Att skapa prototyper för att testa idéer är vanligt, oavsett vad det är som ska testas. Prototyper kan förekomma i oändligt olika former och vara mer eller mindre verklighetstrogna. Hur verklighetstrogen en prototyp är beror på vad som ska testas och hur mycket tid som läggs på prototypskapandet. I teknikbranschen är prototyperna vanligen digitala och skapas med prototypprogram. Eftersom tid är pengar så försöker företag effektivisera prototyprocessen genom att utforska nya tekniker, som exempelvis artificiell intelligens. Syftet med examensarbetet som beskrivs i den här rapporten är att undersöka hur ett prototypverktyg med automation bör utformas samt vilka eventuella användningsområde verktyget har. Under examensarbetet genomfördes intervjuer med anställda på konsultföretaget Exsitec. Syftet med intervjuerna var att ta reda på hur Exsitec arbetar med prototyper i uppstarten av sina projekt. Med hjälp av informationen identifierades svårigheter i arbetsprocessen. Utifrån den informationen utvecklades prototypverktyget ProtoDraw. Verktyget är utrustat med artificiell intelligens, som känner igen skisser och ger utifrån dem rekommendationer på webbkomponenter. Prototypverktyget utvecklades, tränades och testades som en del av fallstudien. Målet med fallstudien var att testa användares förtroende för verktyget samt hur förtroendet berodde på verktygets automationsnivå. Prototypverktyget utrustades med tre automationsnivåer interaktionsmodell A, interaktionsmodell B och interaktionsmodell C. Interaktionsmodell A gav alla förslag till användaren och rekommenderade de mest lika komponenterna genom att rama in dem. I interaktionsmodell B fick användaren endast de tre bästa resultaten. I interaktionsmodell C fick användaren endast ett förslag från automationen. Totalt genomfördes 15 användartester, fem stycken på varje nivå. Resultatet från användartesterna visade att interaktionsmodell B hade högst och stadigast förtroende. Interaktionsmodell B var även nivån som användarna ansåg var mest användbar. Trots detta var A nivån som användarna utförde uppgifterna i användartesterna på kortast tid. C hade den långsammaste tiden och det berodde på att den höga automationsnivån bidrog till att gränssnittet blev känsligt för fel.