Large Language Models and business applications in an R&D environment

Abstract

The subject of this Thesis is usage of Generative AI and in particular Large Language Models (LLMs) within the R&D department of Mirka Power Tools. The research problem is to explore if R&D departments can improve productivity and innovation with the help of LLMs. The purpose of the Thesis is to find bottlenecks in the R&D work and make the identified bottleneck work processes more efficient, by speeding up time consuming work tasks or automated routine work. The methods used for this explorative research was conducted by 1) literature studies mentioned in the theory chapter and 2) a questionnaire consisting of eight AI and work-related questions that was sent out to the whole R&D department. The results showed that LLMs have potential to aid employees in various work tasks and make them work more efficiently, but it is important to be aware of the related risks (eventual false answers, biased answers or risks by using confidential data). The research gave a clearer fundamental understanding of the basics and limitations of LLMs and raised interest in further research. The survey gave valuable insight into today’s work bottlenecks, and where the employees see the value of using LLMs for various applications. Respondents were 20 out of 64 people. The focus of LLM tool used in this survey is Microsoft Copilot. My recommendation is to use Copilot as an assistant and inspiration source in a wide spectra of R&D related process tasks and general office work - but think critically of what information you give and what you get.

Ämnet för denna avhandling handlar om användningen av generativ AI och särskilt stora språkmodeller (LLM) inom R&D-avdelningen vid Mirka Power Tools. Forskningsproblemet är att utforska om R&D-avdelningar kan förbättra sin produktivitet och innovationsförmåga med hjälp av LLMs. Syftet med avhandlingen är att identifiera flaskhalsar i R&D-arbetet och göra de identifierade arbetsprocesserna mer effektiva genom att snabba upp tidskrävande arbetsuppgifter eller genom automation av rutinarbete. De metoder som användes för denna explorativa forskning inkluderade 1) litteraturstudier som nämns i teorikapitlet och 2) en enkät bestående av åtta frågor om AI och arbete som skickades ut till hela R&D-avdelningen. Resultaten visade att LLM har potential att hjälpa anställda med olika arbetsuppgifter och göra dem mer effektiva, men det är viktigt att vara medveten om de relaterade riskerna (eventuella felaktiga svar, snedvridna svar eller risker med användning av konfidentiell data). Forskningen gav en tydligare grundläggande förståelse för LLM:s grunder och begränsningar och väckte intresse för ytterligare forskning. Enkäten gav värdefulla insikter i några av arbetets flaskhalsar och var LLM kan användas för olika ändamål. Respondenterna var 20 av 64 personer. Huvudfokus för LLMverktyget som användes i denna undersökning är Microsoft Copilot. Min rekommendation är att använda Copilot som en assistent och inspirationskälla i en bred skala av R&Drelaterade arbetsuppgifter och allmänt kontorsarbete - men tänk kritiskt på vilken information du ger och får från LLM-verktygen.

Tämä tutkielma käsittelee generatiivisen tekoälyn ja erityisesti suurten kielimallien (LLM) hyödyntämistä Mirka Power Tools tutkimus- ja kehitysosastolla. Tutkimusongelmana on selvittää, voivatko tutkimus- ja kehitysosastot parantaa tuottavuutta ja innovaatiota LLM:ien avulla. Tämän tutkielman tavoitteena on tunnistaa pullonkauloja tutkimus- ja kehitystyössä ja tehostaa tunnistettuja työprosesseja nopeuttamalla aikaa vieviä työtehtäviä tai automatisoimalla rutiinityötä. Tätä eksplanatiivista tutkimusta varten käytettiin metodeja: 1) teoriaosiossa mainitut kirjallisuustutkimukset ja 2) koko tutkimus- ja kehitysosastolle lähetetty kyselylomake, joka sisälsi kahdeksan tekoälyyn ja työskentelyyn liittyvää kysymystä. Tulokset osoittivat, että LLM-malleilla on potentiaalia auttaa työntekijöitä erilaisissa työtehtävissä ja tekevät heidän työstään tehokkaampaa, mutta on tärkeää olla tietoinen niihin liittyvistä riskeistä (mahdolliset väärät vastaukset, puolueelliset vastaukset tai riskit luottamuksellisen tiedon käytöstä). Tutkimus antoi selkeämmän perustavan ymmärtämyksen LLM-mallien perusteista ja rajoituksista ja herätti kiinnostusta jatkotutkimuksiin. Kyselytutkimus antoi arvokasta tietoa joistain tämän päivän työn pullonkauloista ja siitä, missä vastaajat näkevät LLM-mallien käytön arvon eri sovelluksissa. Vastaajia oli 20 kaikkiaan 64 henkilöstä. Tässä kyselyssä käytetyn LLMtyökalun pääasiallinen kohde on Microsoft Copilot. Suositukseni on käyttää Copilot avustajana ja inspiraation lähteenä laajalla spektrillä tutkimus- ja kehitystyöhön liittyvissä prosessitehtävissä ja yleisissä toimistotöissä - mutta suhtautua kriittisesti siihen, mitä tietoa annat ja mitä saat.