Ekspert: Lødig kunstig intelligens bør være et essentielt værktøj i enhver sagsbehandling

Sagsbehandling er vanskelig. Måske specielt vanskelig inden for socialområdet. Dette ses tydeligt i omgørelsesprocenten fra Ankestyrelsen, hvor 36,3 procent af alle sager behandlet hos dem i 2020 er blevet omgjort. Man kan nok godt antage, at det ikke er det reelle antal fejl; da det nok næppe er alle ender hos Ankestyrelsen. Samtidig er ressourceforbruget i socialområdet ikke ubetydeligt. Der er altså et godt potentiale for optimering her. 

Optimering kan generelt bevare den samme kvalitet, bare gøre det hurtigere og billigere; bedre kvalitet; eller man kan få bedre kvalitet, hurtigere og billigere. Kunstig intelligens kan hjælpe os med ikke bare at gøre sagsbehandling bedre eller billigere, men måske begge dele på samme tid. 

Kunstig intelligens eller algoritmer?
Kunstig intelligens er en finurlig størrelse. Der er ikke nogen formel definition, men lad os bare benytte os af den, som anvendes inden for international standardisering af kunstig intelligens: "[et] systems evne til at tilegne, behandle og anvende viden og/eller færdigheder." Her er det en god idé at påpege, at kunstig intelligens ikke er det samme som en algoritme. 

Så i bageriet har vi en algoritme for at lave wienerbrød. Dog er det noget andet, som beslutter at vi skal lave wienerbrød. På sammenmøde har vi en sagsbehandling en algoritme for at behandle en sag. Dog er det noget andet som beslutter at vi skal behandle den og hvad en evt. intervention skal være. 

Menneske og maskine har i mange situationer en tendens til at slå mennesker eller maskiner

Anders Kofod-Petersen
Professor i anvendt kunstig intelligens

Hvad er det så kunstig intelligens i en sagsbehandlingskontekst kan hjælp os med? I bund og grund kan vi anvende det til de ting, vi som mennesker ikke er så gode til.

Det kan eksempelvis være at overskue store datamængder, sammenstille regler, forskrifter, love, og så videre for at danne et komplet overblik og eventuelt afslører modstridende punkter, at indhente alle relevante sager, beregne ligheder og uligheder for at danne præcedens, assistere i skøn baseret på alle tidligere sager, tilbyde borgere fuldstændig gennemsigtighed i sagsbehandlingen, underliggende dokumenter og afgørelser og gøre (menneskelig) bias eksplicit. 

Et spørgsmål om tillid

Så, hvad er egentlig problemet? Kenneth Kristensen opsummerer elegant kerneproblematikken i hans arbejde med eksemplet fra Gladsaxe i 2018.

I bund og grund opstod der en tillidskrise mellem borgerne og kommunen. Noget, som var et resultat af primært en manglende styringskæde mellem direktion og politikere, at politikere og borgere var afkoblet, og en generel algoritmeaversion hos mange mennesker.

Kristensen konkluderer, at hvis man vil anvende algoritmer i det offentlige skal man sikre: 1) tæt involvering af politikerne, 2) sikre politikernes forståelse af algoritmer, 3) balancere offentlig værdi og skab opbakning fra interessenterne, 4) etablere operationel kapacitet, og 5) at algoritmeaversion er en præmis.

Hvis vi vil forsøge at forbedre kvalitet og gøre sagsbehandling hurtigere og billigere, skal vi anvende kunstig intelligens

Anders Kofod-Petersen
Professor i anvendt kunstig intelligens

For egen regning vil jeg gerne generelt tilføje: 6) sikre den nødvendige kompetence hos dem, som skal udvikle og bygge systemer med kunstig intelligens – det er vanskeligt at lave lødig kunstig intelligens.

Hvis vi vil forsøge at forbedre kvalitet og gøre sagsbehandling hurtigere og billigere, skal vi anvende kunstig intelligens. Vi skal flytte perspektivet fra teknik og begrænsninger i teknikken som første prioritet, til at hellere kigge på det problem, vi er interesseret i at løse. For så derefter at gribe i værktøjskassen og betragte hvilke værktøjer der bedst løser det konkrete problem.

Løsninger indenfor sagsbehandling skal uden tvivl være et samarbejde mellem den menneskelige sagsbehandler, med kunstig intelligens-støtte til det, som de ikke er så gode til, og kunstig intelligens, med støtte fra sagsbehandlere til det, som teknologien ikke er så god til. Menneske og maskine har i mange situationer en tendens til at slå mennesker eller maskiner.

Så det er bare at rejse sig op, være fokuseret på det problem, man prøver at løse og komme i gang.