The posting
Övergripande beskrivning Idag undersöker många organisationer generativ AI för att förbättra tillgången till intern information och effektivisera arbetsflöden. På kort tid har nya AI-verktyg och tekniker uppkommit. Samtidigt råder stor osäkerhet kring vilken typ av AI-lösning som är mest lämplig för olika användningsområden.
Detta examensarbete fokuserar på att jämföra tre tillvägagångssätt: traditionella regelbaserade chatbottar, RAG-baserade chatbotar och agentiska AI verktyg. Traditionella regelbaserade chatbotar används fortfarande i stor utsträckning för strukturerade frågor och processer, medan Retrieval-Augmented Generation (RAG) har etablerats som en populär metod för att låta språkmodeller använda organisationsspecifik kunskap. På senare tid har även agentisk AI vuxit fram, där AI-system kan resonera, planera och använda externa verktyg för att genomföra mer komplexa uppgifter. Det är dock inte alltid självklart vilken typ av lösning som är mest lämplig för olika användningsfall.
Projektbeskrivning Arbetet innefattar att designa, implementera och utvärdera tre olika lösningar baserade på samma kunskapsunderlag. Arbetet innefattar även att identifiera eller skapa (öppet Kaggle/LLM-generera) ett lämpligt kunskapsunderlag bestående av exempelvis företagspolicys, onboardingmaterial, handböcker, rutiner och instruktioner.
De tre lösningarna som ska undersökas är:
- Regelbaserad chatbot med fördefinierade dialogflöden och beslutsträd.
- RAG-system som kombinerar dokumentbaserad informationssökning med generativ AI.
- Agentisk AI som kan resonera, planera och använda verktyg för att lösa mer komplexa uppgifter.
Fokus ligger på att jämföra lösningarna utifrån användningsområden, svarskvalitet, tillförlitlighet samt avvägningar mellan prestanda, komplexitet, kostnad och underhåll.
Vem söker vi? Vi söker en masterstudent inom datavetenskap, datateknik, teknisk fysik, data science, maskininlärning, artificiell intelligens eller närliggande område.
- Intresse för generativ AI och Retrieval-Augmented Generation (RAG)
- Planerad examen under 2027
- God analytisk och problemlösande förmåga
- Flytande svenska i tal och skrift
- Flytande engelska i tal och skrift
Syfte Resultatet förväntas bidra till en djupare förståelse för hur val av AI-arkitektur påverkar prestanda, resursbehov och nytta i olika användningsfall. Arbetet ska inte bara identifiera vilka faktorer som har störst betydelse, utan även kvantitativt mäta hur stora skillnaderna är mellan de olika tillvägagångssätten. Målet är att bidra med ökad förståelse för när enklare lösningar är tillräckliga och när mer avancerade AI-system motiveras av den extra nytta de skapar.
En spännande resa med Knightec Group Knightec Group är idag en av Norra Europas ledande strategiska partners inom produkt- och digital tjänsteutveckling, hur häftigt är inte det?
Genom att förena ingenjörskompetens, digital expertis och affärsförståelse hjälper vi våra kunder att omvandla ny teknik till verkliga lösningar som skapar värde. Vi arbetar i skärningspunkten mellan affärsstrategi och teknikutveckling och stöttar våra kunder genom hela resan, från de första idéerna till utveckling, implementering och vidare utveckling.
På Knightec Group samlas människor med olika perspektiv, erfarenheter och specialistområden. Tillsammans skapar vi innovation som gör verklig skillnad för företag, människor och samhället i stort. För våra medarbetare innebär det stora möjligheter att vara med och forma framtidens lösningar genom meningsfulla projekt i teknikens absoluta framkant. Här får du inte bara utvecklas och växa i din roll; du blir också en del av ett team där nyfikenhet, samarbete och modet att utmana driver oss framåt.
Praktisk information Detta är en masteruppsats-tjänst med placering på vårt kontor i Stockholm eller Uppsala. Startdatum i januari, exakta datum släpps närmre inpå.
Det färdiga examensarbetet kan publiceras och användas både i din personliga portfölj och i företagets marknadsföring. Vänligen bifoga CV och personligt brev i din ansökan.
Skicka gärna in din ansökan så snart som möjligt, dock senast 2026-10-29. Om du har några frågor är du välkommen att kontakta Marla Touma på [email protected]. Observera att vi, på grund av GDPR, endast tar emot ansökningar via vår karriärsida.
