INN365 Kunstig intelligens fra et virksomhetsperspektiv

Kunnskap

Etter fullført kurs skal deltakerne ha:

• Avansert forståelse av moderne KI‑teknologiers kapabiliteter
• Dyptgående kunnskap om innovasjonsstrategier knyttet til KI

Ferdigheter

Etter fullført kurs skal deltakerne kunne:

• Identifisere hvilke oppgaver i en organisasjon som kan automatiseres ved hjelp av KI
• Vurdere effektivitetsgevinster og utvikle en business case
• Utvikle KI‑baserte produkt- og tjenestekonsepter
• Vurdere markeds­potensialet og utvikle en strategi

Generell kompetanse

Etter fullført kurs skal deltakerne kunne:

• Lede utviklings- og implementeringsprosjekter knyttet til KI
• Håndtere interessenter og regulatoriske krav
• Bruke strategiske framsynsmetoder for å forberede seg på teknologiske og markedsmessige endringer

AOS120 Markedsføring

AOS130 Innføring i organisasjonsteori

BUS210 Økonomi- og virksomhetsstyring

eller tilsvarende emner.

• Workshop-samlinger på campus: 20 timer,
• Øvelser med data og programvare: 10 timer,
• Prosjektarbeid på semesterlangt caseprosjekt: 130 timer,
• Flipped classroom/selvstudium/pensumlitteratur: 90 timer.

Workshop-samlinger på campus (4 timer) i uke 5, 9, 13, 15, 17.

Romstørrelse for 80 studenter

The course is open for students from all master programs at NMBU, but students from the following study programs will be prioritized:

1. Business Administration (M-ØA)
2. Entrepreneurship and Innovation (M-EI), Data Science (M-TDV), Industrial Economics (M-IØ), Data Science (M-DV)

Note! There is an admission process to the course with application deadline 22nd of January 2025.

Samlet vurdering i emnet består av en prosjektoppgave som gjennomføres i team på opptil fem deltakere i uløpet av undervisningsperioden (vekt 50%), samt en individuell muntlig eksamen (vekt 50%).

Ingen kontinuasjonseksamen blir arrangert i dette faget. Ved gjentak av emnet må alle delvurderinger tas på nytt.

Karakterregel: A-F

Prosjektoppgave og obligatorisk aktivitet:K3 - Full bruk av KI. Bruk av KI er tillatt, men må være i tråd med retningslinjene for bruk av kunstig intelligens (KI) ved NMBU.

Muntlig eksamen: K1- Ikke tillatt med bruk av KI.

Det vil være fem workshops med obligatorisk deltakelse. Deltakerne må delta aktivt i minst fire av de fem workshopene. Aktiv deltakelse omfatter forberedelse til workshop (pensum og prosjektarbeid), tilstedeværelse under hele workshop‑økten, gjennomføring av workshop‑oppgavene og dokumentasjon av resultatene.

Obligatorisk aktivitet er gyldig kun ett semester. Obligatorisk aktivitet må gjennomføres på nytt ved gjentak av emnet. Det stilles krav om at obligatorisk aktivitet må være godkjent for å kunne fremstille seg til vurdering.

Alon, I., Haidar, H., Haidar, A., & Guimon, J. (2025). The future of artificial intelligence: Insights from recent Delphi studies. Futures, 165, 103514.

Amaya, J., & Holweg, M. (2024). Using algorithms to improve knowledge work. Journal of Operations Management, 70(3), 482-513.

Ångström, R. C., Björn, M., Dahlander, L., Mähring, M., & Wallin, M. W. (2023). Getting AI implementation right: Insights from a global survey. California Management Review, 66(1), 5-22.

Bettencourt, L. A. & Ulwick, A. W. (2008). The customer-centered innovation map. Harvard Business Review, May 2008, 109-114.

Cooper, R.G. (2009.) Effective gating: Make product innovation more productive by using gates with teeth. Marketing Management, April 2009, 12-17.

Easingwood, C., Moxey, S., & Capleton, H. (2006). Bringing high technology to market: successful strategies employed in the worldwide software industry. Journal of Product Innovation Management, 23, 498-511.

Frattini, F., De Massis, A., Chiesa, V., Cassia, L., & Campopiano, G. (2012). Bringing to market technological innovation: What distinguishes success from failure. International Journal of Engineering Business Management, 4, 15.

Handa, K., Tamkin, A., McCain, M., Huang, S., Durmus, E., Heck, S., Mueller, J., Hong, J., Ritchie, S., Belonax, T., Troy, K. K., Amodei, D., Kaplan, J., Clark, J., & Ganguli, D. (2025). Which economic tasks are performed with AI? Evidence from millions of Claude conversations. arXiv: 2503.04761.

Kim, Y., Blazquez, V., & Oh, T. (2024). Determinants of generative AI system adoption and usage behavior in Korean companies: Applying the UTAUT model. Behavioral Sciences,14(11), 1035.

Kolbjørnsrud, V. (2024). Designing the intelligent organization: Six principles for human-AI collaboration. California Management Review, 66(2), 44-64.

Maurya, A. (2012). Running lean (2nd Ed.). Sebastopol, CA: O’Reilly.

Ooi, K. B., Tan, G. W. H., Al-Emran, M., Al-Sharafi, M. A., Capatina, A., Chakraborty, A., ... & Wong, L. W. (2025). The potential of generative artificial intelligence across disciplines: Perspectives and future directions. Journal of Computer Information Systems, 65, 76-107.

Pettersson, M. O., Björkdahl, J., & Holgersson, M. (2025). Profiting from AI: Evidence from Ericsson’s pursuit to capture value. California Management Review, 67(4), 5-20.

Salmon, P., Jenkins, D., Stanton, N., & Walker, G. (2010). Hierarchical task analysis vs. cognitive work analysis: Comparison of theory, methodology and contribution to system design. Theoretical Issues in Ergonomics Science, 11(6), 504-531.

Sonntag, M., Mehmann, S., Mehmann, J., & Teuteberg, F. (2024). Development and evaluation of a maturity model for AI deployment capability of manufacturing companies. Information Systems Management, 42(1), 37-67.

Tomlinson, K., Jaffe, S., Wang, W., Counts, S., & Suri, S. (2025). Working with AI: Measuring the applicability of generative AI to occupations.arXiv: 2507.07935.

Vial, G., Cameron, A. F., Giannelia, T., & Jiang, J. (2023). Managing artificial intelligence projects: Key insights from an AI consulting firm. Information Systems Journal, 33, 669-691.

Waheeduzzaman, A. N. M. (2008). Market potential estimation in international markets: A comparison of methods. Journal of Global Marketing, 21, 307-320.