Tidsperspektiver i endringsledelse under innføring av kunstig intelligens; En kvalitativ analyse av implementeringen av kunstig intelligens i bildediagnostiske avdelinger i helsevesenet
Abstract
Denne masteroppgaven utforsker hvordan tidsperspektiver kan påvirke endringsledelse under innføring av kunstig intelligens (KI) i bildediagnostiske avdelinger i helsevesenet. Gjennom en kvalitativ studie basert på endringsledelse, teorier om meningsskaping og Normalization Process Theory (NPT) undersøker vi hvordan ledere og ansatte i et større helseforetak i Sørøst-Norge opplever og navigerer i implementeringsprosessen av KI.
Studien anvender en casestudie-tilnærming hvor data fra intervjuer analyseres for å forstå prosessen som startet i 2021, og er i 2024 implementert. Dette gir innsikt i hvordan forventninger og realiteter utvikler seg over tid og hvordan forskjellige profesjonelle grupper opplever prosessene knyttet til KI-innovasjon.
Funnene viser at tidsfaktoren spiller en kritisk rolle i hvordan teknologiske endringer blir mottatt og integrert i daglig praksis. Informantenes forventninger til gevinstene av KI måtte i stor grad justeres etter implementeringen. Interessant nok viser resultatene at mens de bildediagnostiske avdelingene var forventet å være de største mottakerne av fordelene med KI, var det faktisk andre avdelinger som legevakt og akuttmottak som opplevde de største forbedringene. Noe som krevde at det ble skapt nye tidshorisonter og narrativer for de ansatte.
Denne oppgaven bidrar med verdifull innsikt i dynamikken av endringsledelse i helsevesenet og understreker betydningen av å forstå tidsperspektiver for å effektivt lede og implementere nye teknologier. Forskningen fremhever også behovet for videre studier om implementering av KI i helsevesenet, spesielt med tanke på å optimalisere prosesser og støttesystemer for teknologisk innovasjon.
Nøkkelord: Kunstig intelligens (KI), endringsledelse, meningsskaping, Normalization Prosess Theory (NPT) . This Master's thesis explores how time perspectives influence change management during the introduction of artificial intelligence (AI) in medical imaging departments within the healthcare sector. Through a qualitative study based on Change Management, sense-making theories, and Normalization Process Theory (NPT), we examine how leaders and staff at a major healthcare institution in Southeast Norway experience and navigate the AI implementation process.
The study employs a case study approach where data from interviews and observations are compared to understand the process that started in 2021 and was implemented by 2024. This provides insights into how expectations and realities evolve over time and how different professional groups perceive the processes associated with AI innovation.
Findings indicate that the time factor plays a critical role in how technological changes are received and integrated into daily practice. Informants' expectations of the benefits of AI often had to be adjusted after implementation. Interestingly, while the medical imaging departments were expected to be the primary beneficiaries of the AI advantages, it was actually other departments such as emergency and acute care that experienced the greatest improvements. This required the creation of new time horizons and narratives for the employees.
This thesis contributes valuable insights into the dynamics of change management in healthcare and underscores the importance of understanding time perspectives to effectively lead and implement new technologies. The research also highlights the need for further studies on the implementation of AI in healthcare, especially with regard to optimizing processes and support systems for technological innovation.
Keywords: Artificial Intelligence (AI), change management, sense-making, Normalization Process Theory (NPT).