IT-Branchen: Ny evaluering af offentlige AI-projekter viser, at der er lang vej fra potentiale til gevinst

Den dugfriske evaluering om de offentlige AI-signaturprojekter understreger, at der er langt fra potentiale til reel gevinst, eller blot idriftsættelse, når vi taler om AI i det offentlige.
Og vi kommer ikke uden om, at når kun 6 ud af 40 igangsatte AI-signaturprojekter er blevet idriftsat, så skal vi have samtalen om, hvad projekterne kan lære os om AI i den offentlige sektor.
Og der er (mindst) fire centrale erfaringer, der er afgørende at skrive sig bag øret:
Hvis vi skal lykkes med AI, så skal det offentlige turde fejle
Når de mange AI-projekter ender på algoritmernes kirkegård, så bør det minde os om, at det offentlige skal turde fejle – turde afprøve teknologier for at blive klogere.
Når de mange AI-projekter ender på algoritmernes kirkegård, så bør det minde os om, at det offentlige skal turde fejle.
Asbjørn William Ammitzbøll Flügge
Politisk chefkonsulent i IT-Branchen
På tværs af de offentlige myndigheder, der har deltaget i projekterne, oplever de en større modenhed omkring AI. For eksempel oplyser 79 procent af projekterne, at de har fået bedre teknologikendskab gennem projekterne.
Selvom endemålet for AI i den offentlige sektor er både kvalitetsløft og sparede timer, så er der nødt til at være en villighed til at acceptere, at en god del af initiativerne ikke kommer i mål, men til gengæld bibringer vigtig læring.
Data er (stadig) den store udfordring
Den største udfordring på tværs af projekterne handler stadigvæk om data. Ja, faktisk oplevede 79 procent af projekterne dataudfordringer. Som der står i evalueringen: "De fleste kommuner og regioner oplever dataudfordringer, både i form af utilstrækkelige datamængder og lav datakvalitet."
Selvom vi i Danmark har enormt meget højkvalitetsdata, især sammenlignet med andre lande som eksempelvis Tyskland, så viser projekterne, at vi måske ikke har så gode data, som vi håber.
Som jeg påpegede så sent som i Ingeniørens krystalkugle for 2025, inden jeg læste evalueringen, så tror jeg, at: "Det bliver en udfordring, at man i det offentlige enten ikke har de rigtige data, eller data af tilstrækkelig kvalitet, til at udvikle de AI-systemer, som man gerne vil. Så vi kommer til at se mange AI-projekter strande og sande til på grund af mangel på brugbar data."
Blandt andet derfor mener vi i IT-Branchen, at der i regi af den kommende fællesoffentlige digitaliseringsstrategi skal laves en egentlig national datastrategi.
Den skal fokusere på effektiv anvendelse af data internt i det offentlige, frigivelse af data til innovation og udvikling af nye løsninger samt gennemsigtighed og kontrol for borgeren i forhold til egne data.
Det er de lavthængende frugter, der bliver en succes
En af de sætninger, som jeg har hørt allerflest gange på diverse konferencer om AI er, at vi skal starte med de lavthængende frugter. Underforstået, opgaver, der både er simple og gerne har en stor volumen og lav juridisk kompleksitet.
Hvis det giver læseren en mild form for deja-vu, så er det nogenlunde samme måde som RPA (Robot Process Automation) eller automatisering er blevet italesat igennem de sidste mange år.
At skalere og sprede løsninger på tværs af organisatoriske skel bliver en afgørende opgave, også i forhold til at lykkes med AI.
Asbjørn William Ammitzbøll Flügge
Politisk chefkonsulent i IT-Branchen
Ikke desto mindre viser evalueringen, at det stadigvæk er de administrative arbejdsgange, gerne uden borgerdata, som på teknik og miljøområdet, der lykkes.
Vi mangler erfaring med monitorering og skalering
En pointe fra evalueringen, som er let at overse, er, at projekternes erfaring i høj grad er fokuseret på udvikling og idriftsættelse af AI-løsninger.
Der er derfor kun i "begrænset omfang erfaringer med de problemstillinger, som vil komme senere […] eksempelvis monitorering af AI-modeller i drift, gentræning og udfasning, samt skalering på tværs af organisationer og infrastrukturer."
Det betyder, at selvom vi står med viden om 40 AI-projekter, så er der ret væsentlige dele af et IT/AI-systems livscyklus, som der kun er begrænsede erfaringer med.
Skalering af teknologier kan spare offentlige jobs
IT-Branchens egne analyser viser, at ved at skalere allerede modne teknologier, kan vi spare 10.000 fuldtidsstillinger i den offentlige sektor.
At skalere og sprede løsninger på tværs af organisatoriske skel bliver en afgørende opgave, også i forhold til at lykkes med AI. Og her er vi altså ikke meget klogere, end da projekterne startede for snart fem år siden.
I IT-Branchen håber vi derfor, at erfaringerne fra AI-signaturprojekterne ikke kun bliver vigtig læsning for regeringens digitale taskforce for kunstig intelligens, men også bliver inddraget i udformningen af den kommende fællesoffentlige digitaliseringsstrategi.
Artiklen var skrevet af
- Nato er brudt sammen, og EU er lammet. Nu må vi genoplive idé fra den kolde krig
- Erfarne embedsfolk kræver stop for "stedmoderlig" behandling af boligpolitik
- Rapport: Stor lukkethed præger dansk forsvarspolitik
- Mennesker er ikke kun rationelle, men styres af følelser og normer. Det skal afspejles i lovgivningen, mener forsker
- Digitaliseringsministeren har næsten kun ansvar for MitID. Det er en ommer




















