The paradigm of diffusion research can be traced back all the way to the 1940s when Ryan and Gross investigated the diffusion of hybrid seed among farmers in Iowa. Since the 1960s diffusion research has been applied in a wide variety of disciplines, for instance, to study the diffusion of the Internet and the non-diffusion of the Dvorak keyboard. Currently, the technologies that are on top of the Gartner Hype Cycle are all associated with Artificial Intelligence (AI), which shortly can be defined as learning devices that perceive their environment and take actions to maximize their success at some goal. Consequently, some people suggest that the current hype surrounding AI can be the end of the human kind, while others believe it will give way for millions of fresh jobs and cleverer decision-making. In recent years both media and political organizations have shown great interest in AI. In addition, the industry is captivated by the potential uses of AI. In the last years, AI-related companies in the US have raised billions of dollars in the stock market together with a large number of acquisitions. The large flow of capital into AI technology underpins the fast development of AI solutions. The purpose of this study is to investigate how groups approach AI. What can be concluded after reviewing different sectors is that organizations seem to share a common interest of AI. Furthermore, organizations share the opinion that eventually AI will be a more natural part of their processes. Organizations investing a larger share of their budget in R&D have a longer experience of using AI and are currently doing projects utilizing more advanced technologies within AI. In organizations from other sectors, the investments in AI depend on the people with the authority to invest money in projects and their view on AI. Organizations generally seem to approach AI in a similar way. Firstly, they evaluate what AI is. Secondly, they find areas to make small iterative PoC-projects utilizing AI, usually with machine learning. Finally, more money is invested if the PoC-projects were successful and the organization starts looking at how to acquire more competence within the area to fully exploit the value of AI. / Paradigmet för innovationsspridning kan spåras ända tillbaka till 1940-talet när Ryan och Gross undersökte spridningen av hybridfrön bland bönder i Iowa. Sedan 1960-talet har forskningen tillämpats inom en mängd olika discipliner, till exempel för att studera spridningen av Internet och icke-spridningen av Dvorak-tangentbordet. För närvarande är teknologierna som ligger på toppen av Gartner Hype-cykeln alla förknippade med artificiell intelligens (AI), som kan definieras som lärande enheter som uppfattar sin miljö och vidtar åtgärder för att maximera sin framgång gällande något mål. Hypen som nu finns kring AI har lett till att vissa människor tror att det kan innebära slutet för mänskligheten medan andra tror att det kommer att ge plats för miljoner nya jobb och smartare beslutsfattande. Under de senaste åren har både medier och politiska organisationer visat stort intresse för AI samt visat intresse för potentiella användningsområden av AI. AI-relaterade företag i USA har under de senaste åren har tagit in miljarder dollar i riskkapital. Ett stort antal förvärv och kapitalflödet till AI-teknik ökar den snabba utvecklingen av AI-lösningar. Syftet med denna studie är att beskriva spridningen av AI i organisationer från ett antal olika sektorer. Vad som kan sägas efter att ha studerat olika sektorer är att organisationer delar en gemensam nyfikenhet för AI och att de tror att AI kommer bli en allt mer naturlig del av sina processer. De företag som spenderar mycket pengar på FoU har längre erfarenhet av att använda AI och gör för närvarande projekt som använder mer avancerade tekniker. I andra organisationer är investeringarna inom AI beroende av de anställda som har rätt att investera pengar i projekt och deras syn på AI. Organisationer verkar allmänt närma sig AI på ett liknande sätt där de först utvärderar vad AI är. Därefter väljer de ett antal områden där de gör små iterativa projekt där de utnyttjar AI, vanligtvis via ML. Därefter investerades mer pengar om de små projekten lyckas och företaget börjar titta på hur man kan förvärva mer kompetens inom området.
Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-241051 |
Date | January 2018 |
Creators | Tersander, Jacob |
Publisher | KTH, Skolan för industriell teknik och management (ITM) |
Source Sets | DiVA Archive at Upsalla University |
Language | English |
Detected Language | Swedish |
Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
Format | application/pdf |
Rights | info:eu-repo/semantics/openAccess |
Relation | TRITA-ITM-EX ; 2018:222 |
Page generated in 0.0029 seconds