Uppsats

AI och Företagsstrategi: Hur Organisationer Anpassar sig för Framgångsrik Implementering

Master-uppsats

Stockholms universitet/Institutionen för data- och systemvetenskap

Publicerad: 2025

Språk: Svenska

Nyckelord

klicka för att söka

Sammanfattning

Denna studie undersöker hur företag kan säkerställa en framgångsrik implementering av artificiell intelligens (AI) genom att analysera strategiska, organisatoriska och kulturella faktorer. AI är en nyckelteknologi för innovation och effektivitet, men många organisationer misslyckas på grund av bristande samsyn i ledarskap, struktur och långsiktig planering. Huvudfrågan är: Hur kan företag strategiskt och organisatoriskt anpassa sig för att säkerställa en framgångsrik AI-implementering? Studien baseras på en systematisk litteraturöversikt av 37 granskade artiklar publicerade mellan 2019 och 2024, hämtade från databaser som Scopus, Web of Science och IEEE Xplore. En tematisk analys genomfördes för att identifiera återkommande mönster relaterade till strategi, ledarskap, teknik och organisationskultur i samband med AI-antagande. Resultaten visar att framgångsrik AI-implementering kräver en tydlig, datadriven strategi inbäddad i affärsplanen, aktivt ledarskap och effektiv förändringshantering. Företag som investerar i interna AI-kompetenser, skalbar infrastruktur, god datakvalitet och etisk AI-styrning har större sannolikhet att lyckas. Dessutom spelar en företagskultur som främjar innovation och kontinuerligt lärande en avgörande roll. Denna studie visar att AI-antagande inte enbart är en teknisk uppgift, utan en mångdimensionell strategisk och organisatorisk process. Jämfört med tidigare forskning erbjuder den en mer holistisk syn genom att integrera etablerade ramverk som Technology Acceptance Model (TAM) och Kotters åttastegsmodell med empiriska resultat. Framtida forskning uppmuntras att utforska fallstudier över olika branscher och undersöka hur AI-styrning och kulturell transformation utvecklas över tid.

Information

Lärosäte / institution
Stockholms universitet/Institutionen för data- och systemvetenskap
Publiceringsdatum
2025
Uppsatstyp
Master-uppsats
Språk
Svenska

Utforska vidare

Liknande uppsatser

Uppsatser med liknande ämnen och nyckelord.