Artificiell intelligens (AI) och Big data är innovativ teknik som har förändrat hur beslutsfattande kan grundas. Användningen av dessa verktyg har ökat och blivit mer populär inom olika branscher, men inom den politiska sektorn i Sverige har det inte använts. En pandemi har pågått under de två senaste åren vilket har medfört stora konsekvenser för samhället. Vilket har ställt krav på att politiker fattar snabba och effektiva beslut för att kunna hantera och bromsa smittspridningen. Syftet med studien var att undersöka och ta reda på ifall AI och Big data kan användas inom den politiska sektorn som beslutsstöd för att fatta snabbare, effektivare och etisk korrekta beslut samt hur politiker kan försäkra att AI och Big data används på ett etiskt sätt. Frågeställningen som har besvarats är: Hur kan Big data och AI effektivisera politikers beslutsfattande och samtidigt upprätthålla ett etiskt förhållningssätt? Studien har tillämpat en kvalitativ ansats och med hjälp av relevant litteratur har olika användningsområden, problem, etiska utmaningar och risker identifierats. Semistrukturerade intervjuer har även genomförts med politiker och AI-specialister i syfte att ta reda på om det finns möjlighet att använda och implementera verktygen i den politiska sektorn. Efter att ha analyserat empiri och litteratur framkom det att AI kräver stora mängder data i realtid för att kunna vara ett verktyg för beslutsfattande. Mycket av den data som den politiska sektorn besitter har ännu inte digitaliserats vilket den måste göras innan AI kan användas som beslutsstöd. Som slutsats går det att använda AI och Big data för att effektivisera beslutsfattande i Sverige genom dokumentavläsning och analysering av handlingar. Problemet idag är att det inte går att säkerställa att beslut upprätthåller ett etiskt förhållningssätt, eftersom det inte finns något etiskt ramverk för hur AI och Big data ska användas. / Artificial intelligence (AI) and Big data are innovative technologies that have changed the ways of decision-making. The use of these tools has increased and become more popular in various industries, but not in the political sector of Sweden. The tools have hardly been put in any use. A pandemic has taken place in the last two years, which has had major consequences for society. It has led politicians to make quick and effective decisions to manage and slow down the spread of infection. The purpose of this study was to investigate and discover if AI and Big data can be used in the political sector as decision support to make faster and more effective decisions. The research question that has been answered is: How can Big data and AI streamline politicians decision-making and at the same time maintain an ethical approach? The study has applied a qualitative approach, with the help of relevant literature various areas of use, problems, ethical challenges, and risks have been identified. Semi-structured interviews have also been conducted with politicians and AI specialists to see if it is possible to use and implement these tools in this field. After analysing empirical data and literature, it became clear that AI requires large amounts of data in real time to be able to contribute favourably. Much of the data that the political sector possesses has not yet been digitised, which is mandatory so that AI can be used as decision support. In conclusion, it is possible to use AI and Big data to streamline decision making in Sweden through document reading and analysis of documents. The problem is that it is not possible to ensure an ethical approach, as there is no ethical framework for the use of AI and Big data.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:hh-48772 |
| Date | January 2022 |
| Creators | Wälsjö, William, Persson, Mattias |
| Publisher | Högskolan i Halmstad, Akademin för informationsteknologi |
| Source Sets | DiVA Archive at Upsalla University |
| Language | Swedish |
| Detected Language | Swedish |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0026 seconds