AI-Powered Decision Mapping and policy/regulation control

○ How can we with the help of AI effectively map out how decisions are actually made in an organization by 2025, and understand why they are made that way?

○ How can AI efficiently assist us in creating efficient data sources of policies, regulations, industry standards, and strategic goals from various sources and formats?

In modern organizations, decision-making isn’t always as straightforward as following official policies or structures. Many factors—such as hidden power dynamics, data-driven insights, cognitive biases, and external pressures—shape the way choices are made. In this session, we will discuss how AI can be used to map decision-making pathways, identify key influencing factors, and ensure alignment with business objectives. Whether you’re interested in AI, business strategy, or organizational psychology, this session will be a discussion to bring insights into the future of decision making in any organisation.

In today’s fast-paced world, businesses, organizations, and governments are faced with a vast amount of documentation in the form of policies, regulations, industry standards, and strategic goals. These documents often come from a variety of sources, each with its own format (PDFs, Word documents, HTML pages, etc.), and they can vary widely in structure, language, and complexity. These documents are often lengthy, detailed, and technical, requiring expert knowledge and significant time to interpret correctly.

As regulatory environments become more complex and industry standards continue to evolve, the need to efficiently navigate and extract actionable insights from this content becomes critical.

These might be relevant areas of research?

Organizational Behavior & Decision Science
Artificial Intelligence & Machine Learning
Process Mining & Business Process Management
Natural Language Processing (NLP)
Knowledge Representation & Semantic Technologies
Human–AI Interaction & Sociotechnical Systems Research
Human–Computer Interaction (HCI)
Information Retrieval & Document Understanding
Legal Informatics & Regulatory Technology (RegTech)
AI for Information Governance
Data Engineering & Knowledge Integration
Data Curation & Human-in-the-Loop Systems

Keeping AI up to date for continuous decision making support

○ What are the most effective strategies for continuously updating AI models based on real-world outcomes, user feedback, and dynamic feedback loops to ensure long-term accuracy, adaptability, and alignment with evolving objectives?

○ How can we manage conflicting goals and weigh various types of information when there is no predefined prioritization framework?

For AI-driven systems to remain valuable over the long term, they need to adapt to the ever-changing world around them. Without an effective strategy for continuous updates, businesses and organizations risk their AI models becoming less relevant, less accurate, and ultimately ineffective. AI systems are designed to learn from data and improve over time, but one of the key challenges lies in ensuring that these models remain accurate and relevant as real-world conditions change. Unlike static systems, AI models should be dynamic and responsive, evolving to account for new data, feedback from users, and shifting trends in the environment. This question is particularly relevant in industries like tech, healthcare, finance, and autonomous systems, where AI’s ability to learn from and adapt to real-world feedback is critical to maintaining competitive advantage, meeting regulatory standards, or ensuring safety.

– How can organizations balance the need for open data access with privacy and security concerns?

– How can data ownership be structured so that entities retain control while enabling research, collaboration, and coordination?

– How can decentralized data-sharing models (e.g., Data Trusts, Federated Learning) be applied to corporate and public sector decision-making?

In many decision-making scenarios, especially within complex organizations or projects, conflicting goals and ambiguous information can create significant challenges. Often, there isn’t a clear framework or set of guidelines that indicates which goal or piece of information should take precedence. This lack of prioritization can occur in areas such as business strategy, policy development, product design, or project management, where multiple stakeholders have differing priorities, and the available data is incomplete or contradictory. Without a clear structure for weighing these competing interests, decision-makers can struggle to reach outcomes that are balanced, effective, and aligned with broader objectives. This can result in inefficiency, suboptimal choices, and missed opportunities. Understanding how to handle these situations, especially with the help of AI or advanced decision support tools, can lead to more consistent and well-rounded decision-making.

These might be relevant areas of research?

AI Lifecycle Management & Continual Learning
Machine Learning Operations (MLOps)
Reinforcement Learning & Adaptive Systems
Human-in-the-Loop Learning & Feedback Integration
Causal Inference & Explainable AI (XAI)
Data Governance & Privacy Engineering
Decentralized Data Sharing & Federated Learning
Data Trusts & Institutional Data Stewardship
Ethics & Responsible AI
Multi-Criteria Decision Making (MCDM)
Fuzzy Logic & Uncertainty Modeling
Game Theory & Strategic Decision Modeling

Vilka är de viktigaste faktorerna att tänka på för att få en lyckad implementering av AI i en lärandemiljö?

Vi arbetar för att få till en lärandemiljö, både genom fysiska och webbbaserade utbildningar. Det skulle vara spännande att få input från forskare hur AI kan nyttjas i detta hänseende. Finns det några goda exempel sedan tidigare, och vilka faktorer är viktiga att få till, för att en eventuell implementering av ett AI-lärande ska bli lyckat?

Hur skulle man kunna låta en AI interagera med en elev och ge lagom mycket stöd när en elev inte lyckas lösa en matematikuppgift?

Idag finns det goda möjligheter att låta en elev använda AI för att lösa matematikuppgifter som eleven inte lyckas lösa. AI kan då både lösa uppgiften och stegvis visa hur det gick till. Men att eleven får en lösning och därmed inte själv behöva hitta ett sätt att lösa uppgiften leder inte med självklarhet till att eleven lär sig den matematik som uppgiften avsåg att träna. För att lära och utveckla förståelse för matematik behöver eleven själv undersöka uppgiftens matematiska samband och hitta ett sätt att lösa uppgiften.
Vi skulle vilja utforska möjligheten att låta en AI interagera med en elev och ge lagom mycket stöd när en elev inte lyckas lösa en matematikuppgift. Ett stöd som hjälper eleven att själv lösa uppgiften och därmed kan lära sig matematik därav.
Inom vår forskargrupp har vi i flera forskningsstudier arbetat med att ta fram ett stöd (ett ramverk) för lärare som syftar till att ge elever framåtsyftande återkoppling vid uppgiftslösning då eleven inte lyckas lösa en problemuppgift i matematik. Vi skulle vilja undersöka möjligheterna hur det lärarstöd som vi har utvecklat skulle kunna användas via en AI istället för en lärare. Se bilaga för publikationen innehållande lärarstödsramverket.

URSTEME_2025_1.pdf

Skulle lärarstudenter i matematik kunna utveckla hjälppraktiker genom att träna på elevavatarer?

Matematiklärarstudenters (och lärarstudenter i andra ämnen) möjligheter att träna på att hjälpa elever är begränsade till VFU-perioder och eventuellt animerade simulering där studenter turas om att spela elever-lärare i rollspelsliknade situationer. Inom vår forskargrupp har vi i flera forskningsstudier arbetat med att ta fram ett stöd (ett ramverk, URSTEME_2025_1.pdf) för lärare som syftar till att ge elever framåtsyftande återkoppling vid uppgiftslösning då eleven inte lyckas lösa en problemuppgift i matematik. I studierna har vi också sett hur svårt det är att hjälpa elever på ett effektivt och hållbart sätt, därför skulle lärarstudenter vara hjälpta av att få fler möjligheter att lära sig hjälpa elever för att kunna tillgodogöra sig effektiva praktiker för att hjälpa elever. Linköpings universitet har en utbildning i klassrumsledarskap och konflikthantering. Ledarskap och konflikthantering i klassrummet, 7.5 hp – Linköpings universitet, som en del av denna utbildning får kursstudenterna träna på avatarer att hantera klassrumssituationer. Vår idé som vi vill testa på er är om det skulle vara möjligt att skapa en avatar (en eller flera elever som har olika svårigheter med att lösa matematikuppgifter) som lärarstudenter få träna på att använda lärarstödsramverket och på så sätt få bättre möjligheter att utveckla effektiva praktiker att hjälpa elever i matematik.

URSTEME_2025_1.pdf

Hur skulle AI kunna nyttjas i första steget/kontakten med ett Kontaktcenter samtidigt som en hög kvalitet bibehålls i kundservicen?

I takt med att digitalisering och automatisering får ett allt större genomslag inom olika branscher, har även kontaktcenter blivit en central del av många företags kundtjänststrategier. Traditionellt har kontaktcenter varit beroende av manuella processer där kundtjänstmedarbetare hanterar ärenden via telefon, e-post eller chatt. Det första steget i kontakten med ett kontaktcenter är kritiskt för kundens upplevelse och kan ha en stor inverkan på både kundnöjdhet och effektiviteten i ärendehanteringen. Med tanke på detta blir det viktigt att utforska hur AI kan användas på bästa sätt för att initialt möta kundens behov och samtidigt bevara en hög kvalitet i kundservicen.

Hur kan vi bevara demokratisk och social kompetens när AI får en alltmer koordinerande roll i samhället?

I sin kritik av smarta städer argumenterar sociologen Richard Sennett att koordinerande teknologi minskar det mellanmänskliga mötet och på så sätt ökar förekomsten av negativa stereotypen, minskar intelligens och kreativitet, samt ökar alieneringen (Building and Dwelling, 2018). Allt eftersom AI introduceras i fler samhällssektorer finns en risk att det mellanmänskliga ersätts och att de sociala/diplomatiska kompetenserna samt förmågorna att hantera olikheter och målkonflikter minskar. En ytterligare risk är att demokratiska samtalet kan bli svårare vilket då kan öka upplevelsen av utanförskap och skapar utrymme för växande populism.

Kan AI vara ett verktyg som möjliggör för design och utvärdering av deliberativa processer?

Ett medborgarråd (Citizens’ assembly) är ett exempel på deliberativ demokrati och kan i bästa fall vara mer en mer representativ samhällsröst än en opinionsundersökning eller en folkomröstning. Deliberation är i grunden baserad på upplevelser och intersubjektivitet. En av utmaningarna i medborgarråd är att skapa en faktabaserad men intersubjektiv/deliberativ process. Involvering av AI i den processen skulle kunna öppna upp för både möjligheter och risker. Exempelvis har AI nämnts som en möjlig hjälpreda för att göra kunskap och information enkelt tillgänglig för deltagarna. Dock kan det finnas risker så som risk att AI kan ge felaktig information eller vinklade resultat från den data som AI:n blivit tränad på eller att AI skiftar fokus från deliberation om värderingar och upplevelser till diskussioner om information och praktiska detaljer. Hinder kan uppstå där mänskliga upplevelser, värderingar och visioner måste prioriteras. Eller skulle en AI kunna gå igenom resultatet och ge bedömningar och råd om hur man bör använda/närma sig resultatet och exempelvis översätta output till konkret policy?

AI som möjliggörare för social hållbarhet – riskerar teknologin att öka det digitala utanförskapet eller kan AI överbrygga digitala kunskapsklyftor på ett etiskt och juridiskt hållbart sätt?

En stor utmaning vi ser i våra verksamheter är att den digitala kunskapsklyftan riskerar öka till följd av införandet av avancerad digital teknik som AI. Vi har i olika sammanhang sett att individer med god kognitiv och digital förmåga gynnas betydligt mer av AI-stöd än de med lägre digital kompetens.
Ett konkret exempel är från gymnasieskolan, där elever med hög digital och kognitiv kapacitet effektivt använder ChatGPT för att förfina och förbättra sina texter, medan svagare elever tvärtom riskerar att hamna ännu längre efter och känna uppgivenhet. Liknande erfarenheter finns även inom Socialförvaltningen, där brukare med sämre digital och kognitiv förmåga har svårt att dra nytta av den digitala tekniken, vilket förstärker utanförskapet. Det strider mot tanken om en likvärdig utbildning och om en socialt hållbar framtid.
Vi ser ett tydligt behov av att forska kring hur AI istället kan användas för att minska dessa digitala kunskapsklyftor. Hur kan AI-lösningar utformas för att aktivt hjälpa individer med olika nivåer av kognitiv och digital förmåga, särskilt inom utbildning och socialtjänst? En central utmaning är också att säkerställa att användningen av AI sker inom ramen för gällande regelverk, såsom GDPR, dataskyddsfrågor och EU:s AI-förordning, särskilt då vi arbetar med känsliga målgrupper som barn, elever och brukare.

2. Mognad och erfarenhet av AI
Både Utbildningsförvaltningen och Socialförvaltningen deltar aktivt i det kommunövergripande projektet ”Ansvarsfull digitalisering” som handlar om implementering och användning av AI-system på ett etiskt hållbart sätt. Utbildningsförvaltningen har bland annat arbetat med AI-system för kartläggning av elevers läsutveckling. Socialförvaltningen undersöker möjligheten med en AI-baserad lösning för personer med intellektuell funktionsnedsättning att ta till sig och förstå information, utifrån individuella behov och förutsättningar
Tillsammans har förvaltningarna genomfört tester av digital assistent inom förskola och sociala omsorg.


Det finns tankar på att en AI-assistent skulle kunna vara en lösning, som är anpassningsbar utifrån varje individs specifika behov och kognitiva förmåga eller digital assistent som kan bryta ner komplex information på ett pedagogiskt och individanpassat sätt, och som guidar eleven eller brukaren framåt. I syfte att öka tillgängligheten, skapa trygghet och minska risken för digitalt utanförskap. I utbildningssammanhang handlar det också om möjligheten att öka elevernas lärande och uppfylla skolväsendets kompensatoriska uppdrag.
För att kunna genomföra ett sådant här forskningsprojekt vore det önskvärt med någon form av ”regulatorisk sandlåda för AI” som stöd, där vi på ett kontrollerat sätt kan experimentera med AI-lösningar utan att äventyra integritet, etik och efterlevnad av lagstiftning.
Vi vill gärna träffas för att fördjupa diskussionen, och utforska möjligheter till ett gemensamt forskningsprojekt. Och vid det mötet också bolla frågor om genomförbarhet och omfattning, forskningsmedel och kostnader.

Hur kan Umeå kommun skapa förutsättningar för att tackla välfärdsutmaningar med stöd av AI på bästa sätt? Vad behöver göras för att stärka ledares och medarbetares vilja, förmåga och kompetens?

(samtalet genomförs på svenska)

Umeå kommun behöver vägledning i denna fråga skyndsamt och kommungemensamt. Vill gärna ha konkreta exempel på hur vi kan ta an medarbetarnas oro och synpunkter gäller AI.

Hur kan vi på ett strukturerat sätt mäta och jämföra sanningshalten mellan olika AI-språkmodeller, samt utforma prompts för att minimera bias och hallucinationer?

Hur kan vi lita på svaren som en förtränad språkmodell ger? T ex ChatGPT är ju snabb och be om ursäkt då man rättar den.

Hur kan AI stärka ungas demokratiska deltagande?

Bara hälften av Sveriges unga känner sig delaktiga i dagens samhälle (källa MUCF). 85% av unga i Sverige känner att beslutsfattare inte lyssnar på dem och färre än 2/10 unga känner att dem kan påverka sin kommun. Varannan person i åldersgruppen 16–24 har använt generativa AI-verktyg under de tre senaste månaderna (källa SCB). Vi vet att ungas tilltro till demokratin behöver stärkas och att unga behöver bli mer delaktiga i samhällsutvecklingen – vilket betyder att vuxna i högre grad behöver arbeta på att släppa in unga i maktens korridorer. Vi vill utforska frågan om hur AI kan stärka ungas demokratiska deltagande? Gärna med fokus på unga i landsbygder.

Vilken roll kan folkbiblioteken spela när det gäller att att öka invånarnas kunskap om AI?

Mot bakgrund av utvecklingen inom AI och regeringens AI-kommissionen; färdplan för Sverige betonas folkbibliotekens betydelse i att öka allmänhetens kunskap om artificiell intelligens (AI). Kommissionen föreslår en satsning på 100 miljoner kronor årligen under perioden 2025–2029 för att stärka bibliotekens uppdrag att främja användningen av informationsteknik för kunskapsinhämtning och lärande. Målet är att allmänheten ska kunna prova på och använda AI-verktyg kostnadsfritt. Med utgångspunkt i detta finns många områden att utforska när det gäller folkbibliotekens roll i förhållande till AI; exempelvis
– Vilka typer av AI-verktyg är mest relevanta för folkbibliotek att erbjuda allmänheten?
– Hur kan folkbibliotek effektivt integrera AI-verktyg i sina tjänster för att främja digital inkludering?
– Vilka etiska frågor uppstår när folkbibliotek introducerar AI-verktyg för allmänheten? Biblioteken i Örnsköldsvik tillsammans med Härnösands bibliotek och Regionbibliotek Västernorrland driver ett mindre projekt för att utforska användningen av AI-generativa Chatbotar. Vi ser det som ett mycket intressant område att utvidga och ser också möjligheten att tillsammans med Umeå Universitet och kanske även folkbibliotek och Regionbibliotek i Västerbotten utforska detta ytterligare genom ett eventuellt forskningssamarbete.