Kunstig intelligens og forretningsmodellinnovasjon i medieselskaper

Abstract

Da vi startet prosessen med å skrive denne masteroppgaven avdekket vi en unik mulighet for å utvikle en svært spennende oppgave ulik alle andres – med stor nyhetsverdi. Denne eksplorative multiple case-studien tar for seg hvordan innovasjonsselskaper i medieklyngen i Bergen forholder seg til kunstig intelligens. På grunn av fenomenets kompleksitet og mangel på tidligere forskning gikk vi bredt ut for å forsikre oss om at vi fikk belyst og dekket relevante områder. Gjennom denne iterative prosessen avdekket vi fire særlig interessante elementer i selskapene sine forretningsmodeller; verdiforslag, inntektsstrømmer, nøkkelaktiviteter og nøkkelpartnere. Videre så vi at det var relevant å undersøke dette i lys av selskapenes omgivelser. Vi valgte derfor å også fokusere på teknologiske omgivelser fra PESTEL-rammeverket, samt søylene i de institusjonelle omgivelsene. Målet har vært å avdekke hvordan disse innovasjonsselskapene forholder seg til kunstig intelligens og hva de vektlegger i omgivelsene, samt hvordan de håndterer dette, i tillegg til å belyse hvordan kunstig intelligens benyttes i selskapenes forretningsmodeller. Gjennom en rekke intervjuer med følgende case-selskaper; IBM, TV 2, Vimond og Mjoll, samt intervjuer med NCE Media, Departementenes sikkerhets- og serviceorganisasjon og Beat Technology, avdekket vi at krefter i de teknologiske omgivelsene presser på for endringer – samtidig som at krefter i de institusjonelle omgivelsene bremser graden av adopsjon av innovativ teknologi som kunstig intelligens. Videre fant vi at dette dilemmaet kan håndteres gjennom forretningsmodellinnovasjon. Samtlige case-selskaper benytter seg av kunstig intelligens av typen maskinlæring, til tross for at maskinlæringen på langt nær er optimal per i dag. Den forbedres imidlertid hurtig. Det er avgjørende at bruk av slik teknologi ikke skaper demokratiske utfordringer og at den håndteres i tråd med normer og verdier som tillit og troverdighet samt regelverk som GDPR. Selskapene legger til rette for økt forskning og utvikling samt adopsjon av maskinlæring gjennom FMI ved økt fokus på fleksibilitet og forbedringer i eksempelvis aktiviteter, samarbeid og prosjekter.