Följande studie har undersökt hur implementering av AI kan påverka IT-företag inom olika aspekter som exempelvis fördelar, nackdelar, utmaningar och verksamhetsprocesser. Studien är baserad på en kvalitativ metod där det insamlade materialet utgör grunden till detta arbete. Materialet kommer i form av informationen som har samlats in från tre semistrukturerade intervjuer som har genomförts med respondenter från 3 olika företag, dessa företag är Sogeti, Exsitec ett IT-företag som utvecklar digitala verksamhetsstöd, och Vinga som säljer olika produkter till företag. Denna studie borde genomföras eftersom dagens samhälle är väldigt digitaliserat och många företag i världen har redan implementerat någon form av artificiell intelligens för att förbättra deras arbetsprocesser. Rapporten inleds med att förklara bakgrunden till AI, dvs dess historia och uppkomst, därefter kommer forskningsfrågorna att försöka besvaras, och dessa är: ? Hur har verksamhetens processer ändrats efter implementeringen av AI? ? Vilka fördelar/nackdelar kan uppstå från implementeringen av AI? Eftersom AI omfattar ett stort område så avgränsar sig studien till de områden där företagen utnyttjar AI. Dessa områden innefattar kommunikation, skapandet avannons/reklam och dataanalys. Relevant litteratur väljs till de områden som täcks av IT-företagen. Rapporten förklarar hur verksamheten som har det implementerat har ändrats, men också konsekvenserna av denna implementering. Vilken roll som AI och har och kommer att ha är också något som kommer att tas upp i rapporten, vilket är en av anledningarna till att gruppen valde just detta ämne. Informationen som samlades in från respondenterna var att implementeringen av AI kan ha en betydande inverkan på affärsprocesser, men det har också sina fördelar och nackdelar. Vinga och deras beslut att implementera AI i sina affärsprocesser resulterade i beslutet att inte anlita externa byråer för att hantera annonser åt dem. Detta har visat sig vara mycket kostnadseffektivt för Vinga enligt respondenten, och samtidigt visat sig vara lika effektivt om inte mer, än att anlita en extern byrå. Nackdelen med detta är dock att det ur en anställds perspektiv så resulterade det i att någon gick miste om en jobbmöjlighet. Sammanfattningsvis har användningen av AI visat sig vara ett effektivt sätt att förbättra affärsprocesser, men det kräver också kompetens från de personer som bestämmer sig för att implementera det. Företag som bestämmer sig för att implementera AI i sina processer bör ha ett tydligt syfte med implementeringen, eftersom det kan leda till onödiga kostnader, om det inte underhålls och används på rätt sätt. Det finns många framtida forskningsmöjligheter inom områdena AI och dess inverkan på affärsprocesser. Exempelvis kan en jämförelse mellan IT-företag som har liknande arbetsprocesser genomföras, vilket inte kunde utföras i denna studie, på grund av tidsbrist och bristande respons från IT-företagen som skulle ha intervjuats. AI är också ett väldigt brett och ständigt utvecklande område samt används för många olika syften, vilket också möjliggör för framtida forskningar. / The following study has examined how the implementation of AI can affect IT companies in various aspects such as advantages, disadvantages, challenges and business processes. The study is based on a qualitative method where the collected material forms the basis for this work. The material comes in the form of information collected from three semi-structured interviews conducted with respondents from 3 different companies, these companies are Sogeti which is a subsidiary of the company Capgemini, Exsitec an IT company that develops digital business support, and Vinga, who sells various products to companies. This study should be conducted because today’s society is highly digitalized, many companies in the world have already implemented some form of artificial intelligence to improve their work processes. The report begins by explaining the background of AI, ie its history and origin, then the research questions will be answered, and these are: ? How have business processes changed after the implementation of AI? ? What are the advantages and disadvantages that can arise from implementing AI? Since AI covers a large area, the study is limited to areas where companies use AI. These areas include communication, ad creation and advertising and data analytics. Relevant literature is selected for the areas covered by the IT companies. This report also explains how the implementation of AI has affected the business, but also the consequences of said implementation. The information that was gathered from the respondents was that the implementation of AI can have a significant impact on business processes, but it also has its advantages and disadvantages. Vinga and their decision to implement AI in their business processes resulted in them not hiring external agencies to handle adverts for them. This has proven to be very cost efficient for Vinga according to the respondent, and at the same time proven to be as effective if not more effective than hiring an external agency. The disadvantage of that is that from an employee perspective, it means that someone has been denied a job opportunity. In conclusion, the use of AI has proven to be an effective way of improving business processes, but it also requires competency from the people who decide to implement it. Businesses who decide to implement AI in their processes should have a clear purpose with the implementation, since it can lead to unnecessary costs, if it is not maintained and used properly. There are many future research opportunities in the areas of AI and its impact on business processes. For example, a comparison between IT companies that have similar work processes can be performed, which could not be performed in this study, due to lack of time and lack of response from the IT companies that would have been interviewed. AI is also a very broad and constantly evolving area and is used for many different purposes, which also enables future research.

The emergence of Generative AI (GenAI) foundation models presents transformative potential across industries, promising not only to increase productivity but also to pioneer new ways of working and introduce novel business models. Despite this, GenAI adoption levels have lagged behind early projections, and many firms report difficulties in finding appropriate applications. One such firm is Scandic Hotels, a Swedish hospitality company seeking to identify use cases for GenAI within the Scandic Data Platform (SDP), the firm’s analytics unit. The goals of this study were twofold: firstly, to identify GenAI use cases for the SDP based on their organizational needs, and secondly, to create a framework to guide organizations in harnessing the technology’s potential purposefully based on their specific organizational contexts. A conceptual framework was developed based on a synthesis of existing AI use case frameworks and the incorporation of GenAI characteristics to guide the investigation of the SDP. A qualitative case study approach was employed, achieving the first research goal through two primary activities: first, by assessing the organizational context through interviews and a questionnaire, and subsequently, by identifying concrete use cases designed to address organizational challenges based on the domain mapping through collaborative workshops. The investigation into the organizational context culminated in the formulation of a complex problem space with eleven logically interconnected domain problems stemming from two root causes: a high technological complexity of the data platform and a lack of organizational ownership concerning data. These problems lead the SDP to be occasionally overwhelmed with support requests, resulting in a range of time-consuming downstream issues that lock the team in reactive rather than proactive work. The use case identification process yielded eleven concrete use cases leveraging a range of GenAI technologies, including retrieval-augmented generation, fine-tuning, and prompt chaining. An evaluation based on the perceived business value of these use cases found that those directly addressing root problems or contributing to strategic imperatives received the highest value scores by members of the SDP. Our findings reinforce the problem-driven use case identification approach suggested by previous AI use case literature and offer nuances in the importance of basing use cases on a structured hierarchical problem space, allowing use cases to be designed to address root problems and break negative feedback loops for maximal business value. By iterating the literature-informed conceptual framework with these practical insights, a novel framework for GenAI use case formulation was developed, centered around matching root domain problems with GenAI-specific capabilities. This framework provides an overview of key components for the identification of use cases based on the organization’s unique context, contributing important starting points for managers wishing to engage in GenAI adoption and addressing the literature gap in GenAI-specific use case exploration frameworks. / Utvecklingen av grundmodeller inom generativ AI (GenAI) har demonstrerat potential att öka produktivitet, omdefiniera befintliga arbetsflöden och införa nyskapande affärsmodeller. Trots detta har införandegraden i näringslivet legat under tidigare prognosticerade nivåer, och många företag rapporterar svårigheter med att identifiera lämpliga tillämpningar. Ett exempel på ett sådant företag är den svenska hotellkedjan Scandic, som önskar identifiera interna användningsområden för GenAI inom analysenheten i företagets centrala organisation, Scandic Data Platform (SDP). Denna studie ämnade att först identifiera användningsfall för GenAI inom SDP baserat på enhetens specifika behov, och sedan utveckla ett ramverk för att vägleda organisationer i identifieringen av GenAI-användningsfall baserat på deras specifika organisatoriska kontext. Baserat på en syntes av befintlig litteratur inom AI-användningsfall och integreringen av karaktäristiska egenskaper för GenAI konstruerades ett konceptuellt ramverk för att orientera utredningen inom SDP. En kvalitativ fallstudieansats uppdelad i två huvudaktiviteter tillämpades för att uppnå det första forskningsmålet: först undersöktes den organisatoriska kontexten genom nio intervjuer samt en enkät, sedan identifierades konkreta användningsfall utformade för att behandla organisatoriska behov förankrade i kartläggningen av domänen genom kollaborativa workshoppar. Undersökningen av den organisatoriska kontexten kulminerade i formuleringen av en komplext problemrymd med elva logiskt sammanlänkade domänproblem härrörande från två grundorsaker: en hög teknologisk komplexitet hos dataplattformen och en brist på organisatoriskt ägarskap gällande data. Dessa problem leder till att SDP ibland överväldigas av supportförfrågningar, vilket resulterar i en rad tidskrävande efterföljande problem som låser in teamet i reaktivt snarare än proaktivt arbete. Identifiering av användningsfall resulterade i formuleringen av elva konkreta användningsfall som utnyttjar en rad GenAI-teknologier såsom retrieval-augmented generation, finjustering och promptkedjning. En utvärdering baserad på det uppskattade affärsvärdet av dessa visade att de användningsfall som direkt bemötte de två rotproblemen eller bidrog uppfyllandet av strategiska imperativ fick de högsta värdebetygen av SDP:s medlemmar. Våra resultat validerar framgången i det problemstyrda tillvägagångssättet för identifiering av användningsfall som föreslagits av tidigare litteratur, men nyanserar förfarandet genom att understryka vikten av att förankra användningsfall i en hierarkiskt strukturerad problemrymd—vilket gör att användningsfall kan utformas för att direkt bemöta rotproblem och bryta negativa återkopplingsslingor för att uppnå maximalt organisatoriskt värde. Genom att iterera det litteraturinformerade konceptuella ramverket med dessa praktiska insikter utvecklades vi ett nytt ramverk för identifieringen av GenAI-användningsfall, baserat på matchningen av rotproblemen inom domänen med GenAI-specifika kapaciteter. Detta ramverk ger en översikt över nyckelkomponenter för identifiering av användningsfall baserade på den organisatoriska kontexten. På så sätt bidrar studien med en utgångspunkt för företag som önskar engagera sig i införandet av GenAI och bemöter bristen på litteratur innehållandes GenAI-specifika ramverk för utforskning av användningsfall.

Medellivslängden i Sverige har, under de senaste decennierna, ökat. Det leder till att sjukvårdsköerna och belastningen för vårdpersonalen förändras. Det i sin tur innebär att fortsatt utveckling av hälso- och sjukvård måste prioriteras. En viktig faktor för att kunna utveckla arbetssätten inom sjukvården är digitalisering.  Syftet med studien är att undersöka vilka utmaningar som kan uppstå i samband med användning av AI- hjälpmedel som beslutsstöd vid diagnostiserings-processen i sjukvården.  Studien startade med litteraturgenomgång av tidigare forskning. Studien genomfördes med en kvalitativ ansats där datainsamlingsmetoden är semistrukturerade individuella intervjuer. Analysen genomfördes med strukturen tematisk analysmetod. Studiens fem teman är: Arbetssätt; kompetensutveckling; partiska algoritmer; ansvarstagande och överdiagnostisering.  Studiens resultat indikerar att det finns olika utmaningar vid användning av AI inom vården. I den här studien har följande utmaningar påvisats: arbetssätt- exempelvis nya rutiner, kompetensutveckling- exempelvis mindre tid för utvecklingsarbete, ansvarstagande - till exempel vem som ansvarar för resultatet och överdiagnostisering – vilket till exempel kan vara multipla diagnoser som kan vara ofarliga för patienten. / The average life expectancy in Sweden has, in recent decades, increased. This leads to changes in the healthcare queues and the burden on the healthcare staff. This in turn means that continued development of healthcare must be prioritized. An important factor in being able to develop working methods in healthcare is digitization. The purpose of the study is to investigate which challenges may arise in connection with the use of AI- powered decision making in the diagnosis process in healthcare. The study started with a literature review of previous research. The study was carried out with a qualitative approach where the data collection method is semi-structured individual interviews. The analysis was carried out using the structured thematic analysis method. The study's five themes are: Work methods; skills development; biased algorithms; taking responsibility and overdiagnosing. The study's results indicate that there are various challenges when using AI in healthcare. In this study, the following challenges have been demonstrated: working methods - for example new routines, competence development - for example less time for development work, taking responsibility - for example who is responsible for the result and overdiagnosis - which can for example be multiple diagnoses that can be harmless to the patient.