big data

Der er både store muligheder og etiske dilemmaer, når man vil sætte kunstig intelligens i spil på jobcentrene. Der er debat om emnet på Folkemødet på KMD’s eventsted Databasen, K20.


Det er en kompleks opgave at hjælpe en ledig dansker tilbage på arbejdsmarkedet. Det ved de alt om i landets kommunale jobcentre, hvor sagsbehandlerne skal navigere i en omfattende lovgivning for at hjælpe de ledige i job. Men hvad hvis man satte kunstig intelligens til at undersøge tusindvis af danskeres sager for at gøre indsatsen bedre – og måske endda forudse kommende ledighed hos en dansker?

 

Det er spørgsmål med mange svar og etiske dilemmaer, og en række af dem vil formentlig dukke op, når problemstillingen bliver debatteret på fredag på Folkemødet på KMD’s eventsted Databasen.

 

Emnet er højaktuelt, for der bliver allerede arbejdet hårdt på bringe kunstig intelligens i spil ude i jobcentrene. Det er nemlig et af målene med et stort innovations- og forskningsprojekt ved navn EcoKnow, som er støttet af Innovationsfonden med 16 mio. kroner. EcoKnow ledes af professor Thomas Hildebrandt fra Datalogisk Institut ved Københavns Universitet og har bl.a. KMD, Dansk Socialrådgiverforening og flere kommuner som partnere.

 

Konkrete problemer skal belyses

EcoKnow-projektet blev sparket i gang i slutningen af 2017. Siden har data scientists arbejdet på at udvikle de modeller, som skal gøre det muligt for den kunstige intelligens at behandle tusindvis af sager for at finde mønstre, der kan give anbefalinger og beslutningsstøtte til sagsbehandlerne.

 

For KMD’s lead data scientist på EcoKnow-projektet, Dan Svenstrup, har en af de første opgaver været at besøge og være i tæt dialog med folk, der er tæt på jobcentrene.

 

”Vi er specialister i machine learning og har leveret fagsystemer til jobcentrene i mange år, men det har været vigtigt for os at have jobcentrene tæt på processen helt fra starten for at finde de helt rigtige steder at sætte ind,” forklarer Dan Svenstrup.

Vi er specialister i machine learning og har leveret fagsystemer til jobcentrene i mange år, men det har været vigtigt for os at have jobcentrene tæt på processen helt fra starten for at finde de helt rigtige at sætte ind.

Dan Svenstrup, lead data scientist, kmd


”Det har betydet, at vi har opstillet en række hypoteser, som vi er i gang med at be- eller afkræfte. Det kan fx være hypoteser om langtidsledighed, som er et emne, de har stor fokus på i jobcentrene. Vi er således stadig i gang med det, vi kan kalde grundforskning. Der er en række ting, vi skal have plads, før vi kan gå i gang med konkrete problemstillinger i et jobcenter,” siger Dan Svenstrup.

 

Data fra tusindvis af sager kan give mønstre

Det primære mål for EcoKnow-projektet er at få den kunstige intelligens til at levere beslutningsstøtte til de konkrete sagsbehandlere.

 

”Med data fra tusindvis af sagsbehandlere og borgere kan vi finde mønstre. De mønstre kan så bruges til at give sagsbehandlingerne anbefalinger om det videre forløb for den enkelte borger,” siger Dan Svenstrup.

 

Når en sagsbehandler i dag skal mødes med en ledig borger, er det målet at planlægge et forløb, der bringer den ledige tilbage på arbejdsmarkedet. Men hvor sagsbehandleren måske kan huske sine seneste 100 sager og har kort tid til at forberede sig på sin nyeste sag, kan den kunstige intelligens i EcoKnow konstant trække på anonymiserede forløb, der matcher den konkrete borgers situation og spotte egnede mønstre.

 

På sin skærm vil sagsbehandleren derfor kunne se konkrete forslag til et videre forløb for den aktuelle borger, som hele tiden bliver bygget på evidens, fakta og resultater fra andre tilsvarende forløb. Ansvaret og valget ligger dog stadig hos sagsbehandleren.

 

Beslutningsstøtte – og måske automatisering

”Vores modeller skal primært bruges til beslutningsstøtte, men kan potentielt på sigt også bruges til en fuldt automatiseret sagsbehandling. Jeg er ikke sikker på, at vi nogensinde kommer dertil, for der er mange subjektive og etiske aspekter i en konkret sag, som vi måske ikke vil lade en maskine træffe beslutninger om. Etikken i det arbejde er noget, vi har meget fokus på,” forklarer Dan Svenstrup.

 

”Målet med EcoKnow er da heller ikke at fuldautomatisere sagsbehandlingen i jobcentrene, men vi vil bestemt se på, om der kan være rutineopgaver, der kan automatiseres, så medarbejderne kan bruge deres kræfter på andre opgaver,” siger han.

Målet med EcoKnow er da heller ikke at fuldautomatisere sagsbehandlingen i jobcentrene, men vi vil bestemt se på, om der kan være rutineopgaver, der kan automatiseres, så medarbejderne kan bruge deres kræfter på andre opgaver.

Dan Svenstrup, lead data scientist, kmd


Samtidig kan en mere ensartet beslutningsstøtte på tværs af landet sikre, at alle borgere bliver behandlet lige. Men måske kan den kunstige intelligens også gøre det muligt at hjælpe en borger proaktivt, fordi systemet kan se et tidligt faresignal om, at borgeren kan være på vej ud i langtidsledighed.

 

Ingen ønsker at ende i langtidsledighed

”Hvis man sætter ind så tidligt som muligt, kan det gøre en stor forskel. Det vil jo potentielt være godt for både samfundet og for den enkelte borger, for der er jo ingen, der ønsker at ende i langtidsledighed,” siger Dan Svenstrup, som dog understreger, at dette også er et område, hvor etikken skal være på plads.

 

”Som borger skal man være sikker på, at ens data ikke bliver misbrugt. Derfor skal alting være anonymiseret, for man må ikke kunne se, hvem en forudsigelse om langtidsledighed bygger på. Samtidig skal sagsbehandleren dog  vide, hvorfor systemet tror det, så det skal i systemet være transparent, hvad en forudsigelse bygger på,” siger han.

 

Det er stadig for tidligt at sige, hvornår de første konkrete resultater kommer ud af EcoKnow-projektet og efterfølgende bliver implementeret i KMD Momentum, som bliver implementeret i en lang række kommunale jobcentre netop nu og i det næste halve år.

 

Det er til gengæld sikkert, at debatten om de både etiske og konkrete dilemmaer ved brugen af kunstig intelligens på beskæftigelsesområdet bliver skudt i gang på fredag kl. 13.45 på KMD’s eventsted Databasen – K20 - på Folkemødet. Moderator er KMD-direktør Mette Louise Kaagaard og i panelet optræder Bettina Post, Borgerrådgiver i Høje-Taastrup Kommune, Kasper Sand Kjær, formand for Dansk Ungdoms Fællesråd, Cecilia Lonning-Skovgaard, Beskæftigelses- og Integrationsborgmester i Københavns Kommune og Mathias Askholm, Programleder for HK Lab, HK Danmark.