BAKGRUND: Generation X är den kommande generationen som ska gå i pension och kommer därmed påverkas av hårdare pensionsreformer. Ett förlängt arbetsliv kombinerat med privat pensionssparande anses vara lösningen till problemet. Erkända teorier framhåller att psykologisk bias, finansiell bildning, numerisk förmåga och demografisk bakgrund påverkar individers sparande. Dessa faktorer sammantaget motiverar en kvalitativ studie för att undersöka dess påverkan till ett privat sparande hos generation X. SYFTE: Syftet med studien är att kartlägga hur pensionssparandet i generation X skiljer sig åt mellan de som saknar en akademisk utbildning och inte. GENOMFÖRANDE: Studien är baserad på 10-semistrukturerade intervjuer med personer tillhörande generation X. Frågorna har utformats på ett sådant sätt att intervjurespondenterna har haft möjlighet att själva reflektera och analysera sina egna svar i syfte att få en nyanserad bild av hur de upplever sitt eget sparande. SLUTSATS: Studiens resultat visar att det finns ett generellt intresse för ett privat sparande hos respondenterna tillhörande generation X. Samtidigt påvisas tendenser till bias i form av överoptimism. Utbildningsnivå verkar inte samvariera med ett ökat sparande mer än att det kan leda till en bättre planeringsförmåga.

Bakgrund: Artificiell Intelligens (AI) och maskininlärning implementeras i allt större grad på de finansiella marknaderna världen över. Syftet med implementeringen av AI inom finanssektorn innefattar bland annat kostnadsminimering, effektivisering, reducering av mänsklig bias samt ökning av intäkter för företagens verksamheter. Inom finansiell rådgivning och kapitalförvaltning finns brister gällande oberoende, kostnader, bias samt effektivisering varför det är relevant att undersöka hur dessa områden kan effektiviseras och förbättras med hjälp av AI. Vidare är det av intresse att undersöka hur människans roll kan komma att påverkas. Syfte: Syftet med denna studie är att analysera hur kapitalförvaltning och finansiell rådgivning kan påverkas av implementeringen av AI och hur synen på AI är inom dessa två områden. Metod: Studien är utformad utifrån en kvalitativ flerfallstudiedesign. Studiens empiriska material har samlats in från respondenter i två olika urvalsgrupper: kapitalförvaltare och finansiella rådgivare. Data har insamlats genom sju semistrukturerade intervjuer. Slutsats: Studiens resultat visar att AI har stor potential att reducera inslag av bias inom rådgivning och kapitalförvaltning. Styrkan i AI-lösningar återfinns i kombinationen av mänsklig intelligens och Artificiell Intelligens. Vidare står det klart att implementering av AI kan bidra till effektivare datahantering, kostnadshantering samt stordriftsfördelar. Implementeringen skapar möjligheter till ökad kundnytta samt en utökad kundgrupp. Vidare visar studiens resultat att AI har potential att minska intressekonflikter i form av Agency Theory. Slutligen visar studiens resultat att den framtida rådgivningen och kapitalförvaltningen sannolikt kommer ha inslag av cyborg finance, en samverkan mellan Artificiell Intelligens och mänsklig intelligens i form av hybridtjänster där de bästa egenskaperna från bådadera förenas. Nyckelord: Artificiell Intelligens, kapitalförvaltning, finansiell rådgivning, maskininlärning, djupinlärning, automatisering, psykologisk bias. / Background: Artificial Intelligence (AI) and machine learning are increasingly being implemented within the financial markets. The purpose of Artificial Iintelligence is to reduce costs, increase profits as well as efficiency and also reduce human bias. Within finacial advisory and asset management there are problems with independence, costs, bias and efficiency. Our study aims to analyse how these areas can be improved and become more efficient with AI. In addition, it is interesting to study what role the human is likely to take on as AI is increasingly being implemented. Aim: The purpose of this study is to analyse how AI can affect asset management and financial advisory, and also to study the public opinion of this transformation. Methodology:  This study has been designed by a qualitative research strategy. The empirical data derives from two different respondent groups: asset management and financial advisory. The data has been collected through seven semi-structured interviews.                                                                                                                                                  Conclusion: The result of this study indicates that AI has the potential to reduce biases within financial advisory and asset management. The strength of AI-solutions lies in the combination between Artificial Intelligence and human intelligence. Furthermore, an implementation of AI contributes to a higher efficiency when it comes to data handling, cost efficiency as well as economies of scale. This creates opportunities to reach a higher customer benefit and a wider customer group. Moreover, the study indicates that AI has the potential of reducing conflicts of interest and agency problems. Lastly, this study indicates that the future of financial advisory and asset management is likely to consist of cyborg finance. In other words, cooperation between Artificial Intelligence and human intelligence is likely to become commonplace, in the shape of hybrid services where the best attributes of humans and AI work together. Keywords: Artificial Intelligence, asset management, financial advisory, machine learning, deep learning, automation, psychological bias