I takt med digitaliseringen så har de ställts stora krav på individer att arbeta med kompetensutveckling för att inte hamna i ett digitalt utanförskap. Detta är särskilt tydligt för IT-konsulter då de verkar i en bransch som blir extra påverkad av digitaliseringen. Generativ AI är ett ämne som har blivit högaktuellt den senaste tiden, inte minst tack vare verktyg som ChatGPT och CoPilot. Studien avser därför att besvara vilka kompetensområden som kan utvecklas hos IT-konsulten med stöd av generativ AI samt hur detta kan ske. För att besvara frågeställningen har en kvalitativ ansats tillämpats med semi-strukturerade intervjuer i kombination med en litteraturstudie. Intervjuerna genomfördes med åtta olika respondenter som har en insyn i IT-konsultens dagligaarbete. Där det insamlade empirimaterialet har analyserats genom en deduktiv tematisk analys som baserades på tre beståndsdelar under kompetens vilket var: ”Kunskap”, ”Färdigheter” och ”Attityder”. Slutsatsen av studien presenterar hur alla trebeståndsdelar under kompetens kan utvecklas vid användning av generativ AI för IT-konsulten i form av: Förbättrad förståelse kring programmering, ökade färdigheter inom kommunikation och förbättrad attityd till det dagliga arbetet genom effektivisering av monotona och repetitiva arbetsuppgifter. Att hantera och beakta de utmaningar som uppstår med användning av generativ AI för IT-konsulten lyfts också fram som en viktig förutsättning för att kunna uppnå möjligheterna. / As digitalization progresses, significant demands have been placed on individuals to engage in competency development to avoid digital exclusion. This is particularly evident for IT consultants, as they operate in an industry that is heavily influenced by digitalization. Generative AI has become a highly relevant topic recently, thanks to tools like ChatGPT and CoPilot. The study aims to answer which competency areas can be developed for IT consultants with the support of generative AI and how this can be achieved. To answer this question, a qualitative approach was applied, utilizing semi-structured interviews in combination with a literature review. The interviews were conducted with eight different respondents who have insight into the daily work of IT consultants. The collected empirical material was analyzed using a deductive thematic analysis based on three components of competence: "Knowledge," "Skills," and "Attitudes." The study's conclusion presents how all three components of competence can be developed with the use of generative AI for IT consultants in the form of: improved understanding of programming, enhanced communication skills, and improved attitude towards daily work through the efficiency of monotonous and repetitive tasks. Addressing and considering the challenges that arise with the use of generative AI for IT consultants is also highlighted as an important prerequisite for achieving the potential benefits.

Denna studie undersöker användningen och effekten av generativ AI inom digitalmarknadsföring, med fokus på dess påverkan på kreativa processer. Genom kvalitativa intervjuermed yrkesverksamma inom branschen identifieras hur generativ AI kan effektivisera arbetsflödengenom att automatisera vissa uppgifter och bidra med nya idéer. AI-verktygen fungerar som stödi skapandet av marknadsföringskampanjer, vilket underlättar för marknadsförare att utforska ochutveckla kreativa koncept. Samtidigt belyser studien behovet av mänsklig övervakning för attsäkerställa innehållets kvalitet och etiska användning. Resultaten visar på både möjligheter ochutmaningar med att integrera generativ AI i det dagliga marknadsföringsarbetet. / This study examines the use and impact of generative AI in digital marketing, focusing on its effecton creative processes. Through qualitative interviews with industry professionals, the researchidentifies how generative AI can streamline workflows by automating certain tasks and providingnew ideas. AI tools support the creation of marketing campaigns, making it easier for marketersto explore and develop creative concepts. The study also highlights the need for human oversightto ensure the quality and ethical use of content. The findings present both opportunities andchallenges in integrating generative AI into daily marketing activities

The development of Artificial Intelligence (AI) is advancing by the day and AI is now a major part of our daily lives. As it evolves, new applications are being introduced and created to make the user's everyday life easier. The aim of our study is to review the potential for generative AI to act as a tool to support co-creation for designers in creative, exploratory processes. The methodology of the study was a qualitative investigation in the form of an experiment and a subsequent interview with five participants, comparing the experience of traditional individual idea generation with idea generation supported by a generative AI. The results show a generally positive attitude towards AI as a co-creation tool, especially for independent idea generation and in freelancing. It was found that users can be reminded of details that are easily overlooked. We also found that inconsistency can be used as a tool,even though it deviates from the general guidelines for AI systems that exist today. / Utvecklingen av Artificiell Intelligens (AI) går framåt för varje dag som går och AI utgör idag en stor del av vår vardag. I takt med utvecklingen introduceras nya användningsområden som skapas för att underlätta användarens vardag. Syftet med vår undersökning är att se över möjligheterna för generativ AI att fungera som ett verktyg för att stödja samskapande för designers i kreativa, explorativa processer. Metoden för studien var en kvalitativ undersökning i form av ett experiment och en efterföljande intervju med fem deltagare, där upplevelsen av traditionell individuell idégnerering jämförs med idégenerering med stöd frånen generativ AI. Resultatet visar en generell, positiv inställning till AI som ett samskapande verktyg för självständig idégenerering. Det framkom bland annat att användare kan bli påminda om detaljer som lätt annars förbises, samt att inkonsekvens kan användas som ett verktyg trots att det frångår de generella riktlinjer för AI-system som finns idag.

Generativ AI är ett fenomen som har blivit populärt under de senaste åren vilket har medfört utvecklingen av AI-verktyg. Dessa verktyg kan lösa specifika lösningar inom olika fält inklusive inom UX-design. Där en ny aspekt av Mänsklig-Dator-Interaktion (MDI) har utvecklats mot Människa-AI-Interaktion (MAII). Syftet med denna studie är att undersöka UX-designers användning av AI-verktyg inom skissandet. Studien genomfördes med sju semistrukturerade intervjuer och en tematisk analys. Resultatet presenterar respondenternas perspektiv och tankar kring tillämpningen av de AI-verktyg som används idag. Alla respondenter är överens om att användningen av AI-verktyg gjorde att arbetet blev mer effektivt. Begränsningarna alternativt utmaningarna var att företag bör överväga att införa en tydlig AI-policy för att säkerställa att AI-verktyg används säkert och ansvarsfullt. Studien avslutas med att en stor vikt läggs på mänsklig kreativitet och förståelse för användarens behov är en viktig del gällande användning av AI-verktyg. / Generative AI is a phenomenon that has become popular in recent years, leading to the development of AI tools. These tools can solve specific problems in various fields, including UX design. This has led to the development of a new aspect of Human-Computer Interaction (HCI) towards Human-AI Interaction (HAII). The purpose of this study is to investigate UX designers' use of AI tools in sketching. The study was conducted with seven semi-structured interviews and a thematic analysis. The results present the respondents' perspectives and thoughts on the application of the AI tools used today. All respondents agree that using AI tools made their work more efficient. Limitations or challenges were that companies should consider implementing a clear AI policy to ensure that AI tools are used safely and responsibly. The study concludes that a great deal of emphasis is placed on human creativity and understanding the needs of the user is an important part of using AI tools.

Påskyndat av teknik går utvecklingen snabbare än någonsin. Generativ AI har blivit tillgänglig för allmänheten. Det ger möjligheter för verksamheter att nyttja AI-teknik utan större insatser och kunskap. Detta skiftar förutsättningarna inom digital innovation. Denna nya aktör skapar gap i litteraturen, där tidigare forskning behöver omvärderas. Ett viktigt forskningsområde är hur användningen av generativ AI påverkar digital innovation. En annan aspekt är hur innovatörer kan nyttja, och förhålla sig till generativ AI inom innovationsprocessen. För att undersöka detta har en kvalitativ studie genomförts, där empiri har samlats in genom åtta intervjuer. Studien har resulterat i en tematisk modell med följande teman: Generativ AI som en kollega; Generativ AI som resurs för digital innovation; Generativ AI ökar tillgängligheten till AI-teknik; Känslor gällande generativ AI; Problematik gällande generativ AI; Spridd och differentierad syn på digital innovation. Studien visar att generativ AI kan påverka digital innovation genom de resulterande temana. Vidare relateras dessa teman till innovationsprocessen, där en modifierad processmodell för innovation har tagits fram. Då användningen av generativ AI är ett relativt nytt fenomen är det sannolikt att innovatörer framöver kommer att öka sin användning av verktyget, vilket medför att fynden från denna studie riskerar att snabbt bli utdaterade. Vidare forskning bör därför utföra liknande studier med jämna mellanrum, för att fånga upp nya erfarenheter som uppstår av den ökade användningen. / Accelerated by technology, development is progressing faster than ever. Generative AI has become accessible to the general public. It provides opportunities for businesses to leverage AI technology without significant efforts and expertise. This shifts the conditions within digital innovation. This new actor creates gaps in the literature, where previous research needs to be reevaluated. An important research area is how the use of generative AI affects digital innovation. Another aspect is how innovators can utilize and engage with generative AI in the innovation process. To investigate this, a qualitative study has been conducted, where empirical data has been collected through eight interviews. The study has resulted in a thematic model with the following themes: Generative AI as a colleague; Generative AI as resource for digital innovation; Generative AI increases accessibility to AI technology; Emotions regarding generative AI; Challenges regarding generative AI; Diverse and differentiated views on digital innovation. The study shows that generative AI can affect digital innovation through the resulting themes. Furthermore, these themes were related to the innovation process, where a modified process model for innovation has been developed. Since the use of generative AI is a relatively new phenomenon, it is likely that innovators will increase their use of the tool in the future. This may render the findings from this study quickly outdated. Further research should therefore conduct similar studies at regular intervals to capture new experiences arising from increased usage.

With the emergence of Generative Artificial Intelligence (GAI), a new form of content creation has been implemented across industries, particularly within creative agencies. Many studies today around this topic are using a quantitative approach to study the usage of text-to-image tools. Objective of this thesis is to explore swedish creators’ perceptions, ideas, and thoughts regarding these tools and contribute to deeper understanding of their views of the tool’s impact, applications, and limitations. We conducted a qualitative study employing a semi-structured interview format. Our choice of data analysis is conducted using a thematic analysis and parts of an Interpretative Phenomenological Analysis (IPA). In our research, a total of 5 creators, with varying roles at different agencies, were interviewed, and from the empirical data 11 main themes were identified where the results pointed to a great variety of thoughts and ideas. These positions are based on the fact that there is a shared opinion for the usability and application of the text-to-image tools where a majority saw a challenge and difficulties with the communication with the tool. Many expressed the need to be up-to-date in order to be competitive and a majority saw the need for regulation for use. There are varying opinions on how the technology works and the purpose of the functions. There is a need for regulation and the importance of the human laying on of hands is emphasized so that the tool does not have too great an impact. A misleading image emerges on social media that does not match the informants' image of the tools. There is a need to be up-to-date on technology to be competitive. / Med den nya funktionen för Artificiell intelligens, Generativ AI (GAI) har ny form av innehållsskapande implementerats bland branscher, i synnerhet inom kreativa byråer. Många studier inom området idag använder sig av en kvantitativ tillvägagångsätt för att undersöka användandet av text-till-bild AI-verktyg. Syftet med studien är att kartlägga svenska kreatörers uppfattning, idéer och tankar för dessa verktyg och bidra med en djupare förståelse för deras syn på verktygets påverkan, användningsområde och begränsningar. Studien genomfördes med en kvalitativ metod genom en semistrukturerad intervjuform och analys av data sker med en tematisk analys med inslag av Interpretative Phenomenological Analysis (IPA). I denna uppsats intervjuades totalt 5 kreatörer med varierande roller på olika byråer, och av den empiriska datan identifierades 11 huvudteman där resultatet pekade på en stor variation av tankar och idéer. Dessa ståndpunkter bygger på att det finns en delad uppfattning för användbarheten och tillämpningen med text-till-bild-verktygen där en majoritet såg en utmaning och svårigheter med kommunikationen med verktyget. Många uttryckte behov att vara up-to-date för att vara konkurrenskraftiga och en majoritet såg behovet av reglering för användandet. Det råder varierande åsikter för hur teknologin fungerar och funktionernas syfte. Det finns ett behov av reglering och vikten av den mänskliga handpåläggningen poängteras för att verktyget inte ska få för stor inverkan. Det framkommer en missvisande bild på sociala medier som inte stämmer överens med informanternas bild av verktygen. Det finns ett behov av att vara uppdaterad på tekniken för att vara konkurrenskraftig.

Artificial intelligence (AI) is a fast-paced technology which can be found in different organizations, including the public sector of Sweden. This advanced tool implies many new work processes and an executive of sufficient basic information for such implementation. While finding a usage within the public sector, a problem occurs around how to and what is needed regarding the integration and processes for a complete normalization of the AI usage. Based on the following research question “What are the main challenges for public sector organizations when it comes to normalizing the use of AI in daily tasks?”, the aim of this thesis is therefore to investigate the key obstacles hindering the integration of AI tools into routine tasks. Through eight semi-structured interviews grounded in the Normalization Process Theory (NPT), the study explores theoretical frameworks surrounding AI, which includes generative AI, and an examination of AI implementations within the public sector context. The conclusion of this thesis reveals several obstacles preventing a complete normalization of AI within the public sector. These include the absence of clear guidelines regarding AI usage, lack of legitimacy for AI tools in current workflows, insufficient competence and development opportunities, and limited resources for AI advancement and utilization. These insights show the many challenges the public sector encounters in embracing AI, and furthermore a need for comprehensive strategies to address these obstacles to facilitate the seamless integration of AI technologies into daily operations.

Brandväggar är en kritisk komponent i nätverkssäkerhet som kontrollerar och filtrerar nätverkstrafik för att skydda mot obehörig åtkomst och cyberhot. Effektiv hantering av brandväggsregler är avgörande för att säkerställa att ett nätverk fungerar smidigt och säkert. I stora företagsnätverk som Scania kan hanteringen av dessa regler bli komplex och resurskrävande, vilket kan leda till duplicerade och överlappande regler som försämrar systemets prestanda.Detta examensarbete undersöker tillämpningen av generativ artificiell intelligens (GAI) och maskininlärning för att hantera och optimera brandväggsregler, med fokus på identifiering och hantering av duplicerade och överlappande regler. Problemställningen adresserar de växande utmaningarna med att underhålla effektiva brandväggsregler i stora företagsnätverk som Scania. Genom att implementera och utvärdera en prototyp baserad på XGBoost, utforskar arbetet potentialen hos AI-tekniker för att förbättra hanteringen och säkerheten av nätverkstrafik. Resultaten visar att AI kan spela en kritisk roll i automatiseringen av processer för upptäckt och korrigering av felaktiga regler, vilket bidrar till ökad nätverkssäkerhet och optimerad resursanvändning. Studien bekräftar att användningen av AI inom brandväggshantering erbjuder betydande fördelar, men lyfter också fram behovet av fortsatt forskning för att adressera säkerhetsutmaningar relaterade till AI-lösningar. / Firewalls are a critical component of network security, controlling and filtering network traffic to protect against unauthorized access and cyber threats. Effective management of firewall rules is essential to ensure that a network operates smoothly and securely. In large enterprise networks like Scania, managing these rules can become complex and resourceintensive, leading to duplicate and overlapping rules that degrade system performance and security.This thesis investigates the application of generative AI (GAI) and machine learning to manage and optimize firewall rules, focusing on the identification and handling of duplicate and overlapping rules. The problem addresses the growing challenges of maintaining effective firewall rules in large enterprise networks like Scania. By implementing and evaluating a prototype based on XGBoost, this work explores the potential of AI techniques to improve the management and security of network traffic. The results demonstrate that AI can play a critical role in automating the processes for detecting and correcting faulty rules, contributing to increased network security and optimized resource usage. The study confirms that the use of AI in firewall management offers significant benefits but also highlights the need for further research to address security challenges related to AI solutions.

Manuell granskning av användarrecensioner för att extrahera relevant informationkan vara en tidskrävande process. Denna rapport har undersökt om stora språkmodeller kan användas för att sammanfatta, extrahera och analysera nyckelinformation från recensioner, samt hur en sådan applikation kan konstrueras.  Det visade sig att olika modeller presterade olika bra beroende på mätvärden ochviktning mellan recall och precision. Vidare visade det sig att fine-tuning av språkmodeller som Llama 3 förbättrade prestationen vid klassifikation av användbara recensioner och ledde, enligt vissa mätvärden, till högre prestation än större språkmodeller som Chat-Bison. För engelskt översatta recensioner hade Llama 3:8b:Instruct, Chat-Bison samt den fine-tunade versionen av Llama 3:8b ett F4-makro-score på 0.89, 0.90 och 0.91 respektive. Ytterligare ett resultat är att de större modellerna Chat-Bison, Text-Bison och Gemini, presterade bättre i fallet för generering av sammanfattande texter, än de mindre modeller som testades vid inmatning av flertalet recensioner åt gången.  Generellt sett presterade språkmodellerna också bättre om recensioner först översattes till engelska innan bearbetning, snarare än då recensionerna var skrivna i originalspråk där de majoriteten av recensionerna var skrivna på svenska. En annan lärdom från förbearbetning av recensioner är att antal anrop till dessa språkmodeller kan minimeras genom att filtrera utifrån ordlängd och betyg.  Utöver språkmodeller visade resultaten att användningen av vektordatabaser och embeddings kan ge en större överblick över användbara recensioner genom vektordatabasers inbyggda förmåga att hitta semantiska likheter och samla liknande recensioner i kluster. / Manually reviewing user reviews to extract relevant information can be a time consuming process. This report investigates if large language models can be used to summarize, extract, and analyze key information from reviews, and how such anapplication can be constructed.  It was discovered that different models exhibit varying degrees of performance depending on the metrics and the weighting between recall and precision. Furthermore, fine-tuning of language models such as Llama 3 was found to improve performance in classifying useful reviews and, according to some metrics, led to higher performance than larger language models like Chat-bison. Specifically, for English translated reviews, Llama 3:8b:Instruct, Chat-bison, and Llama 3:8b fine-tuned had an F4 macro score 0.89, 0.90, 0.91 respectively. A further finding is that the larger models, Chat-Bison, Text-Bison, and Gemini performed better than the smaller models that was tested, when inputting multiple reviews at a time in the case of summary text generation.  In general, language models performed better if reviews were first translated into English before processing rather than when reviews were written in the original language where most reviews were written in Swedish. Additionally, another insight from the pre-processing phase, is that the number of API-calls to these language models can be minimized by filtering based on word length and rating. In addition to findings related to language models, the results also demonstrated that the use of vector databases and embeddings can provide a greater overview of reviews by leveraging the databases’ built-in ability to identify semantic similarities and cluster similar reviews together.

Denna studie undersöker utmaningarna och möjligheterna med implementeringen av artificiell intelligens (AI) på arbetsplatsen. Genom en kombination av intervjuer, enkäter och litteraturöversikt analyseras olika aspekter av AI-implementering, inklusive effektivitet, produktivitet, kompetensutveckling, etiska dilemman och samarbete. Resultaten visar att AI-implementering kan leda till ökad effektivitet och produktivitet genom automatisering av rutinmässiga uppgifter. Dock finns det utmaningar relaterade till anställdas acceptans, utbildning och säkerhetsfrågor. Vidare betonas vikten av att etablera etiska riktlinjer för att hantera potentiella risker och dilemman som uppstår med AI-användning. Kommunikation och samarbete identifieras som nyckelfaktorer för en framgångsrik integration av AI på arbetsplatsen. Denna studie belyser behovet av att förstå och navigera de komplexa dynamikerna som omger AI-implementering för att maximera dess fördelar och minimera dess risker. / This study examines the challenges and opportunities associated with the implementation of artificial intelligence (AI) in the workplace. Through a combination of interviews, surveys, and literature review, various aspects of AI implementation are analyzed, including efficiency, productivity, skills development, ethical dilemmas, and collaboration. The results indicate that AI implementation can lead to increased efficiency and productivity by automating routine tasks. However, there are challenges related to employee acceptance, training, and security issues. Furthermore, the importance of establishing ethical guidelines to address potential risks and dilemmas arising from AI usage is emphasized. Communication and collaboration are identified as key factors for successful integration of AI in the workplace. This study highlights the need to understand and navigate the complex dynamics surrounding AI implementation to maximize its benefits and minimize its risks.