Artificiell intelligens blir allt mer vanligt inom fler och fler områden. Ett område där tekniken är relativt ny är inom kreativa processer och kreativa områden. Detta arbete är en kvalitativ studie av explorativ karaktär, som undersöker hur AI kan användas inom dessa kreativa processer samt vilka möjligheter och utmaningar som uppkommer av det. Tre intervjuer har genomförts med personer som har god och aktuell kunskap inom ämnet. Det insamlade materialet har sedan analyserats med den kreativa processen som ramverk. Resultatet visar att AI i vissa steg av processen kan användas, dels för att underlätta men också för att effektivisera densamma. I andra steg har utvecklingen av AI inte kommit tillräckligt långt för att bidra med något värde eller erbjuda någonting som utvecklar eller gör processen lättare. Vidare har resultatet visat att inställningen till användandet kan bli en avgörande faktor för fortsatt utveckling och användning, men även att möjligheterna är fler än utmaningarna.

Bakgrund: Det digitala samhället har under de senaste åren utvecklats drastiskt då artificiell intelligens har fått en större roll. Flertal företag har börjat se potential med att tillämpa artificiell intelligens inom digitala marknadsföringssyften med kunder. Trots de fördelar artificiell intelligens medför oroar sig många människor att mänsklig interaktion minskar. En minskning av den mänskliga interaktionen kan i sin tur försvåra skapandet av tillitsfulla kundrelationer om artificiell intelligens får ett övertag. Syfte: Studiens syfte har varit att undersöka hur företag inom konsumentsektorn kan arbeta för att skapa tillitsfulla relationer till sina kunder i samband med användning av artificiell intelligens inom digital marknadsföring. En avsikt har också varit att ta reda på vad artificiell intelligens kan ha för roll i den digitala marknadsföringen. Metod: Uppsatsen erhåller en kvalitativ forskningsmetod och det empiriska materialet samlades in genom semistrukturerade intervjuer. Totalt deltog åtta respondenter, två forskare inom artificiell intelligens och sex specialister inom marknadsföring. Resultatet har analyserats med hjälp av tidigare forskning där artificiell intelligens, digital marknadsföring, digital kommunikation, kundrelationer, tillit och kunddeltagande har varit centrala teorier. Slutsats: Studiens resultat visade att det finns flera arbetssätt som företag kan använda för att underlätta vid byggandet av tillitsfulla kundrelationer i samband med implementering av AI-verktyg. V iktiga aspekter har därför blivit kommunikation, ärlighet och kontroll. V idare har det framkommit att artificiell intelligens kommer ha en stor roll inom digital marknadsföring med utgångspunkt i att kunden följer med i digitaliseringens utveckling och att företag arbetar för att bibehålla kundens tillit vid användning av denna teknik. / Background: The digital society during the past few years has gone through a drastic developement due to the artificial intelligence. Multiple companies is starting to see great potential with implementing the technique within digital marketing purposes with customers. Despite the benefits artificial intelligence can offer, many people still worry about the reduction of the human interaction. A decrease of the human interaction can lead to difficulties in the process of creating trustworthy customer relations if artificial intelligence gets the ascendancy. Aim: The purpose of the study has been to investigate how companies in the consumer sector can work to create trustworthy relationships with their customers in connection with the use of artificial intelligence in digital marketing. An intention has also been to find out what role artificial intelligence can have in digital marketing. Method: This thesis obtains a qualitative research method and the empirical material was gathered through semi-structured interviews. Eight respondents participated, two researchers within artificial intelligence and six marketing specialists. The result has been analyzed by using previous research where artificial intelligence, digital marketing, digital communication, customer relations, trust and customer participation has been central theories. Conclusion: The result indicated that there are several working methods that companies can use to facilitate the construction of trusting customer relationships in connection with the implementation of AI tools. Important aspects are communication, honesty and control. Furthermore, the result has emerged that artificial intelligence will have a major role in digital marketing, based on if the customers continues to follow the development of digitalization and that companies work to maintain the customer’s trust in using this technology.

Artificiell intelligence (AI) har blivit vanligare att använda för att stödja människor i deras beslutsfattande. Maskininlärning (ML) är ett delområde inom AI som har börjat användas mer inom hälso-och sjukvården. Patientdata ökar inom vården och ett AI-system kan behandla denna ökade datamängd, vilket vidare kan utveckla ett beslutsstöd som hjälper läkarna. AI-tekniken blir vanligare att använda inom radiologin och specifikt inom mammografin som ett beslutsstöd. Användning av AI-teknik inom mammografin medför fördelar men det finns även utmaningar som inte har något med tekniken att göra.Icke-tekniska utmaningar är viktiga att se över för att generera en lyckad praxis. Studiens syfte var därför att undersöka icke-tekniska utmaningar vid användning av AI som ett beslutsstöd inom mammografi ur ett radiologiskt perspektiv. Radiologer med erfarenhet av mammografi intervjuades i syfte att öka kunskapen kring deras syn på användningen.Resultatet från studien identifierade och utvecklade de icke-tekniska utmaningarna utifrån temana: ansvar, mänskliga förmågor, acceptans, utbildning/kunskap och samarbete. Resultatet indikerade även på att inom dessa teman finns icke-tekniska utmaningar med tillhörande aspekter som är mer framträdande än andra. Studien ökar kunskaperna kring radiologers syn på användningen och bidrar till framtida forskning för samtliga berörda aktörer. Forskning kan ta hänsyn till dessa icke-tekniska utmaningar redan innan tekniken är implementerad i syfte att minska risken för komplikationer. / Artificial intelligence (AI) has become more commonly used to support people when making decisions. Machine learning (ML) is a sub-area of AI that has become more frequently used in health care. Patient data is increasing in healthcare and an AI system can help to process this increased amount of data, which further can develop a decision support that can help doctors. AI technology is becoming more common to use in radiology and specifically in mammography, as a decision support. The usage of AI technology in mammography has many benefits, but there are also challenges that are not connected to technology.Non-technical challenges are important to consider and review in order to generate a successful practice. The purpose of this thesis is therefore to review non-technical challenges when using AI as a decision support in mammography from a radiological perspective. Radiologists with experience in mammography were interviewed in order to increase knowledge about their views on the usage.The results identified and developed the non-technical challenges based on themes: responsibility, human abilities, acceptance, education/knowledge and collaboration. The study also found indications within these themes that there are non-technical challenges with associated aspects that are more prominent than others. This study emphasizes and increases the knowledge of radiologists views on the usage of AI and contributes to future research for all the actors involved. Future research can address these non-technical challenges even before the technology is implemented to reduce the risk of complications.

Denna studie besvarar vilka möjligheter och hinder som i dagsläget finns för teknologin generativ design (GD) inom företag. Frågeställningen besvarades genom en insamling av befintlig kunskap i form av en litteraturstudie som senare kombinerades med dagens kunskap i branschen genom kvalitativa intervjuer, semi-strukturerade intervjuer, med personer som kommit i kontakt med teknologin. GD:s utveckling på senare år har präglats av framgångar, och kommer oundvikligen att påverka flertalet industrier i framtiden. Det som dock visade sig är att den nuvarande kunskapsnivån är för låg hos företagen vilket gör att de inte kan använda tekniken till sin fulla potential. Detta kombinerat med systemets komplexa lösningar, vars strukturer kräver dyra tillverkningsmetoder, leder ofta till att företag anser att systemet inte är nödvändiga att implementera i dagsläget. För tillfället utnyttjar företag systemen främst för konceptframtagning då de arbetar med banbrytande design. Detta gör även att vissa industrier har större användning av teknologin än andra. Däremot finns en optimism om att teknologin kommer att sprida sig till andra industrier i framtiden. / This study answers what opportunities and obstacles currently exist for the technology generative design (GD) in companies. The question was answered through a collection of existing knowledge in the form of a literature study which was later combined with today's knowledge in the industry through qualitative interviews, semi-structured interviews, with people who have come into contact with the technology. GD's development in recent years has been marked by success, and will inevitably affect most industries in the future. What turned out, however, is that the current level of knowledge is too low at the companies, which means that they cannot use the technology to its full potential. This, combined with the system's complex solutions, whose structures require expensive manufacturing methods, often leads companies to consider that the system is not necessary to implement at the present time. At the moment, companies use the systems primarily for concept development when they work with ground-breaking designs. This also means that some industries have greater use of the technology than others. However, there is optimism that the technology will spread to other industries in the future.

Cloud services are one of the fast expanding fields of today. Companies such as Amazon, Google, Microsoft and IBM offer these cloud services in various forms. As this field progresses, the natural question occurs ”What can you do with the technology today?”. The technology offers scalability for hardware usage and user demands, that is attractive to developers and companies. This thesis tries to examine the applicability of cloud services, by combining it with the question: ”Is it possible to make an automated thesis examiner?” By narrowing down the services to IBM Watson web services, this thesis main question reads ”Is it possible to make an automated thesis examiner using IBM Watson?”. Hence the goal of this thesis was to create an automated thesis examiner. The project used a modified version of Bunge’s technological research method. Where amongst the first steps, a definition of an software thesis examiner for student theses was created. Then an empirical study of the Watson services, that seemed relevant from the literature study, proceeded. These empirical studies allowed a deeper understanding about the services’ practices and boundaries. From these implications and the definition of a software thesis examiner for student theses, an idea of how to build and implement an automated thesis examiner was created. Most of IBM Watson’s services were thoroughly evaluated, except for the service Machine Learning, that should have been studied further if the time resources would not have been depleted. This project found the Watson web services useful in many cases but did not find a service that was well suited for thesis examination. Although the goal was not reached, this thesis researched the Watson web services and can be used to improve understanding of its applicability, and for future implementations that face the provided definition. / Molntjänster är ett av de områden som utvecklas snabbast idag. Företag såsom Amazon, Google, Microsoft och IBM tillhandahåller dessa tjänster i flera former. Allteftersom utvecklingen tar fart, uppstår den naturliga frågan ”Vad kan man göra med den här tekniken idag?”. Tekniken erbjuder en skalbarhet mot använd hårdvara och antalet användare, som är attraktiv för utvecklare och företag. Det här examensarbetet försöker svara på hur molntjänster kan användas genom att kombinera det med frågan ”Är det möjligt att skapa en automatiserad examensarbetesrapportsgranskare?”. Genom att avgränsa undersökningen till IBM Watson molntjänster försöker arbetet huvudsakligen svara på huvudfrågan ”Är det möjligt att skapa en automatiserad examensarbetesrapportsgranskare med Watson molntjänster?”. Därmed var målet med arbetet att skapa en automatiserad examensarbetesrapportsgranskare. Projektet följde en modifierad version av Bunge’s teknologiska undersökningsmetod, där det första steget var att skapa en definition för en mjukvaruexamensarbetesrapportsgranskare följt av en utredning av de Watson molntjänster som ansågs relevanta från litteratur studien. Dessa undersöktes sedan vidare i empirisk studie. Genom de empiriska studierna skapades förståelse för tjänsternas tillämpligheter och begränsningar, för att kunna kartlägga hur de kan användas i en automatiserad examensarbetsrapportsgranskare. De flesta tjänster behandlades grundligt, förutom Machine Learning, som skulle behövt vidare undersökning om inte tidsresurserna tog slut. Projektet visar på att Watson molntjänster är användbara men inte perfekt anpassade för att granska examensarbetesrapporter. Även om inte målet uppnåddes, undersöktes Watson molntjänster, vilket kan ge förståelse för deras användbarhet och framtida implementationer för att möta den skapade definitionen.

No description available.

In an increasingly digitalized society, the cyber threats faced by banks have become more extensive and complex. At the same time, artificial intelligence has developed into a powerful and disruptive technology that can be used to strengthen cybersecurity and counter financial crime, among other things. The purpose of the study was to map how Swedish banks use AI to counteract cyber threats and financial crime, and what benefits and challenges this entails. The study is based on four qualitative interviews with bank officials specialized in cybersecurity or financial crime. The Technology-Organization-Environment framework is used to analyze the challenges and factors affecting the use of AI. The results show that AI models are used for several security purposes, such as preventing DDoS attacks, malware detection and identifying signs of financial crime. The main benefits of AI are the ability to analyze large amounts of data in real time and to identify patterns and anomalies that are difficult for the human eye to see. However, there are a number of challenges for Swedish banks in the adoption and use of AI related to regulation, ethics and competence.

I detta arbete undersöks och analyseras några möjligheter och utmaningar med elevers användning av generativa AI-verktyg såsom ChatGPT ur filosofilärarens perspektiv med fokus på filosofiämnet i gymnasieskolan. Bland möjligheterna avhandlas individanpassning av undervisningen och bland utmaningarna källkritik och kritiskt tänkande och hur läraren säkrar tillförlitligheten vid examinationer i ljuset av fenomenet generativ AI. En kvalitativ undersökning har utförts bestående av intervjuer med ett litet antal gymnasielärare i filosofi kring hur de förhåller sig till elevers användning av AI-verktyg. Frågor om lärares förhållningssätt till elevers (faktiska eller potentiella) användning av generativ AI och vilka eventuella nya överväganden som AI-verktyg aktualiserar för läraren utreds och diskuteras samt hur filosofiläraren möter de nya utmaningar och realiserar de nya möjligheter som AI aktualiserar. Några goda och dåliga sätt på vilka elever kan använda AI inom filosofi identifieras och förutsättningar för en god elevanvändning analyseras. Filosofiämnet kan bidra till att stärka förutsättningarna för en god användning av AI genom att träna eleverna i förmågor som kritiskt tänkande, att formulera frågor och värdera information samt fördjupning av insikter om centrala begrepp som kunskap och sanning.

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.

Denna studie utforskar möjligheterna att integrera Artificiell Intelligens (AI) i AstraZenecas Sweden Operations kvalitetssystem för att effektivisera processer och beslutsfattande. Genom en litteraturgenomgång analyseras hur AI kan automatisera uppgifter, förutsäga avvikelser och optimera kvalitetsledningssystem. Specifika områden inom AstraZenecas kvalitetssystem identifieras som potentiella mottagare av AI-implementering. Studien lyfter fram fördelarna men pekar också på utmaningar som datatillförlitlighet, säkerhet och etiska överväganden. Föreslagna strategier för att övervinna dessa utmaningar inkluderar investeringar i robusta säkerhetsåtgärder, etablering av tydliga etiska riktlinjer och löpande användarutbildning. Studien har också använt intervjuer och observationer med processägare inom AstraZenecas kvalitetssystem för att säkerställa ett omfattande resultat. Genom att samla in insikter och perspektiv från dem som är direkt involverade i kvalitetsprocesser, ger studien en djupare förståelse för både utmaningar och möjligheter med AI-integrationen. Denna metod stärker studiens trovärdighet och användbarhet av slutsatser och rekommendationer. Sammanfattningsvis lovar en framgångsrik AI-implementering att förbättra effektiviteten i AstraZenecas kvalitetssystem i Sverige. Ansvarsfull integrering av AI-teknologier har potential att höja kvalitetsstandarder, förbättra beslutsfattande processer och främja innovation, vilket positionerar AstraZeneca som en föregångare inom farmaceutisk excellens och framsteg. / This project investigates the potential integration of Artificial Intelligence (AI) into AstraZeneca's Sweden Operation quality system to streamline processes and decision-making. Drawing from a review of relevant literature, the analysis examines how AI can automate tasks, predict deviations, and optimize quality management processes. Specific areas within AstraZeneca's quality system are identified as potential beneficiaries of AI implementation. While acknowledging the benefits, the study also highlights challenges such as data integrity, security, and ethical considerations. Proposed strategies for overcoming these challenges include investment in robust security measures, establishment of clear ethical guidelines, and ongoing user education. Additionally, this study has utilized interviews and observations with process owners within the quality system at AstraZeneca to ensure a comprehensive result. By gathering insights and perspectives from those directly involved in quality processes, the study provides a deeper understanding of both challenges and opportunities associated with the integration of AI. This approach strengthens the credibility and usability of the study's conclusions and recommendations. In conclusion, successful AI implementation holds the promise of enhancing AstraZeneca's Sweden Operation quality system’s efficiency. Responsible integration of AI technologies has the potential to elevate quality standards, improve decision-making processes, and foster innovation, positioning AstraZeneca as a frontrunner in pharmaceutical excellence and advancement.