The short life cycles and highly variable demand in the fast fashion market causes various challenges in a retailer’s supply chain management processes. The essential task at hand is to provide the right product, at the right time, and at the right place. Due to this inherent difficulty, the bullwhip effect is a major issue in the fashion supply chain. To enhance customer satisfaction and increase the alignment between the supply and market place demand, companies have been pushed towards exploiting big data, supply chain analytics and AI techniques for better business decision making. One such critical but intrinsically complex decision is the development of a future apparel assortment; in particular defining its optimal breadth and depth. This thesis investigates how such AI techniques can be applied to develop a new assortment aligned with the future customer demands- and choice behavior. The research was conducted through firstly performing a qualitative case study at a fast fashion retailer. This explored the critical business decisions in the supply chain lacking AI support. The findings, revealing the assortment planning process as one such critical area, guided the second part of the thesis: a systematic literature review exploring the AI techniques used in this process in the retail - and fashion industry. An appropriate framework of planning a static apparel assortment in the fast fashion industry was developed and used as a guide throughout the study. The thesis discovered that there exists significant research in the field of applying AI techniques to generate and integrate knowledge about consumer demand- and choice behavior in the planning process of a future assortment. The main components to consider in this procedure is a) fashion forecasting, b) forecasting midterm demand, and c) forecasting product selection, incorporating the effects of substitution and complementarity at all times. This is believed to increase the alignment between supply and the marketplace demand, consequently reducing the bullwhip effect. The critical area for future research is how the discovered models are to be integrated in one singlemodel. Namely, simultaneously utilizing consumer choice behavior models and fashion forecasting to predict future demand of new items. Thus, the risk of suboptimization may be mitigated. / Modeindustrins korta produktlivscykler och högt varierande efterfrågan efter rådande trender skapar stora utmaningar i försörjningskedjan hos företag i branschen. Det essentiella målet för företagen är att tillhandahålla rätt produkt, vid rätt tidpunkt och på rätt plats. De komplexa karaktärsdragen i modeindustrin, där bland den fluktuerande efterfrågan, har gjort bullwhipeffekten till en stor utmaning i branschen. För att öka kundnöjdhet och anpassningen mellan marknadens utbud och efterfrågan har företag drivits mot utnyttjandet av big data i avsikt att förbättra kritisk affärsbeslutsfattning genom användandet av analytics och AI. Ett kritiskt ochkomplext beslut är utvecklingen av ett nytt produktsortiment, där definieringen av sortimentetsbredd och djup är särskilt viktigt. Denna uppsats undersöker hur AI-modeller kan tillämpas för att hjälpa företag inom modeindustrin i utvecklingen av nya sortiment anpassade efter kundens beräknade efterfrågan och val. Detta arbete inleddes med utförandet av en kvalitativ fallstudie hos en stor aktör verksam inom modeindustrin. Detta gjordes för att identifiera kritiska affärsbeslut i företagets försörjningskedja som saknade AI-stöd. Resultatet påvisade att sortimentsplanering var ett sådant kritiskt beslutsområde. Följaktligen utfördes en systematisk litteraturstudie i andra delen av arbetet i syfte att undersöka AI-modeller som appliceras i sortimentsplanerings-processen i såväl detaljhandeln som modebranschen. För att konceptualisera processen av att planera ett statiskt produktsortiment utvecklades ett ramverk som användes som en guide under hela arbetet. Studien visade att det finns betydande forskning inom tillämpningen av AI-modeller i syfte att planera ett optimalt sortiment efter konsumenternas efterfrågan. De huvudsakliga faktorerna att överväga innefattar prognostiseringen av efterfrågan, trender samt substitution- och komplementeffekter. Ett kritiskt område för framtida forskning är hur de upptäckta modellerna ska integreras i en enda modell som inkluderar dessa faktorer i ett tidigt såväl som sent skede av planeringen. Det som eftersträvas i en integrerad modell är att mildra risken av suboptimering som identifierats i nuvarande litteraturs angreppssätt.

Artificiell intelligens (AI) inom marknadsföring har haft en ökad tillväxt de senaste åren. Marknadsföringen blir i allt större utsträckning datadriven, den tekniska utvecklingen har ständigt påverkat marknadsföringen och visat att AI-baserad marknadsföring kan göra skillnad. Det finns däremot många frågor som behöver besvaras innan AI kan användas på ett etiskt och effektivt sätt. Forskare uppmanar att analysera faktorer som påverkar konsumenters attityder till AI-baserad marknadsföring. Syftet med studien är därför att analysera hur upplevd integritetsrisk, upplevt förtroende och upplevda fördelar påverkar svenska konsumenters attityder till AI-baserad marknadsföring inom e-handel. Konsumentattityderna beskrivs i termer av känslomässig respektive kalkylmässig attityd. Metoden som användes var kvantitativ med en deduktiv ansats. Studien tog grund i en tvärsnittsdesign där en enkätundersökning utfördes. Webbenkäten publicerades på Facebook, Instagram och Snapchat där 102 respondenter besvarade den, varav 99 svar analyserades. Korrelationsanalys och regressionsanalyser skapades sedan i det statistiska dataprogrammet SPSS. Därefter bekräftades eller förkastades hypoteserna. Studien resulterade i att två av fyra hypoteser kunde bekräftas, vilka var hypoteserna H3a och H3b. Därmed blev slutsatsen, att upplevda fördelar påverkar svenska konsumenters attityder till AI-baserad marknadsföring inom e-handel positivt. Faktorerna upplevd integritetsrisk och upplevt förtroende är inte drivande faktorer för svenska konsumenter med en känslomässig attityd till AI-baserad marknadsföring. Upplevda fördelar påverkar den känslomässiga attityden vilket indikerar på att konsumenters känslomässiga attityd drivs av de praktiska aspekterna. Nyckelord: / Artificial Intelligence (AI) within marketing has had an increased growth in recent years. Marketing is becoming increasingly data-driven, the technological development constantly influences marketing and shows that AI-based marketing can make a difference. However, numerous questions need to be answered before AI can be used in an ethical and effective way. Researchers urge to examine factors that affect consumer attitudes towards AI-based marketing. The purpose of the study is therefore to analyze how perceived privacy risk, perceived trust and perceived benefits affect Swedish consumers attitudes to AI-based marketing within e-commerce. Consumer attitudes are described in terms of affective respective calculative attitude. The method used was quantitative with a deductive approach. The study was based on a cross-sectional design where a survey was carried out. The web survey was published on Facebook, Instagram and Snapchat where 102 respondents answered, of which 99 answers were analyzed. Correlation analysis and regression analyses were then created in the statistical data program SPSS. The hypotheses were then either confirmed or rejected. The study resulted in two out of four hypotheses being confirmed, the ones that could be confirmed were hypotheses H3a and H3b. Thus, the conclusion was that perceived benefits positively affect Swedish consumers’ attitudes towards AI-based marketing within e-commerce. The factors perceived privacy risk and perceived trust are not driving factors for Swedish consumers with an affective attitude to AI-based marketing. Perceived benefits affect the affective attitude which indicates that the consumer’s affective attitude is driven by the practical aspects.

Syfte: Examensarbetet syftar till att undersöka var företagsverksamheter inom trafiksäkerhet och tillfällig trafikledning kan tillämpa visuell artificiell intelligens (AI) för att uppnå en säkrare, miljövänligare och mer kostnadseffektiv verksamhet.  Frågeställningar: “Hur kan tillämpning av visuell artificiell intelligens användas för identifiering av temporära skyddsanordningar vid vägarbeten?”; “Hur kan tillämpning av visuell artificiell intelligens användas för identifiering av personlig skyddsutrustning vid vägarbeten?”; och “Vilka förändringar kan ske gällande företagsverksamhetens säkerhet, kostnader och koldioxidutsläpp vid tillämpningen av visuell artificiell intelligens vid vägarbeten?”. Metod: Denna studie utfördes med en abduktiv ansats och en mixad forskningsdesign. Där en teoretisk referensram utifrån vetenskapliga artiklar och en empiriinsamling bestående av en fallstudie, intervjuer med anställda, och beräkningar baserat på data från fallföretaget analyserades för att besvara studiens frågeställningar. Slutsats: Genom att adressera utmaningarna och utnyttja möjligheterna som teknologin erbjuder kan AI-kameror vara ett värdefullt verktyg för att främja en säkrare och mer hållbar arbetsmiljö vid vägarbeten samt en mer gynnsam verksamhet. Genom att tillämpa visuell artificiell intelligens, för att identifiera korrekt användning av personlig skyddsutrustning vid vägarbeten och kombinera det med manuella inspektioner, kan säkerheten för arbetare förbättras och korrekt användning av personlig skyddsutrustning (PPE) säkerställas. Slutligen indikerar studien att tillämpning av visuell artificiell intelligens vid vägarbeten har potential att förbättra säkerheten för arbetare, trafikanter och civilpersoner runtom, minska kostnaderna för företagen och minska miljöpåverkan genom minskade koldioxidutsläpp. / Aim: This thesis aims to investigate how businesses within traffic safety and temporary traffic management can apply visual artificial intelligence (AI) to achieve safer, more environmentally friendly, and cost-effective operations. Research questions: “How can the application of visual artificial intelligence be used for identifying temporary protective devices on road construction sites?”; “How can the application of visual artificial intelligence be used for identifying personal protective equipment on road construction sites?”; and “What changes can occur regarding the company's operational safety, costs, and carbon emissions with the application of visual artificial intelligence on road construction sites?”. Methodology: This study was conducted using an abductive approach and a mixed research design. A theoretical framework based on scientific articles and an empirical data collection consisting of a case study, interviews with employees, and calculations based on data from the case company were analyzed to answer the study’s research questions. Conclusion: By addressing the challenges and leveraging the opportunities that technology offers, AI cameras can be a valuable tool in promoting a safer and more sustainable work environment on road construction sites, as well as for more favorable operations for companies. By applying visual artificial intelligence to identify correct usage of personal protective equipment on road construction sites and combining it with manual inspections, worker safety can be improved, and proper use of personal protective equipment (PPE) can be ensured. Finally, the study indicates that the application of visual artificial intelligence on road construction sites has the potential to improve the safety of workers, road users, and civilians nearby, reduce costs for companies and decrease environmental impacts by reducing carbon emissions.

Abstract In recent years, the interest and development of artificial intelligence has been extensive, and society is in the middle of the Fourth Industrial Revolution. Given the changes that have occurred, an interest to examine how this has affected the role of the controller arises, considering it is tasks as theirs that AI is now competing with. Therefore, the purpose of this study is to understand how AI is integrated into the role of the controller and how the surrounding environment influences AI-usage in this context. Hereby, the dynamic relationship between AI, practitioners, and the surrounding environment is considered by examining how technological advancements and human attitudes influence the use of AI.  The study was conducted with a qualitative approach, where eleven respondents were interviewed in semi-structured interviews. The two selection groups consisted of actors within ERP systems and controllers. The collected data was analyzed through coding, identifying the following main themes: development, business and economic consequences, tasks, competence and attitude. The analysis of the empirical data was based on an integration of existing research along with the Technology Acceptance Model (TAM) and the theory of professions. The impact of AI was not equally prominent for everyone; however, where it had influence, AI was used as an assistant, working together with the controller to fulfill tasks. Furthermore, an indication of a shift in competence requirements was observed, where technical competence gained increased significance. Additionally, users' knowledge and perception of AI-tools influenced their attitude, with a lack of understanding leading to fear, while deeper understanding and positive experiences promoted acceptance. Consequently, attitude indicated significance for actual AI-usage. However, barriers such as unclear regulations, ethical and social considerations, and technical limitations were identified, requiring reflection for successful integration of AI within the accounting industry. In summary, AI works as a complement to the controller, depending on user attitude and the influence of external factors, which may have a limiting effect. / Sammanfattning Under de senaste åren har intresset och utvecklingen av artificiell intelligens (AI) varit explosivartad och samhället befinner sig mitt i den fjärde industriella revolutionen. Med grund i den förändring som skett är det av intresse att studera hur detta fått effekt på rollen som controller, då det är uppgifter som deras som AI konkurrerar med. Syftet med studien är därför att förstå hur AI integreras med rollen som controller samt hur den omgivande miljön har inflytande på AI-användningen i denna kontext. Härigenom beaktas den dynamiska relationen mellan AI, yrkesutövare och den omgivande miljön genom att undersöka hur tekniska framsteg och mänskliga förhållningssätt har inflytande på AI- användningen.  Studien genomfördes med en kvalitativ ansats där elva respondenter intervjuades i semistrukturerade intervjuer. De två urvalsgrupperna bestod av aktörer inom affärssystem och controllers. Insamlade data analyserades genom kodning där följande huvudteman identifierades: utveckling, affärsmässiga och ekonomiska konsekvenser, arbetsuppgifter, kompetens och inställning. Analysen av empirin baserades på en integrering av existerande forskning tillsammans med de teoretiska modellerna Technology Acceptance Model (TAM) och professionsteori. Av analysen framkom att effekten av AI inte är lika framträdande för alla respondenter, där den däremot fått inflytande nyttjas AI som en assistent vilken tillsammans med controllern kan fullfölja arbetsuppgifterna. Vidare kunde även en indikation på skiftning i kompetenskravet observeras där den tekniska kompetensen fått ökad vikt. Även användarnas kunskap och uppfattning om AI-verktyg har inflytande över inställningen, där bristande förståelse kan leda till rädsla, medan en djupare förståelse och positiv upplevelse kan främja acceptans. Inställningen indikerar därefter få betydelse för den faktiska AI-användningen. Däremot identifieras hinder som otydlig reglering, etiska och samhälleliga hänsynstaganden samt tekniska begränsningar, vilka kräver beaktning för en lyckad integration av AI inom redovisningsbranschen. Sammanfattningsvis fungerar AI som ett komplement åt controllern, dock beroende av användarens inställning samt influensen av externa faktorer vilka kan ha en begränsande effekt.

Syfte: Syftet med denna studie har varit att utforska och skapa ökad förståelse hur konsumenternas köpbeslut och efterköpsbeteende kan förändras av att heminredningsföretag inom e-handeln använder Artificiell Intelligens (AI) samt vilka eventuella konsekvenser AI användandet har på konsumenternas förtroende för företagen.  Problembakgrund: Med tanke på e-handelns framfart och att AI ständigt utvecklas är det relevant att ämnet diskuteras. Förtroende för AI skiljer sig mellan de svenska medborgarna samtidigt som implementeringen av AI ökar hos företagen.   Metod: Studien behandlar hur AI påverkar köpbeslut, efterköpsbeteende och förtroende med utgångspunkt i en kvalitativ studie och med en induktiv forskningsansats. Semistrukturerade intervjuer med femton personer genomfördes för att kunna besvara forskningsfrågorna.  Slutsats: Utifrån studiens empiri och analys kunde slutsatser dras att AI påverkar konsumenternas köpbeslut, efterköpsbeteende och förtroende på olika sätt i vardera steg. Detta ger en indikation från studien att företag som använder AI bör se till att det är genomtänkt och välutvecklat. Slutsatsen är att AI i dagsläget inte används av företag på ett tillräckligt utvecklat sätt utifrån dess potentiella kompetens, därav fyller det inte sin fulla funktion och konsumentens förtroende kan antas påverkas mer negativt än positivt. Om AI istället används på ett mer genomtänkt och välutvecklat sätt påverkar det konsumenternas förtroende positivt. / Purpose: The purpose of this study has been to explore and create greater understanding of how consumers' purchase decisions and post-purchase behavior change as a result of interior design companies in e-commerce using Artificial Intelligence (AI) and what possible consequences AI use has on consumers' trust in the companies. Problem background: Considering the progress of e-commerce and that AI is constantly developing, makes the topic relevant to discuss. Trust in AI differs between Swedish citizens, while the implementation of AI is increasing among companies. Method: The study investigates how AI affects purchase decisions, post-purchase behavior and trust based on a qualitative study with an inductive research approach. Semi-structured interviews with fifteen people were conducted in order to answer the research questions. Conclusion: Based on the study's empirical data and analysis, conclusions could be drawn that AI affects consumers' purchase decisions, post-purchase behavior and trust, in different ways at each stage. This gives an indication from the study that companies using AI should ensure that it is well thought out and well developed. The conclusion is that AI is currently not used by companies in a sufficiently developed way based on its potential competence, therefore it does not fulfill its full function and consumer trust can be assumed to be affected more negatively than positively. Instead, customer trust is enhanced when AI is applied in a well thought out and well developed manner.

Under de senaste åren har revisionsbranschen genomgått betydande förändringar med införandet av digitalisering och olika digitala verktyg. Under det senaste året har Artificiell Intelligens (AI) blivit alltmer framträdande och förväntas fortsätta att utvecklas. Revisionsbyråer integrerar digitala verktyg för att optimera revisionsprocessen, förbättra kvaliteten på revisionerna och reducera risken för konkurrens. Användning av AI-teknik kan signalera att revisionsbyrån ligger i framkant med tekniska verktyg och därmed öka revisionens trovärdighet. Tidigare forskning betonar fördelarna med att implementera digitala verktyg, som AI-teknik, i revisionsarbetet. Det förväntas att detta ska medföra effektivisering, flexibilitet, resursbesparing samt möjlighet att fokusera på andra mer komplexa arbetsuppgifter för revisorn. Syftet med den föreliggande studien är att undersöka hur användningen av AI-teknik och digitalisering påverkar revisionsprocess, revisionskvalitet och revisorns kompetenskrav. Studien utforskar dessutom revisorers uppfattning och acceptans av teknologiska innovationer hos revisionsbyråer som ingår i The Big Four. För att åstadkomma detta genomfördes intervjuer med elva revisorer av olika yrkesbefattning. Resultaten från den föreliggande studien indikerar att majoriteten av respondenterna har en positiv inställning till AI-tekniken och dess framtida utveckling. Dessutom framhåller respondenterna att tekniken är ett värdefullt hjälpmedel och stöd under revisionsprocessen genom att erbjuda vägledning och insikter.  Studien framhäver vikten av att använda AI-teknik inom revision med försiktighet och betonar att revisorns mänskliga kompetens och expertis fortfarande är avgörande för både revisionskvalitet och klientförtroende. Trots att majoriteten av respondenterna ser potential i hur AI-teknik kan förbättra deras arbete, påpekar studien att tekniken fortfarande är i ett tidigt utvecklingsstadium. Studien har resulterat i att AI-teknik inte är så etablerad som tidigare forskning har indikerat. Det har också observerats att revisorer behöver ökad kunskap om AI för att effektivt kunna använda tekniken i sin revision, vilket kan åstadkommas genom utbildning. Dessa slutsatser indikerar att AI-tekniken fortsätter att genomgå betydande förbättringar och att dess fulla potential ännu inte har realiserats. / Artificial Intelligence and Digitalization in the Auditing Industry: Challenges and Opportunities for the Auditing Process and Audit Quality In recent years, the auditing industry has undergone significant changes with the introduction of digitalization and various digital tools. Over the past year, Artificial Intelligence (AI) has become increasingly prominent and is expected to continue developing. Audit firms are integrating digital tools to optimize the auditing process, improve audit quality, and reduce the risk of competition. The use of AI-technology can signal that the audit firm is at the forefront of technological tools, thereby increasing the credibility of the audit. Previous research emphasizes the benefits of implementing digital tools, such as AI-technology, in auditing work. It is expected that this will lead to increased efficiency, flexibility, resource savings, and the ability for auditors to focus on other, more complex tasks.The purpose of the present study is to examine how the use of AI-technology and digitalization affects the auditing process, audit quality, and the competence requirements for auditors. The study also explores auditors' perceptions and acceptance of technological innovations at audit firms within The Big Four. To achieve this, interviews were conducted with eleven auditors of various professional positions. The results from the present study indicate that the majority of respondents have a positive attitude towards AI-technology and its future development. Additionally, the respondents highlight that the technology is a valuable tool and support during the auditing process by providing guidance and insights.The study highlights the importance of using AI-technology in auditing with caution and emphasizes that the auditor's human competence and expertise remain crucial for both audit quality and client trust. Although the majority of respondents see potential in how AI-technology can enhance their work, the study points out that the technology is still in an early stage of development. The study has shown that AI-technology is not as established as previous research has indicated. It has also been observed that auditors need increased knowledge about AI to effectively use the technology in their audits, which can be achieved through education. These conclusions indicate that AI-technology continues to undergo significant improvements and that its full potential has yet to be realized.

Introduktion: Antibiotikaresistens är ett allvarligt och komplext folkhälsoproblem. WHO uppmanar genom initiativet One health att antibiotikaresistens behöver ses holistiskt och att tvärdisciplinära lösningar krävs. AI och maskininlärning bedöms ha stor potential att användas inom beslutsstöd för att begränsa antibiotikaresistensen. För att AI ska våga användas och implementeras bör den vara tillförlitlig, vilket innebär att hänsyn till etiska aspekter bör tas under hela systemens livscykel. Trots förhoppningar kring AI:s potential är forskningsfältet ungt och det beskrivs svårigheter med att utföra systematiska litteraturstudier. Det kan därför finnas behov av studier av kartläggande karaktär. Syfte: Syftet var att kartlägga rådande kunskapsläge kring hur artificiell intelligens kan användas som beslutsstöd i arbetet med att begränsa antibiotikaresistens. Metod: En kvalitativ scoping review med en induktiv tematisk analys. Resultat: Maskininlärning, såsom AI, användes för att utveckla beslutsstöd tänkta att implementeras i klinisk miljö. De hade i regel som avsikt att på olika sätt och i olika grad förutse viktiga aspekter i ett vårdförlopp som kan hjälpa vårdpersonal att välja en individanpassad antibiotikabehandling. Förhoppningarna med tekniken motiverades med en rad olika teoretiska nyttor, men de reala nyttorna kunde i regel inte konstateras inom ramen för studierna. Slutsats: För att konstatera och kunna fördela nyttan krävs vidare forskning som tar hänsyn till etisk AI. / Introduction: Antibiotic resistance is a serious and complex public health issue. Through the One Health initiative, WHO calls for a holistic approach to antibiotic resistance and for interdisciplinary solutions. AI and machine learning are considered to have great potential for use in decision support to limit antibiotic resistance. For AI to be used and implemented, it should be reliable, which means that ethical aspects should be considered throughout the life cycle of the systems. Despite hopes for the potential of AI, the research field is young and difficulties are present in conducting systematic literature studies. There may therefore be a need for studies of a mapping nature. Purpose: The purpose was to map the current state of knowledge on how artificial intelligence can be used as decision support in the efforts to limit antibiotic resistance. Method: A qualitative scoping review with an inductive thematic analysis. Results: Machine learning, such as AI, was used to develop decision support intended to be implemented in clinical settings. They generally aimed to predict important aspects of the course of care that could help healthcare professionals choose an individualized antibiotic treatment. The potential of the technology is justified by a variety of theoretical benefits, but the real benefits could not be ascertained in the context of the studies. Conclusion: Further research is needed to establish and distribute the benefits while also considering ethical AI.

Det finns ett stort intresse i samhället kring AI och dess användningsområden, men hur ser det ut i organisationer idag och vilka initiativ tas för att kompetensutveckla personalen med hjälp av AI? Det är just vad denna studie ska försöka besvara. Dataunderlaget för studien baseras på semi-strukturerade kvalitativa intervjuer med tio personer som framförallt arbetar inom HR, men även inom försäljning och affärsutveckling, fördelat över olika branscher. Analysen av det tematiserade underlaget visar på resultatet att integrering och användning av AI-verktyg för kompetensutveckling är ytterst varierande i de organisationer vi har varit i kontakt med, och att nyttjandet av AI-verktygen i stort inte är medvetet och planerat gällande kompetensutveckling. / There is considerable societal interest in AI and its applications; however, the current state within organizations and the initiatives undertaken to develop staff competencies using AI remain unclear. This study seeks to address these questions. The data for this study is derived from semi-structured qualitative interviews with ten individuals primarily working in HR, as well as in sales and business development, across various industries. The analysis of the thematic data reveals that the integration and utilization of AI tools for competency development vary significantly among the organizations surveyed. Moreover, the use of AI tools for competency development is largely unintentional and unplanned.

I dagens digitala värld har artificiell intelligens (AI) ett omvälvande inflytande som påverkar människors liv och arbete. Företagens användande av AI hittar ständigt nya områden där det förändrar och skapar möjligheter som tidigare varit otänkbara. Syftet med denna studie är att undersöka hur AI kan användas inom nyproduktutveckling (NPD) för små och medelstora företag (SME) för att förbättra effektiviteten i NPD-processen genom att studera möjligheter och hinder för utökad användning samt hur SME kan gå till väga för att applicera AI i NPD-processen. Syftet är baserat på ett fallföretags behov av större kunskap på området inför utökad användning av AI i verksamheten och NPD-processen i synnerhet. En fallstudie har genomförts hos ett projektorganiserat fallföretag specialiserat på NPD och tillhörande kategorin SME med kunder främst inom industrisektorn. Studiens syfte är baserat på fallföretagets behov av större kunskap på området inför utökad användning av AI i verksamheten och NPD-processen i synnerhet. En kvalitativ insamling av empiriskt material har gjorts genom litteraturstudie och genomförande av semistrukturerade intervjuer. Resultaten har analyserats och diskuterats och lett fram till studiens slutsatser med rekommendationer, så att studiens frågeställningar har besvarats. Fallföretaget använder generativ AI som sökverktyg i dagsläget och vill utöka användningen av AI till NPD-processen, men ser säkerhetsaspekten och avsaknad av AI-anpassad dataskyddsförordning (GDPR) som stora hinder. Studien undersöker valda metoder och verktyg med AI som skulle kunna användas inom NPD för att automatisera och effektivisera processen från idé till färdig produkt. Studiens resultat visar potential till förbättring och effektivisering av NPD-processen med hjälp av AI, men också att oklarheter finns som kan bero på att AI ännu är nytt inom NPD för SME. / In today's digital world, artificial intelligence (AI) has a transformative impact on people's lives and work. Companies' use of AI continuously finds new areas where it transforms and creates opportunities previously unimaginable. This study explores how AI can be used in New Product Development (NPD) for Small and Medium-sized Enterprises (SME) to improve efficiency by examining opportunities and obstacles for expanded use, and how SME can apply AI in the NPD process. This aim is based on a case company's need for greater knowledge before expanding the use of AI in its operations, particularly in NPD. A case study was conducted at a project-based company specialized in NPD, categorized as an SME with customers primarily in the industrial sector. The study’s aim is based on the case company's need for greater knowledge before expanding the use of AI in its operations, particularly in NPD. A qualitative collection of empirical material was conducted through a literature review and semi-structured interviews. The results were analysed and discussed, leading to conclusions with recommendations, ensuring that the research questions were answered. The case company currently uses generative AI as a search tool and wishes to extend AI use to the NPD process but identifies security concerns and the lack of an AI-adapted General Data Protection Regulation (GDPR) solution as significant barriers. The study examines selected methods and AI tools that could be used in NPD to automate and streamline the process from idea to finished product. The results indicate potential improvements and efficiencies in the NPD process with AI, but also highlight uncertainties since AI is still new within NPD for SME.

Denna avhandling utforskar hur effektiviteten i fordonsindustrins leveranskedja kan förbättras genom integration av maskininlärningstekniker (ML). Eftersom fordonsindustrin hanterar hög volatilitet och snabba förändringar, blir exakt efterfrågeprognos avgörande för operationell effektivitet. Arbetet fokuserar på potentialen hos ML-teknologier att generera precisa och tillförlitliga efterfrågeprognoser, jämfört med traditionella prognosmetoder som används inom branschen. Studien använder en systematisk litteraturöversikt i kombination med en fallstudie som involverar DinBil AB, en ledande bilhandlare i Sverige. Genom detta flerdimensionella metodologiska tillvägagångssätt bedömer avhandlingen förmågorna hos olika ML-algoritmer att hantera de unika utmaningarna som fordonssektorn ställer. Dessutom undersöker arbetet implementeringsutmaningar och praktiska fördelar med ML i verkliga tillämpningar, med särskild tonvikt på förbättrad lagerhantering och minskade leveranskedjekostnader. Resultaten tyder på att integration av ML i leveranskedjeoperationer kan förbättra noggrannheten i efterfrågeprognoser avsevärt jämfört med traditionella metoder. Dessutom visar ML-tillämpningar att de anpassar sig mer dynamiskt till marknadsförändringar, vilket stödjer en smidig och kostnadseffektiv hantering av leveranskedjan. Avhandlingen avslutas med rekommendationer för bilföretag att anta ML-drivna prognoslösningar, vilket möjliggör en djupare integration av avancerad analys i leveranskedjesystem. / This thesis explores the enhancement of automotive supply chain efficiency through the integration of machine learning (ML) techniques. As the automotive industry contends with high volatility and rapid changes, accurate demand forecasting becomes crucial for operational efficiency. The research focuses on the potential of ML technologies to generate precise and reliable demand forecasts, comparing these against traditional forecasting methods used within the industry. The study utilizes a systematic literature review coupled with a case study involving DinBil AB, a leading automotive dealership in Sweden. Through this multifaceted methodological approach, the thesis assesses the capabilities of various ML algorithms in addressing the unique challenges posed by the automotive sector. Additionally, the research examines the implementation challenges and practical benefits of ML in real-world applications, with a particular emphasis on improving inventory management and reducing supply chain costs. The findings suggest that integrating ML into supply chain operations can significantly enhance the accuracy of demand forecasts compared to traditional methods. Moreover, ML applications are shown to adapt more dynamically to market changes, thereby supporting more agile and cost-effective supply chain management. The thesis concludes with recommendations for automotive companies to adopt ML-driven forecasting solutions, providing a framework for further integration of advanced analytics into supply chain systems.