Af Stig Andersen
En analyse fra KMD, ”Ny digital teknologi i kommunerne – Kendskab, drivers og barrierer”, viser, at machine learning er den nye teknologi, som forventes at rykke relativt mest i kommunerne i 2019. Aktuelt har kun tre procent af kommunerne i undersøgelsen implementeret en machine learning-baseret løsning, men 29 procent forventer, at det vil ske i løbet af 2019.
Machine learning står dermed i særklasse for det største implementeringsspring blandt de undersøgte teknologier. Når kommunerne bliver spurgt til den lidt længere tidshorisont, svarer 55 pct. af dem, at de forventer at have implementeret en machine learning-baseret løsning om tre år.
Analysen baserer sig på spørgeskemabesvarelser fra ledere inden for it og digitalisering samt de forskellige kommunale fagområder. I alt 70 respondenter fordelt på 54 kommuner har givet input. De nye teknologier, der er med i analysen er big data, softwarerobotter, cloud-løsninger, droner, internet-of-things, velfærdsrobotter, machine learning, virtuelle assistenter og chatbots, selvkørende biler og busser, augmented reality, blockchain, human augmentation og digital twin
Evidensbaseret forudsigelse
Der blev i spørgeskemaet ikke spurgt til, hvad kommunerne mere specifikt har tænkt sig at anvende eksempelvis machine learning til i det kommende år. Det generelle billede er dog ifølge analysen, at de nye teknologier først og fremmest bliver indført for at automatisere og optimere administrative processer. Hans Jayatissa, Chief Technology Officer i KMD, vil dog gerne give et par eksempler på, hvilke områder kommunerne ser som relevante for machine learning-løsninger.
”Der er gang i flere mindre pilotprojekter, hvor machine learning f.eks. anvendes til at forudsige, hvilke børn og unge der kræver en særlig indsats. Her har man nødvendigvis også skullet arbejde med problemstillinger i forhold til det rent etiske, det juridiske samt det, der har at gøre med datasikkerheden,” fortæller han.
Der er i kommunerne dog en vis tro på, at de etiske og juridiske problemstillinger nok skal blive løst. Lidt over halvdelen af respondenterne i analysen vurderer således, at det er sandsynligt eller meget sandsynligt, at samkøring af data til brug for forudsigelse og tidlig intervention vil blive gængs praksis i arbejdet med udsatte børn og unge inden for de kommende fem år.
Hans Jayatissa nævner også projektet EcoKnow, hvor machine learning anvendes til at understøtte den kommunale sagsbehandling gennem dataanalyse og evidensbaseret forudsigelser, eksempelvis i forhold til beskæftigelsesindsatsen.
Økonomi og regnskab
Inden for områder som økonomi og regnskab, hvor der ikke er de store etiske eller juridiske problemstillinger, er der allerede løsninger i drift ifølge Hans Jayatissa. Det gælder for eksempel KMD’s egen løsning ”Indkøbsanalyse”, hvor machine learning bliver anvendt til at analysere og klassificere fakturaer med henblik på at kortlægge mønstre og eventuelle anomalier i indkøbene.
”Med traditionel business intelligence-teknologi nåede vi ikke højere end 96 pct. i træfsikkerhed, og det var meget tungt at vedligeholde, da det var baseret på mere end 100.000 specifikke regler. Vi har nu re-implementeret løsningen med anvendelse af machine learning og har nået en præcision på 99 pct. Derudover er vedligeholdet blevet nemmere.”
Hans Jayatissa nævner et meget konkret og lidt pudsigt eksempel på, hvad machine learning kan, sammenlignet med traditionel teknologi.
”Machine learning-algoritmen er udmærket klar over, at ’pyntekål’ ikke er en grøntsag, men en stueplante, som det kan give fin mening at indkøbe til et kontor – og derfor ikke rapporteres som en anomali!”
Vigtigt med andres erfaringer
KMD-analysen viser, at erfaringer fra andre kommuner er en vigtig faktor for at vælge at implementere ny teknologi. På spørgsmålet om, hvad der er afgørende for kommunens valg om at implementere ny teknologi, kommer ”Der er gode erfaringer med den pågældende teknologi i andre kommuner” og ”Der er en tydelig og positiv business case” ind på en meget klar delt 1. plads.
I forlængelse af det spørgsmål kommer det også frem, at der i høj grad efterspørges konkrete cases fra kommuner, der ligner ens egen kommune.
Analysen kan downloades her.
