Artificial Intelligence as a Tool for Project Decision-Making Support

Abstract

Med økt bruk av digitalisering i prosjektledelsesarbeidsprosesser øker presset med å utnytte og implementere teknologier for å forbedre effektiviteten. For å få fullt utbytte av digitalisering ønskes digital transformasjon; transformasjonen gjøres gjennom bruk av ny teknologi som kunstig intelligens (AI) og maskinlæring (ML). Digitalisering og digital transformasjon er sterke drivere når man skal evaluere og skape muligheter for bedre prosjektgjennomføring og drift.

Problemstillingen i denne oppgaven er “Kunstig Intelligens som et Verktøy for Støtte for Prosjektbeslutninger”. Denne oppgaven tar sikte på å utforske den nåværende tilstanden til digitalisering i prosjektbeslutninger og vurdere hvilke beslutninger som kan påvirkes av implementeringen av AI-teknologi. Oppgaven har begrenset omfanget til å undersøke forventninger rundt digitalisering og AI i energibransjen gjennom tre forskningsspørsmål. AI blir diskutert angående støtte og bruk i “Corporate Memory” systemet og fordelene med evidensbasert beslutningstaking.

En triangulert studie som kombinerer kvalitativ og kvantitativ forskning utføres for å besvare forskningsspørsmålene. Studien kombinerer resultatene fra undersøkelser og intervjuer utført med ansatte fra energibransjen. Samtidig utføres en dataanalyse ved bruk av AI/ML-teknologi på “Corporate Memory” data for å teste teorien i praksis. Dataanalysen bruker prediktive nevrale nettverk for å estimere kostnader og identifisere likheter mellom prosjektdataenheter.

Studien konkluderer med at det er knyttet positive forventninger til utviklingen av digitalisering og AI-teknologi i energibransjen. Digitaliseringsundersøkelsen og teorien tyder på at næringen nå er i en tidlig fase av digitaliseringen, og at et skritt i riktig retning er tatt. De samarbeidende bedriften er optimistiske for fremtiden når det gjelder digital transformasjon og implementering av ny teknologi.

De standardiserte “Corporate Memory” dataene som brukes i analysen viser et stort potensial for AI-applikasjoner. ML-modellene viser lovende resultater når de brukes som støtteverktøy i prosjektledelse. Imidlertid viste modellene varierende grad av nøyaktighet på de forskjellige prosjektene. Denne variansen antas å skyldes at noen kostnadsfaktorer ikke er representert i dataene.

Det er funnet at de berørte ansatte også spiller en betydelig rolle i suksessen til digital transformasjon. Deltakerne i undersøkelsene og intervjuene pekte på digital modenhet som den største utfordringen. Digital modenhet inkluderer ansattes dataferdigheter og forståelse, noe som er avgjørende for at teknologien skal lykkes.

Det er også knyttet skepsis til at AI-maskiner tar prosjektledelsesbeslutningene, og erstatter prosjektlederrollen. Forskningen tyder på menneske-maskin-samarbeid er å foretrekke, der AI- og ML-modeller støtter menneskelig ekspertise, og slik sikrer forbedret og evidensbasert beslutningstaking.

With the increased use of digitalisation in project management work processes, the pressure of utilising and implementing technologies to improve efficiency and effectiveness is rising. To fully benefit from digitalisation, digital transformation is desired; the transformation is done through the utilisation of new technology such as Artificial Intelligence (AI) and Machine Learning (ML). Digitalisation and digital transformation are strong drivers when evaluating and creating opportunities for improved project execution and operations.

The problem statement of this thesis is “Artificial Intelligence as a Tool for Project Decision-Making Support”. The thesis aims to explore the current state of digitalisation in project decision-making and assess which decisions can be impacted by the implementation of AI technology. The thesis has limited its scope to investigate expectations around digitalisation and AI in the energy industry through three research questions. AI is discussed in regard to support and utilisation in corporate memory, and its benefits in evidence-based decision-making.

A triangulated study combining qualitative and quantitative research is performed to answer the research questions. The study combines the results from surveys and interviews conducted with employees from the energy industry. Simultaneously a data analysis utilising AI/ML technology on corporate memory data is conducted to test the theory in practice. The data analysis uses predictive neural networks to estimate cost and identify similarities between project data entities.

Based on the research methodology, the findings have concluded with positive expectations for the development of digitalisation and AI technology in the energy industry. The digitalisation survey and theory suggest that the industry is currently in an early phase of digitalisation, and a step in the right direction has been taken. The collaborating companies are all optimistic and excited about the future regarding digital transformation and the implementation of new technology.

The standardised corporate memory data used in the analysis show great potential for AI applications. The ML models show promising results when utilised in supporting project management. However, the models displayed varying performances on different projects. This variance is believed to be due to some cost factors not being represented in the data.

It is found that the people affected also play a significant role in the success of digital transformation. The respondents of the surveys and interviews pointed out digital maturity as the most significant challenge. Digital maturity includes the employees’ data skills and understanding, which is crucial for the technology to succeed.

There is also scepticism towards AI machines making project management decisions, replacing the role of the project manager. The research currently suggests that human-machine collaboration is preferred. Where AI and ML models support human expertise, ensuring improved evidence-based project decision-making.