Figur 1 Användningen av AI i olika projektfaser 

Hösten 2022 slogs vi alla med storm av gjennombrottet för stora språkmodeller och de textgenererande egenskaper dessa gav diverse chatbots. Tidgare hade man närmast ansett att AI och automation vill radera ut diverse mekaniska och rutinmässga arbetsuppgifter, medan man nu insåg att allehanda andra typers arbetsupgifter och stod att vinna på användiningen av AI (inte minst inom den akademiska världen där en stor del av vardagen går till att läsa och skriva text). Påhejade av både konsulter, forskare och domedagsprofeter började man både på individ- som på organistionsnivå testa och utreda hur språkmodellerna kunde effektivisera och förbättra just mitt eller vår organisations arbete. Mot den bakgrunden är det inte överraskande att generativ AI också varit ett av populäraste temana för progradu- och diplomarbeten. Denna vår har jag bevittnat fem sådana arbeten genom mina värv vid både Åbo Akademi och Universitetet i Agder i Norge. Vi skall här kort redogöra för dem och speciellt arbetet av Frydelund & Moter (2024). 

Användning av generativ AI i projekt 

Om vi först ser lite bredare på AI kan vi konstatera att de stora språkmodellerna är toppen av ett isberg. De har gjort AI tillgängligt för gemene datoranvändare. I sin studie av hur AI kan användas för att befrämja innovation föreslår Meiseth och Bergan (2024) att de olika faserna i ett utvecklingsprojekt kan kräva olika typers AI (LLM – stora språkmodeller, DL – deep learning, statistiska modeller) liksom Figur 1 visar. 

Sedan till frågan hur generativ AI specifikt används i dag inom projekt. Middelton och Dageid (2024) identifiererar i sin studie fem ‘use case’: 

• Förbättring av texter 
• Transkription av möten (dvs mötesprotokoll)
• Arbetsnedbryting (dvs skapandet av en WBS) 
• Uppsummering av pdf-filer 
• Diskussionspartner  

AI för att hjälpa till i beslutsfattande situationer 

I en annan studie underökte Fydenlund & Moter (2024) hur generativ AI kan hjälpa oss i olika beslutssituationer. De identifierade tre faser i en beslutsprocess där chatbots används: en förberedelsefas, en ‘sparring’-fas’ och själva beslutsfasen. De fann vidare se en klar skillnad på användningen av generativ AI beroende på om beslutet som skall ta är avdelningsinternt eller om det inverkar på arbetet i andra avdelningar. I den förstnämnda situationen används chatbots gärna i samtliga tre faser, även om man ännu inte använder den i själva beslutsfasen. Det fanns dock en uttalad önskan att komma närmare en sådan situation i framtiden. I de enklaste beslutssituationer  verkar det vidare inte finnas något större behov för chatbots som en ‘sparring’- eller diskussionspartner. Gällande beslut som har verkningar över avdelningsgränserna verkar generativ AI närmast användas för diverse förberedelser. 

Utmaningar och utveckling av AI 

Nu då generativ AI redan använts en tid börjar det också stå klart vad de (ännu) inte lämpar sig för. Frydenlund och Moter (2024) noterar bland annat beslut som kräver mänsklig intuition och emotionell intelligens. Kvaliteten på de texter AI-verktygen genererar verkar också variera beroende på vilken typs texter de är upptränade med. Ett av de största hindren för an ökad använding av generativ AI verkar dock vara riskerna med att dela sensitiv information med AI-verktygen (jmf. Maddison, 2023). En intressant lösning inom det akademiska erbjuds av Universitetet i Oslo, som utvecklat en tjänst som tillåter både studenter och anställda att använda Open AI’s GPT modeller inom ramen för universitetets krav på integritet (Universitetet i Oslo, 2024). 

Dammet har lagt sig och hypekurvan svängt. Nu börjar det verkliga arbetet med att ta i bruk generativ AI på ett sätt som verkligen skapar mervärde och hjälper oss att göra vårt arbete snabbare, intressantare, lika meningsfullt och till bättre kvalitet. 

Kirjoittajat:

Magnus Hellström 

Åbo Akademi 

Fredrik Brinch Frydelund,  

University of Agder 

Zeineb Shaker Moter 

University of Agder