Temperaturmåling opsamler kommuner og regioners erfaringer med kunstig intelligens

Kunstig intelligens har potentialet til at løfte kvaliteten og kapaciteten i fremtidens offentlige sektor – på tværs af sektorer og fagligheder.

Derfor blev Digitaliseringsstyrelsen, KL og Danske Regioner i økonomiaftalerne for 2020 enige om at etablere en investeringsfond for nye teknologier på 200 mio. kroner.

I forlængelse heraf blev 15 projekter – signaturprojekterne – igangsat med henblik på at afprøve kunstig intelligens i kommuner og regioner.

→ Læs om signaturprojekterne (eksternt link)

De tre vigtigste områder

I dag præsenterer Digitaliseringsstyrelsen, KL og Danske Regioner en ny 'temperaturmåling' netop læringen fra signaturprojekterne. Ud over at dele erfaringer opsamler målingen viden om, på hvilke områder der særligt følger udfordringer med i mødet med en relativt ny teknologi i det offentlige.

De tre vigtigste områder med udfordringer er:

• Data: Udfordringer med den data, der ligger til grund for den tekniske løsning, herunder udfordringer omkring datakvalitet og -mængde. Det kan fx være, at der i data findes mange fritekstfelter, som kan være krævende og svære at arbejde videre med. Det betyder, at flere projekter afsøger andre datakilder eller forsøger selv at sikre mere strukturerede data fremadrettet.
• Jura: Udfordringer med bl.a. fortolkning af GDPR. Det kan være svært at vide, hvordan reglerne skal fortolkes, og det fører ofte til, at projekterne udviser stor forsigtighed og hellere undlader at anvende data, hvis de er i tvivl om det juridiske grundlag. Nogle projekter har hyret ekstern juridisk bistand, mens andre projekter har fået afsat interne ressourcer i forhold til at afklare de juridiske usikkerheder. Projekterne oplever også udfordringer med juridiske dokumenter og risikovurderinger.
• It-infrastruktur: Udfordringer med adgang til den fornødne data, sikker deling af data ml. systemer og sikkerheden omkring den tekniske løsning. Mange systemer er fx bygget til drift og til at få data ind i systemerne, men de er ikke nødvendigvis bygget med mulighed for at trække data ud af systemerne. Det betyder, at flere projekter må betale leverandører for at få adgang til deres egne data, eller at de selv må udvikle API'er for at kunne udtrække data. Nogle vælger ligefrem hele datasæt fra, fordi det tager for lang tid eller bliver for dyrt.

→ Download og læs hele temperaturmålingen (eksternt link)

Vigtige erfaringer at få dokumenteret

De øvrige udfordringer handler om manglende kompetencer til at arbejde med kunstig intelligens, de etiske udfordringer, der kan opstå, organisering af projektet og endelig samarbejdet med leverandører.

Det kan virke overraskende, at de største udfordringer samtidig er ret grundlæggende, mener centerleder i COI Pia Gjellerup:

"Det er tankevækkende, at de første og største udfordringer forbundet med kunstig intelligens ikke handler så meget om, hvad maskinen spytter ud, men om hvordan og hvad vi mennesker kommer i den forinden. Det er vigtige erfaringer, vi her ser dokumenteret," siger hun.

"Vi kan godt lide at tale om, at den offentlige sektor i Danmark har data i verdensklasse, men i praksis er det altså ikke altid så nemt at anvende data. Erfaringerne fra signaturprojekterne viser tydeligt, at hvis den offentlige sektor i Danmark skal anvende potentialerne i kunstig intelligens fuldt ud, skal de grundlæggende byggesten være på plads: Hvilke data har vi, hvilket format har data, har vi adgang til data og hvad må og vil vi bruge data til?" fortsætter Pia Gjellerup.

Tilgangen er typisk dansk

De fællesoffentlige signaturprojekter har fokus på at udnytte de muligheder, teknologien giver, samtidigt med at projekterne skal give indsigt i teknologiens begrænsninger og udfordringer.

Tilgangen er på mange måder typisk dansk, mener centerleder i COI Pia Gjellerup, hvor vi ofte satser på den lidt omstændelige vej at lave brede aftaler, hvor man sætter en fælles retning, aftaler nogle indsatsområder og derefter afprøver mulighederne decentralt i deres rette element.

Det har også været afsættet for de fællesoffentlige signaturprojekter om anvendelse af kunstig intelligens i det offentlige, forklarer hun:

"For vel tager det lidt længere tid at komme overens og at få planlagt slagets gang. Men derefter er forankringen langt bredere og dermed virkningsfuld. Landvindingerne sker i fællesskab, og så er de lettere at dele, fordi der også er medtænkt de menneskelige aspekter af brugen. Fejltrin og forkerte antagelser bliver også afprøvet i fællesskab, så dumme stød tages sammen og med fælles læring og reaktion som resultat," siger Pia Gjellerup.

→ Læs om projekternes udfordringer og erfaringer – og hent inspiration til det fremadrettede fællesoffentlige samarbejde på området (eksternt link)