The aim of the present study has been to examine users' experience of Chatbot from a business perspective and a consumer perspective. The study has also focused on highlighting what limitations a Chatbot can have and possible improvements for future development. The study is based on a qualitative research method with semi-structured interviews that have been analyzed on the basis of a thematic analysis. The results of the interview material have been analyzed based on previous research and various theoretical perspectives such as Artificial Intelligence (AI), Natural Language Processing (NLP). The results of the study have shown that the experience of Chatbot can differ between businesses that offer Chatbot, which are more positive and consumers who use it as customer service. Limitations and suggestions for improvements around Chatbotar are also a consistent result of the study. / Den föreliggande studie har haft som syfte att undersöka användarnas upplevelse av Chatbot utifrån verksamhetsperspektiv och konsumentperspektiv. Studien har också fokuserat på att lyfta fram vilka begränsningar en Chatbot kan ha och eventuella förbättringar för framtida utvecklingen. Studien är baserad på en kvalitativ forskningsmetod med semistrukturerade intervjuer som har analyserats utifrån en tematisk analys. Resultatet av intervjumaterialet har analyserat utifrån tidigare forskning och olika teoretiska perspektiv som Artificial Intelligence (AI), Natural Language Processing (NLP). Resultatet av studien har visat att upplevelsen av Chatbot kan skilja sig mellan verksamheter som erbjuder Chatbot, som är mer positiva och konsumenter som använder det som kundtjänst. Begränsningar och förslag på förbättringar kring Chatbotar är också ett genomgående resultat i studien.

New technology and digital transformations create disruptions for businesses, which new artificial intelligence (AI) technology is projected to do. Knowledge management (KM) and professional service firms (PSFs) play a critical role in the innovation-driven era of the knowledge economy. Both KM and PSFs rely on learning and knowledge, which are concepts that the AI-tool ChatGPT is also closely connected to. Since ChatGPT is newly launched, it is an uninvestigated phenomena. The research purpose is therefore to explore what role ChatGPT has in knowledge-creating processes within PSFs. An inductive, qualitative study is conducted through semi-structured interviews on a case study. Through thematic analysis weidentify who, how, when, and why ChatGPT is used in regards to knowledge-creating processes. The study concludes that ChatGPT is used by knowledge workers and primarily those who rely less on tacit knowledge. ChatGPT’s design results in it mainly being used for knowledge-creating processes involving explicit knowledge, and when such knowledge can be verified. Its main benefits are time efficiency and relevance. / Ny teknik och digitala transformationer gör att företag står inför förändring, vilket även ny artificiell intelligens (AI) förväntas orsaka. Knowledge management (KM) och professionella tjänsteföretag spelar en avgörande roll i den innovationsdrivna eran av kunskapsekonomin. Både KM och professionella tjänsteföretag förlitar sig på lärande och kunskap, vilket även AI-verktyget ChatGPT gör. Eftersom ChatGPT är nylanserat är det ett oundersökt fenomen. Forskningssyftet är således att utforska vilken roll ChatGPT har i kunskapsskapande processer inom professionella tjänsteföretag. En induktiv, kvalitativ studie genomförs genom semistrukturerade intervjuer på en fallstudie. Genom tematisk analys identifieras vem som använder ChatGPT, likaså hur, när och varför verktyget används i kunskapsskapande processer. Studien kommer fram till att ChatGPT används av kunskapsarbetare, främst de som förlitar sig mindre på tyst kunskap. ChatGPTs design resulterar i att den primärt används förkunskapsskapande processer som involverar explicit kunskap, samt när sådan kunskap kan verifieras. Dess främsta fördelar är tidseffektivitet och relevans.

The digital transformation, providing disruptive digital technologies, changed customer needs, and new digital entrants, is starting to affect the insurance industry. Although, the insurers are struggling to become digital and excel on technologies such as Artificial Intelligence. Therefore, the purpose of this thesis was to identify and investigate the factors necessary for incumbent insurers to achieve digital transformation and excel on related technologies, to stay competitive in the fast-changing environment. The overall theoretical foundation was built on the ability to create dynamic capabilities to achieve digital transformation. The study further linked the dynamic capabilities theory to the context of the change currently happening in the insurance industry, achieved by performing a single case study on a Swedish incumbent insurer. The case study included two units of analysis which investigated (1) how, and under which circumstances, the identified key factors were met, and (2) how the attempts of implementing Artificial Intelligence have been perceived, received and achieved. Both qualitative and quantitative data collections were performed, but where the qualitative was predominate. The findings proved that the incumbent insurer is at the start of its digital transformation and does realise the need to transform. However, it was found that many of the essential dynamic capabilities’ activities are limited at the case company and that hierarchical structures, riskaversion and legacy systems are hindering the insurer’s attempts to transform. Some good initiatives though proved that the insurer is starting to build more dynamic capabilities, but there are also many areas where the company must improve. A central contribution to the study was further the realisation that the implementation of Artificial Intelligence was well related to the parts of the dynamic capabilities’ theory. As digital transformation is an ongoing journey of strategic change, once more dynamic capabilities are in place, the incumbent insurer will be ready to excel on the possibilities that digital transformation entails. / Den digitala transformationen har börjat påverka försäkringsbranschen och medför nya omvälvande digitala tekniker, förändrade kundbeteenden och nya digitala konkurrenter. Många försäkringsbolag kämpar därför med att bli digitala samt att förstå sig på nya tekniker, så som Artificiell Intelligens. Syftet med denna studie var därför att identifiera och undersöka vilka faktorer som är nödvändiga för väletablerade försäkringsbolag att klara sig igenom den digitala transformationen, och adaptera nya uppkommande tekniker som förändringen medför. Detta för att kunna behålla sin marknadsposition och klara sig i en snabbförändlig värld. Huvudsakligen var den teoretiska grunden för detta arbete byggt på förmågan att kunna skapa dynamiska förmågor för att överleva den digitala transformationen. Vidare så sammankopplade studien teorin om dynamiska förmågor till den pågående förändringen inom försäkringsindustrin, genom att utföra en fallstudie av ett väletablerat försäkringsbolag i Sverige. Fallstudien innefattade två analysdelar beskrivna enligt följande: (1) Hur, och under vilka förhållanden, uppfylls de identifierade faktorerna och (2) hur har försöken att implementera Artificiell Intelligens uppfattas, mottagits och uppnåtts av försäkringsbolaget. Både en kvalitativ och kvantitativ datainsamling utfördes, där den kvalitativa delen dominerade. Resultaten visade på att det studerade försäkringsbolaget är i början av sin digitala transformation, men har insett betydelsen av att behöva förändras. Det blev även bekräftat att många av de grundläggande dynamiska förmågorna var begränsade hos företaget samt att hierarkiska strukturer, riskundvikande och legacy förhindrar möjligheten att förändras. En del goda initiativ visar att företaget börjar bygga dynamiska förmågor men att det finns många områden där ytterligare fokus krävs. En stor insikt i studien var att implementationen av Artificiell Intelligens var relaterad och stämde väl överens med faktorerna identifierade i teorin. Den digitala transformationen är en pågående resa av strategiska förändringar, och försäkringsbolaget kommer kunna ta del av dess möjligheter när fler dynamiska förmågor uppnås.

I takt med den växande tekniska utvecklingen har e-handeln börjat ta en allt större plats bland konsumenter och företag. Möjligheten att göra inköp på nätet prioriteras högt, särskilt i samband med Covid-19 pandemin då e-handeln i många fall tog över helt från fysiska butiker. Samtidigt har även utvecklingen inom artificiell intelligens gått i snabb takt. Det har möjliggjort för företag att använda dessa tekniker för att göra sig konkurrenskraftiga inom e-handeln för att stödja olika aktiviteter relaterade till försäljning online. Artificiell intelligens kan definieras som den träning eller programmering av en dator som gör den kapabel att utföra uppgifter som vanligtvis kräver en människas intelligens. Vanliga delområden inom artificiell intelligens relaterade till studiens ämnesområde är maskininlärning, djupinlärning och språkteknologi. Problemet som studien grundar sig i är att e-handelsföretag använder artificiell intelligens inom marknadsföring och försäljning i en för låg utsträckning och att de därför riskerar att hamna efter, vilket ligger till grund för frågeställningen: Hur använder företag artificiell intelligens för att effektivisera försäljningen inom e-handel? Ämnet undersöks närmare genom en undersökning med kvalitativa, semistrukturerade intervjuer med lämpliga yrkeskunniga personer inom området. Insamlade data visade att e-handelsföretag främst använder artificiell intelligens i samband med riktad annonsering via tredjepartsleverantörer som Google och Facebook. Det framkom ur studien att artificiell intelligens-baserade chatbotar tillämpas för en effektivare hantering av kundtjänst. Ytterligare tredjepartsverktyg används för effektivisering av marknadsföring och försäljning vilket främst rörde text- och språkhantering men även bild- och innehållsgenerering. Detta ledde till sparad tid och arbete samt ökad effektivisering av marknadsföringen och försäljningen hos e-handelsföretag. Denna studie har endast undersökt ett urval av hur artificiell intelligens används inom e-handel, och det finns fortfarande många områden att utforska. Gällande samhälleliga konsekvenser möjliggör studiens resultat en tydligare bild av hur e-handelsföretag arbetar med artificiell intelligens inom marknadsföring och försäljning idag. Studien ger en bild av hur användning ser ut nu, med syfte att underlätta vidare forskning med vilken riktning utvecklingen kommer ta framåt samt stötta företag att börja använda artificiell intelligens. Studien har utförts med en strävan efter hög kvalitet och trovärdighet genom tillämpning av etablerade metoder och transparent dokumentation. / In line with the growing technological development, e-commerce has begun to take an increasingly large place among consumers and companies. The ability to make purchases online is of high priority, especially since the covid-19 pandemic, when e-commerce in a lot of cases completely took over from shopping in physical stores. At the same time, the development in artificial intelligence has proceeded at a rapid pace. This has enabled companies to use these technologies to stay competitive in ecommerce to support various activities related to sales online. Artificial intelligence is a machine that can perform cognitive functions typically associated with humans, such as perceiving, reasoning, learning, and interacting. Common subfields in artificial intelligence related to this study are machine learning, deep learning, and natural language processing. The problem that the study is based on is that e-commerce companies use artificial intelligence in marketing and sales to a low extent which means they risk falling behind. Based on this, the research question is: How do companies use artificial intelligence to create efficient sales in e-commerce? The subject is examined through a survey with qualitative semi-structured interviews with professionals in the field. The collected data clearly shows that e-commerce companies primarily use artificial intelligence in connection with targeted advertising through third-party providers such as Google and Facebook. It was found that artificial intelligence based chatbots are applied for more efficient management of customer service. Additional third-party tools are used for streamlining marketing and sales, which mainly involve text and language management but also image and content generation. This leads to saved time and effort as well as increased efficiency in marketing and sales for e-commerce companies. This study has only examined a selection of artificial intelligence usage within e-commerce, and there are still many areas to explore. Regarding societal consequences, the study's results help give a clearer picture of how e-commerce companies work with artificial intelligence in marketing and sales today. The study provides a snapshot of current usage to facilitate further research on the direction of future development and support companies in starting to use artificial intelligence. The study was conducted with an aim for high quality and credibility through the application of established methods and transparent documentation.

Chatbotar ses allt oftare i olika sammanhang och blir i takt med teknologins utveckling mer avancerade. Innovationer inom områden som artificiell intelligens (AI) och natural language processing (NLP) har bidragit till att chatbotar kan uppfatta och svara på komplexa frågeställningar samt utföra en mängd olika tjänster. Trots den accelererande utvecklingen pekar tidigare forskning på att användare upplever svårigheter i interaktionen och att chatbotarna lämnar mycket att önska. Relaterat till problematiken kring användarupplevelsen av chatbotar visar även forskningen svårigheter med att stärka användarupplevelser. Det har i tidigare forskning identifierats behov av att omvandla teori från tidigare forskning till praktiskt tillämpningsbara riktlinjer för hur användarvänliga chatbotar kan utformas och utvärderas. Denna litteraturstudie minskar kunskapsgapet genom att med tematisk analys identifiera, syntetisera och kategorisera kvalitetskriterier baserade på användarupplevelser av chatbotar. Dessa kategorier och kriterier speglar den samlade forskningens krav på chatbotar och utgör vägledande kunskap vid design- och utvärdering av chatbotar. Denna studie syftar därmed att bidra med svar på frågan: Vilka kvalitetskriterier bör övervägas vid design och utvärdering av chatbotar? / Chatbots are increasingly seen in different contexts and are becoming more advanced as technology develops. Innovations in areas such as artificial intelligence (AI) and natural language processing (NLP) have helped chatbots to perceive and respond to complex queries and perform a wide range of services. Despite this accelerating development, previous research indicates that users experience difficulties in interacting and that chatbots leave much to be desired. Related to the problems surrounding the user experience of chatbots, research also shows difficulties in enhancing user experiences. Previous research has identified the need to translate theory from previous research into practically applicable guidelines for how user-friendly chatbots can be designed and evaluated. This literature review addresses the knowledge gap by using thematic analysis to identify, synthesise and categorise quality criteria based on user experiences of chatbots. These categories and criteria reflect the overall research requirements for chatbots and provide guiding knowledge for the design and evaluation of chatbots. This study thus aims to contribute answers to the question: What quality criteria should be considered in the design and evaluation of chatbots?

The aim of this research project is to identify design principles for the development of CAs. In the context of this thesis, the research questions are: “According to which design principles are Conversational Agents developed?” and “How can these design principles be meaningfully categorized and described?”. For the aggregation of the design principles, the first step was a systematic literature search according to Vom Brocke et al. (2009). The systematic literature review was followed by a qualitative literature analysis according to Kuckartz (2018). The result of this work is the identification of 15 meta-requirements that could be categorised by means of three main categories and a further seven subcategories. This was followed by the declaration of seven design principles based on the subcategories and their meta-requirements.

Chatbot is a digital tool that, via AI technology, makescommunication between humans and technology possible.Chatbots are commonly used as, for example, digitalcustomer service assistance, but have recently also madeinroads into the education sector. Previous research hasshown predominantly positive results when it comes to theapplication of chatbots as a learning tool, especially how itcan promote the learning and interaction process of students.However, there is insufficient research that examinesstudents' attitudes towards using chatbots as tools in theirstudies. This study therefore aims to identify students'attitudes towards using chatbots in the educationalenvironment. The research question What preferences dostudents have for using chatbots for educational purposes?was answered through a cross-sectional study and mixedmethod research. An explanatory-sequential design wasused where questionnaires first were used as a datacollection method and then interviews were conductedbased on the quantitative data. The technology acceptancemodel (TAM) was the basis for creating the survey questionsand it was answered by 86 students studying at Mid SwedenUniversity, which resulted in a response rate of 14.93%. Thesurvey responses were analyzed with the help of identifyingthe central tendency, which was carried out by finding theresult's mean value, median value and typical value. Theinterview questions were created based on the results of thesurvey questions and 4 interviews were conducted. The datafor the survey and the interviews could then be analyzedusing TAM3.The study resulted in an ambiguous attitude towards the useof chatbots in an educational environment where it identifiedboth negative and positive attitudes in students. In thesurvey responses it was possible to identify that malestudents and those under the age of 36 have a more positiveattitude towards using a chatbot, which also was confirmedin the interviews. It has also emerged that previousexperience and voluntariness are important in the attitudetowards and acceptance of using a chatbot. / En chatbot är ett digitalt verktyg som via AI-teknologimöjliggör kommunikation mellan människa och teknik.Chatbottar är vanligt förekommande som exempelvisdigitala kundtjänstmedarbetare men har på senaste tidenäven gjort intåg i utbildningssektorn. Tidigare forskning harpåvisat övervägande positiva resultat när det kommer tillapplicering av chatbottar som läroverktyg, framför allt hurde kan främja inlärning- och interaktionsprocessen hosstudenter. Dock finns otillräcklig forskning som undersökerstudenters attityder till att använda chatbottar somhjälpmedel i deras studier. Denna studie syftar därför på attidentifiera studenternas inställning till att användachatbottar i utbildningsmiljön. Forskningsfrågan: Vilkainställningar har studenter till att använda chatbottar i sinutbildning? besvarades genom en tvärsnittsstudie ochflermetodsforskning. En förklarande-sekventiell designtillämpades där enkäter initialt användes somdatainsamlingsmetod och därefter genomfördes intervjuerbaserat på det kvantitativa resultatet. Teccnology acceptancemodel (TAM) låg till grund vid skapandet av enkätfrågornaoch den besvarades av 86 studenter som studerar på femolika program på Mittuniversitetet vilket resulterade i ensvarsfrekvens på 14,93%. Enkätsvaren analyserades medhjälp av att identifiera den centrala tendensen, vilketutfördes genom att finna resultatets medelvärde,medianvärde och typvärde. Fyra intervjuer genomfördes därintervjufrågorna skapades baserat på resultatet avenkätsvaren. Data för enkät och intervjuer analyseradessedan med hjälp av TAM3.Studien indikerade en tvetydig inställning till användandetav chatbottar i utbildningsmiljö då det identifierats bådenegativa och positiva inställningar hos studenter. Ienkätsvaren gick det att identifiera att manliga studenter ochde under 36 år har en mer positiv inställning till att användaen chatbot vilket även styrktes vid intervjuerna. Det har ävenframkommit att tidigare erfarenhet och frivillighet är viktigtvid inställningen och accepterandet av att använda enchatbot.

Universities worldwide face challenges both with students dropping out of educational programmes and repetitive questions directed toward teaching staff which both consume resources and result in delays. Recent progress in natural language processing (NLP) introduces the possibility of more sophisticated dialogue systems that could help alleviate the situation. Dialogue systems in education are complex to construct for multiple reasons. Two such reasons are that domain-specific data is often not readily available and extending an existing system often requires configuring the system again and re-training models. In this thesis, a graph-based knowledge base (KB) which is the foundation of a heavily rule-based dialogue system is proposed. The core of the natural language understanding (NLU) in the pipeline-based dialogue system includes the transformer-based DIET classifier for intent classification and entity extraction. The custom logic of the dialogue system relies on contextual and distributional embeddings. While the proposed solution is used in electrical engineering specifically, the KB and the architecture of the dialogue system are designed with generalization in mind. An emphasis is to maintain a low level of system maintenance after deployment allowing teaching staff without expertise in computer science and machine learning to operate the system. The utilization of transfer learning with pre-trained language models helps achieve this objective. The findings suggest that the system is sufficiently sophisticated to improve learning environments for students while potentially alleviating the workload of teaching staff. They further indicate that computer science and machine learning expertise are not required to operate the system over time. / Universitet världen runt möter utmaningar vad gäller både studenter som avbryter sina studier i förtid och repetitiva frågeställningar riktade till kursansvariga vilket konsumerar resurser och resulterar i onödig tidsåtgång. Den utveckling som på senare tid har skett inom naturlig språkhantering (NLP) introducerar möjligheter för mer sofistikerade dialogsystem som skulle kunna avhjälpa situationen. Dialogsystem inom utbildning är ofta komplexa att konstruera av flera anledningar. Två av dessa anledningar är att domän-specifik data sällan finns tillgänglig och att vidareutveckla existerande dialogsystem ofta kräver omkonfigurering och att man åter tränar de involverade modellerna. I denna uppsats föreslås en grafbaserad kunskapsbas (KB) som är grunden av ett till stora delar regelbaserat dialogsystem. Kärnan av den naturliga språkförståelsen (NLU) i det pipeline-baserade dialogsystemet inkluderar den transformer-baserade DIET-modellen för klassificering av intentioner och extrahering av entiteter. Den egenutvecklade logiken i dialogsystemet förlitar sig på förtränade kontextuella och distribuerade inbäddningar. Medan den föreslagna lösningen används specifikt inom elektroteknik så är både KB och dialogsystemets arkitektur utvecklade med generalisering i åtanke. Det finns även en betoning på att bibehålla en låg underhållningsnivå efter att systemet har sjösatts för att tillåta att systemet drivs av kursansvariga utan expertis inom datalogi eller maskininlärning. Användandet av förtränade språkmodeller hjälper till att uppnå detta mål. Upptäckterna tyder på att systemet är tillräckligt sofistikerat för att förbättra lärandemiljön för studenter medan det samtidigt möjligtvis kan hjälpa till att förminska arbetsbelastningen för kursansvariga. Vidare så indikerar upptäckterna att expertis inom datalogi och maskininlärning inte är nödvändigt för att driva systemet över tid.

This study presents the development and evaluation of a conversational agent, EcoBot, designed to inform users about their energy habits and persuade them to save more energy when at home, to help fight climate change and energy waste. To reach this goal, three persuasion strategies were first identified: Feedback, to give users personalized suggestions based on their habits, Goal Setting, to set and track consumption goals for the user’s domestic appliances, and Social Comparison, to compare the user’s consumption with that of others. While developing the chatbot, an advanced context system was used to improve the user experience by reducing the amount of information the user has to provide in input and allowing the chatbot to switch between the strategies seamlessly. Furthermore, it was decided not to use an FSM to manage the flow of the conversation to allow a quick change of context without forcing the conversation in a single direction and to have greater flexibility in future EcoBot development. The chatbot was implemented using an NLP library and its functionalities have been modeled with a set of independent intents. After the design and development, an evaluation phase was conducted with 29 users, half of whom used as a comparison a reduced version of EcoBot (capable only of providing generic feedback) while the other half used the complete version. Although the experiment did not demonstrate greater effectiveness in convincing users to save more energy in the complete version of EcoBot, it was evident that it had greater user satisfaction and a better overall experience. This result is crucial for designing pleasant persuasive systems for users to use in the future. Future work will focus on increasing the accuracy of responses and the number of EcoBot features and conducting a longer and more realistic experiment to test the effectiveness of EcoBot in convincing users to save more energy. / Denna studie presenterar utvecklingen och utvärderingen av en konversationsagent, EcoBot, utformad för att informera användare om deras energivanor och övertala dem att spara mer energi när de är hemma, för att hjälpa till att bekämpa klimatförändringar och energislöseri. För att nå detta mål identifierades först tre övertalningsstrategier: Feedback, för att ge användarna personliga förslag baserat på deras vanor, Målsättning, för att sätta och spåra konsumtionsmål för användarens hushållsapparater, och Social Comparison, för att jämföra användarens konsumtion med det av andra. Under utvecklingen av chatboten användes ett avancerat kontextsystem för att förbättra användarupplevelsen genom att minska mängden information som användaren måste tillhandahålla i input och låta chatboten växla mellan strategierna sömlöst. Vidare beslutades att inte använda en FSM för att hantera konversationsflödet för att möjliggöra ett snabbt byte av sammanhang utan att tvinga samtalet i en enda riktning och för att ha större flexibilitet i framtida EcoBot-utveckling. Chatboten implementerades med hjälp av ett NLP-bibliotek och dess funktioner har modellerats med en uppsättning oberoende avsikter. Efter design och utveckling genomfördes en utvärderingsfas med 29 användare, varav hälften använde som jämförelse en reducerad version av EcoBot (kan bara ge generisk feedback) medan den andra hälften använde den fullständiga versionen. Även om experimentet inte visade större effektivitet när det gäller att övertyga användare att spara mer energi i den kompletta versionen av EcoBot, var det uppenbart att det hade större användarnöjdhet och en bättre övergripande upplevelse. Detta resultat är avgörande för att designa trevliga övertygande system för användare att använda i framtiden. Framtida arbete kommer att fokusera på att öka noggrannheten i svaren och antalet EcoBot-funktioner och att genomföra ett längre och mer realistiskt experiment för att testa effektiviteten hos EcoBot för att övertyga användare att spara mer energi.

Studiens syfte är att bedöma till vilken utsträckning AI kan ersätta en människa i rollen som mjukvaruutvecklare utifrån ett kvalitativt perspektiv på kod. Detta görs genom att besvara forskningsfrågorna som lyder: “Hur använder mjukvaruutvecklare sig av generativ AI vid utvecklingsutmaningar?” och “Vad är mjukvaruutvecklares uppfattning om kvaliteten på autogenererad kod skapad av en generativ AI såsom Chat GPT?”. För att besvara frågorna har en kvalitativ metod applicerats. En litteraturundersökning startade studien och tillsammans med en ny modell som baseras på McCall quality model och Boehm quality model. Från detta har en intervjuguide skapats som används i semistrukturerade intervjuer genomförda med erfarna mjukvaruutvecklare. Resultatet visar att kod skapad av generativ AI är ett bra hjälpmedel och verktyg som kan effektivisera en mjukvaruutvecklare och att det används på det sättet idag. Däremot så visar resultaten också att koden som genereras av en generativ AI inte är tillräckligt bra och kan inte användas utan att förändringar eller åtgärder görs då det saknas kvalitet. Slutsatserna som dras är att mjukvaruutvecklare använder sig av generativ AI som ett hjälpmedel men att AI:n inte är kapabel att hantera en uppgift på egen hand, därav är det inget hot mot någon anställning för mjukvaruutvecklare. Framtida forskning bör göras på autogenererad kod. Fler verktyg bör undersökas för att utvidga kunskapen om dess kapacitet samt bör det undersökas vilken inverkan generativ AI kan ha på andra branscher. / The aim of this study, conducted and written in Swedish, is to assess the potential of replacing a human software developer with generative AI. The study evaluates the quality of code generated by a generative AI model, this is done by answering the following research questions: “How do software developers use generative AI for development challenges'' and “How do software developers perceive the quality of code autogenerated by a generative AI such as Chat GPT”. To answer the questions we employ a qualitative research method. The study began with a literature review and based our evaluation of software quality on a hybrid model that modifies and combines McCall quality model and Boehm software quality model. The literature review and the hybrid model was used as a base to shape an interview guide. The interview guide was used in semistructured interviews conducted with experienced software developers. The results suggest that autogenerated code from generative AI is a viable aid for software developers as it makes them more effective in a number of tasks. However, the results also show that the autogenerated AI code has insufficient quality as a complete solution, and therefore often requires further fine-tuning and improvements from software developers. From the results, we conclude that software developers do use generative AI as a tool while writing code. Generative AI enhances software developers effectiveness but the current state of generative AI cannot fully replace a human software developer hence it is not a threat to any employment. Future research should be conducted on auto generated code. Some more tools should be studied to broaden the knowledge on its capabilities as well as looking at the implications that generative AI have on other industries.