Explorativa AI-projekt 2025

<p>I videoklippen på den här sidan kan du lära dig mer om projektet; varför det startades, hur rekrytering och genomförande gick till samt vilka lärdomar organisationen kunde dra av projektet.</p>
<p><em><strong>Alla videoklipp är på svenska med engelska undertexter. Översättningar, undertexter och förklarande texter till videoklippen har tagits fram med AI-verktyg.</strong></em></p>

<p>Videon presenterar Chalmers sommarprojekt som syftar till att utforska hur AI kan användas inom administrativa processer. Projektet fokuserar inte enbart på teknisk utveckling utan lägger stor vikt vid kulturförändring och att engagera många medarbetare i arbetet. Ett centralt mål är att identifiera och adressera såväl tydliga som mer dolda behov, vilket beskrivs som att arbeta med både ”known unknowns” och ”unknown unknowns”. För att öka effekten och spridningen har projektet expanderat från att omfatta 4 till hela 26 studenter, samt från 4 till 26 delprojekt under perioden 2024 till 2025. På detta sätt möjliggörs fler perspektiv och innovation kring AI-lösningar inom administrativa uppgifter och processer. Det primära budskapet är att verklig förändring kräver brett engagemang, noggrann utforskning av behov och kontinuerlig kompetensutveckling.&nbsp;</p>
<h4>Sammanfattning:</h4>
<ul>
<li>Chalmers driver ett AI-projekt inom administration som prioriterar kulturförändring.</li>
<li>Bred involvering av medarbetare och studenter står i centrum.</li>
<li>Arbetet täcker både välkända och ännu outredda administrativa behov.</li>
<li>Projektet har kraftigt utökats mellan 2024 och 2025 för större genomslag.</li>
</ul>

<p>Videon handlar om Chalmers explorativa AI-projekt och processen för att samla in och prioritera AI-relaterade idéer inom organisationen. Genom workshops med det centrala verksamhetsstödet samlades hela 635 idéer in, vilket visade på ett stort engagemang och intresse för AI-frågor. Därefter användes artificiell intelligens som verktyg för att effektivt kategorisera och prioritera de insamlade förslagen. Processen mynnade ut i 24 utvalda startpromtar eller projekt, som presenterades och förankrades brett i organisationen för att skapa gemensam förståelse och stöd inför det fortsatta AI-arbetet.</p>
<h4>Sammanfattning</h4>
<ul>
<li>Stort intresse för AI genererade 635 idéer på Chalmers.</li>
<li>Workshops och AI användes för att samla in och prioritera förslag.</li>
<li>AI underlättade kategorisering och urval bland många idéer.</li>
<li>24 prioriterade projekt förankrades brett i organisationen.</li>
</ul>

<p>AI användes även under rekryteringen till projektet för att stödja urvalsprocessen. Istället för traditionella personliga brev fick kandidaterna svara på 50 noggrant utvalda frågor, vars svar analyserades automatiskt med hjälp av olika avancerade språkmodeller, såsom de från OpenAI och Anthropic.</p>
<p>AI:n filtrerade ansökningarna och gav rekommendationer, vilka sedan validerades manuellt av rekryteringsteamet för att säkerställa kvalitet och mångfald i urvalet. Resultatet blev sammansättningen av tvärdisciplinära projektteam, där medlemmar med olika kompetenser och bakgrunder kombinerades för att skapa bästa möjliga förutsättningar för innovation och samarbete.</p>
<h4>Sammanfattning:</h4>
<ul>
<li>-AI kan effektivisera och objektivisera urvalsprocessen vid rekrytering.</li>
<li>Strukturerade frågor ersatte traditionella personliga brev.</li>
<li>Olika språkmodeller ger möjlighet att jämföra och förbättra analysen.</li>
<li>Manuella inslag säkerställer att AI:n fungerar rättvist och träffsäkert.</li>
<li>Tvärdisciplinära team stärker projektens innovationskraft.</li>
</ul>

<p>När rekryteringen var klar delades de 24 masterstudenterna in i sex tvärvetenskapliga team. Efter introduktion och onboarding fokuserade projektet på praktiska arbetsmoment, strukturerad teambuilding samt regelbundna avstämningar för ökad lärande och utveckling.</p>
<p>Deltagarna hade en flexibel teknikplattform samt kontinuerlig teknisk och administrativ hjälp som stöd. Externa gäster bjöds in som inspirationskällor och studenterna dokumenterar projektets progression genom veckovisa blogginlägg.&nbsp;</p>
<p>Stor vikt las vid att studenterna fick arbeta självständigt, samtidigt som de hade tillgång till guidning och resurser genom hela perioden.</p>
<h4>Sammanfattning:</h4>
<ul>
<li>Tvärvetenskapligt upplägg och lagarbete står i centrum.</li>
<li>Praktisk tillämpning kombineras med strukturerad handledning och stöd.</li>
<li>Externa gäster och blogginlägg främjar reflektion och inspiration.</li>
<li>Teknikplattform och support säkerställer effektivt projektarbete.</li>
</ul>

<p>Videon ger en översikt av verktyg och tjänster för AI-projekt vid Chalmers sommaren 2025, med fokus på skillnader mellan kommersiella molntjänster och lokala open source-lösningar. Den beskriver de vanligaste LLM-tjänsterna som ChatGPT, Claude, Copilot och Sana, och hur dessa kan användas för bland annat textgenerering och kodstöd. Kostnader per projekt eller prototyp är låga relativt till konsulttjänster, och processen för att hålla kostnader under kontroll tas upp. Speciell betoning läggs på Claude Code för kodgenerering, samt på API-användning och fördelar med lokala modeller när det gäller flexibilitet, säkerhet och budget.</p>
<p>En obligatorisk verktygslista presenteras, men det påtalas att det ibland räcker med bara ett fåtal verktyg beroende på projektets storlek och syfte. För administration och licenshantering rekommenderas att använda dedikerad e-postadress och kreditkort för att hålla ordning på prenumerationer och tillgång. All kod förvaras i Chalmers officiella GitHub-repositorium med krav på versionshantering, vilket betonas som viktigt även vid fri programvara.</p>
<h4>Sammanfattning:</h4>
<ul>
<li>-Välj mellan molnlösningar och lokala open source-modeller utifrån projektets behov.</li>
<li>Kostnadskontroll är möjlig genom att noggrant välja och begränsa antalet verktyg.</li>
<li>Kodgenerering, API-användning och versionshantering är centrala moment i AI-projekt.</li>
<li>Administrera verktygslicenser med dedikerad e-post och separata betalningsmetoder.</li>
<li>Versionshantering via GitHub är nödvändig för struktur och spårbarhet i utvecklingsarbetet.</li>
</ul>

Användning av resultat och fortsättning

<p>Videon ger en översikt av Chalmers AI-sommarprojekt där över 50 AI-prototyper utvecklades inom 26 olika riktningar. Projekten har utvärderats utifrån fyra huvudsakliga kriterier och organiserats i större och mindre tematiska kluster, bland annat AI inom utbildning och konceptet Smart Campus. Videon diskuterar hur resultaten ska tas vidare efter sommarprogrammet, inklusive möjligheter till återanställning av studenter och vikten av fortsatt småskalig och iterativ utveckling för att maximera nyttan och implementeringen. Slutligen lyfts vikten av att bygga vidare på de framtagna prototyperna och skapa långsiktiga strukturer för AI-arbete inom institutionen.</p>
<p>Sammanfattning:</p>
<ul>
<li>Över 50 AI-prototyper utvärderades och sorterades i tematiska kluster.</li>
<li>Fyra huvudkriterier användes vid utvärderingen av projekten.</li>
<li>Fokus framåt på organisation, studentåteranställning och fortsatta iterativa utvecklingsinsatser.</li>
<li>Långsiktigt arbete kräver strukturer för att ta prototyper vidare till skarp användning.</li>
</ul>

<p>Videon ger en översikt av de lärdomar som dragits från projektet. Det betonas att en iterativ arbetsprocess och en stödjande kultur varit centrala för framgång. Bland utmaningarna nämns svårigheter med att samla in idéer, organisera effektiva team, rekrytera rätt kompetenser och säkerställa god kommunikation mellan deltagarna. Experimentell användning av AI vid rekrytering testades, men erfarenheterna visade att personligt stöd och närvarande handledning är avgörande för ett lyckat resultat.</p>
<p>Genom att återvändande deltagare engageras i nya projekt kan projekten snabbare få fart och den interna motivationen öka. Istället för traditionella rapporter används blogginlägg som leveransform, vilket både gör det enklare för fler att delta och underlättar insamling av återkoppling. Slutligen understryks vikten av noggrann förberedelse, tydligt definierad finansiering och tillgång till snabb teknisk support. Ett litet, proaktivt kärnteam med rätt nätverk och tvärvetenskapliga kompetenser lyfts fram som viktigt för att driva projekten framgångsrikt.</p>
<h4>Sammanfattning:</h4>
<ul>
<li>Iterativ utveckling och stödjande kultur är nycklar till framgång i AI-projekt.</li>
<li>God förberedelse, snabb tekniksupport och tydlig finansiering är avgörande.</li>
<li>Återanställning av tidigare deltagare sparar tid och ökar engagemanget.</li>
<li>Blogginlägg främjar deltagande och återkoppling.</li>
<li>Ett litet, kompetent och kommunikativt kärnteam är centralt.</li>
</ul>

<h2>Projektteam</h2>
<p>Varje team inom projektet har en egen sida där deras olika idér och prototyper presenteras.</p>
<p><a href="/aktuellt/explorativa-ai-projekt-2025/team-smart-campus/" title="Team Smart Campus">Team Smart Campus</a></p>
<p><a href="/aktuellt/explorativa-ai-projekt-2025/team-smart-uni/" title="Team Smart Uni">Team Smart Uni</a></p>
<p><a href="/aktuellt/explorativa-ai-projekt-2025/team-10xindividual/" title="Team 10xIndividual">Team 10xIndividual</a></p>
<p><a href="/aktuellt/explorativa-ai-projekt-2025/team-data-exploit/" title="Team Data Exploit">Team Data Exploit</a></p>
<p><a href="/aktuellt/explorativa-ai-projekt-2025/team-education/" title="Team Education">Team Education</a></p>
<p><a href="/aktuellt/explorativa-ai-projekt-2025/team-upskill/" title="Team Upskill">Team Upskill</a></p>
<p><a href="/aktuellt/explorativa-ai-projekt-2025/team-ai-based-feedback/" title="Team AI-based feedback">Team AI-based feedback</a></p>

<p>I denna utbildningsvideo visar Per-Olof Arnäs hur hans team effektivt redigerar och textar videointervjuer genom att använda verktyget Descript. Han berättar att traditionell videoredigering ofta är tidskrävande, särskilt vid hantering av ett större antal filmer, då man manuellt måste lyssna igenom och klippa materialet i tidslinjen. Descript förändrar processen genom att först transkribera det uppladdade videomaterialet automatiskt i molnet och sedan möjliggöra att man redigerar själva texttranskriptionen.</p>
<p>Genom att ändra eller ta bort delar i texten görs motsvarande justeringar direkt i videon, vilket gör arbetet betydligt snabbare och mer överskådligt. Dessutom finns funktioner för att automatiskt identifiera och klippa bort långa pauser, samt möjligheten att sömlöst lägga till och redigera undertexter, inklusive översättning till engelska. Per-Olof lyfter även möjligheten att använda mallar för undertexter, vilket effektiviserar processen ytterligare vid serier av videor. Slutligen visar han hur färdiga videor kan exporteras med inbrända eller separata undertexter, klara för publicering.</p>
<h4>Sammanfattning:</h4>
<ul>
<li>Descript effektiviserar videoredigering genom att redigera transkriptionen istället för tidslinjen.</li>
<li>Automatiska funktioner för att ta bort pauser och lägga till undertexter sparar tid.</li>
<li>Mallar och översättningsverktyg förbättrar arbetsflödet för större videoprojekt.</li>
<li>Slutresultatet blir snabbt textade och korrigerade videor, redo för publicering.</li>
</ul>

<h2>Ladda ner presentationsmaterial</h2>
<p>Här kan du ladda ner ett presentationsmaterial om projektet. Materialet är på engelska.</p>

Summar project AI 2025 presentation

Team Smart Campus

Team Smart Uni

Team 10xIndividual

Team Data Exploit

Team Education

Team Upskill

Team AI-based feedback

Välj ämne

Kursplan för

Ämne

Utbildningsområde

Tillåtna byten av obligatoriska kurser

För att se din utbildningsplan – välj det läsår du påbörjade programmet.