Denna studie undersöker hur Generativ AI påverkar affärsmodellen hos managementkonsultbolag. Genom en kvalitativ metod med semistrukturerade intervjuer samlades data in från ett managementkonsultbolag och ett kundföretag. Resultaten visar att Generativ AI kan effektivisera processer, särskilt inom texthantering och textskapande, utan att omedelbart förändra vinstmodellen. På lång sikt förväntas dock betydande förändringar i affärsmodell en om tekniken får ett större genomslag. Slutsatsen är att Generativ AI utgör främst möjligheter, men också en utmaning för branschen, där tidig implementering och anpassning är avgörande för att behålla konkurrenskraft. / This study examines how Generative AI impacts the business model of management consulting firms. Using a qualitative method with semi-structured interviews, data was collected from a management consulting firm and a client company. The results show that Generative AI can streamline processes, particularly in text handling and text creation, without immediately altering the revenue model. However, significant changes in the business model are expected in the long term if the technology gains greater traction. The conclusion is that Generative AI primarily presents opportunities but also poses a challenge for the industry, where early implementation and adaptation are crucial for maintaining competitiveness.

Den ständigt utvecklande värld vi lever i har för många klivit in i en ny era, där artificiell intelligens oroar befolkningen med felaktig information, yrken som byter ut mänsklig arbetskraft mot den högt effektiva AI. Än finner vi problematik bakom detta relativt nya verktyget, och den individuella individen saknar förtroende för denna form av teknologi. Denna studie ämnar således att undersöka hur förtroendet för Sundsvalls kommun kan komma att påverkas ifall mottagarna av kommunikationen får veta att kommunikationen är framtagen med hjälp av generativ AI. Genom en kvantitativ enkätundersökning undersöks ställningstaganden och uppfattningen kring AI, vad personer tycker om detta verktyg. Det insamlade materialet består av frågor som berör tre scenarier vi har inkluderat, respondenternas användning av AI, individuellt förtroende för Sundsvalls kommun, demografiska faktorer och till vilken grad de tar till sig kommunikation av kommunen. Regressionsanalysen visar att demografiska faktorer såsom ålder, utbildning, boendesituation,hushållsstorlek och antal barn påverkar tilliten till AI genererademeddelanden olika beroende på scenario.

Syftet med studien är att fördjupa förståelsen om vilka upplevelser och attityder kring artificiell intelligens som kan inverka på IT-anställdas yrkesidentitet både idag och i framtiden. Vi tog kontakt med ett IT-konsultföretag och genomförde sju intervjuer med organisationens anställda. Datainsamlingen skedde genom en halvstrukturerad intervjuguide. I vår teoribakgrund har vi utgått ifrån en Teknikacceptansmodell (TAM), begreppet affordances, Goffmans identitetsteori samt en modell av interaktionen mellan arbete och identitet. Resultatet visar att samtliga respondenter använder sig av den generativa typen av AI där majoriteten är positivt inställda till tekniken och ser den som ett stöd och verktyg i det dagliga arbetet. De anställda ser artificiell intelligens som en bidragande och stärkande faktor i relation till deras yrkesidentitet idag, där AI som verktyg stöttar och frigör mer tid för kreativa, meningsfulla och relationsskapande arbetsuppgifter. Majoriteten av de anställda är positivt inställda och ser AI som en stärkande faktor för yrkesidentiteten i framtiden. Däremot fann vi en viss oro kring jobbförlust och professionell avkvalificering i framtiden, där AI:s potentiella kapacitet kan orsaka lidande för de IT-anställdas yrkesidentitet.

This study examines how new technologies, particularly generative artificial intelligence (AI), have become an innovative tool for communicators and how it affects their productivity and creativity. Through a combination of literature review, theoretical frameworks, and empirical research, we analyze how communicators integrate generative AI into their work process and how this affects their workflow and conditions. The study is based on the following questions: How are software-based text chat robots used by communicators in their professional role; To what extent do communicators perceive that there is an impact on creativity and productivity when co-writing between human and machine; What opportunities and challenges do communicators imagine that software-based text chat robots can contribute to? The findings indicate that generative AI has the potential to transform the communications industry by increasing efficiency and freeing up time for more strategic thinking and creativity. Communicators report increased productivity and that generative AI has the ability to help communicators manage large text bases in an agile way. At the same time, the study also identifies challenges and potential risks with the use of generative AI. Among these challenges are issues related to ethics, quality assurance and the need to maintain human control and creative input in the creation process. Communicators are aware of these challenges and emphasize the importance of balancing automation with human skills and insight. Finally, the study highlights the opportunities and challenges of the use of generative AI for communicators and identifies areas for future research and development. By understanding the potential benefits and limitations of this technology, communicators can develop strategies to maximize its positive effects and manage its challenges effectively.

This study aims to investigate how communication specialists perceive the integration of generative artificial intelligence (AI) within their profession and how these changes affect their professional role. The purpose of the study was achieved by conducting qualitative interviews with eight communication professionals regarding their view on the integration of generative AI within their profession. Particularly, we found it interesting to examine how the communication specialists use generative AI within their professional role, what risks and/or opportunities they identify concerning the use of generative AI tools within the communication profession and what factors they deem as crucial for successfully and effectively integrating AI tools within their professional roles. The theoretical framework of the study consists of diffusion theory, actor-network theory, risk society and reflexive modernity.  The results of the study indicate that communication specialists see several opportunities in integrating generative AI tools into their work. Key opportunities identified included using generative AI for inspiration and automating repetitive tasks, thereby allowing communication professionals to allocate more time to the strategic aspects of their work. There was no expressed concern that generative AI could currently replace the communication specialist’s professional role. Thus, the risks identified did not seem to revolve around the job security of the communication specialists but rather around the uncertainty about how generative AI functions, its capabilities, and how it handles the input data. Therefore, the establishment of clearer guidelines and policies on AI usage was something that the communication specialists in this study expressed a great need for. Additional factors identified by communication specialists as crucial for successful AI integration included individual characteristics such as curiosity, a willingness to learn, and openness to change. Thus, the results of the study indicate that achieving successful and effective integration of generative AI is perceived to be a shared responsibility at both organizational and individual levels.

In recent years Generative AI tools have become increasingly ubiquitous and have given rise to much discussion concerning their impact on jobs, both in personal use and corporate settings. Despite Generative AI being a rapidly growing field, there is currently an existing research gap regarding the adoption of these tools across different domains. This study aims to fill this gap by contributing with knowledge on how designers might integrate Generative AI into their workflows. By adopting a Research through design (RtD) approach, three workshops were held where designers used generative AI tools to co-create design fictions envisioning how AI tools would permeate their future workflows. Thematic analysis of the workshop data revealed both desirable and undesirable futures from the designers’ perspectives situating AI at various stages of design – from assisting designers with mundane tasks to helping with ideation and testing. The futures brought up reflections on designers in control of the workflow, the dynamics of human-AI collaboration and the evolving role of the designer. The study contributes knowledge about different forms human-AI interactions could take in the near future, and highlights the importance of careful consideration when deploying these tools in a human-centric manner. / De senaste åren har generative AI-verktyg blivit alltmer vanliga, vilket har skapat många diskussioner angående deras påverkan på arbetet, både för personligt bruk och inom företagsmiljöer. Trots att generativ AI är ett snabbt växande fält, finns det en forskningslucka när det gäller anpassning av dessa verktyg inom olika domäner. Syftet med studien är att fylla detta gap genom att generera kunskap om hur designers kan integrera generativ AI i sina arbetsflöden. Genom att använda en forskning-genom-design (RtD) metod, hölls tre workshops där designers skulle använda generativa AIverktyg för att gemensamt skapa “designfiktioner” för att föreställa sig hur AI-verktyg skulle påverka deras arbetsflöden. Tematisk analys av workshopdata uppvisade både önskvärda och oönskade framtidsscenarier som placerade generativ AI i olika stadier av design — från att assistera designers med repetativa uppgifter till att hjälpa till med kreativitet och testning. Framtiderna inspirerade reflektioner över designers kontroll över processen, dynamiken i mänsklig-AIsamverkan och designers egna roller. Studien bidrar med kunskap om olika former av mänsklig-AI-interaktioner skulle kunna se ut i en nära framtid och belyser vikten av noggranna överväganden vid implementering av dessa verktyg på ett människocentrerat sätt.

De senaste åren har generativa AI-modeller såsom ChatGPT blivit ett populärt fenomen inom fleraområden, inklusive utbildning inom programmering. Frågor som uppstår i samband med detta är hur verktyg som ChatGPT kan påverka studenter samt hur utbildning kan anpassas med tanke på verktyget inverkan. Denna studie har valt att rikta in på hur användning av generativ AI påverkar studenters inlärningsmotivation och tilltro till att klara av programmeringsuppgifter. Studien syftar även till att fånga in studenters perspektiv kring hur de uppfattar att man bör anpassa utbildning för att hantera detta nya fenomen med utgångspunkt i utlärning av prompter. Studien har kommit fram till att studenterna som intervjuats har upplevt ökat tilltro till att klara av och lösa uppgifter med vid användning av generativ AI. Flera av studenterna hade också upplevt en ökning i inlärningsmotivationen på grund av generativ AI. Perspektiven studenterna hade gällande anpassning av utbildning uppfattade flera att utlärning av prompter som ett effektivt sätt att integrera generativ AI inom programmeringsutbildningar. Samtidigt uppfattade andra studenter vissa aspekter som viktigare att fokusera på gällande hur utbildning bör förhålla sig till generativ AI där bland annat ökad redovisning av uppgifter och ändring av svårighetsgraden på uppgifter beskrevs som viktigare anpassningar.

The emergence of generative AI has sparked significant hype in recent years, fueled by its ability to perform tasks autonomously and augment human capabilities. This technology has led to excitement in organizations all over the world, with promises of revolutionizing various industries. This study aims to explore the effects of generative AI in workplace environments and how different professional roles may be affected by this. Furthermore, this study seeks to shine light on possible barriers to achieve the positive effects that generative AI enables. More specifically, this study focuses on effects of the generative AI tool Copilot for M365 within a large global organization. By employing qualitative methods including interviews with employees who have been using Copilot in the workplace, this research aspires to uncover how humans interact with AI and what the effects of this might be. The results show that Copilots primarily induces efficiency through automation in the researched organization, while also suggesting signs of augmenting human cognition, where creativity and innovation emerge as effects. Furthermore, the findings indicate that there are no significant profession-specific effects. Lastly, the study has gained insight that there are barriers to achieve the full potential and value of generative AI.

Programming education is on the rise, leading to an increase in learning resources needed for universities and online courses. Questions are crucial for promoting good learning, and providing students with ample practice opportunities. Learning a subject relies heavily on a structured progression of topics and complexity. Yet, creating numerous questions has been proven to be a time-consuming task. Recently the technology world has been introduced to Generative AI (GenAI) systems using Large Language Models (LLMs) capable of generating large amounts of text and performing other text-related tasks. How can GenAI be used to solve problems related to creating learning materials while ensuring good quality? This study aims to investigate how well GenAI can create a sense of progression in a set of programming questions based on different prompt strategies. The method involves three question-generation cases using Chat-GPT API. Then, a qualitative evaluation of questions complexity, order, and quality is conducted. The first case aims to be the most simple way of asking Chat-GPT to generate 10 MCQs about a specific topic. The second case introduces defined complexity levels and desires of logical order and progression in complexity. The final case is the more advanced prompt building upon the second case along with a skill map as inspiration to the LLM. The skill map is a structured outline that highlights key points when learning a topic. According to the results, providing more instructions along with a skill map had a better impact on the progression of questions generated compared to a simpler prompt. The first case prompt still resulted in questions with good order but lacking in increasing complexity. The results indicate that while GenAI is capable of creating questions with a good progression that could be used in a real teaching context, it still requires quality control of the content to find outliers. Further research should be done to investigate optimal prompts and what constitutes a good skill map. / Programmeringsutbildningar blir allt fler, vilket leder till en ökning av behovet för lärresurser för universtitet och onlinekurser. Frågor är avgörande för att främja bra lärande och ge eleverna övningsmöjligheter. Att lära sig ett ämne är starkt beroende av en strukturerad progression av ämnen och komplexitet. Men att skapa många frågor har visat sig vara en tidskrävande uppgift. Nyligen har teknikvärlden introducerats till Generativa AI (GenAI)-system som använder Stora språkmodeller (LLM) som kan generera stora mängder text och utföra andra textrelaterade uppgifter. Hur kan GenAI användas för att lösa problem relaterade till att skapa läromedel samtidigt som man säkerställer en god kvalitet? Denna studie syftar till att undersöka hur väl GenAI kan skapa en känsla av progression i en uppsättning programmeringsfrågor baserade på olika prompt strategier. Metoden använder tre olika sätt att generera frågor med hjälp av Chat-GPTs API. Därefter genomförs en kvalitativ utvärdering av frågornas komplexitet, ordning och kvalité. Det första sättet syftar till att vara det enklaste sättet att be Chat-GPT att generera 10 flervalsfrågor om ett specifikt ämne. Det andra fallet introducerar definierade komplexitetsnivåer och önskemål om logisk ordning och progression i komplexitet. Det sista fallet är den mer avancerade prompten som bygger på det andra fallet tillsammans med en färdighetskarta som inspiration. Färdighetskartan är en strukturerad disposition av ett ämne som lyfter fram nyckelpunkter när man lär sig ett ämne. Resultaten visade att tillhandahålla fler instruktioner tillsammans med en färdighetskarta hade en bättre inverkan på progressionen av de genererade frågorna jämfört med det första sättet. Den första prompten resulterade fortfarande i frågor med god ordning men som saknade stegrande komplexitet. Resultaten indikerar att även om GenAI kan skapa frågor med god progression som skulle kunna användas i ett verkligt undervisningssammanhang, så krävs fortfarande en kvalitetskontroll av innehållet för att hitta felaktigheter. Ytterligare forskning bör göras för att undersöka optimala prompt och hur en bra färdighetskarta bör se ut.

Det är svårt att undgå de återkommande diskussionerna om artificiell intelligens (AI), specifikt generativ AI och dess allt mer utbredda användning. Utvecklingen av exempelvis chatbotar, såsom ChatGPT, markerar en övergång mot teknik som anpassar sig efter människan och inte tvärtom, vilket väckt frågor kring användarupplevelser och design. Därför ämnar den här undersökningen att skapa djupare förståelse för vad som motiverar människor att börja och fortsätta använda ChatGPT, den senaste generationen av chatbot. För att göra det används Uses and gratification theory som ramverk för undersökningen då den kan identifiera bakomliggande motivation och vilka tillfredsställelser användaren får vid användandet av ett visst medium. I motsats till tidigare forskning som huvudsakligen använt enkäter och frågeformulär, använder denna studie semistrukturerade intervjuer för att få insikt i användarnas perspektiv och upplevelser. För att sortera den empiri som samlats in gjordes ett affinitetsdiagram. Den sorterade datan har sedan analyserats genom linsen av Uses and gratification theory.  Resultatet från undersökningen visar att det finns fyra primära motivationer för att börja och fortsätta sin användning av ChatGPT: tidseffektivitet, produktivitet, nyfikenhet och tillit. Det framgår att nyfikenhet initierar användningen medan tidseffektivitet och produktivitet är de primära motivationerna till fortsatt användning. Vidare anses tillit vara den kritiska motivationen som behöver tillfredsställas för att bibehålla användares engagemang. Slutsatsen är att framtida forskning och designprocesser kan med fördel inkludera personer som idag inte använder den här typen av tjänster för att kunna identifiera fler bakomliggande orsaker till bristande tillit och motivation. Det finns även ett behov av att utöka eller ta fram nya ramverk för att undersöka och identifiera nya motivationsfaktorer och tillfredsställelser i det föränderliga landskapet av digitala tjänster. Slutligen anses det kritiskt att den fortsatta utvecklingen av ChatGPT och liknande tjänster antar en användarcentrerad approach för att säkerställa en positiv användarupplevelse. / It is difficult to avoid the recurring discussions about artificial intelligence (AI), specifically generative AI and its increasingly widespread use. The development of chatbots, such as ChatGPT, marks a transition toward technology that adapts to humans rather than the other way around, raising questions about user experiences and design. Therefore, this study aims to create a deeper understanding of what motivates people to start and continue using ChatGPT, the latest generation of chatbots. To achieve this, the Uses and Gratifications Theory is used as the framework for the study, as it can identify underlying motivations and the gratifications users derive from using a particular medium. In contrast to previous research that mainly used surveys and questionnaires, this study employs semi-structured interviews to gain insights into users' perspectives and experiences. Affinity diagrams were used to sort the collected empirical data. The sorted data has then been analyzed through the lens of the Uses and Gratifications Theory. The results of the study show that there are four primary motivations for starting and continuing the use of ChatGPT: time efficiency, productivity, curiosity, and trust. It appears that curiosity initiates usage, while time efficiency and productivity are the primary motivations for continued use. Furthermore, trust is considered the critical motivation that needs to be satisfied to maintain user engagement. The conclusion is that future research and design processes could benefit from including people who do not currently use this type of service to identify more underlying causes of lack of trust and motivation. There is also a need to expand or develop new frameworks to explore and identify new motivational factors and gratifications in the evolving landscape of digital services. Finally, it is deemed critical that the continued development of ChatGPT and similar services adopts a user-centered approach to ensure a positive user experience.