Technological development is an integral part of human life that both shape and is shaped by society. In today’s volatile society, anticipating and interpreting emerging changes is crucial to face future challenges. The predictive abilities of Artificial Intelligence (AI) can support planning in such conditions. Yet AI adoption remains slow in sectors such as energy systems, and urban development, which are characterized by entangled dependencies, critical social services, and multiple involved actors and stakeholders, making planning and management challenging. This thesis addresses key questions about how AI, which relies on historical data, can support future-oriented planning processes in such complex systems. From an innovation management point of view, AI integration is organizationally challenging, shaped by interacting internal and external dynamics – such as tasks, workflows, technical prerequisites, and societal trends – calling for a holistic socio-technical perspective to ensure feasibility and desirability.

This thesis promotes "cooperative intelligence" emphasizing humans’ and AI’s reciprocal dependencies. AI-integration in complex system planning relies on collective sensemaking, especially in the process of constructing meaning of potential futures and identifying possible actions to shape those futures. AI’s predictive ability can guide the navigation of uncertainty and ambiguity in this process and contribute as boundary objects in mediating meaning across domain and organizational boundaries. However, it can also embed historic conditions and introduce new uncertainties. This duality calls for conscious involvement and negotiation among diverse actors.

This thesis sets out to explore how humans together with AI make sense of potential futures in complex system planning building on two empirical studies in the Swedish energy sector. The first study follows the development of an AIprototype to assist planning of energy systems in new city districts. The second study investigates the implementation of an AI-tool to assess impacts of societal trends on the future energy system.

The thesis contributes to existing literature by informing how AI connects temporal dynamics of imagination and action in human-AI cooperation, how it reconfigures cross-boundary collaboration, develops the notion of intelligent boundary objects, and how organizational structures need to evolve. It contributes to innovation management research, detailing how AI-integration shapes prospective sensemaking and strengthens organizational planning capabilities.

Teknologisk utveckling är en integrerad del av mänskligt liv som både formar och formas av samhället. I dagens flyktiga samhälle är det avgörande att kunna förutse och tolka framväxande förändringar för att möta framtida utmaningar. Den prediktiva förmågan hos Artificiell intelligens (AI) kan stödja planering under sådana förhållanden. Ändå går införandet långsamt i sektorer som energisystem och stadsutveckling, vilka kännetecknas av sammanvävda beroenden, kritiska samhällstjänster och många involverade aktörer och intressenter. Detta gör planering och ledning utmanande. Avhandlingen tar upp centrala frågor om hur AI, som bygger på historisk data, kan stödja framtidsorienterade planeringsprocesser i sådana komplexa system. Från ett innovationsledningsperspektiv är AI-integration organisatoriskt utmanande och formas av både interna och externa faktorer – såsom arbetsmoment, organisatoriska arbetsflöden, tekniska förutsättningar och samhällstrender – vilket motiverar ett helhetsperspektiv som inkluderar samspelet mellan sociala och tekniska aspekter i AI-integration för att säkerställa genomförbarhet och önskvärdhet.

Denna avhandling lyfter fram "samverkande intelligens" som betonar människors och AI:s ömsesidiga beroende. AI-integration i planering av komplexa system behöver beakta kollektivt meningsskapande, särskilt i processer för meningsskapande av möjliga framtida scenarion och överväganden av handlingsalternativ för att forma dessa. AI:s prediktiva förmåga kan vägleda navigering genom de osäkra och tvetydiga förhållanden i denna process, och fungera som gränsobjekt för att medla meningsskapande över domän- och organisationsgränser. AI kan dock också bädda in historiska förhållanden och introducera nya osäkerheter. Denna dualitet kräver medvetet engagemang och förhandling mellan olika aktörer.

Avhandlingen syftar till att utforska hur människor, tillsammans med AI, förstår potentiella framtida scenarier i planering av komplexa system med utgångspunkt i två empiriska studier inom den svenska energisektorn. Den första studien följer utvecklingen av en AI-prototyp för att stödja planering av energisystem i nya stadsdelar. Den andra studien studerar implementeringen av ett AI-verktyg som analyserar påverkan av samhällstrender på det framtida energisystemet. Detta empiriska sammanhang ger rika möjligheter att utforska framtidsperspektiv och AI i planering av komplexa system.

Avhandlingen bidrar till befintlig litteratur genom att klargöra hur AI kopplar samman tidsdynamik relaterat till förställningsförmåga och handling i samarbetet mellan människa och AI, hur den omformar gränsöverskridande samarbeten, utvecklar begreppet intelligenta gränsobjekt och diskuterar hur organisationsstrukturer behöver utvecklas. Den bidrar till innovationsledning och hur AI-integration förbättrar meningsskapande av framtiden och stärker organisationers planeringsförmåga.

Artificial intelligence (AI) is increasingly introduced into many systems that modern society rely on and is often portrayed as a savior that can contribute to finding solutions to societal challenges e.g., social, and ecological sustainability. Many of these systems can be classified as complex systems, with interdependencies, emergent behaviors and a diversity of actors involved. As AI is increasingly introduced into these systems, we witness a transformation from complex systems into complex intelligent systems. At the same time caution is invoked toward the risks of AI regarding e.g., biases and loss of control as more tasks are transferred to AI. Hence, the introduction of AI into complex systems is associated with uncertainties around management of AI initiatives and their influence on future systems. Challenges like this can affect many different functions and professions and thus need to be understood collectively.

The aim of this thesis is to examine how the actors’ prospective collective sensemaking processes in developing complex systems are affected by AI introduction. Previous research within complex systems literature shows important aspects regarding sensemaking of the system and situations within operations of complex systems. However, sensemaking in the development process of complex systems has been less studied. By examining the introduction of AI in complex systems development this thesis explores collective prospective sensemaking processes in the development of complex intelligent systems.

To study an emerging phenomenon like AI introduction in complex systems, an explorative case study was found suitable. The case chosen for the study was a cross-organizational development project of an AI-tool based on Machine Learning for planning of energy systems to be used in the urban planning process of new city districts. This setting revealed plenty prospective and collective sensemaking occasions around AI introduction and exhibited continuous engagement in prospective collective sensemaking relating to the development of the AI tool and the imagined use of the AI tool in the system, which have been reported in the two appended papers. The first paper showed misalignment between actors’ sensemaking processes that alternated between seeking and disengaging behaviors. It also identified the use of boundary objects to retain disengaged actors and raised considerations around the level of detail of the boundary objects in relation to the sensemaking behaviors. The second paper identified dependencies between near- and distant-sensemaking loops that highlight challenges to connect retrospective insights with prospective imaginations by action in the present. In the creation of complex intelligent systems, human involvement seems inevitable, and the second paper exposes how AI can augment human cognition and organizational capabilities for creative imagination around possible and desirable distant-future scenarios.

This thesis extends previous research on prospective and collective sensemaking in the development process of complex intelligent systems by presenting a framework of near and distant future sensemaking and internal and external complexity. This provided new insights of how knowledge flows over system levels and how to use boundary objects throughout such projects. Insight that can be useful for management of purposeful AI introduction in complex systems and society. Moreover, it contributes with an empirical case of AI introduction in complex systems to the innovation management literature.

Artificiell intelligens (AI) integreras alltmer i de system som vårt moderna samhälle vilar på och framställs ofta som en viktig faktor för att lösa de utmaningar som samhället står inför, till exempel social och ekologisk hållbarhet. Många av dessa system kan definieras som komplexa system, med ömsesidiga beroenden, oförutsedda beteenden och en mångfald av inblandade aktörer. När AI introduceras i sådana system kan vi skönja en transformation från komplexa system till komplexa intelligenta system. Samtidigt påtalas ofta riskerna med AI avseende till exempel partiskhet och minskad kontroll när uppgifter tas över av AI. Införandet av AI i samhällskritiska system förknippas därmed med osäkerheter kring hanteringen av AI-initiativ och dess påverkan på framtiden. Detta leder till utmaningar som berör många olika funktioner och professioner och därmed behöver förstås kollektivt.

Syftet med avhandlingen är att undersöka aktörernas framtidsorienterade, gemensamma, meningsskapande processer under utveckling av komplexa system och hur de påverkas av introduktionen av AI. Tidigare forskning inom komplexa system har visat på viktiga aspekter gällande människors förståelse av systemet och situationer framförallt inom driften av komplexa system. Meningsskapande i utvecklingsprocessen av komplexa system har dock hittills inte uppmärksammats i samma utsträckning. Genom att undersöka introduktionen av AI i utvecklingen av komplexa system utforskar denna avhandling kollektiva, framåtblickande, meningsskapande processer inom utvecklingen av komplexa intelligenta system.

För studier av ett framväxande fenomen som AI-introduktion i komplexa system ansågs en explorativ fallstudie lämplig. Det valda fallet var ett utvecklingsprojekt av ett AI-verktyg baserat på maskininlärning med syfte att användas i planeringen av energisystem inom stadsplaneringsprocessen av nya stadsdelar och hade flera medverkande organisationer. Fallet visade på flera framtidsorienterade och gemensamma meningsskapande situationer kring AI-introduktion. Därmed synliggjordes de medverkandes kontinuerliga deltagande i framåtblickande gemensamt meningsskapande relaterat till utvecklingen av AI-verktyget och dess tänkta användningen i systemet, vilket rapporterats i de två bilagda artiklarna. Den första artikeln visade att de meningsskapande processerna var ur fas mellan aktörerna, vilka växlade mellan sökande och oengagerade beteenden, och att användningen av gränsöverskridande objekt med rätt detaljnivå kan involvera oengagerade aktörer. Den andra artikeln identifierade beroenden mellan olika meningsskapande cykler, närliggande respektive avlägsen framtid, vilket belyser utmaningar med att koppla tillbakablickande insikter till framåtblickande föreställningar om systemet genom handling i nuet. Vid skapande av komplexa intelligenta system framstår mänsklig inblandning som oundviklig, och den andra artikeln belyser även hur AI kan förstärka mänsklig kognition och organisatoriska förmågor för att främja kreativ föreställningsförmåga kring möjliga och önskvärda scenarier av en avlägsen framtid.

Avhandlingen bidrar genom att bredda tidigare forskning om framtidsorienterat och kollektivt meningsskapande i utvecklingsprocessen av komplexa intelligenta system genom att presentera ett ramverk av närliggande och avlägset framåtblickande och intern och extern komplexitet. Det visar på nya insikter om hur kunskap flödar över systemnivåer och gränsöverskridande objekt kan användas under sådana utvecklingsprojekt. Sådana insikter kan vara praktiskt användbara för en välgrundad AI-introduktion i komplexa system och i samhället i stort. Dessutom bidrar den med en empirisk fallstudie av resan mot AI-introduktion i komplexa system till litteraturen inom innovationsledning.