Intresset för AI-teknologier har under senare år ökat runt om i världen. Teknologierna har på senare tid bidragit med många framgångar i olika sektorer och kan tillämpas på flertalet olika sätt. Teknologin är fortfarande ung så potentialen är fortfarande stor och allt fler företag börjar tillämpa någon form av AI i sina arbetsprocesser. En sektor där acceptansen inte har varit lika hög är sjukvården och mycket av det ligger på att beslut som görs i vården har mindre tolerans för fel. Detta är en fallstudie som fokuserar på implementationen av ett taligenkänningssystem, dessa system omvandlar människors tal till text och är en typ av AI-teknologi som fokuserar på processeringen av naturligt språk. Syftet med studien var därav att undersöka vilka effekter som uppstår vid införandet av ett taligenkänningssystem och vilka utmaningar som finns vid att införa AI i sjukvården. Studien utfördes med kvalitativa metoder där insamlingen av data skedde via semi-strukturerade intervjuer. Den insamlade datan analyserades med hjälp av en tematisk analys där flertal teman identifierades. Till studien genomfördes två intervjuer där båda varade i en timma. Studiens resultat visar på att ett taligenkänningssystem möjliggör för snabbare ledtid av diktat och snabbare patientbehandling. Dessutom möjliggör det för en mer varierande arbetsmiljö, förbättringar ekonomiskt och ett sammanfogat system. Resultatet visar dessutom på att fel uppstår och att den mänskliga faktorn är en risk vid AI-behandlad dokumentation. Vidare identifierades utmaningar med GDPR och att de svenska sjukvårdssystemen är utdaterade vilket försvårar utvecklingen av AI. Dessutom har många vårdgivare uppvisat oro över databehandlingen i sådana system och sjukvårdspersonal har uppvisat en viss oro mot att bli ersatta. Oroligheter har även visats om vem som kommer stå ansvarig vid eventuella fel där AI:t varit inblandat. Studien syftar till att besvara följande frågeställningar: “Vilka är effekterna av att införa ett taligenkänningssystem i vården?” och “Vilka utmaningar uppstår vid en implementation av ett AI-system?” 

The interest for AI-technologies has increased all over the world in recent years. The technologies has contributed to successes in different sectors and can be applied in many different ways. It is still a young technology so the potential for it is big and many companies have started to adopt some form of AI in their workflow. One sector where the acceptance hasn’t been as high is healthcare and that is because most of the decisions that are made in healthcare has lesser tolerance for mistakes. This is a case study that focuses on the implementation of a speech-recognition system. These systems convert human speech to text and is a type of AI-technology that focuses on natural language-processing. The purpose of this study was therefore to investigate the effects which occur from the implementation of a speech-recognition system and what challenges there are in implementing AI in healthcare. The study uses qualitative methods and the data was collected through semi-structured interviews. The collected data was analyzed through a thematic analysis where multiple themes were identified. In this study two interviews were conducted and both lasted for an hour. The results of the study show that a speech-recognition system enables for a faster completion of dications and faster patient care. It also enables a more varying work environment, economic improvements and a joined system. The result also shows that mistakes do occur and that the human factor is a risk in AI-processed documentation. Furthermore the study identifies challenges with GDPR and that the swedish healthcare systems are outdated which complicates the development of AI. Many caregivers have also displayed concern over the data processing in such systems and healthcare personnel have displayed concern against being replaced. Concern has also been shown over who will be responsible for mistakes where the AI has been involved. The study aims to answer the two following questions: “What are the effects of implementing a speech-recognition system in healthcare?” and “What challenges occur when implementing an AI-system?”