Blogindlæg af Mads Lund Torslev, Programleder for Udvikling, It- og Digitaliseringsafdelingen, Horsens Kommune

AI eller kunstig intelligens er meget fremme for tiden og med rette. AI kan være en væsentlig bidragsyder i den offentlige sektor i forhold til at træffe den rette beslutning og guide os igennem et datagrundlag, der bliver mere og mere komplekst. Kommunerne udføre de samme opgaver, men har pr. tradition haft svært ved at dele it-løsninger. Så når den ene kommune har fundet svaret, kan vi ikke bare sige copy/past, og så er alt godt.

Men det er et problem, fordi opgaverne bliver mere komplekse, og data er i vækst alle vegne – vi ser det i mailboksen, på vores servere og i vores it-systemer. Der giver os en række udfordringer:

1. Krav og kvalitet – vi skal registrere mere og mere, hvilket tager tid, og vi risikerer, at vi ikke gør det ordentligt
2. Tid og forventninger – vores politikere, borgere og virksomheder forventer, at vi svarer effektivt og hurtigt på deres henvendelser

Hvis vi gerne vil sikre, at vi træffer de bedste beslutninger nu og i fremtiden, har vi brug for en hjælpende hånd. Hjælp til at kontrollere, præ-analysere og forberede beslutninger for os. Dette fremhæves også i KL’s ”Kommunernes teknologispring”* under den samlede betegnelse ”Kunstig Intelligens, Big Data & Robotter”.

I Horsens Kommune har vi taget de første skridt på rejsen med at drage nytte af denne hjælpende hånd ved at kombinere flere teknologier. Eksempelvis arbejder vi lige nu på området for socialt bedrageri:

1. En selvbetjeningsløsning til borgere som har observeret noget mistænksomt
2. RPA** anvendes til at hente relevant data om den indmeldte borger
3. ML*** software gennemser dataene og foretager en vurdering
4. Sagsbehandleren bliver bedt om at tage over og afgøre sagen
5. Sagsbehandleren giver herefter feedback til ML på dens vurdering af sagen for at forbedre den fortsatte udvikling af ML’en

Alt er godt – næsten. Vi forventer ikke, der på nuværende tidspunkt er tilstrækkelige datamængder til at køre effektiv ML. Hvis der ikke er nok cases til at teste og forbedre algoritmen i ML, er det vanskeligt hurtigt og effektivt at opbygge en kvalificeret model. Det er en afgørende fase på vores rejse, hvor vi netop nu overvejer forskellige løsningsmuligheder.

Vi kunne hente flere historiske data (det tager mere tid) eller kopiere datasæt, så vores ML software øger sin forståelse ud fra dette. Dog det mest relevante ville være, hvis den samme ML fik lov at prøve kræfter af i flere kommuner.

Det, vi har brug for, er et Open Source mindsettet. Vi kommuner kunne dele ML modellen og derigennem løbende styrke den. Eksempelvis kunne Horsens Kommune starte med modellen, når vi så har kørt første runde, sender vi den videre til næste kommune. Denne kommune træner så videre med modellen, og når de er færdige, sendes den videre i byen. Til sidste har modellen set det mest og med al sandsynlighed har fået træfsikkerhed tæt på 100%.

Hvordan gør vi så det?

Undervejs kan modellen udstilles via samarbejde, så alle kan benytte sig af modellen, og vi kan med cloud computer**** relativt nemt og billigt alle prøve modellen af med egen data.

Med samarbejde kan vi i fællesskab opnå fantastisk resultater med AI.

-----------------------------------------

* https://www.kl.dk/politik/teknologispring/

** RPA: Robotic Process Automation; software der kan gentagne simple workflows via skærmbilleder. RPA kan trække data mellem systemer og levere det til 3. parts løsninger

*** ML: Machine Learning; software der giver computere evnen til at lære uden at være udtrykkeligt programmeret. Det væsentlige er den lærende del, hvor computere bruger algoritmer til iterativt at lære af data, hvilket ændrer deres adfærd/handlinger.

**** I Horsens Kommune bruger vi AWS som ML løsning, her kan man uploade data i CSV format og få SageMaker til at analyse dataen via Python notebook og derfra kan SageMaker udstille en API til os så vi hurtigt og effektivt kan bruge ML i driften.