NAV vil innføre kunstig intelligens

NAV-kontorene i Trondheim står i likhet med andre storbyer overfor en betydelig økning i søknader om økonomisk sosialhjelp, og håndterer i overkant av 3000 søknader hver måned. Den store arbeidsmengden gjør at de nå ser på muligheten for å automatisere deler av arbeidet.

– Ansatte bruker nesten all tid på å behandle søknader, punche konto- og kidnummer og få ut vedtak. Det er viktige oppgaver, men vi skulle gjerne også hatt frigjort kapasitet til å følge opp de som trenger hjelp til å komme i jobb og få mer kontroll på egen økonomi, sier Marianne Hyldmo som er kommunalsjef for arbeid og velferd i Trondheim kommune.

– I første omgang ser vi på mulighet for å ta i bruk robotteknologi på deler av saksbehandlingen. Vi ønsker i tillegg å starte utvikling av et bedre fagsystem der veilederne i NAV kan få beslutningsstøtte i saksbehandlingen ved bruk av blant annet kunstig intelligens.

Hyldmo forteller at en stor del av søknadene er tilfeller som åpenbart har krav på hjelp, der det ikke er behov for individuelle vurderinger. Det kan for eksempel være støtte til strøm, der folk allerede fyller vilkårene for hjelp til boutgifter.

– Hovedmålet er å frigjøre ressurser for NAV-ansatte som nå blir overveldet av et økende antall henvendelser og som for øyeblikket kun har tid til å håndtere søknader. Det er begrenset kapasitet til å gi tilstrekkelig oppfølging til innbyggerne i dagens situasjon.

Marija Slavkovik er professor ved Universitetet i Bergen. Hennes forskningsområde er kunstig intelligens med ekspertise innen kollektiv resonnering. Hun er positiv til noe bruk av automatisering i offentlige tjenester.

– Når det gjelder vurdering av søknader om spesifikke ytelser for borgere kan jeg se for meg at det er mye vi kan gjøre for å unngå at mennesker utfører noe av de repetitive oppgavene.

Hun mener likevel det kan være utfordrende.

– Det er deler av jobben som krever menneskelig skjønn og evnen til å ta beslutninger fra sak til sak. Jeg kan se fristelsen når du har begrensede ressurser og mange saker å håndtere, men dette er mennesker i en sårbar situasjon, og det kan være utfordrende og også ekstremt dyrt å gjøre feil.

Slavkovik forteller at automatiserte systemer vil finne egne mønstre som kan være problematiske i arbeidet med mennesker.

–Når du bygger en kompleks modell finner den mønstre i dataene du mater den med, og mange ting kan gå galt. Disse mønstrene kan se veldig nyttige og nøyaktige ut, men unntakstilfellene blir ikke fanget opp.

Hyldmo er derfor bevisst på at automatisering kan føre til at behandlingen av enkeltsaker kan gå galt.

– Vi stoler på den sosialfaglige kompetansen til de ansatte, og at de har den vurderingsevnen som trengs for å møte mennesker på en profesjonell måte.

Slavkovik har et innspill hun mener kan være nyttig når kunstig intelligens får en stadig større plass i arbeidslivet.

– Hvis oppgaven er noe hvem som helst kan gjøre, du kan forklare oppgaven veldig enkelt til hvem som helst og det ikke er noe unntak fra regelen – da er det en oppgave som kan automatiseres. Hvis oppgaven derimot krever mange unntak for å utføres, er det en oppgave du ikke kan automatisere.