Af Stig Andersen
Københavns Kommune stod i 2017 over for en opgave med at tjekke 20.000 personalesager for at sikre, at alle sager indeholdt den obligatoriske børneattest. En manuel gennemgang ville koste cirka tre årsværk svarende til en udgift på over 1 mio. kroner. Ved at slippe en kombination af machine learning og softwarerobotter løs på opgaven, kunne det gøres markant billigere.
Personalesagerne i Københavns Kommune var oprindeligt på papir, men blev i 2013 scannet ind og lagt i en mappe i én lang billedfil. Da behovet for at tjekke sagerne opstod, opstod også idéen om at automatisere processen ved hjælp af machine learning og softwarerobotter.
– Det ville tage omkring tre årsværk at tjekke sagerne manuelt. Oven i det ville der komme arbejdet med at indhente de manglende dokumenter og få dem arkiveret korrekt, forklarer Mikkel Folmø, kontorchef i Koncern IT, Københavns Kommune, og fortsætter:
– I stedet udviklede vi en løsning, hvor en machine learning-algoritme gennemløber alle sagerne, og softwarerobotterne sørger for, hvis muligt, at finde de manglende dokumenter og arkivere dem det rette sted.
Automatiseringsløsningen blev anvendt til tjek af 20.000 personalesager og resulterede i en markant besparelse for kommunen.
Positiv business case
Udviklingen af algoritmen inklusive input af træningsdata til opbygning af modellen stod Koncern IT selv for og kostede omkring to mandemåneder. Dertil kom en mandemåned til at sætte den nødvendige infrastruktur op inklusive nogle scripts til at hente dokumenterne ud af ESDH-systemet og lægge dem på et drev, hvor algoritmen kunne køres.
Men før algoritmen kunne detektere, om de krævede dokumenter var til stede, skulle alle de eksisterende filer OCR-scannes. Det var den tungeste del af processen, og det blev gjort ved at afvikle open source OCR-værktøjet Tesseract i skyen (Microsoft Azure) for at sikre den nødvendige processorkraft.
Regningen for de fem timer, som kørslen på over 600.000 dokumenter tog, var på 7.000 kr.
– Business casen på projektet er jo helt klart positiv, særligt hvis man som os har den nødvendige volumen og de nødvendige kompetencer i huset, siger Mikkel Folmø.
Klassisk it den største opgave
Det viste sig, at udviklingen af selve algoritmen ikke var den tungeste opgave i projektet.
– Vi bliver nok ikke overrasket længere, men i den her type projekter er det vigtigt ikke at undervurdere opgaven med at etablere den nødvendige infrastruktur. Det er i virkeligheden alle de klassiske it-opgaver rundt om machine learning-delen, der tager mest tid, forklarer Mikkel Folmø.
Som eksempler nævner han arbejdet med at udvikle en automatiseret metode til at hente dokumenter ud af ESDH-systemet og få dem placeret et sted, hvor algoritmen kunne køres, tjek af integrationer og adgang til data på de involverede systemer, osv.
Planen er nu at køre et tjek på personalesagerne cirka en gang hvert kvartal. De historiske data er nu tjekket, og personaleadministrationen har fokus på at sikre, at de nødvendige dokumenter er til stede i nye sager. Så formålet med kørslerne er nu i højere grad at sikre, at eventuelle nye dokumentationskrav i forbindelse med skift af job inden for kommunen bliver overholdt.
Machine learning tættere på kerneprocesserne
Softwarerobotter har ifølge Mikkel Folmø allerede på nuværende tidspunkt i et godt stykke tid været accepteret i organisationen som et værktøj, man kan bringe i spil, og med det første positive erfaringer med machine learning, bliver også dette værktøj efterspurgt, når der skal laves nye it-løsninger.
– Her i starten har vi valgt områder, hvor det giver indlysende mening, hvor der er en positiv business case, hvor der ikke er væsentlige juridiske eller etiske problemstillinger involveret, og hvor det ikke ville udløse en større katastrofe, hvis noget fejler, fortæller han og fortsætter:
– Vi står nu på tærsklen til at anvende machine learning på nogle områder tættere på de afgørende kerneprocesser i forhold til borgerne. Og her er det afgørende vigtigt, dels at det hele fungerer korrekt, og at der i organisationen er en forståelse for, hvad algoritmen rent faktisk gør, da algoritmer lige som mennesker både har styrker og svagheder.
Koncern IT står for den tekniske del af automatiseringsløsningerne, mens det principielt er den kommunale forretning, der skal tage initiativ til nye løsninger. I forhold til de kørende løsninger har Koncern IT en kontaktperson per løsning i forretningen, som man kontakter i forbindelse med større kørsler, og som også kan informere Koncern IT, hvis der sker ændringer i forretningsgangene, der har indflydelse på automatiseringsløsningerne.
– Løsningerne skal betragtes som digitale kolleger, der en gang imellem skal sendes på kurser for at høre om det sidste nye. De er meget mødestabile, de kan håndtere mange sager meget hurtigt, men hvis man ikke sørger for at vedligeholde dem, kan de også lave mange fejl meget hurtigt, siger Mikkel Folmø.
