Generativ AI i B2B-företags analys- och beslutsarbete : En kvalitativ fallstudie om tillit, upplevelser och organisatoriska förutsättningar

Sammanfattning

Bakgrund: Digitalisering och utvecklingen av Big Data har skapat nya sätt för företag att arbeta datadrivet och använda sig av artificiell intelligens (AI) i analys- och beslutsprocesser. Tidigare forskning visar att AI kan effektivisera analysarbete, förbättra beslutsunderlag samt öka konkurrenskraft för företag. Samtidigt så präglas implementeringen av organisatoriska utmaningar, begränsningar och osäkerhet kring hur tekniken används hos B2B-företag i praktiken. Syfte och forskningsfrågor: Syftet med studien är att utforska hur två B2B-företag använder och förhåller sig till generativ AI i sitt analysarbete, samt vilka möjligheter, utmaningar och organisatoriska faktorer som framträder kopplade till AI-användning. Studien utgår från två olika forskningsfrågor: - Hur använder och förhåller sig B2B-företagen till generativ AI i sitt analysarbete? - Vilka möjligheter, utmaningar och organisatoriska faktorer framträder i B2B-företagens arbete med generativ AI i analysprocesser? Metod: Studien är en kvalitativ induktiv fallstudie med ett interpretativt forskningsparadigm, konstruktionistisk ontologi och hermeneutiskt epistemologiskt perspektiv. Grounded Theory används som inspiration för kodningsprocessen i analysarbetet. Det empiriska materialet samlades in genom semistrukturerade intervjuer med respondenter från två B2B-företag. Materialet analyserades genom öppen och selektiv kodning där kategorier och mönster växte fram ur en iterativ analysprocess. Referensram: Här behandlar tidigare forskning omkring AI inom organisationer, analysarbete i B2B-företag samt möjligheter och utmaningar med AI. Fokus riktas mot organisatoriska faktorer, datakvalitet, beslutsfattande, tillit och implementering av AI hos företag. Slutsats: Resultatet från empirin visar främst att AI används som ett stöd inom analysarbetet snarare än en fullt integrerad lösning. AI används främst för att hantera information, identifiera mönster, utveckla idéer och som beslutstöd. Det framkommer att mänsklig kontroll och kvalitetssäkring är centralt för att minska risken för felaktig information, bias och bristande transparens. Studien visar även att organisatoriska faktorer såsom kompetens, erfarenhet, datastrukturering, riktlinjer och tillit påverkar hur AI används i analysarbetet. Slutsatsen är att AI idag fungerar som ett kompletterande verktyg där människan fortfarande har kontrollen men samtidigt så förväntas användningen att öka i takt med teknisk utveckling och förbättrad AI teknik.