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.

En ökande användning av generativ artificiell intelligens (AI) i olika sektorer har medfört etiska utmaningar som måste hanteras för att säkerställa ansvarsfull och etisk användning av denna teknologi. Syftet med denna studie var att utforska och identifiera de etiska utmaningarna som kan uppkomma genom att analysera ledarnas tidiga erfarenheter av interaktion med och intryck av generativ AI. För att besvara studiens forskningsfråga genomfördes en kvalitativ studie med semistrukturerade intervjuer som samlade in empirisk data. Studien inkluderade också en litteraturöversikt för att belysa relevanta etiska perspektiv och ramar. Genom en tematisk analys av den insamlade datan framkom följande slutsatser: ledare som interagerade med generativ AI ställdes inför etiska utmaningar som inkluderade frågor om källkritik, ansvar och rättvisa. Ledare svarar på dessa utmaningar genom att anta ett etiskt ansvarigt agerande, vilket omfattar erkännandet av mänsklig expertis i AI-assisterade beslutsprocesser, samt engagemang i källkritik och ansvarsfull styrning. Resultaten diskuteras i ljuset av etiska teorier och perspektiv för att förstå de olika aspekterna av de etiska dilemman som generativ AI kan ge upphov till. / An increasing use of generative artificial intelligence (AI) across various sectors has brought about ethical challenges that must be addressed to ensure responsible and ethical utilization of this technology. The purpose of this study was to explore and identify the ethical challenges that may arise by analyzing leaders' early experiences of interacting with and impressions of generative AI. To address the research question of the study, a qualitative study was conducted using semi-structured interviews to collect empirical data. The study also included a literature review to illuminate relevant ethical perspectives and frameworks. Through a thematic analysis of the collected data, the following conclusions emerged: leaders who interacted with generative AI faced ethical challenges that included issues of source criticism, responsibility, and fairness. To address these challenges, leaders adopt an ethically defensible approach by recognizing the value of human expertise in decision-making supported by AI, exercising source criticism, and responsible governance. The results are discussed in light of ethical theories and perspectives to understand the various aspects of the ethical dilemmas that generative AI may give rise to.

Artificiell intelligens (AI) har blivit en central del av utvecklingen hos moderna organisationer, med potential att förändra arbetssätt och öka effektivitet och konkurrenskraft. Generativ AI, som skapar innehåll baserat på mönster i befintliga data, har snabbt utvecklats och väckt stor uppmärksamhet i olika branscher. Trots dess potential för kunskapsarbete används det fortfarande inte i stor utsträckning inom organisationer. Med fokus på individuellt lärande och kunskapsdelning, strävar denna fallstudie efter att bidra med insikter om hur kunskap om generativ AI uppstår och sprids för att främja innovationens integrering i kunskapsarbete. Den teoretiska referensramen baseras på relevanta artiklar om generativ AI i kunskapsarbete och traditionell litteratur om lärande och kunskapsdelning i organisationer. Som ram för analysen används en modell för kunskapsomvandling, som utgår från fyra processer genom vilka kunskap utvecklas: socialisering, externalisering, kombinering och internalisering. Dessa skapar en dynamisk kunskapsspiral där individer inom organisationen interagerar, reflekterar, tar del av och tillämpar kunskap. Studien undersöker hur denna kunskapsspiral drivs framåt och hur generativ AI som kunskapsområde skiljer sig från andra innovationer. För att utforska detta används en interpretativ forskningsfilosofi och kvalitativ ansats. Genom semistrukturerade intervjuer, observationer och enkätundersökning, samlades data in för att bilda en förståelse. Med en iterativ process mellan litteratur och empiri strävar studien efter att bidra till vidare teoriutveckling inom området och praktisk tillämpning i kunskapsarbete. Studien bidrar till en fördjupad förståelse för hur olika initiativ kring kunskap om generativ AI bidrar till lärande och användning av tekniken. Den konstaterar att lärande om generativ AI främst sker på individnivå och är drivet av inre motivation och nyfikenhet att experimentera. Organisationen stödjer lärandet genom viss möjliggörande styrning, men brist på möjligheter att tillämpa kunskapen i det dagliga arbetet kan hindra individens deltagande och därigenom begränsa kunskapsspridningen. Sammantaget är experimenterande centralt för lärandet om generativ AI, dels på grund av dess breda användningsområden och arbetssätt och hur de utvecklas med tiden, dels på grund av variationen i kunskapsarbete. Det finns därmed ett behov av fokus på att främja kombinering, där experimenterandet börjar, och internalisering, där kontinuerligt experimenterande bildar tyst kunskap. Vidare ger studien rika exempel på hur generativ AI används i praktiken, vilket kan inspirera andra kunskapsintensiva verksamheter att utnyttja tekniken. / Artificial intelligence (AI) has become a central part of development in modern organizations, with the potential to change workflows and increase efficiency and competitiveness. Generative AI, which generates content based on patterns in existing data, has rapidly evolved and gained significant attention across industries. Despite its potential for knowledge work, it is not yet widely utilized within organizations. Focusing on workplace learning and knowledge sharing, this case study aims to provide insights into how knowledge about generative AI emerges to promote its adoption in knowledge work. The theoretical framework is based on relevant articles on generative AI in knowledge work and traditional literature on workplace learning and knowledge management. The analysis is based on a model of knowledge creation consisting of four processes through which knowledge develops: socialization, externalization, combination, and internalization. These processes create a dynamic knowledge spiral representing how members of the organization interact, reflect, share, and apply knowledge. The study investigates how the knowledge spiral is driven forward and how knowledge about generative AI differs from other innovations. An interpretative research philosophy and qualitative approach are employed, using semi- structured interviews, observations, and a survey to gather data and form an understanding. Through iterating between literature and empirical data, the study aims to contribute to further theory development and practical application in knowledge work. The study contributes to a deeper understanding of how various initiatives regarding knowledge about generative AI contribute to learning and use of the technology. It suggests that learning about generative AI primarily occurs at the individual level and is driven by internal motivation and curiosity to experiment. The organization supports learning through certain enabling governance, but a lack of opportunities to apply the knowledge in daily work can hinder participation and limit knowledge dissemination. Overall, experimentation is central to learning about generative AI, partly due to its broad applications and approaches and how they evolve over time, and partly due to the variation in knowledge work. Therefore, there is a need to focus on promoting combination, where experimentation begins, and internalization, where continuous experimentation forms tacit knowledge. The study also provides rich examples of how generative AI is used in practice, which can inspire other knowledge- intensive organizations to leverage the technology.

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.

Världens tekniska utveckling går framåt i snabb takt, inte minst när det kommer till ”smarta” maskiner och algoritmer med förmågan att anpassa sig efter sin omgivning. Detta delvis på grund av den enorma mängd data som finns tillgänglig och delvis tack vare en ökad lagringskapacitet. I november 2022 släpptes ett av de senaste AI-baserade programmen; chatboten ChatGPT. Inom två månader hade ChatGPT fått över 100 miljoner användare. Denna webbaserade mjukvara kan i realtid konversera med användare genom att besvara textbaserade frågor. Genom att snabbt och ofta korrekt besvara användarnas frågor på ett mänskligt och övertygande sätt, har tjänsten på kort tid genererat mycket uppmärksamhet. Det finns flera studier som visar på hur ett stort antal människor saknar ett generellt förtroende för AI. Vissa studier menar att de svar som ChatGPT genererar inte alltid kan antas vara helt korrekta och därför bör följas upp med en omfattande kontroll av faktan, eftersom de annars kan bidra till spridandet av falsk information. Eftersom förtroende för AI har visat sig vara en viktig del i hur väl teknologin utvecklas och integreras, kan brist på förtroende för sådana tjänster, såsom ChatGPT, vara ett hinder för en välfungerande användning. Trots att man sett på ökad produktivitet vid införandet av AI-teknologi hos företag så har det inom högre utbildning, som ett hjälpmedel för studenter, inte integrerats i samma utsträckning. Genom att ta reda på vilket förtroende studenter har för ChatGPT i lärandesammanhang, kan man erhålla information som kan vara till hjälp för integrationen av sådan AI-teknik. Dock saknas det specifik forskning kring studenters förtroende för ChatGPT i lärandesammanhang. Därför syftar denna studie till att fylla denna kunskapslucka, genom att utföra en kartläggning. Vår frågeställning är: ” Vilket förtroende har studenter för ChatGPT i lärandesammanhang?”. Kartläggningen utfördes med semistrukturerade intervjuer av åtta studenter som använt ChatGPT i lärandesammanhang. Intervjuerna genererade kvalitativa data som analyserades med tematisk analys, och resultatet visade på att studenters förtroende för ChatGPT i lärandesammanhang beror på en rad faktorer. Under analysen identifierade vi sex teman som ansågs vara relevanta för att besvara frågeställningen: ● Erfarenheter ● Användning ● ChatGPT:s karaktär ● Yttre påverkan ● Organisationer ● Framtida förtroende / The world's technological development is advancing rapidly, especially when it comes to "smart" machines and algorithms with the ability to adapt to their surroundings. This is partly due to the enormous amount of available data and partly thanks to increased storage capacity. In November 2022, one of the latest AI-based programs was released; the chatbot ChatGPT. This web-based software can engage in real-time conversations with users by answering text-based questions. By quickly, and often accurately, answering users' questions in a human-like and convincing manner, the service has generated a lot of attention in a short period of time. Within two months, ChatGPT had over 100 million users. There are several studies that show how a large number of people lack a general trust in AI. Some studies argue that the responses generated by ChatGPT may not always be assumed to be completely accurate and should therefore be followed up with extensive fact-checking, as otherwise they may contribute to the spreading of false information. Since trust in AI has been shown to be an important part of how well the technology develops and integrates, a lack of trust in services like ChatGPT can be a hindrance to effective usage. Despite the increased productivity observed in the implementation of AI technology in companies, it has not been integrated to the same extent within higher education as an aid for students. By determining the level of trust that students have in ChatGPT in an educational context, valuable information can be obtained to assist in the integration of such AI technology. However, there is a lack of specific research on students' trust in ChatGPT in an educational context. Therefore, this study aims to fill this knowledge gap by conducting a survey. Our research question is: “What trust do students have in ChatGPT in a learning context?”. The survey was conducted through semi-structured interviews with eight students who have used ChatGPT in an educational context. The interviews generated qualitative data that was analyzed using thematic analysis, and the results showed that students' trust in ChatGPT in an educational context depends on several factors. During the analysis, six themes were identified as relevant for answering the research question: • Experiences • Usage • ChatGPT’s character • Influences • Organizations • Future trust

In recent years, generative AI has made significant strides, likely leaving an irreversible mark on contemporary society. The launch of OpenAI's ChatGPT 3.5 in 2022 manifested the greatness of the innovative technology, highlighting its performance and accessibility. This has led to a demand for implementation solutions across various industries and companies eager to leverage these new opportunities generative AI brings. This thesis explores the common operational challenges faced by a small-scale Tech Enterprise and, with these challenges identified, examines the opportunities that contemporary generative AI solutions may offer. Furthermore, the thesis investigates what type of generative technology is suitable for adoption and how it can be implemented responsibly and sustainably. The authors approach this topic through 14 interviews involving several AI researchers and the employees and executives of a small-scale Tech Enterprise, which served as a case company, combined with a literature review.  The information was processed using multiple inductive thematic analyses to establish a solid foundation for the investigation, which led to the development of a Proof of Concept. The findings and conclusions of the authors emphasize the high relevance of having a clear purpose for the implementation of generative technology. Moreover, the authors predict that a sustainable and responsible implementation can create the conditions necessary for the specified small-scale company to grow.  When the authors investigated potential operational challenges at the case company it was made clear that the most significant issue arose from unstructured and partially absent documentation. The conclusion reached by the authors is that a data management system powered by a Retrieval model in a LLM presents a potential path forward for significant value creation, as this solution enables data retrieval functionality from unstructured project data and also mitigates a major inherent issue with the technology, namely, hallucinations. Furthermore, in terms of implementation circumstances, both empirical and theoretical findings suggest that responsible use of generative technology requires training; hence, the authors have developed an educational framework named "KLART".  Moving forward, the authors describe that sustainable implementation necessitates transparent systems, as this increases understanding, which in turn affects trust and secure use. The findings also indicate that sustainability is strongly linked to the user-friendliness of the AI service, leading the authors to emphasize the importance of HCD while developing and maintaining AI services. Finally, the authors argue for the value of automation, as it allows for continuous data and system updates that potentially can reduce maintenance.  In summary, this thesis aims to contribute to an understanding of how small-scale Tech Enterprises can implement generative AI technology sustainably to enhance their competitive edge through innovation and data-driven decision-making.