intersection of AI and derivative trading. By developing and applying this framework, the study not only addresses this gap but also evaluates the role of AI algorithms in enhancing derivative trading strategies, demonstrating their potential and limitations within this domain. / Den snabba utvecklingen av artificiell intelligens (AI) har breddat dess tillämpningar över olika sektorer, med finans som ett framträdande fokusområde. Inom finansiell handel används AI främst för att upptäcka mönster och underlätta handelsbeslut. Men utmaningar som bullriga data, dålig modellgeneralisering och överanpassning på grund av stor variation i underliggande tillgångar fortsätter dock att hindra dess effektivitet. Denna studie introducerar ett ramverk som bygger på tidigare forskning i skärningspunkten mellan AI och finans, implementerad på AP1. Den beskriver fördelarna och begränsningarna med att tillämpa AI för handel med derivat snarare än aktier i enskilda företag och fungerar som en guide för att bygga sådana handelsalgoritmer. Dessutom identifierar forskningen en underutforskad nisch i skärningspunkten mellan AI och derivathandel. Genom att utveckla och tillämpa detta ramverk tar studien inte bara upp denna lucka utan utvärderar också rollen av AI-algoritmer för att förbättra derivathandelsstrategier, och visar deras potential och begränsningar inom denna domän.

Detta examensarbete undersöker hur artificiell intelligens (AI) och maskininlärning (ML) har förbättrat innovationsprocesser inom bilindustrin, med särskilt fokus på ett företag som är aktiva inom detta område. Genom en kombination av teoretisk forskning och empiriska intervjuer med anställda på företaget har det identifierats att AI och ML är kraftfulla verktyg för att driva teknologisk innovation, optimera interna processer och främja en kultur av kontinuerligt lärande och samarbete. Företaget som undersöks i denna fallstudie använder AI för att utveckla avancerade förarassistanssystem och autonoma körteknologier, vilket resulterar i säkrare och mer effektiva självkörande bilar. Dessutom optimerar AI interna processer som prestandaövervakning och intern kommunikation, vilket förbättrar effektiviteten och responsiviteten inom organisationen. Företagskulturen på företaget har påverkats positivt av AI, med en betoning på ständigt lärande och kunskapsdelning. Medarbetarna uppmuntras att kontinuerligt uppdatera sina kunskaper och färdigheter för att hålla jämna steg med teknologiska framsteg, vilket skapar en dynamisk och adaptiv arbetsmiljö. Dock möter företaget även utmaningar, inklusive höga kostnader för hårdvara och beräkningskraft, behovet av att säkerställa hög datakvalitet och att hantera komplexa juridiska och etiska frågor.  AI och ML har avsevärt förbättrat innovationsprocesserna för företaget i denna fallstudie genom att driva teknologisk och processuell innovation samt genom att påverka företagskulturen positivt. Studien bidrar till ämnet innovationsteknik genom att belysa hur AI kan användas för att driva innovation och identifierar områden för framtida forskning, såsom kostnadshantering och långsiktiga effekter av AI på företagskulturen. / This exam essay examines how artificial intelligence (AI) and machine learning (ML) have improved innovation processes in the automotive industry, with a particular focus on a company active in this field. Through a combination of theoretical research and empirical interviews with employees of the company, it has been identified that AI and ML are powerful tools for driving technological innovation, optimizing internal processes and fostering a culture of continuous learning and collaboration. The company investigated in this case study uses AI to develop advanced driver assistance systems and autonomous driving technologies, resulting in safer and more efficient self-driving cars. In addition, AI optimizes internal processes such as performance monitoring and internal communication, improving efficiency and responsiveness within the organization. The company culture has been positively impacted by AI, with an emphasis on continuous learning and knowledge sharing. Employees are encouraged to continuously update their knowledge and skills to keep up with technological advances, creating a dynamic and adaptive work environment. However, the company also faces challenges, including the high cost of hardware and computing power, the need to ensure high data quality, and dealing with complex legal and ethical issues.  AI and ML have significantly improved the innovation processes of the company in this case study by driving technological and process innovation as well as by positively influencing corporate culture. The study contributes to the field of innovation technology by highlighting how AI can be used to drive innovation and identifies areas for future research, such as cost management and long-term effects of AI on corporate culture.

Denna kandidatuppsats undersöker implementeringen av artificiell intelligens (AI) och dess påverkan på den svenska spelutvecklingsbranschen. Genom kvalitativa intervjuer med branschprofessionella har vi kartlagt hur AI integreras i spelutvecklingsprocesser, påverkar yrkesroller och förändrar kompetensbehov. Studien belyser både möjligheter och utmaningar som AI medför, inklusive organisatoriska förändringar, ekonomiska fördelar och sociala aspekter. Resultaten visar att AI inte bara bidrar till teknisk innovation utan också kräver en strategisk anpassning av företagets arbetsprocesser och strukturer. Vår analys indikerar att en framgångsrik AI-implementering kan stärka företagens konkurrenskraft på en kompetitiv marknad. / This bachelor's thesis examines the implementation of artificial intelligence (AI) and its impact on the Swedish game development industry. Through qualitative interviews with industry professionals, we have mapped how AI is integrated into game development processes, affects job roles, and changes competency requirements. The study highlights both opportunities and challenges brought by AI, including organizational changes, economic benefits, and social aspects. The results show that AI not only contributes to technical innovation but also requires a strategic adjustment of companies work processes and structures. Our analysis indicates that successful AI implementation can enhance companies competitiveness in a competitive market.

Denna studie undersöker utmaningarna och möjligheterna med implementeringen av artificiell intelligens (AI) på arbetsplatsen. Genom en kombination av intervjuer, enkäter och litteraturöversikt analyseras olika aspekter av AI-implementering, inklusive effektivitet, produktivitet, kompetensutveckling, etiska dilemman och samarbete. Resultaten visar att AI-implementering kan leda till ökad effektivitet och produktivitet genom automatisering av rutinmässiga uppgifter. Dock finns det utmaningar relaterade till anställdas acceptans, utbildning och säkerhetsfrågor. Vidare betonas vikten av att etablera etiska riktlinjer för att hantera potentiella risker och dilemman som uppstår med AI-användning. Kommunikation och samarbete identifieras som nyckelfaktorer för en framgångsrik integration av AI på arbetsplatsen. Denna studie belyser behovet av att förstå och navigera de komplexa dynamikerna som omger AI-implementering för att maximera dess fördelar och minimera dess risker. / This study examines the challenges and opportunities associated with the implementation of artificial intelligence (AI) in the workplace. Through a combination of interviews, surveys, and literature review, various aspects of AI implementation are analyzed, including efficiency, productivity, skills development, ethical dilemmas, and collaboration. The results indicate that AI implementation can lead to increased efficiency and productivity by automating routine tasks. However, there are challenges related to employee acceptance, training, and security issues. Furthermore, the importance of establishing ethical guidelines to address potential risks and dilemmas arising from AI usage is emphasized. Communication and collaboration are identified as key factors for successful integration of AI in the workplace. This study highlights the need to understand and navigate the complex dynamics surrounding AI implementation to maximize its benefits and minimize its risks.

Denna kvalitativa studie undersöker effekten av generativ artificiell intelligens (AI) på marknadsföringsstrategier inom musikindustrin. I takt med att digitala plattformar alltmer dominerar landskapet utforskar marknadsföringsavdelningar innovativa sätt att engagera publiken, vilket gör integrationen av generativ AI avgörande. Genom intervjuer med marknadsförare inom den svenska musikindustrin belyser denna forskning den nuvarande användningen, de upplevda fördelar och utmaningar med generativ AI för att förbättra arbetsflödeseffektiviteten och marknadsföringstaktiken. Resultaten visar att även om generativ AI avsevärt effektiviserar skapandet av innehåll och interaktion med konsumenter, kvarstår oro för dess tillförlitlighet och etiska implikationer av dess användning. Studien bidrar till en djupare förståelse för generativ AI:s transformerande roll i musikmarknadsföring och erbjuder värdefulla insikter för praktiker som strävar efter att utnyttja teknologin som konkurrensfördel. / This qualitative study examines the impact of generative artificial intelligence (AI) on marketing strategies within the music industry. As digital platforms increasingly dominate the landscape, marketing departments are exploring innovative ways to interact with audiences, making the integration of generative AI pivotal. Through interviews with marketing professionals in the Swedish music industry, this research sheds light on the current use, perceived benefits, and challenges of generative AI in enhancing workflow efficiencies and marketing tactics. The study reveal that while generative AI significantly streamlines content creation and consumer interaction, concerns about its reliability and the ethical implications of its use persist. The study contributes to a deeper understanding of the transformative role of AI in music marketing, providing valuable insights for practitioners aiming to leverage technology for competitive advantage.

Introduktion Den artificiella intelligensens framsteg har kommit att spela stor roll vid användningen inom medicinsk bilddiagnostik. Frågor gällande bland annat tillämpning, diagnostik och behandling är ämnen som uppkommit vid diskussionen om den artificiella intelligensens användning inom radiografi. Syfte Syftet var att undersöka rådande kunskapsläge kring implementering av artificiell intelligens kopplat till röntgensjuksköterskans profession. Metod En allmän litteraturöversikt där nio granskade vetenskapliga artiklar valdes och analyserades utifrån likheter och skillnader. Resultat Tre kategorier framträdde - bristande utbildning, oro för ny teknik och AI som diagnostisk framgång visade att röntgensjuksköterskans profession förändras när både utbildning och kompetens ständigt måste hållas uppdaterade för att möta det ökade patientflödet och den snabba teknikutvecklingen kopplat till AI. Slutsats De valda artiklarna visar att AI´s inverkan på röntgensjuksköterskans profession är mångfacetterad vilket kan ge ökad effektivitet men även ökade utmaningar och att detta i takt med den snabba utvecklingen ställer ökade krav på röntgensjuksköterskans kunskap och kompetensutveckling.

InsurTech är en ny gren inom försäkringsbranschen som använder innovativa informationsteknologier för att effektivisera processer. Trots att försäkringsbranschen historiskt sett varit trögrörlig och inte förändrats mycket, har intresset för InsurTech ökat markant de senaste åren, vilket har skapat en betydande hype. På grund av detta syftar denna uppsats till att analysera och värdera om InsurTech kan få någon större effekt på den svenska försäkringsbranschen. Genom att fokusera på teknologierna Big data, Artificiell Intelligens, Telematik och Internet of Things undersöker uppsatsen om InsurTech kan effektivisera försäkringsprocessen och påverka marknaden och dess aktörer. Studien tillämpar en kvalitativ metod och inleds med en litteraturstudie i syfte att ge en helhetsbild av forskarvärldens bild av InsurTechs potential i dagsläget. Därefter följer en intervjustudie med experter inom försäkringsbranschen i syfte att framhäva deras bild av potentialen och vad som i dagsläget går att implementera i branschen. Studien tar avstamp i en teoretisk analysmodell baserad på ett transaktionskostnadsperspektiv. Modellen byggs upp i tre faser; Ex-ante, Avtal och Ex-post och belyser de transaktionskostnader som uppstår under försäkringsprocessen. Litteraturstudien visar på en stark hype från forskningsvärlden där potentialen framhävs starkt. Även intervjustudien visar att det finns mycket potential för InsurTech, samtidigt som den även lyfter flera hinder och utmaningar för InsurTech i dagsläget. Sammantaget kommer uppsatsen fram till att InsurTechs potential i dagsläget främst finns i AI och Big data för att effektivisera datahantering och skadereglering. Samt att utvecklingen förmodligen kommer att ske från samarbete mellan etablerade försäkringsbolag och flera nya underleverantörer. / InsurTech is a new branch within the insurance industry that leverages innovative information technologies to streamline processes. Although the insurance industry has historically been slow-moving and resistant to change, interest in InsurTech has significantly increased in recent years, creating a considerable hype. Consequently, this thesis aims to analyse and assess whether InsurTech can have a substantial impact on the Swedish insurance market. By focusing on technologies such as Big Data, Artificial Intelligence, Telematics, and the Internet of Things, this thesis explores whether InsurTech can increase the efficiency of insurance processes and influence the market and its players. The study employs a qualitative methodology, beginning with a literature review to provide a comprehensive overview of the current academic perspective on Insurtech’s potential. This is followed by an interview study with industry experts to highlight their views on the potential and current implementable aspects of InsurTech within the industry. This study is grounded in a theoretical analysis model based on a transaction cost perspective. The model is structured into three phases: Ex-ante, Contract, and Ex- post, highlighting the transaction costs that arise during the insurance process. The literature review reveals significant hype from the academic community, emphasising the strong potential of InsurTech. While the interview study indicates considerable potential for InsurTech it also points out several current obstacles and challenges. Overall, the thesis concluded that the greatest potential currently lies in AI and Big Data to enhance data management and claims processing. Furthermore, the development is likely to occur through collaborations between established insurance companies and various new suppliers.

Artificial intelligence (AI) holds immense potential to revolutionize the global food system, driving sustainability, enhancing efficiency, and addressing food security challenges. However, the successful integration of AI in the food system demands a deep understanding of the complex interplay between technology, social factors, economic considerations, and ethical implications. This study explores the opportunities and challenges in implementing AI technologies within the Swedish food system, focusing on primary production. The research utilizes an expanded Socio-Technical System Theory (STST) framework, incorporating economic and ethical dimensions alongside the traditional social and technical levels. Literature review and semi-structured interviews provide insights into the dynamics of AI adoption in the Swedish context. The findings reveal that AI adoption in the Swedish food system is currently in the early adopter phase, with broad range applications. However, the study also uncovers significant barriers to widespread AI adoption, including the lack of suitable business models, fragmented data sharing infrastructures, and ethical concerns surrounding data privacy and ownership.  The analysis emphasizes the need for developing user-friendly interfaces, leveraging narrow AI applications, and establishing seamless data flow across the food value chain. The study contributes to the theoretical development of the Socio-Technical System Theory framework by demonstrating the importance of incorporating economic and ethical dimensions in understanding the complex dynamics of AI adoption in socio-technical systems. The findings also have practical implications for policymakers, industry actors, and researchers, emphasizing the significance of context-specific AI development, as well as the need for collaborative innovation processes. The research acknowledges its limitations, including the focus on primary production and the reliance on qualitative methods, and identifies potential areas for future research, such as comparative analyses across different food sectors and the use of quantitative approaches.  In conclusion, this study provides a timely and critical contribution to the understanding of AI's role and potential in transforming the Swedish food system. It indicates the need for developing suitable business plans, establishing data sharing platforms, and ensuring a harmonized data flow to harness the benefits of AI while navigating its challenges and risks, paving the way for a more sustainable and resilient food future. / Artificiell intelligens (AI) har enorm potential att revolutionera det globala livsmedelssystemet, driva hållbarhet, förbättra effektiviteten och hantera livsmedelssäkerhetsutmaningar. Men en framgångsrik integration av AI i livsmedelssystemet kräver en djup förståelse för det komplexa samspelet mellan teknik, sociala faktorer, ekonomiska överväganden och etiska implikationer. Denna studie utforskar möjligheterna och utmaningarna med att implementera AI-teknologier inom det svenska livsmedelssystemet, med fokus på primärproduktionen. Forskningen använder ett utökat ramverk för Socioteknisk Systemteori (STST), som inkluderar ekonomiska och etiska dimensioner tillsammans med de traditionella sociala och tekniska nivåerna. Litteraturöversikt och halvstrukturerade intervjuer ger insikter i dynamiken kring AI-antagande i svensk kontext. Resultaten visar att AI-antagandet i det svenska livsmedelssystemet för närvarande befinner sig i den tidiga antagandefasen, med breda tillämpningar. Studien avslöjar dock också betydande hinder för ett utbrett AI-antagande, inklusive bristen på lämpliga affärsmodeller, fragmenterade datadelingsinfrastrukturer och etiska bekymmer kring dataintegritet och ägande. Analysen betonar behovet av att utveckla användarvänliga gränssnitt, utnyttja smala AI-applikationer och etablera sömlösa dataflöden över hela livsmedelsvärdekedjan. Studien bidrar till den teoretiska utvecklingen av Socioteknisk Systemteori genom att visa vikten av att inkludera ekonomiska och etiska dimensioner för att förstå den komplexa dynamiken kring AI-antagande i sociotekniska system. Resultaten har också praktiska implikationer för beslutsfattare, branschaktörer och forskare, och betonar betydelsen av kontextspecifik AI-utveckling samt behovet av samarbetsinriktade innovationsprocesser. Forskningen erkänner sina begränsningar, inklusive fokus på primärproduktion och beroende av kvalitativa metoder, och identifierar potentiella områden för framtida forskning, såsom jämförande analyser över olika livsmedelssektorer och användningen av kvantitativa metoder. Sammanfattningsvis ger denna studie ett aktuellt och kritiskt bidrag till förståelsen av AI roll och potential i att transformera det svenska livsmedelssystemet. Den pekar på behovet av att utveckla lämpliga affärsplaner, etablera plattformar för datadelning och säkerställa ett harmoniserat dataflöde för att utnyttja AI fördelar samtidigt som man navigerar dess utmaningar och risker, och banar vägen för en mer hållbar och motståndskraftig livsmedelsframtid.

Title: The interaction between humans and machines: A case study on employee job satisfaction during the implementation of artificial intelligence in the workplace Background & problem discussion: As companies adopt new technologies, ensuring job satisfaction is a key for smooth transitions. AI revolutionizes work methods by automating tasks, enhancing efficiency, and requiring new skills. However, AI integration raises concerns about its impacts on roles and satisfaction. While boosting productivity and efficiency, AI can displace human tasks, causing fear and resistance to the new technology. Balancing efficiency with maintaining human expertise is vital, as it affects motivation and engagement in the work. Understanding AI’s impact on job satisfaction is essential, as it significantly influences employees overall experience. Purpose: The purpose of the study is to create an understanding of the employees’ job satisfaction when implementing AI technology in the workplace. Method: This study uses a qualitative research method to understand how AI implementation affects employee job satisfaction at Scania in Oskarshamn. The method focuses on gaining in-depth insights from the employees’ perspective through semi-structured interviews and observations. A case study design was chosen to analyze detailed aspects of AI use within the company. To ensure the reliability, trustworthiness and confirmation of the study, a transparent research process was followed with feedback to the participants. Findings & conclusion: The results showed that both intrinsic and extrinsic involvement were important for job satisfaction. Employees with strategic roles saw AI as an opportunity for improvement, while operational employees felt secure in the use of AI. The study emphasized the importance of fostering an inclusive work culture to ensure positive attitudes towards change and sustained job satisfaction. The conclusion provides both a practical and theoretical contribution for understanding job satisfaction when using AI-technology.

As the world becomes increasingly digitalized, new technologies like Artificial Intelligence (AI) are now more than ever before an important tool for organizations to meet future challenges. This is true for the private as well as the public sector, however, certain organizational functions are falling behind on AI-adoption, with public procurement being a standout example. This study examines the feasibility of integrating AI-solutions in public procurement. Using the theoretical lens of technology adoption and the AI-adapted Technology Organization Environment (TOE)-framework, a series of interviews were conducted with procurement practitioners, experts and solutions providers, identifying what factors drive or inhibit AI-adoption. The results confirmed that the previously identified TOE-factors relative advantage, management support, and external pressure are drivers of AI-adoption in public procurement, while competence, resources and procurement regulation are inhibitors. Additionally, three new factors were identified in the interviews; available solutions, resistance to change and public policy. The findings of the study contributed to the proposal of an updated TOE-framework for AI-adoption in public procurement. They further confirm the findings of previous studies utilizing the TOE-framework to investigate public organizations. / I takt med att världen blir alltmer digitaliserad är nya teknologier som artificiell intelligens (AI) nu viktigare verktyg än någonsin för organisationers förmåga att bemöta framtida utmaningar. Detta gäller både den privata och den offentliga sektorn, men vissa organisatoriska funktioner ligger efter när det gäller AI-implementation, där den offentliga upphandlingsfunktionen är ett tydligt exempel. Denna studie undersöker möjligheterna att integrera AI-lösningar inom offentlig upphandling. Genom att använda organisationell teori om teknologiadoption som teoretisk lins och mer specifikt det AI-anpassade (TOE)-ramverket genomfördes en serie intervjuer med upphandlingspraktiker, experter och produktägare för att identifiera vilka faktorer som driver eller hämmar AI-implementation. Resultaten bekräftade att de tidigare identifierade TOE-faktorerna relativ fördel, ledningsstöd och extern press är drivkrafter för AI-implementation inom offentlig upphandling, medan kompetens, resurser och upphandlingsregler är hinder. Dessutom identifierades tre nya faktorer i intervjuerna; tillgängliga lösningar, motstånd mot förändring och offentlig styrning. Studiens resultat bidrog vidare till att föreslå ett uppdaterat TOE-ramverk för AI-implementation inom offentlig upphandling. Den bekräftar vidare resultaten från tidigare studier som använder TOE-ramverket för att undersöka teknikinförande inom offentliga organisationer.