Då utvecklingen av AI har medfört etiska och moraliska utmaningar, bör detta tas i beaktning för att urskilja vad för effekt det får på mänskligheten ur ett samhälleligt perspektiv, när människor och organisationer väljer att bland annat integrera och använda sig av AI-verktyg som maskininlärning (Siau & Wang 2020, ss. 74-79). Därtill kan dessa ramverket användas för att ta fram faktorer som bör tas i beaktning om digitala marknadsföringsbyråer avser att använda maskininlärning inom digital marknadsföring. Se figur 6 för sammanställd modell av etiska faktorer inom AI för digitala marknadsföringsbyråer.
Likt Siau och Wang (2020, ss. 79-81) lyfter att transparens kan ge upphov till etisk problematik, likt detta lyfts det av flertalet respondenter. Tre av sex respondenter (respondent 2, 4, 5) lyfter att många individer är rädda eller tycker att det är obehagligt med AI då det kan innebära ett stort privat intrång där en analyserar och profilerar på kunden. Detta menar tre respondenter (respondent 2, 4, 5) kan resultera i svårigheter kring att se den fulla potentialen med maskininlärning och AI. Respondent 3 lyfter även att transparensen är viktig för deras organisation och menar således på att det är viktigt att dels förklara men även påvisa varför och hur en utveckling gått för kunden. Likt Siau och Wang (2020, ss. 79-81) menar på att förtroendet för maskininlärning kan hämmas, likt detta kan kundrelationer möjligen påverkas och förtroendet för organisationen, om transparensen inte hanteras. AI förlitar sig även på big data, där Siau och Wang (2020, s. 80) poängterar att organisationer måste behandla data utifrån strikta regler samt riktlinjer, och att det bör tydliggöras vem som ansvarar samt vem som har tillgång till datan. Som tidigare nämnt i The Work System Theory (Alter 2013), lyfter respondent 5 och respondent 4 båda att GDPR kommit att påverka organisationerna. Fyra av sex respondenter (respondent 1, 2, 5, 6) menar även på att det är vitalt för organisationer att följa de regler och riktlinjer som finns för att företag inte ska “ta ut svängarna”, men även för att användarna ska känna sig trygga i sin användning. Siau och Wang (2020, 81) lyfter även att AI-verktyg behöver vara moraliskt grundade och utvecklade. Detta är dock inget som kan kopplas till de digitala marknadsföringsbyråer som undersöks inom denna studie. Detta för att de själva inte utvecklar några AI-verktyg samt avser att utveckla några AI-verktyg, utan snarare använder externa resurser där dessa har programmerats och utvecklats av externa leverantörer (Respondent 1, 2, 3, 4, 5, 6).
Siau och Wang (2020, s. 81) lyfter att mänskliga faktorer kan leda till etiska dilemman, vid utveckling samt användning av AI. Detta betyder att utvecklaren eller användare av AI-verktyg måste ta hänsyn och hantera problematiken som kan observeras med AI. Siau och Wang (ibid.) lyfter att detta kan anses vara simpelt ur ett teoretiskt perspektiv, men i ett verkligt scenario är det komplicerat. Därtill lyfter Siau och Wang (ibid.) att utvecklare och användare, måste förhålla sig till regler och lagar för att inte bryta eller gör intrång på mänsklig integritet. Likt Siau och Wang (ibid.) lyfter respondent 5 och respondent 6 att det finns utmaningar gällande integritet och etik vid användning av AI och maskininlärning inom digital marknadsföring. Vidare beskriver respondent 5 att det är ett ständigt intrång på människor privata, eftersom en analyserar och profilerar på individen. Detta blir således anledningen till att utvecklingen av AI måste ske i linje med de grundläggande människorättslagarna, så att individer kan känna sig trygga med AI (Siau & Wang 2020, s.
81). Tre av sex respondenter (respondent 1, 2, 3) lyfter dock att mänsklig integritet inte identifieras som en problematik hos organisationen, utan är en problematik som identifieras hos den allmänna individen. Detta grundas utifrån att respondent 1, respondent 2 och respondent 3s organisationer följer de lagar och regler som existerar. Vidare lyfter fyra av sex respondenter (respondent 1, 2, 3, 6) att individer ofta har överseende med användning av deras individuella data, eftersom marknadsföringen som genereras utifrån personlig data är
personaliserad. Således får individen marknadsföring som linjerar med hens intresse eller sökmönster, vilket skapar ett högre värde av marknadsföringen hos individen. Dock bör det poängteras att organisationer alltid bör ta mänsklig integritet i beaktning vid användning av maskininlärning i digitala marknadsföringssammanhang, men till den mån där organisationen efterföljer lagar och regler.
Vidare lyfter Siau och Wang (2020, s. 82) att det inte går att konkret uttala sig om AI kommer att eliminera arbeten eller skapa nya arbeten. Detta är även något som lyfts av samtliga respondenter (respondent 1, 2, 3, 4, 5, 6). Det blir tydligt att samtliga respondenter är uppdelade i två fält baserat på deras syn kring eliminering av och skapande av nya arbeten.
Tre av sex respondenter (respondent 1, 4, 6) menar på att arbeten kommer försvinna i visst mån, och poängterar således att om företag vill synas, växa och överleva så måste man investera i framtiden. Två av sex respondenter (respondent 2, 3) lyfter däremot att de istället tror att arbeten kommer utvecklas i det mån att de kommer uppkomma nya arbeten men även utveckla de redan befintliga arbeten, när AI spelar allt större roll för organisationer.
Respondent 5 håller däremot med alla de resterande respondenter och kan således inkluderas i de båda två fälten kring eliminering och skapande av nya arbeten. Speciellt trycker respondent 5 på att kompetensväxling och utfasning av arbetskraft är en naturlig del av utvecklingen av en organisation, och inte behöver ha direkt koppling till just AI. Synen på kompetensväxling kan kopplas till det Siau och Wang (2020, s. 82) lyfter kring AI-verktygens tillgänglighet, där digitala klyftor och svårigheter kring nyttjandet av nya tekniker inom en population kan uppstå. Respondent 1 och respondent 5 menar däremot att detta heller inte ses som ett problem eller en utmaning inom deras organisationer, och menar istället på att det bara kommer bli högre krav på utbildning, specialisering och kompetens.
Därtill menar respondent 1 att om möjligheten inte finns att utbilda befintlig personal, så kommer anställda bytas ut mot nya förmågor. Således kan en möjligen tänka sig att synen kring eliminering och skapande av nya arbeten samt AI-verktygets tillgänglighet, kan kopplas till respektive respondents verksamhetsstorlek, då det blir tydligt att synen varierar beroende på specifik respondent. En helhetsuppfattning blir däremot att oavsett om arbeten elimineras, skapas nya eller utvecklas, så nämns detta inte som ett problem eller utmaning. Samtliga respondenter (respondent 1, 2, 3, 4, 5, 6) menar istället på att detta är en del av utveckling.
Det bör dock poängteras att samtliga respondenter (1, 2, 3, 4, 5, 6) oavsett om arbeten elimineras, skapas nya eller utvecklas, så är det inte tänkt att ersätta den mänskliga interaktionen som nämnt i The Work System Theory (Alter 2013).
Sammanfattningsvis blir det tydligt att transparens fortsätter vara en variabel som ger upphov till etisk problematik inom digitala marknadsföringsbyråer. Detta för att det finns en fortsatt rädsla för AI, där kundrelationer möjligen påverkas och förtroendet för organisationen hämmas, om organisationen ignorerar vikten av transparens. Likaså är datasäkerhet och integritet en variabel som ger upphov till etisk problematik, där digitala marknadsföringsbyråer möjligen kan hantera det genom att följa de regler och riktlinjer som finns, såsom GDPR. Det blir även tydligt att mänsklig integritet bör tas i beaktning vid användning av maskininlärning i digitala marknadsföringssammanhang, men till den mån där organisationen efterföljer som tidigare nämnt regler, riktlinjer och lagar. Självständighet, avsikt och ansvar samt tillgänglighet är vidare inget som anses som en problematik för digitala marknadsföringsbyråer, då dessa nyttjar externa leverantörer för dessa åtaganden samt att kompetensen anses finnas tillgänglig. Däremot går det att urskilja att oavsett om arbeten elimineras, skapas nya eller utvecklas, så nämns detta inte som ett problem eller utmaning. Utan det ses som en naturlig del av utvecklingen. I figur 6 kan en ta del av de etiska faktorerna som spelar in vid AI-verktyg för digitala marknadsföringbyråer.
Figur 6 - sammanställd modell av etiska faktorer inom AI för digitala marknadsföringsbyråer (Anpassning av modell från Siau och Wang (2020))
6. Diskussion
Följande diskussionsavsnitt avser att försöka identifiera vad som inte har gått att utvinnas utifrån analysen och vad studien inte har kunnat undersöka, oavsett om det är teorin som är bristfällig i något mån eller det empiriska resultatet. Det bör dock tas i beaktning att teorierna i den teoretiska bakgrunden i sin helhet, har kunnat matchas och analyseras med det empiriska resultatet, men enstaka delar har varit invecklade att analysera.
Teorin, Framework for understanding the role of AI in personalized marketing (Kumar et al.
2019) lyfte fem parametrar som avgör om en organisation är redo för AI. Där två av dessa inte helt har kunnat matchas med det empiriska resultatet, vilket leder till en av slutsatserna, där digitala marknadsföringsbyråer inte anses vara helt redo för AI. En problematik med denna teori kopplat till studien är att digitala markanadsföringsbyråer inte har tydliga riktlinjer av vilka arbetsprocesser som bör ersättas av AI. Detta betyder enligt Kumar et al.
(ibid) således att digitala markandsföringsbyråer inte skulle vara redo för AI, men det skulle även kunna finnas bakomliggande anledningar till varför de ändå skulle kunna vara redo för AI. Detta har dock inte kunnat undersökas i denna studie, och blir således en bristfällighet.
Likt detta har heller inte den andra parametern kunna urskiljas för arbetssystemet, där en organisation tydligt måste redogöra för vilka arbeten som kommer att ersättas i samband med AI-verktyg. I studien av digitala marknadsföringsbyråer har ersättning av arbete identifierats som en faktor som inte behövs tas i beaktning, då mänsklig interaktion är ett måste och således kan inte alla arbeten ersättas inom digitala marknadsföringsbyråer. Detta leder således till ytterligare en bristfällighet i studien kopplat till denna teori, detta då det inte fullskaligt gått att undersöka detta. Det som dock går att utvinna från dessa aspekter är att i vidareforskning, anamma teorin på ett arbetssystem som helt kan återspegla den, för att försöka uppnå alla parametrar.
Teorin, AI Ethics: Framework for building ethical AI (Siau & Wang 2020), är mer lämpad att nyttjas utifrån ett samhälleligt perspektiv, snarare än ett organisatoriskt perspektiv. Där även fast studien avser att analysera arbetssystemet utifrån ett sociotekniskt perspektiv, så blir vissa delar av teorin svårapplicerad inom denna studie. Siau och Wang (2020, s. 82) lyfte bland annat digitala klyftor och inlärning som en problematik som bör tas i beaktning vid
utveckling av etisk AI. I studien där arbetssystemet innefattas av digitala marknadsföringsbyråer antas ett mer organisatoriskt perspektiv, än vad AI Ethics: Framework for building ethical AI (Siau & Wang 2020) ursprungligen förespråkar. Siau och Wang (2020, s. 82) anspråkar snarare på att inlärningen av AI blir problematisk om inte äldre eller individer inom andra mindre utvecklade demografiska delar av världen får ta del av AI, på samma sätt som alla andra. Inlärningen av nya AI-verktyg inom arbetssystemet anses inte som en problematik utifrån det empiriska resultatet, då organisationer snarare anställer individer som har kunskap inom området, alternativt har en kort inlärningskurva för nya teknologier.
Siau och Wang (ibid.) lyfter även att arbetsersättning anses vara en problematik, och bör tas i beaktning för att uppnå etisk AI. Likt hur inlärning inte ansåg vara en problematik för digitala marknadsföringbyråer, är heller inte arbetsersättning en problematik inom arbetssystemet.
Det empiriska resultatet pekar snarare på att ersättning av mänskliga individer inte är möjligt inom ett arbetssystem där mänsklig interaktion är grundläggande för att verksamheten skall fortgå. Detta blir således en motsägelse mot teorin, som uppstår eftersom teorin återigen är mer utifrån ett samhälleligt perspektiv än ett organisatorisk perspektiv, där arbetsersättning är en vital del som måste lösas om AI skall kunna nyttjas i bredare omfattning. En intressant aspekt av detta som även kan ses som en del av vidareforskningen från studien är huruvida digitala marknadsföringsbyråer hanterar AI, när AI-algoritmer har utvecklats såpass långt att den kan efterlikna mänskligt beteende och tänkande. Om utvecklingen av AI löper så långt att den slutligen kan efterlikna den mänsklig interaktion som är vital för digitala marknadsföringsbyråer i nuläget, kommer då den mänskliga individen utfasas ur arbetssystemet eller kommer det ske en ny kompetensväxling?
7. Slutsatser
Slutsatsavsnittet avser att relatera till samt besvara de valda frågeställningarna, som har legat som grund för genomförd studie. Studiens syfte är att påvisa hur och varför maskininlärning både hjälper och stjälper digitala marknadsföringsbyråer, samt vilka faktorer som digitala