Hvilke organisasonsmessige utfordringer opplever offentlige virksomheter ved implementering av kunstig intelligens, og hvordan jobber de med å løse utfordringene?
Year: 2020
Type: dissertation
Abstract: An increasingly number of public organizations are using artificial intelligence.The organizational challenges they face are understudied.This study explores the following research question: What organizational challenges do public organizations experience in implementing artificial intelligence, and how do they work to address these challenges?The study's theoretical framework was based on a review of relevant research literature, in which three main challenges were identified within the organizational areas of knowledge, structure and culture: (1) Obtain and unite AI knowledge with business understanding (knowledge), (2) AI development is not coordinated with existing work processes and structures (structure), and (3) AI changes power relations and creates cultural resistance (culture).The study is a qualitative hermeneutical-phenomenological, where the researchers combined an active use of our own preunderstanding, and at the same time tried to be as open as possible to the informants' experiences and assessments.Qualitative in-depth interviews were conducted with 15 people, of which two were researchers at NTNU and the remaining ones were managers and project managers in six public organizations.The interviews were analyzed using deductive-inductive thematic analysis, in which we selected key themes the informants were concerned with.The findings of the dissertation consist of 12 sub-themes or patterns of implementation challenges and 13 solutions, divided into the three main challenge areas from the literature review mentioned above.In summary, this shows: Acquire and combine AI knowledge with business understandingChallenges:-AI experts are difficult to recruit -AI knowledge disappears from the organization -Difficult to combine AI understanding with business understanding -Legislation is not exploited due to, among other things, fear of treading errors.Solutions:-Build alliances with AI environments and make your own environment attractive -work interdisciplinary and raise awareness of the need for artificial intelligence -increase the knowledge about artificial intelligence among juridical experts within the organization.KI-utvikling ikke koordinert med eksisterende arbeidsprosesser og strukturer Utfordringer: -Ressurser ikke tilgjengelige når de trengs -Interne brytninger mellom avdelinger -Uklar beslutningsmyndighet rundt bruk av KI-løsninger -Drift av eksisterende KI-modeller binder opp utviklingskompetanse -Datainnsamling ikke tilpasset kunstig intelligens Løsninger: -Opprette tverrfaglige team -Ha en strategi som vektlegger kunstig intelligens KI endrer maktforhold og skaper kulturell motstand Utfordringer: -Kunstig intelligens truer eksisterende makt, status og kompetanse -Manglende evne og vilje til omstilling -Manglende tillit til KI-løsningene Løsninger: -God kommunikasjon -Grundig og gradvis implementering -Involvering og tverrfaglighet -Fremheve suksess -Bruke tvang -Dra i samme retning -Fremsnakke kunstig intelligens -Skape tillit til KI-modellene Denne studien viser at implementering av kunstig intelligens i offentlige virksomheter skaper flere utfordringer som berører både kompetanse, struktur og kultur, og at disse områdene ofte må ses i sammenheng for å kunne løses.Resultatene fra studien og vårt rammeverk kan benyttes til mer ekstensive og robuste studier, etter hvert som kunstig intelligens tas mer i bruk.v Forord Denne masteroppgaven danner avslutningen på et studium i Master of Business Administration (MBA) ved Nord Universitet.Før vi søkte studiet var vi klar over at dette kom til å kreve mye i forhold til både jobb og familie.Det var avgjørende at vi var motiverte for å gå i gang med et treårig studium.Motivasjonen har det ikke vært noe i veien med, selv om studiene har krevd mye tid og utholdenheten har blitt satt på prøve.Når vi likevel har greid å følge dette løpet, skyldes dette at studiet og samlingeneog en interessant masteroppgavehar gitt oss påfyll av energi.Fagene har vært interessante og relevante å ta med seg, både til masteroppgaven og til våre ordinære jobber i Nasjonalt kompetansesenter for psykisk helsearbeid (NAPHA) og i Domstoladministrasjonen. Vi ønsker å rette en stor takk til våre informanter i de seks offentlige virksomhetene vi intervjuet.I tillegg vil vi fremheve et ekspertintervju med to forskere ved Norwegian Open AI-lab ved NTNU.Deres erfaringer med å bistå offentlige virksomheter med å innføre modeller for kunstig intelligens ga et verdifullt utenfra-blikk på problemstillingen.Arbeidet med masteroppgaven har gitt mange runder med drøftinger og valg.Det har vært en fordel å være to hoder til å tenke og jobbe sammen.I perioder med usikkerhet har vi hatt stor nytte av drøftinger med vår veileder.Vi ønsker derfor spesielt å takke Trond Stiklestad for mange hyggelige og nyttige møter, der vi har fått gode innspill og blitt inspirert.Vi vil også takke Morten Goodwin for hjelp med både å forstå kunstig intelligens og komme på sporet av informanter til studien.Videre retter vi takk til Ottar Ness, Trond Hatling og alle andre som har bidratt med sin tid og kunnskap.Avslutningsvis må vi også takke familien for tålmodigheten som er vist i de mest krevende periodene.Innholdet i avhandlingen står for øvrig for forfatternes egen regning.vi
Authors: Fikkan, Arnstein, Fleiner, Roald Lund
Language: Norwegian
Subfield: Artificial Intelligence
Field: Computer Science
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W7001007002