Barrierer og drivere i AI-realiseringsprosesser

Abstract

Denne empiriske studien undersøker barrierer og drivere i AI-realiseringsprosesser i virksomheter hvilket er i prosessen med å implementere kunstig intelligens for et kommersielt formål. Det var Alan Turing som introduserte ideen om at maskiner kunne tenke allerede i 1950, men det er først i det siste tiåret at kunstig intelligens har gått fra å være et rent teoretisk konsept til å bli en reell anvendelig teknologi. Studiens formål er derfor å identifisere barrierer og drivere som påvirker et AI-initiativ, samt forutsetninger, hensyn og kjennetegn ved slike initiativ. Studien undersøker fenomenet AI-initiativ gjennom en kvalitativ multippel casestudie med en kombinasjon av deduktiv og induktiv forskningstilnærming. Datagrunnlaget er innhentet gjennom ni semi-strukturere kvalitative dybdeintervjuer med ledere og teknologer fra studiens fem case-virksomheter, hvilket opererer i flere ulike bransjer, samt et ekspert-intervju med prosjektleder i Norwegian Cognitive Center. Studien har avdekket at nivå av Artificial Narrow Intelligence (ANI) kompleksitet vil være avgjørende for hvilke barrierer og drivere virksomheter støter på under AI-realiseringsprosessen. De tre identifiserte overordnede nivåene av ANI-kompleksitet er; (1) Integration of third-party AI APIs, (2) Modification of third-party AI APIs, and (3) Development of AI models, where level 3 is the top level of complexity. The level of complexity will be a determining factor for which barriers and facilitating factors companies face within the aspects of scope & complexity, organizational circumstances, knowledge & competence, and data. Barriers and facilitating factors associated with organizational flexibility, privacy regulations, and motivation have been found to be applicable regardless of ANI complexity. Prior to the data collection, we developed an AI realization model based on several different literary contributions, where the AI realization process was presented as a linear process. On the other hand, empirical findings indicated that the AI realization process was a continuous and iterative process, where AI initiatives will become part of the companies' daily operations over time if they succeed with the process. Motivation was also revealed as an important aspect in the AI realization process as an initial and continuous facilitating factor. Findings also indicate greater uncertainty and lower predictability associated with AI initiatives organized in projects, compared to other development projects. This uncertainty seems to be augmented by a lack of AI expertise.