Bedre datakvalitet muliggjør kunstig intelligens

Den viktigste barrieren for økt bruk og effekt av kunstig intelligens i offentlig sektor er data.

Oppsummert

• Bruken av kunstig intelligens øker i offentlig sektor
• Mange sliter imidlertid med å gå fra pilot til skalerte løsninger
• Fem nøkkelfaktorer er avgjørende for å lykkes med AI: data, talent, etikk, kultur og teknologi

Bruken av kunstig intelligens øker i offentlig sektor. Brukt riktig er dette en av teknologiene som har potensial til å innovere og transformere offentlige tjenester og sikre fremtidens velferdsløsninger.

Generelt har offentlige institusjoner i Norge kommet lenger med kunstig intelligens enn vi ser i mange andre land. Den offentlige sektoren i Norge fokuserer på mulighetene, og kunstig intelligens er på dagsordenen mange steder. Dette viser rapporten Kunstig intelligens i offentlig sektor Norge: Europeiske utsikter for 2020 og fremover, som EY har utarbeidet for Microsoft. Her er det samlet innspill og eksempler fra 212 offentlige institusjoner i 12 europeiske land.

Mange sliter imidlertid med å gå fra avgrensede pilotprosjekter til skalerte løsninger som realiserer det fulle potensialet. En av de viktigste identifiserte utfordringene handler om data.

Data blir en snublestein

Rapporten definerer fem nøkkelfaktorer som avgjørende for å lykkes med kunstig intelligens: data, talent, etikk, kultur og teknologi. For de norske respondentene i rapporten er data det viktigste aspektet når vi snakker om vellykket bruk av kunstig intelligens.

Kunstig intelligens er avhengig av data for å trenes, og en av de største utfordringene er at disse løsningene ofte kombinerer data fra mange forskjellige eksisterende systemer. Derfor kommer mange tidlig til et punkt der begrensningen for videre suksess ikke omhandler hvor avanserte algoritmer man appliserer, men tilgangen på god nok data til å trene algoritmene.

Mange offentlige institusjoner har store datamengder fra mange kilder, men kvaliteten på data varierer dramatisk. Både i de enkelte datakildene og i kombinasjonen av data ligger mulige feilkilder som både kan redusere potensialet av kunstig intelligens, og medføre risiko for skjevhet og andre uønskede, og til og med potensielt diskriminerende, konsekvenser.

Manglende historiske data, manglende felles nøkler på tvers av systemer, forskjellige definisjoner på tvers av organisasjonen, og uavklarte personvernhensyn er alle utfordringer som begrenser mulighetsrommet for bruk av kunstig intelligens.

En annen viktig faktor når vi snakker om data er utfordringen med bevisst eller ubevisst skjevhet i data, som kommer med og kan være en svakhet. Dette reiser etiske spørsmål rundt løsninger som bruker kunstig intelligens. Enten vi ser på løsninger i offentlig sektor innen offentlig forvaltning, trafikk og infrastruktur, eller helsevesenet, er det avgjørende at vi kan ha tillit til bruken av kunstig intelligens og de beslutningene og konsekvensene som kommer av den.