Väx med oss

AI-drivna datasökningar

Det kan vara utmanande att hitta specifika objekt i applikationer som hanterar stora mängder innehåll bestående av olika slags objekt. Detta gäller bland annat i domänen verksamhetssystem, som till exempel vår produkt CANEA ONE, som hanterar objekt som dokument, ärenden och projekt.

För att underlätta för användarna att hitta, vill vi undersöka hur AI skulle kunna användas för att förbättra sökningarna. Vi bedömer att de senaste årens utveckling av LLM (Large Language Models) kan göra objektsökning mer användarvänlig och effektiv. Vi föreslår därför ett examensarbete som går ut på att undersöka vilka tekniker och algoritmer som kan användas för att utveckla objektsökning samt att genomföra en implementering och utvärdering av en eller flera algoritmer för detta.

Om detta väcker ditt intresse hoppas vi kunna ta detta vidare till ett examensarbete för våren 2024.

Design av grafiskt gränssnitt för AI-assisterad funktion i ett verksamhetssystem 

Den snabba utvecklingen av AI har möjliggjort avancerad och intelligent hantering av dokument. Vår vision är att vår produkt CANEA ONE ska kunna nyttja denna teknologi för att bli ännu mer intelligent.

I samband med detta behöver vi också ett intuitivt och användarvänligt grafiskt gränssnitt så att användarna enkelt ska kunna nyttja dessa funktioner. Den specifika funktionen skulle till exempel kunna vara en AI-driven sökfunktion eller en dialogrobot (chatbot) integrerad i ett verksamhetssystem. Syftet med detta examensarbete är att undersöka lämpliga designmönster inom UX/UI som kan användas till en AI-assisterad funktion och utifrån undersökningen bygga och utvärdera en eller flera GUI-prototyper.

Utvärderingen skulle eventuellt kunna göras med riktiga systemanvändare. Vi hoppas få chansen att jobba tillsammans med dig i detta spännande arbete under våren 2024! 

AI-baserad
rekommendationsmotor för innehåll i verksamhetssystem

Med den exponentiella tillväxten av digitalt innehåll, blir det alltmer utmanande för användare att hitta relevant material.

Ett sätt att underlätta för användarna kan vara att tillämpa avancerade algoritmer för att rekommendera innehåll anpassat för respektive användare. Rekommendationerna skulle kunna baseras på innehållet i ett visst objekt, som texten i ett dokument. Även kontextuell data kopplad till objektet eller användaren skulle kunna användas, som användarens geografiska plats eller tid på dygnet.

Vi föreslår ett examensarbete som syftar till att undersöka den existerande forskningen på området och utifrån den designa och implementera en AI-baserad rekommendationsmotor. Vår förhoppning är att detta kan bidra till att göra vår produkt mer individanpassad och intelligent.

Dessutom ser vi möjligheten att koppla detta till existerande forskning inom AI, som till exempel hur kan man förklara de rekommendationer som ges (explainable AI), och hur man undviker underliggande tendenser hos AI-modellen att rekommendera en viss typ av innehåll (jäv/bias). Förslagsvis skulle det också gå att jämföra innehållsbaserade rekommendationer gentemot kontextbaserade.

Om detta intressera dig vill vi gärna försöka ta det vidare till ett exjobb för våren 2024.

AI-baserad medhjälpare
för mjukvaruutveckling

I takt med att mjukvaruprojekt blir allt större och mer komplexa växer behovet av assistans och automatisering i arbete med kod. Många IT-bolag hanterar omfattande kodbaser och står inför utmaningen att ständigt förbättra och förvalta sin kod. Detta gäller också för oss som utvecklar CANEA ONE.

Målet med detta examensarbete är att undersöka och kartlägga marknaden inom AI-baserade “co-pilot”-verktyg och utvärdera samt jämföra några olika sådana verktyg. Några exempel på hur ett sådant verktyg kan assistera utvecklare är genom att ge kodförslag, kunna förklara koden, identifiera potentiella fel och/eller optimera kodstrukturen.

Utvärderingen skulle kunna göras genom att låta utvecklare på CANEA testa olika verktyg och komma med feedback. Vår förhoppning är att detta arbete ska kunna hjälpa oss att avgöra om vi kan och borde använda en co-pilot som hjälp vid utvecklingen av vår kodbas.

Om detta väcker ditt intresse hoppas vi kunna ta detta vidare till ett examensarbete för våren 2024.