Generativ AI – Fra generell til genial

Abstract

Denne masteroppgaven utforsker ny teknologi innenfor feltet generativ AI. Oppgaven utforsker effekten av skreddersydd Large Language Model (LLM) sammenlignet med generell LLM, med fokus på produktivitet, kvalitet og menneskelig involvering. Som følge av disse effektene vil oppgaven avslutningsvis undersøke hvordan skreddersydd LLM påvirker konkurransefortrinn gjennom differensiering.

I samarbeid med IT-selskapet Avo Consulting, gjennomfører vi et felteksperiment der ansatte bruker en skreddersydd LLM, Avo CV-generator, til å skrive prosjektbeskrivelser for CV-er. Tekstene sammenlignes med resultatene fra en kontrollgruppe som bruker en generell LLM, Microsoft Copilot. Gjennom eksperimentet innhenter vi data som belyser forskjeller i ytelse mellom de to modelltypene.

Hovedfunnene indikerer at skreddersydd LLM reduserer hastigheten i arbeidsutførelsen, men forbedrer kvaliteten på de genererte tekstene sammenlignet med generelle modeller. Vi finner også at menneskelig involvering påvirkes ved bruk av skreddersydd LLM. Selv om skreddersydde modeller krever mindre involvering, er menneskelig dømmekraft nødvendig for å vurdere og korrigere utdata. Studien adresserer med utgangspunkt i funnene hvordan skreddersydd LLM kan ivareta og forsterke organisasjoners konkurransefortrinn gjennom differensiering, noe som er avgjørende i et marked hvor mange selskaper har tilgang til liknende teknologi.

Denne forskningen bidrar til litteraturen om anvendelse av kunstig intelligens i næringslivet ved å dokumentere hvordan skreddersydd tilpasning av teknologi kan føre til merkbare forbedringer i profesjonelle settinger. I tillegg peker studien på begrensninger ved skreddersydd LLM. Avslutningsvis underbygger studien viktigheten av en strategisk tilnærming til AI-integrering, der bedrifter må vurdere både teknologiske, organisatoriske og menneskelige faktorer for å maksimere gevinstene av AI-investeringer.