Inledning: Automatiseringen och AI:s påverkan på redovisningsbranschen blir alltstörre och tar i många fall över redovisningskonsulternas arbetsuppgifter. Den tidsom frigörs kan redovisningskonsulterna använda till rådgivning åt sina kunder.Detta ställer dock krav på nya kompetenser hos redovisningskonsulten.Syfte: Syftet med denna uppsats är att skapa förståelse för redovisningskonsultensupplevelse av förändrade arbetsuppgifter, rådgivande roll och medföljandekompetenskrav, till följd av automatisering och AI. Vidare vill vi skapa en ökadförståelse för hur redovisningskonsulterna upplever sin kompetens i den rådgivanderollen och möjlighet till kompetensutveckling.Metod: För att öka förståelsen för vårt valda ämne har vi använt en abduktivforskningsansats. Vi har valt att bygga uppsatsen på en kvalitativ metod för attbesvara studiens syfte, där redovisningskonsulter från olika redovisningsbyråer harintervjuats om sina upplevelser och erfarenheter.Slutsats: Automatiseringen och AI har medfört att redovisningskonsulternasarbetsuppgifter förändrats från att sköta löpande bokföring och bokslut till en allt merrådgivande roll. Förändringen ställer nya krav på redovisningskonsulternas kunskapoch färdigheter, där de mest framträdande kompetenserna som följer med denrådgivande rollen är ökad ekonomisk sakkunskap, teknisk kunskap,kommunikationsförmåga samt social kompetens. Kompetensutvecklingen har ochsker bäst genom en kombination av praktisk erfarenhet, utbyte med kollegor ochteoretisk utbildning.Nyckelord: Redovisning, automatisering, artificiell intelligens, rådgivande roll,kompetenskrav

The aim of this study was to examine the attitudes of individuals who have undergone a recruitment process with AI elements, and to understand how these attitudes align with the organization's intentions in using AI in recruitment. The study found that the individuals who underwent recruitment with AI elements had a predominantly positive attitude towards the AI tool. They found the AI tool to be fast, accurate, and less pressurized than a traditional interview, leading to a positive candidate experience that aligns with the organization's intentions. However, the trust in the AI robot's decision- making was weak, and individuals felt that the human factor was still necessary. They did not consider AI to be a replacement for traditional recruitment, but rather a complement to it. To increase trust in the AI tool, the study suggests more transparency in the data used, the underlying algorithm models, and the classifications and predictions made by the algorithm. Greater transparency between the organization and the AI provider is also suggested to ensure fairness in the algorithm and objective recruitment. While respondents expressed satisfaction with the organization's intention of objective recruitment, they also expressed a need for human interaction during the process. This suggests a desire for objectivity in decision-making but also an expectation of human involvement. In conclusion, the study found a positive attitude towards the use of AI in recruitment, particularly in terms of efficiency and positive candidate experience. However, transparency and human interaction are necessary to ensure trust and objectivity in the recruitment process.

Syftet med denna kvantitativa studie var att undersöka effekter av ålder, kön och utbildningsnivå på rekryterares attityder till användandet av AI i rekryteringsprocess. Tidigare forskning visade en viss tveksamhet i användandet av artificiell intelligens i rekryteringsprocessen. Studien genomfördes med kvantitativ forskningsmetod i form av en enkät som tidigare utformats av Van Esch et al. (2021) i syfte att mäta attityder mot artificiell intelligens. Urvalet bestod av N=92 deltagare (n=56 kvinnor och n=35 män) som alla var verksamma vid olika rekryterings- eller bemanningsföretag i Sverige. Envägs-ANOVA och t-test med oberoende mätningar användes för att analysera insamlade data. Resultatet visade bland annat att den yngsta åldersgruppen har mest positiva attityder till användning av artificiell intelligens inom rekrytering, medan den äldre åldersgruppen har minst positiva attityder. Studiens resultat diskuterades i avsnittet diskussion.

Syftet med den kvalitativa studien var att undersöka HR-chefer och rekryterares attityder till användande av AI inom rekryteringsprocesser i en svensk kontext. Studien antog ett explorativt angreppsätt där semistrukturerade intervjuer användes som datainsamlingsmetod. Ett målinriktat bekvämlighetsurval tillämpades och totalt deltog 11 respondenter i studien. Könsfördelningen var sju kvinnor och fem män, som antingen arbetade som HR-chefer eller rekryterare, hade minst tre års erfarenhet och relevant utbildning för sin yrkesroll. Det insamlade materialet analyserades genom en tematisk analys, vilket resulterade i tre teman (mänsklig interaktion i rekrytering, AI som ett komplement samt oro och säkerhet). Resultatet visade att attityder till användande av AI inom rekrytering varierade, där HR-chefer och rekryterare generellt hade en positiv attityd om AI fungerar som ett komplement där mänsklig interaktion säkerställs, AI uppfyller etiska krav samt fungerar på ett smidigt och tillfredställande sätt. Om de här förutsättningarna inte uppfylls eller om det råder osäkerhet kring deras uppfyllelse, hade respondenterna istället övervägande negativa attityder.

Artificial intelligence (AI) has entered the accounting sector, raising both hope and fear among economists worldwide. It is a revolution that challenges our understanding of the workplace and forces us to ask questions about our own role in this new reality. Economists face a development that is filled with various opportunities and obstacles as AI takes over routine tasks and leaves room for creativity and strategic thinking. The idea of being freed from repetitive tasks is enticing, but what opportunities and challenges do economists experience in connection with the introduction of AI? This study highlights the economists' perspectives and experiences when they encounter AI in their work tasks. By examining economists' acceptance of AI and their experiences of working with the technology, the study gains insight into the complex dynamics between man and machine. We delve into the theory and explore the Technology Acceptance Model (TAM) as a guide to understanding how economists accept or reject AI. Through qualitative interviews with eight economists, we take part in their thoughts and reflections. We review previous research and analyze the results along with economists responses to discover patterns and insights. The results show that the economists' perceived benefits regarding AI's implementation are more at the individual level rather than the organizational level, i.e. AI primarily benefits the economists themselves rather than the entire organization. While perceived disadvantages are at both the individual and organizational level, which means that the disadvantages of AI affect both individual economists and the organization. The uncertainty is based on a lack of knowledge, but filling the knowledge gap can facilitate acceptance and ensure success in this revolutionary age.

Syftet med denna studie är att undersöka hur digitaliseringen förändrat rekryteringsprocess för personer som arbetar med rekrytering. I studien undersöks även vilken roll AI idag har inom rekryteringsprocessen samt vilken roll den kan förväntas ha i framtiden. Där de två forskningsfrågor vi tagit fram behandlar dessa två områden. Studien har en kvalitativ metodansats där data samlats genom semistrukturerade intervjuer samt en litteraturstudie. Studien innefattar sju olika respondenter från sex olika organisationer där de arbetar med rekrytering. Materialet har analyserats med en tematiskt analysmetod där vi identifierat tre huvudteman - digitalisering, rekryteringsprocess samt AI. Studiens resultat visar att digitaliseringen har haft en stor och i de flesta fall positiv påverkan på rekryteringsprocessen. Där har rekryterar kunnat effektivisera sin tid genom verktyg som underlättat både hantering av kandidater och rekryteringsprocessen i stort. Flera respondenter menar dock på att en helt digital rekryteringsprocess inte är ett alternativ då det mänskliga mötet inte går att ersätta. Resultatet visar fortsatt på att AI idag inte har en viktig roll i dagens rekryteringsprocesser. Men att det finns potential och en nyfikenhet på vilket bidrag tekniken kan tillföra i framtiden. Men på liknande sätt så ses inte AI och dess verktyg som något som kommer att ersätta människan på något sätt men snarare underlätta och ge stöd i vissa delar av rekryteringsprocessens. / The purpose of this study is to examine how digitalization has changed the recruitment process for individuals working in recruitment. The study also investigates the current role of AI in the recruitment process and its expected role in the future. The two research questions developed for this study address these two areas. The study adopts a qualitative methodology, gathering data through semi-structured interviews and a literature review. The study includes seven respondents from six different organizations involved in recruitment. The data has been analyzed using thematic analysis, resulting in the identification of three main themes - digitalization, the recruitment process, and AI. The findings of the study indicate that digitalization has had a significant and mostly positive impact on the recruitment process. Recruiters have been able to streamline their time through tools that facilitate candidate management and the overall recruitment process. However, several respondents argue that a completely digital recruitment process is not feasible as human interaction cannot be replaced. The results also indicate that AI does not currently play a significant role in today's recruitment processes. However, there is potential and curiosity regarding the contributions the technology can make in the future. But at the same time, AI and its tools are not seen as something that will replace humans but rather as means to facilitate and support certain aspects of the recruitment process.

No description available.

Artificiell intelligens(AI) har spirit ut sig på flera områden än bara programmering och robotar. Numera används det vid skrivande, musik-skapande, interaktiva chatter och inom den senaste utvecklingen involveras även konst. Många är imponerade över tekniken och resultaten AI:n producerar, men den har också skapat mycket upprördhet och kritik. Framförallt dess användning av upphovsrättsskyddad konst för att träna AI-system ses som ett juridiskt problem, men upprördheten berör ett större område än så. Vart kommer denna ilskan ifrån? Detta arbete har utforskat området kring AI-konst och visuell media, hur det funkaroch framförallt vad spelutvecklare tycker om det. Arbetet går in på om det går att användas konstnärligt problemlöst vid spelutveckling och om det blir det problem med upphovsrätt samt ägarskap av AI-konst.

Titel: Personaliserad annonsering och AI: Marknadsförarnas perspektiv på möjligheter och utmaningar. Problem: Det har blivit en utmaning för marknadsförare att fånga konsumenternas uppmärksamhet i det snabbt föränderliga tekniklandskapet. Personaliserad marknadsföring kan skapa starka kundrelationer och öka synligheten för digital annonsering. Däremot står marknadsförare inför en innehållskris och behöver rätt teknik för att lösa detta problem. Användningen av AI-baserad teknik kan underlätta den digitala marknadsföringen, men det finns inget underlag för vilka faktorer företag måste beakta vid implementeringen. Mer forskning krävs om företags beredskap vid implementering av AI, dess potential och begränsningar, samt användning och acceptans av teknologin inom marknadsföring. Syfte: Syftet med denna explorativa studie är att undersöka vilken potential, samt vilka begränsningar verksamma marknadsförare ser med AI-baserad teknik i sitt arbete med att optimera synligheten genom personaliserad annonsering. Genom att identifiera både potential och begränsningar ämnar studien att utgöra ett underlag för företag vid en eventuell implementering, samt öka förståelsen för hur AI-teknologin används och accepteras inom marknadsföring. Metod: I studien användes en kvalitativ forskningsmetod som innefattade åtta semistrukturerade intervjuer. Syftet med denna metod var att ge den intervjuade individen utrymme att uttrycka sina åsikter och tankar på ett flexibelt sätt, vilket öppnade upp för nya insikter och idéer. Tematisk analys användes för att analysera data, och fokus låg på att identifiera mönster och teman i materialet. Slutsats: I denna studie har flera faktorer identifierats som är förknippade med både potential och begränsningar. AI-baserad teknik har potential att frigöra tid för marknadsförare, ge möjlighet till specialisering, förbättra text och bild i annonser, förenkla personaliserat innehåll, öka synligheten på annonser, skapa förutsättningar för tillväxt, samt effektivitet genom automatisering. Dock finns det begränsningar som företag bör ha i åtanke, vilket är att informationssäkerheten är inte tillräckligt utvecklad, att AI-baserad teknik inte kan ersätta den mänskliga faktorn, inlärning av diskriminering, kunskapsbrist kring användning, ineffektivitet vid implementering i fel syfte, kostnad i förhållande till risk, samt rättsliga frågor kring upphovsrätt. Acceptansen av AI-baserade verktyg varierar bland företagen på grund av kompetensbrist. Studien visar att användningen av AI-baserad teknik är begränsad, men förväntas bli standardiserad i arbetet med personaliserad marknadsföring.

At present, state-of-the-art deep learning music generation systems require a lot time and hardware resources to develop. This means that they are almost exclusively available to large companies. In order to reduce these requirements, more efficient techniques and methods need to be utilised.  This project aims to investigate various approaches by developing a music generation system using generative adversarial networks, comparing different techniques and their effect on the system's performance.  Our results show the difficulties in generating music in a more resource-constrained environment. We find that structuring the input space with conditional model constraints improves the systems' ability to conform to musical standards. The results also indicate the importance of a patch-based discriminator for evaluating the texture of the generated music. Finally, we propose a similarity loss as a way of reducing mode collapse in the generator, thus stabilising the training process.