Denna studie undersöker hur artificiell intelligens påverkar och kan integreras i det agila arbetssättet. Genom fallstudie med semistrukturerade intervjuer hos olika typer av organisationer försöker studien att identifiera både vilka möjligheter det finns, men även utmaningar. I teorin kommer det fram att AI kan effektivisera genom olika typer av arbetsmoment i det agila arbetssättet, exempelvis i planering, kodning och dokumentation. Empirin visar dock att AI i praktiken sällan är fullt integrerad i det agila arbetet, utan används ofta utan någon metodik bakom det. Respondenter uttrycker att det framförallt används som en stödfunktion i deras arbete idag, och ser både möjligheter och utmaningar med att använda AI genom deras agila arbetssätt. Att integrera AI i agila arbetssätt kräver mer en enbart teknisk kompetens, där tydliga roller, ansvarsfördelning och kulturell anpassning samt förmåga till lärande och reflektion är faktorer som behöver tas i beaktning. Om dessa faktorer inte övervägs riskerar AI att hindra principer som är centrala inom det agila arbetssättet, såsom självstyrda team, iterativ utveckling och samarbete. I studien visas även hur AI kan påverka innebörden av roller som produktägare och Scrum Master. Slutsatsen är att en AI-integration inom det agila arbetssättet inte enbart är en teknisk fråga, utan bygger på organisatoriska faktorer och utmaningar som behöver överses för att få en sådan bra integrering som möjligt.

This study explores how artificial intelligence (AI) influences and can be integrated into agile ways of working. Through a case study based on semi-structured interviews conducted within various types of organizations, the study aims to identify both the opportunities and challenges associated with such integration. The theoretical framework highlights that AI has the potential to improve efficiency across several agile work processes, such as planning, coding, and documentation. However, the empirical findings reveal that AI is rarely fully integrated into agile practices in reality, and is often used without a clear methodology behind its application. Respondents describe that AI is primarily used as a support function in their current workflows, and they perceive both benefits and challenges in incorporating AI into their agile routines. Integrating AI into agile work requires more than just technical competence; it also demands clearly defined roles, responsibility distribution, cultural alignment, and the ability for continuous learning and reflection. If these factors are not considered, AI risks undermining core agile principles such as self-organizing teams, iterative development, and team collaboration. The study also demonstrates how AI can influence the meaning and execution of roles such as Product Owner and Scrum Master. The conclusion is that AI integration within agile methodologies is not merely a technical issue, but rather a complex organizational challenge that must be addressed to ensure effective and meaningful implementation.