Navigating uncertain futures: Sensemaking with AI in complex system planning

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.