Artificiell intelligens är en form av teknik som blir vanligare inom samhället. I takt med att tekniken utvecklas blir även diskussionen inom området mer utvecklad vilket resulterat i att eventuella problem och möjligheter blivit mer tillgänglig information. Det finns en avsaknad av tankar och förväntningar från privatpersoners synvinkel inom ämnet vilket kan ses som negativt då de förväntas vara en majoritet av användarbasen för tekniken. Eftersom denna typ av teknik förutspås ta över ett större ansvar av mänskliga uppgifter är det viktigt att klarlägga olika typer av tillvägagångssätt samt utvecklingsperspektiv i syfte att skapa ett hälsosamt och välfungerande AI-system till respektive områden. Studien syftar till att belysa bidragande faktorer till attityder och åsikter relaterade specifikt till AI-styrda fordon ur privatpersoners perspektiv samt hur dessa kan påverka en eventuell implementering och använder sig av en kvalitativ metod. Den data som används inom arbetet har samlats in via semistrukturerade intervjuer med personer som anmält att de vill delta i studien. Analysen genomförs baserat på innovationsspridningsteorin (IDT) och relevant tidigare forskning för att undersöka vad som påverkar användare att adoptera tekniken eller inte. Faktorer som identifierades vara påverkande för adoptionsprocessen var oro över att tekniken inte skulle fungera på ett kompatibelt sätt med mänskliga värderingar, ett krav på utförlig testning samt möjligheten till att reducera olyckor eller klimatpåverkan relaterat till trafik. Utifrån dessa faktorer härleddes förslag till implementeringsprocesser vilket bestod av expanderande statligt kontrollerad testning inom kollektivtrafiken, tydligt klarlagda strukturella regler och avgränsningar samt ett främjande av de positiva faktorer som möjliggörs av AI-styrda fordon. Detta främjande kan genomföras med en effektiv kommunikation som drar nytta av vår bristfällliga rationella beslutsprocess och använder starka känslomässiga intryck. / Artificial intelligence is a form of technology that is becoming increasingly more common within society. As the technology evolves, the discussion within the subject is also increasing which has made information about eventual problems and possibilities more public. There is a shortage of thoughts and expectations from the private individual’s point of view regarding this topic which can be a negative thing due to this group being expected to make up the majority of the technology’s user base. Because this type of technology is predicted to take on a larger responsibility of human tasks it is important to clarify different approaches and development perspectives in order to create a healthy and well-functioning AI-system within respective areas. The study intends to highlight contributing factors to attitudes and opinions specifically related to AI-controlled vehicles from the public's view as well as how these can affect an eventual implementation and is carried out with a qualitative method. The data that is used is gathered through semi-structured interviews with people that expressed interest in participating in the study. The analysis is based on the diffusion of innovations theory (IDT) and relevant earlier research in order to examine what influences users to adopt the technology or not. The factors that were identified to be affecting this process were worry that the technology would not work in a compatible way with human values, a demand for extensive testing as well as the possibility to reduce accidents or the affect on climate related to traffic. Several suggestions for implementation were derived from these factors which consisted of continuous expanded testing within public transport regulated by the state, clear structural rules and limitations as well as a promotion of the positive factors made possible by AI-controlled vehicles. This promotion can be done through effective communication which takes advantage of our flawed rational decision making and uses strong emotional impressions.

För många framgångsrika service- och tjänstebolag är Customer RelationshipManagement, eller CRM-system, ett fundamentalt och nödvändigt verktyg som företag brukar för att möjliggöra en förhöjd kundupplevelse och kundnöjdhet för företagetskunder. På senare år har artificiell intelligens genom sin utveckling sett en ökning av potentiella användningsområden och sedermera introducerats inom diverse branscher tack vare dess effektivisering av dessa användningsområden. Men alla branscher har intesett samma implementeringsgrad av olika anledningar. Dels beroende på operationella skillnader, men också på grund av hur kunder ser på användningen av artificiell intelligens som i sin tur påverkat företagens implementering av artificiell intelligens i sina kundrelaterade processer. Med artificiella intelligensens intåg inom den svenska försäkringsbranschen i kombination med de tidigare utförda studier som påpekar problematiken med singulärt fokus på tekniken inom CRM är syftet att undersöka hur svenska försäkringsbolagstrategiskt arbetar med implementering av artificiell intelligens och CRM. Vi har även som förhoppning att skapa en bredare förståelse kring möjligheter och eventuell problematik med artificiell intelligens, CRM och vilka olika mätinstrument som användsför att se om det är en lönsam investering. Baserat på problemdiskussionen kom vi fram till följande frågeställning: Hur arbetar försäkringsbolag i Sverige idag med CRM-system och artificiell intelligensför att skapa kundlojalitet? Den teoretiska referensramen utgörs av sex huvudsakliga teman; Business to Customer,Customer Relationship Management, Artificiell Intelligens, CRM som strategi, Lojalitet och Mätning. Dessa teman sammanfattas sedan med hjälp av en egen syntes inspirerad av Rust & Chungs (2006, s. 562) artikel “Marketing Models of Service and Relationship”. Vi har med en kvalitativ ansats intervjuat sex personer från tre olika försäkringsbolag. Försäkringsbolagen skiljer sig i storlek och har olika syn på både CRM och artificiell intelligens. Vi redogör senare i analysen hur artificiell intelligens och CRM används av försäkringsbolag på den svenska marknaden. I det avseendet ger vi läsare olika exempel på hur artificiell intelligens och CRM kan vara värdeskapande till både företag och kunder. Efter samtliga intervjuer och analys upptäcktes olika gemensamma nämnare hos deundersökta företagen vad gäller både artificiell intelligens och CRM.Implementeringsgraden av artificiell intelligens berodde till stor del på företagensmålkunder, eller mer specifikt på åldern hos målkunderna. Vi identifierade att försäkringsbolagen har arbetat olika länge med både CRM och artificiell intelligens, men är positiva till att båda verktygen kan ge både interna och externa möjligheter. Trots detta skiljer sig användningsgraden av verktygen mellan de undersökta försäkringsbolagen. Ett AI-integrerat CRM-system tillåter nya avenyer att utforskas som tidigare inte varit synonyma med försäkringar och kan således förändra relationen vi har till våra försäkringsbolag.

The purpose of this study is to in depth examine how two companies in retail business work with investments in AI and similar technology and to investigate what role these investments had for the two companies. Retail plays an important role in the Swedish economy and accounts for one tenth of Sweden's GDP. The industry has undergone extensive digital development in recent years, which has led to companies being forced to make large investments in new technology such as AI in order to maintain their competitiveness. Through a qualitative interview study, two case companies in the retail business that target clothing are studied. The results show that both companies at different levels work with investments in AI technology. They both find great benefits with these investments mainly in the form of increased value for their customers. They also see that these investments are necessary to maintain their competitiveness in the market. The risks that emerge through the survey are mainly based on an integrity perspective when collecting data and the employees' barriers to change. / Syftet med denna undersökning är att på djupet studera hur två företag inom detaljhandeln arbetar med investeringar i AI och liknande teknik samt undersöka vilken roll dessa investeringar haft för de två företagen. Detaljhandeln fyller en viktig funktion inom den svenska ekonomin och står för en tiondel av Sveriges BNP. Branschen har de senaste åren genomgått en omfattande digital utveckling vilket lett till att företag tvingats genomföra stora investeringar i ny teknik som AI för att bibehålla sin konkurrenskraft. Genom en kvalitativ intervjustudie studeras två fallföretag inom detaljhandeln som riktar sig mot konfektion. Resultatet visar på att båda fallföretagen på olika nivåer arbetar med investeringar i AI-teknik. De finner båda stora fördelar med dessa investeringar främst i form av ökat värde för sina kunder. De ser även att dessa investeringar är nödvändiga för att bibehålla sin konkurrenskraft på marknaden. De risker som framkommer genom undersökningen grundar sig främst i integritetsperspektiv vid insamling av data samt de anställdas förändringsbarriärer.

Automated decision making (ADM) is not a new phenomenon within public administration. Millions of automated decisions are made each year, including matters on parental benefits, social security benefits and income tax. ADM is used increasingly within both government agencies and municipal agencies. In light of this development, it becomes vital to have legal mechanisms in place which ensure transparency in automated decision making. This is to make sure that decisions are correct and that the systems work in compliance with procedural safeguards such as objectivity and impartiality. This begs the question of whether new legal solutions are needed to secure transparency of automated decisions. Current ADM systems within public administration are based on static algorithms that cannot change unless they are programmed to do so. Robotic Process Automation (RPA) is such a technology, commonly used by municipal agencies. Given the development within artificial intelligence (AI), ADM systems based on AI might be the next step. Then again, taking into account the extensive problems with the non-transparency of the “black box” of AI makes this technology rather unfit for decision making within public administration. The legal system provides different ways for citizens to obtain insight into and control of public administration. The principle of public access to information provides a right for all to access official documents. The Administrative Procedure Act (2017:900) provides access to information for the party concerned with a matter and the General Data Protection Regulation (GDPR) of the EU gives a right to information for data subjects. These rights to information can be restricted, for example by provisions on secrecy. However, the legal rights to information do not secure a comprehensive or direct transparency of the workings of ADM systems within public administration. The kind of transparency provided is rather a transparency by proxy, an indirect transparency that substitutes for a direct and functional one. For example, the provisions of the Administrative Procedure Act are not adapted to ADM, and the application of the right to access official documents entails inconsistencies. If information is provided to a citizen, there is no guarantee of understanding for example a description of an algorithm. To create a direct and functional transparency of automated decisions and the workings of ADM systems, it is vital for law and technology to evolve in interplay. A general discussion of public access to ADM systems and their implications on public trust and the rule of law is also of the essence.

The technology of autonomous vehicles has the potential to provide a significant number of safety, efficiency and environmental benefits to those who are able to harness it. As such, it is only natural that the company which is the subject of this project should want to explore this field, since the company prides itself on being at the cutting edge of both environmental sustainability and technological advancement. This inquiry was therefore launched in order to amass a sufficient knowledge base to enable management to make informed decisions about the possible future implementation of autonomous trucks, specifically to handle the logistics flow between their production facility in Skellefteå, Sweden and the nearby harbour. The first step to achieving this objective consisted of an exploration of the state of autonomous vehicle technology as well as the regulatory framework in Sweden for operating such systems on public roadways. Information was gathered from a vast array of sources, including academic literature, official reports from various authorities, journalistic publications as well as interviews with individuals with competence or experience within this field. While the regulatory situation in Sweden at the moment offers no legal way to operate autonomous vehicles on public roads, it is possible to be granted permission to perform trials of this technology under certain conditions. An investigation was undertaken to determine whether this might be a viable option for the company’s case. As such, hazard analysis was performed on the proposed route in Skellefteå. The method for this was based off of methodology gained from sources who had previously executed safety cases for trials of autonomous technology. A list of potential hazards relevant to the operation of autonomous vehicles was composed, together with variables with which to measure their severity. The relevance and appropriate scope of these hazards and variables was then verified by discussing it with sources with competence in this field. The route was then travelled in order to observe the prevalence of the aforementioned variables. The information was completed and verified through various reports gathered from the Swedish Transport Administration and the Swedish Meteorological and Hydrological Institute. The result of the inquiry was that the autonomous technology on the market today is not sufficiently advanced to handle the specified application with an adequate level of safety. The route is also of limited use in establishing trials for testing of autonomous vehicles. While there are uses for autonomous transportation technology, great breakthroughs are needed before the technology reaches the level needed to handle such complex challenges as would be encountered on the proposed application. / Självkörande fordon är en teknologi som visar potential för betydande fördelar inom säkerhet, effektivitet och miljömässigt för dem som kan tygla den. Det framstår därför som naturligt att uppdragsgivaren till detta projekt skulle vara intresserad av denna teknik, då företaget är känt för att vara vid både miljö- och teknikfrågornas framkant. Därför lanserades detta utredningsarbete för att sammanställa tillräcklig kunskap för att kunna ta informerade beslut om en potentiell implementering av ett autonomt transportsystem från deras fabrik i Skellefteå till Skelleftehamn. Denna utredning började med att kartlägga hur autonoma fordonstekniken ser ut idag, samt de regulatoriska möjligheterna att driva autonoma system på allmän väg I Sverige. Informationen samlades från en mängd olika källor, inklusive akademisk litteratur, rapporter från officiella källor, journalistiska källor samt från intervjuer med personer som besitter kompentens och erfarenhet av ämnet. Emedan den regulatoriska situationen i Sverige för stunden inte medger något lagligt sätt att operera självkörande fordon på allmän väg så finns det möjlighet att få tillstånd att utföra försöksverksamhet med sådana fordon så länge vissa villkor uppfylls. En utredning genomfördes för att fastslå om sådan verksamhet skulle kunna vara relevant i företagets fall. I och med detta så utfördes en riskanalys på den föreslagna rutten i Skellefteå. Metoden för dess utförande baserades på metodologi som hämtades från källor som tidigare hade utfört säkerhetsbevisningar för försöksverksamhet på autonoma fordon. En lista av möjliga risker framtogs, tillsammans med mätpunkter vilka skulle kunna användas för att fastslå deras betydelse för autonom fordonteknologi. Dessa riskers relevans och lämpligheten av dess omfattning diskuterades därefter med källor med kompetens inom området. Sedan besöktes rutten för att observationer om mätpunkternas förekomst kunde utföras. Informationen kompletterades och verifierades därefter med information från ett antal rapporter från Trafikverket och Sveriges Meteorologiska och Hydrologiska Institut. Det man kommit fram till är att det idag inte finns något autonomt fordonssystem som är tillräckligt avancerat att klara rutten mellan fabriken och hamnen med god nog säkerhet. Rutten är dessutom av begränsat värde vad det gäller att testa sådana system. Även om det finns autonoma system i operation i dagsläget så ligger dock tekniken långt under den nivå som skulle behövas för att ta sig an de utmaningar som skulle uppstå I det föreslagna användningsområdet.

Artificiell intelligens (AI) har de senaste åren gjort markanta framsteg. Det har öppnat uppför en marknad för AI inom sjukvården, där AI väntas växa betydligt inom de närmsta åren.Tidigare forskning visar att det inom sjukvård bedrivs mycket utveckling ochimplementationer för AI inom bilddiagnostik. Acceptansen av AI inom den svenskasjukvården har tidigare studerats för bland annat för sjuksköterskor. I takt med attutvecklingen går framåt är det av intresse att undersöka acceptansen hos läkare förbilddiagnostisk AI, eftersom läkare är den yrkesgrupp inom svensk sjukvård som tolkarbilddiagnostiska bilder och främst ställer diagnos. Syftet med studien är att skapa enförståelse kring vad som påverkar acceptansen hos läkare vid användning av bilddiagnostiskAI inom svensk sjukvård. En kvantitativ enkätundersökning skapad utifrån det teoretiskaramverket Unified Theory of Acceptance and Use of Technology (UTAUT) användes förundersökningen. Från resultatet fanns signifikanta positiva samband som påvisar attfördelarna för arbetsprestationen från användandet av bilddiagnostisk AI påverkadeacceptansen och avsikten att använda teknologin. Tekniskt och organisatoriskt stöd var ocksåen faktor som bekräftades påverka läkares användning och acceptans av bilddiagnostisk AI. / Significant progress has been made by Artificial Intelligence (AI) during recent years. It hasopened up a market for AI within healthcare and it is expected to grow considerably duringthe coming years. Previous research shows that a lot of development and implementations isbeing made for medical imaging within healthcare. The acceptance of AI within Swedishhealthcare has previously been studied for, among other things, nurses. Due to doctors beingthe main profession within Swedish healthcare to interpret medical imaging results and alsodiagnose, they are of primary interest to be examined. The purpose of the study is to create anunderstanding of what affects doctors’ acceptance of medical imaging AI within Swedishhealthcare. A quantitative survey was created based on the theoretical framework UnifiedTheory of Acceptance and Use of Technology (UTAUT). The results showed significantpositive conjunction that the benefits for work performance when using medical imaging AIinfluenced acceptance and the intention to use the technology. Technical and organizationalsupport was also a factor confirmed to influence doctors use and acceptance of imagediagnostic AI.

Denna artikel utforskar artificiell intelligens (AI) som en kreativ partner inom digitalbildproduktion och dess potential att förändra och komplettera traditionella designmetoder.Artikeln undersöker AI:s roll inom designprocessen, främst inriktat mot AI-baserade systemsom kan syntetisera visuellt material, diskuterar dess styrkor, svagheter och begränsningarsamt reflekterar över hur AI påverkar kreativitet, effektivisering och idégenerering. Som ettkomplement till artikeln har en fotobok skapats för att på ett visuellt engagerande sättpresentera resultaten av en AI:s försök till tolkning av textbeskrivningar, med hjälp avAI-verktyget Midjourney och GPT-4. Vidare granskas hur AI-drivna designprocesser kansamverka med traditionella metoder och på så sätt belysa hur AI kan integreras i designerskreativa verktygslåda och därmed utnyttjas för att skapa intressanta och unika resultat.Artikeln bidrar till förståelsen av AI:s växande roll inom designområdet och erbjuder insikter ihur designers kan använda AI som en kreativ partner.

Artificial intelligence (AI) has the potential to transform various industries, including the creative industry [1]. The potential disruption is facilitated by technology-driven products, with these products it is increasingly important to keep user goals, behaviour and needs at the centre during the development and designing phase. Through a situated user study using online content analysis, a survey, and semi-structured interviews I describe the current role of AI tools in the video production industry, and I identify potential future tools that could benefit professional content creators. According to these professional content creators AI tools currently primarily serve a supportive role, enhancing efficiency and video quality while still requiring human input for storytelling and quality assurance. The professionals are increasingly integrating AI into their workflows to be more increase their value as creators. Drawing from a User-Centered Design (UCD) approach I highlight a discrepancy between user needs and research focus, suggesting that future AI tools should prioritize improving client communication, automating non-creative tasks in post-production, and making animation more accessible. As generative video AI continues to develop, ethical concerns surrounding gender and ethnicity bias continue to be an important aspect for future research to ensure equal representation in generated video content. / Artificiell intelligens (AI) har potential att förändra olika branscher, inklusive den kreativa industrin [1]. Den potentiella omvälvningen underlättas av teknikdrivna produkter, och med dessa produkter blir det allt viktigare att hålla användarnas mål, beteende och behov i centrum under utvecklings- och designfasen. Genom en situerad användarstudie med hjälp av innehållsanalys online, en enkät och semistrukturerade intervjuer beskriver jag den nuvarande rollen för AI-verktyg i videoproduktionsbranschen, och jag identifierar potentiella framtida verktyg som kan gynna professionella innehållsskapare. Enligt dessa professionella innehållsskapare har AI-verktyg för närvarande främst en stödjande roll och förbättrar effektiviteten och videokvaliteten samtidigt som det fortfarande krävs mänsklig input för storytelling och kvalitetssäkring. De professionella innehållsskaparna integrerar i allt högre grad AI i sina arbetsflöden för att öka sitt värde som kreatörer. Med utgångspunkt i en användarcentrerad design (UCD) belyser jag en diskrepans mellan användarnas behov och forskningsfokus, och föreslår att framtida AI-verktyg bör prioritera att förbättra kundkommunikationen, automatisera icke-kreativa uppgifter i efterproduktionen och göra animering mer tillgänglig. Eftersom generativ video-AI fortsätter att utvecklas, fortsätter etiska problem kring kön och etnicitet att vara en viktig aspekt för framtida forskning för att säkerställa lika representation i genererat videoinnehåll.

Digitalisation within industries is rapidly advancing and data possibilities are growing daily. Machine learning models need a large amount of data that are well-annotated for good performance. To get well-annotated data, an expert is needed, which is expensive, and the annotation itself could be very time-consuming. The performance of machine learning models is dependent on the size of the data set since a large amount of annotation is required for a good performance. Active learning has emerged as a solution to increase the size of the data through selective annotation. Instead of labelling data points at random, active learning strategies can be used to select data points based on informativeness or uncertainty. The challenge lies in determining the most effective active learning strategy for a combination of machine learning model and problem type. Although active learning has been around for a while, benchmarking strategies have not widely been explored. The aim of the thesis was to benchmark different AL strategies and analyse their performance on underlying ML problems and ML methods/models. For this purpose, an experiment was constructed to, in an unbiased way, compare different machine learning models in combination with different active learning strategies within the areas of computer vision, drug discovery, and natural language processing. Nine different active learning strategies were analysed in the thesis, with a random strategy working as the baseline, tested on six different machine learning methods/models. The result of this thesis was that active learning had a positive effect within all problem areas and especially worked well for unbalanced data. The two main conclusions are that all active learning strategies work better for a smaller budget due to the importance of selecting informative data points and that prediction-based strategies are the most successful for all problem types. / Föreställ dig möjligheten att ha ett verktyg för att bota en genetisk sjukdom. Idag finns data överallt, även ditt DNA anses vara fullt av värdefull information och mysterier redo att utforskas. I våra data finns det oändliga kopplingar och dolda relationer som inte ens det bästa mänskliga sinnet kan hitta och datorkraft har blivit en styrka att räkna med. Ett vinnande koncept har visat sig vara human-in-the-loop-programmering, där människa och dator arbetar tillsammans. Detta kallas inom maskininlärning för supervised learn- ing. Normalt sett kräver supervised learning en stor mängd data, och för mer komplexa uppgifter, en expert då feedback från en människa förväntas. Man kan se datorn som en detektiv och experten som dennes chef som pekar i rätt riktning. Riktningen pekas ut genom annotering av data, man berättar för datorn vilket svar som är rätt så att den lär sig ta ut särdrag. Exempelvis om man vill ha ett program som skiljer på hund från katt så kan det vara svårt att veta vad som är vad om man aldrig har sett ett djur innan. Båda har två öron, två ögon, fyra ben, och i många fall, även päls. En människa kan då berätta för datorn om det är en hund eller katt som syns på bilden och datorn kommer då börja lära sig se mönster och se utmärkande egenskaper. Att annotera data tar både lång tid och kostar mycket pengar. Vad gör man egentligen när mängden data är för liten, och/eller kostnaden för en expert blir för stor? Sam är en person med en sällsynt genetisk sjukdom. De har hört talas om ett program som bygger på supervised learning som kan ge förslag på vilken medicinsk behandling de kan pröva för att lindra sina symtom. På grund av den unika genetiska sjukdom som Sam har så finns det inte mycket data om detta, vilket gör att programvaran inte kommer fungera i Sams fall. Kom ihåg att supervised learning behöver mycket data som är väl annoterad för att ge pålitlig utdata. Hur ska programmeraren kunna hjälpa Sam? Med active learning såklart! Active learning är ett samlingsnamn för olika strategier som selekterar de mest informativa, eller osäkra datapunkterna att annotera. I stället för att exempelvis göra 2000 annoteringar kan en bättre prestanda åstadkommas med enbart 100. Skillnaden ligger i att det under supervised learning utan active learn- ing presenteras en färdig uppsättning av punkter för experten att annotera. Med active learning sker en interaktion för att välja ut punkter för annotering. Detta resulterar i en mer kostnadseffektiv inlärning som även presterar bra på ett litet data set. Detta exjobb har studerat prestationen av active learning inom läkemedelsbranschen och även prob- lem inom datorseende och språkteknologi. Resultatet gav att minst en av de applicerade active learning strategierna ledde till en förbättrad prestanda inom samtliga områden. Kanske kan vi i framtiden faktiskt använda active learning till att hjälpa personer som Sam och ha verktyget för att lösa mysteriet och bota dennes genetiska sjukdom.

Inledning Vi lever i en digitaliserad värld, en värld som fortsätter digitaliseras. Det finns de som hävdar att världen just nu befinner sig i en fjärde industriell revolution. Digitaliseringen påverkar många delar av samhället såväl inom näringslivet som inom det civila. Det kan idag vara viktigt för företag att ligga i framkant inom arbetet med ny teknik både som en konkurrensfördel men också för legitimitetsskäl.  Syfte Syftet med studien har varit att utreda hur digitaliseringen och effekterna av den har påverkatdet arbete som utförs av revisorer och revisorns roll vilket mynnat ut i frågeställningen ”hur har digitaliseringen påverkat revisorns roll och arbete?”. Metod I studien har en deduktiv ansats använts. Vidare har en kvalitativ metod använts och datainsamlingen har skett med hjälp av semistrukturerade intervjuer med personer som är aktiva inom revisorsyrket.  Slutsats Studien påvisar att digitaliseringen påverkar revisionsbranschen i såväl revisionsprocessen, revisorsrollen och kundrelationer. I revisionsprocessen har planeringsfasen påverkats av att informationsinhämtningen idag till största del sker digitalt istället för att skanna in fysiska dokument från pärmar. Den granskande fasen har påverkats i och med införandet av nya digitala hjälpmedel som kan processa större mängder data än vad en människa är kapabel till. Gällande kundrelationer så sköts mer av kontakten med kunder via digitala videomöten som ger revisorerna mer tid över till att revidera och agera som en rådgivare. Sammanfattningsvis så har den ökade digitaliseringen lett till att revisorsrollen effektiviserats och att rollen som rådgivande konsult fått en större och viktigare plats.