1. WWW.STRANGNAS.SE
Tillsammans och med invånarnyttan i fokus,
skapar vi framtidens hållbara kommun
i hjärtat av Mälardalen.
Strängnäs-AI/NLP pilot
Digitalisering mha AI från ett kommunperspektiv
SKR:s AI-nätverk 20200422
2. WWW.STRANGNAS.SE
”Skall det verkligen se ut så där??”
Vår fråga till er: hur tänka? Användaren är antagligen en handläggare
Finns det andra sätt att tänka? Användarvänliga rapporter? Eller?
Hur ser slut resultatet ut egentligen…
Tecken på våld……………………..……………….. 0,735
3. WWW.STRANGNAS.SE
Anmälan
inkommer
Anmälan
registreras
Slagning i
register
Tecken på oro
och våld
Skydds
bedömning
Journal
föring
Möte med
inblandade
Information
kategoriseras
Beslut om
utredning
Anmälan
inkommer
Anmälan
registreras
Skydds
bedömning
Slagning i
register
Beslut om
utredning
Möte med
inblandade
Informera
om beslut
FAS* Projekt
(RPA mm)
AI Pilot
(NLP mm)
*FAS = förändrat arbetssätt
Projektet pågår parallellt- gemensam styrgrupp
Pågående digitalisering av en idag manuell process:
orosanmälan av barn och unga
In
er
be
4. WWW.STRANGNAS.SE
Starta er AI-resa (50% Vinnova finansierad)
2 NLP-spår:
• Språkmodell baserad på KB-Bert
• ”Språkdatalabbets modell”
• Identifiera tecken på oro eller våld
• Plus: använda en ”färdigtränad”
modell, lärdomar utifrån ”backward
engineering”mm
• Minus: vilka behov passar den
lösningen?
• Språkmodell baserad på KB-Bert?
• Träna ”vår” modell att känna igen
flera BBiC risk- och skyddsfaktorer
• Kategorisering och semantisk likhet
• Plus: anpassad till våra behov, lärdom
om utveckling från A till Ö mm
• Minus: hur långt kommer vi? Tid och
teknik!
Tecken på oro
och våld
Information
kategoriseras
6. WWW.STRANGNAS.SE
Annotering
• Komplext och tidskrävande
• Många timmar går åt… tänka ”rätt” från början..
• Användarvänlighet i verktyget viktigt för ”vanliga” användare
• Kategorisera: Våra logiska verksamhetsmodeller, är dom logiska?
• En kategori i taget => lära sig och dra slutsatser inför nästa
Lärdomar och utmaningar
7. WWW.STRANGNAS.SE
En smal behovsbild redan mkt komplex
Samverkan har ett syfte i sig, vi formar morgondagens AI Sverige
Ta hjälp, ge tillbaka, löpande
Hur samverka på ett strukturerat sätt?
Verksamheter: förstå och äga sin modell
Databehörighet: historiskt satta för människor = våga utmana!
Svåra verksamhetsmodeller för AI = komplexa även för handläggaren?
Inte bygga modeller så som vi konstruerade bilar
Lärdomar och utmaningar, forts
8. WWW.STRANGNAS.SE
Deep Learning: när är en svart låda aktuell i en kommunal verksamhet?
Vet vi vad vi kommer att få?
Men känd data + känd modell => snabbare utveckling
Det praktiska – hur göra egentligen (HW & SW)? Handbok? Stöd?
Kommunal IT miljön för säker = hur ladda ner docker t ex?
Säkerhet – tvätta & torktumla (federativ inlärning i framtiden?)
Hybrid! (Människan = kontakt; maskin = minnes- och arbetskapacitet 24/7?)
Lärdomar och utmaningar.
9. WWW.STRANGNAS.SE
”Skall det verkligen se ut så där??”
Vår fråga till er: hur tänka? Användaren är antagligen en handläggare
Finns det andra sätt att tänka? Användarvänliga rapporter? Eller?
Hur ser slut resultatet ut egentligen…
Tecken på våld……………………..……………….. 0,735
10. WWW.STRANGNAS.SE
Tillsammans och med invånarnyttan i fokus,
skapar vi framtidens hållbara kommun
i hjärtat av Mälardalen.
Tack!
Frederic Rambaud <Frederic.Rambaud@strangnas.se>
Frida Fallström <Frida.Fallstrom@strangnas.se>
Sara Lindholm <Sara.Lindholm@strangnas.se>