Community på Sveriges dataportal

@Nina_Berlin OK! Lycka till

Det enkla icke-svaret är "det beror på"...

Organisationen eller kunden kan ha specifika krav, då är det bara att förhålla sig även om det är suboptimalt för problemet. Men i implementationsvärlden så finns det helt klart vissa språk och verktyg som lämpar sig för vissa typer av uppgifter, så man får skräddarsy efter problemets scope, komplexitet och de datamängder man har. Om man återkommer till komplexitet så finns det olika grader av muskler man kan spänna. Vissa modeller blir inte lika bra som neurronnät och djupinlärning men de kräver mycket mindre data och arbete.

En workshop skulle kunna landa i olika scenarier:

Det bästa är att man utforskar detta tillsammans och går igenom de olika alternativen. I vilket fall så landar man i handlingsstadiet - endast så kan man uppnå regeringens önskan att bli ledande på AI. Helst innan kompetensen sticker också

@Nina_Berlin Okej! Jättebra.

Kul att få höra om ett case samt att KB har en bra BERT-modell . Jag misstänker också att det är en hel del problem kring juridik varvid jag lämnade kvar det bland de största utmaningarna även om SCB inte belyste den explicit bland de största i rapportens summering.

Jag betonade också att man behöver ett team eftersom man måste ta höjd för detta i koden och modellerna. Jag vill inte tala ned kring studenter heller eftersom jag var det själv i många år men jag står fast vid att det är en påtaglig skillnad mellan akademi och riktiga världen -- i den måste man nämligen förhålla sig till verkligheten hela tiden och inte endast teori. De här verktygen är mycket komplexa och måste skräddarsys efter organisationers krav och use-case, annars kan de inte användas i slutändan och får slopas.

När det kommer till hypotetiska nyckeltal, vad sägs om något i stil med typ:

1. antal timmar arbetstid som läggs på autonoma uppgifter som en maskin kan utföra
2. tid nedlagd för att hitta rätt eller snarlik intern information
3. tid nedlagd för att författa dokument

Säg att vi tittar på (1). Det kanske är 5 timmar per anställd (obs: jag har ingen aning egentligen). Då kan vi titta på hur dessa 5 timmar är fördelas bland uppgifter efter ha gjort intervjuer. Kanske står hälften av de timmarna för att kategorisera inkommande mail. Det kanske vi kan få ned till <1 minut per anställd. Sånt hade man kommit fram till på ev. workshops. Men just emailhantering tog jag upp mer för att rota diskussionen i något konkret problem.

Jag tror du tänker rätt. Med rätt data och nyckeltal att följa så kan man börja tänka på hur. Jag lovar er att det finns saker ni aldrig hört talas om och därför har svårt att efterfråga som själva lösningen, typ som klustring av dokumentvektorer, statistiska projektionsmodeller, grafdatabaser och annat - trots att de har närmast revolutionär kraft för rätt uppgift.

Har du några konkreta förslag på nyckeltal du hade velat se som du också tror går att spåra i organisationer?

@Nina_Berlin Okej. Toppen!

Om målet är att komma till handling och göra det mer operativt - om projekt och privata sektorn inte engagerar sig så är jag nyfiken på hur AI ska förverkligas? Nu är jag inte insatt i den här processen men projekt slutar väl ofta i upphandlingar? Eller kan man ändra på eller komma runt det?

Skälet till att jag tar upp det är för att många jag känner på den tekniska sidan numera flyttar eller jobbar remote mot företag utomlands eftersom möjligheterna här är relativt få och sällan konkurrerar. Om öronen dras åt då så känns det oroligt -- vi måste nog hitta et sätt så det inte gör det. Den lilla tekniska kompetens som finns är väldigt eftertraktad och jagad. Alla länder vill nämligen satsa på AI nu. Enligt regeringens direktiv ska Sverige tydligen bli bäst i världen. I rapporten 2023 står det att det skulle bespara ~140 miljarder SEK med gammal AI-teknik om den bara fanns idag så nu är det nog betydligt mer.

Jag tror det finns två perspektiv här: det jag misstänker du menar när du tänker "stödja personen" så är det lära folk att använda olika byggda AI-verktyg. Det är jag jätteför, och det behövs ett jättejobb när de är på plats. Jag har inget konkret svar här, mer än att man måste locka med hur lätt det är att använda AI ibland än att göra jobbet själv. Att bli latare och samtidigt bli effektivare är ett lättsålt incitament

Det perspektiv jag har med mig och tänker mig är implementation av ovan verktyg som medarbetarna kan börja använda. De måste byggas först och skräddarsys. Varje myndighet kommer att ha egen data och egna processer. Detta kräver ofta team och flera år av studier i matematik, datahantering och programmering för varje individ i teamet.

För att illustrera kring ett enklare case: Säg Skatteverkets system som sorterar deras inkommande mail och vidarebefordrar dem till rätt personal/avdelning. Först så krävs det behandling av historiska mail och vart de har sorterats -- med kod eftersom det säkert är miljontals. Vad är skatteverkets kategorier? Vem ska ha vad? Sedan krävs det rensning av all data. Sedan kan man börja träna modeller och utvärdera dem. Vad är då viktigt för denna myndighet? Precision? Recall? När blir det felsorterat och varför? Hur bra kan vi få till de nyckeltal vi letar efter? Först nu kan vi implementera data-pipelines och produktionssätta modellen i praktiken, och inte förrän den är igång kan man säkert mäta intern effektivitet.

@Theo-Andersson Tack så mycket för länkarna -- både SCB's rapport och flaggning av att jag förmodligen hittat den gamla rapporten på offentligai -- av okänd anledning är 2023's inte lika tydligt markerad. MyAi var en grym resurs -- tack.

Nåväl -- SCB's rapport var jättespännande och det finns som du sa kontaktpersoner där man kanske kan försöka nå. Min främsta takeaway från den rapporten är en kvantitativ analys av situationen, och de har grävt fram de största hindrena:

• anställdas AI-kompetens, utbildning eller erfarenhet
• bristande vision eller AI-strategi inom företaget eller organisationen
• brist på kunskap om tillgänglig teknologi och tillämpningar
• juridik och etik (fast denna var mer pga högre osäkerhet)

Det är nästan exakt det @Nina_Berlin nämner anekdotiskt i ord ovan -- utmärkt diskussionsunderlag.

@Nina_Berlin Jag hör vad du säger kring "bred AI" -- vi struntar i det.

Om vi snävar in på en konkretare form av myndighets-specifik workshop:

Ett par AI-tekniker besöker en myndighet. Vi intervjuar er kring vad ni gör, och försöker förstå vilka flaskhalsar som drabbar verksamheten samt om ni har egna funderingar eller nyfikenhet kring något på AI-fronten.

Vi försöker förstå hur AI-redo ni är. Vi tar tillsammans fram ett diagram/koordinatsystem med de olika idéerna som underlag där vi uppskattar teknisk komplexitet mot affärsnytta, något man gärna gör i privata sektorn. Där framkommer det vilka saker som är mindre komplexa att implementera, och som samtidigt erbjuder mycket nytta. Vi skulle kunna prata om de frågorna du tar upp: varför, hur, vad är möjligheterna, och vad begränsar?

Med det som underlag kan vi i så fall förhoppningsvis formulera ett ganska bra "first case" av potentiellt flera cases på myndigheten -- faktiskt det bästa. Hur man får investeringar i offentlig sektor vet jag inte alls tyvärr.. Dock att räkna in vinst går nog ganska lätt beroende på vad har för case. Om utfallet blir att det inte finns något soklart case lär man väl ändå lära sig mer om vilken data som kan vara bra att samla för att få till AI i framtiden, vilket också är en form av vinst som ej är kvantifierbar idag, men kanske är jättevärdefull om 3 år.

Skulle det gå någonvart får man fokusera på allt som står i 2023-rapporten -- att samla offentlig AI under samma paraply och infrastruktur, och försöka få koden och datan öppen så att alla andra myndigheter eventuellt kan nyttja det man fått fram -- metod, data och modell. Den typen av nytta hade nog gått ännu lättare att räkna hem. Om allt går bra går det väl till upphandling och sånt tillslut och det blir mer AI och mer framtid .

Tankar? Funderingar?

@Nina_Berlin Det är precis det jag tänker också -- det finns intresse nu, och så finns PSI-direktivet bakom detta.

Min take på workshops var att man kanske ska försöka ta kontakt med olika myndigheter och workshoppa med dem för att försöka förstå mer vad de skulle kunna hitta på i AI-väg och börja efterfråga.. men det kanske inte är så det funkar i offentliga sektorn . Om man inte hittar något klart use case för AI ändå titta på vilken av deras data som borde vara tillgänglig på dataportalen, eller vad som borde börjas samlas / kategoriseras för framtida AI-användning långsiktigt. Ofta så är det datan som avgör hur bra resultaten kan bli.

Det går ju också att ha en bredare workshop, vilket är det jag tolkar ni föreställer er. På en sådan så hade jag jättegärna dykt upp och pratat brett om AI, t.ex behandling av text och naturligt språk, grafdata, klustring, datorseende, och vad det här ChatGPT faktiskt är och inte är. På så sätt kanske ni skulle märka om något känns varmt eller kallt i er verksamhet, så kan man ju ta det därifrån för vidare snack om det finns intresse.

Vad tycker ni?

@Maria_Dalhage Häftigt det här med "Ekosystem för annonser". Kul att se att det finns sådana initiativ! Vi behöver mera sånt tycker jag!

@jonor Bra fråga ang. DIGG. Ska försöka nå någon där och kolla . Delar med mig av vad jag upptäcker.

Hej,

Jag jobbar med AI från den tekniska sidan inom privat sektor sedan flera år tillbaka. Nu när det offentliga rummet vaknar upp är jag lite nyfiken på om man kan bidra på något sätt med sin kompetens och göra samhällsnytta.

Problemet jag upplever är att man inte har någon aning om vilka myndigheter som efterfrågar vad -- varken roller eller projekt. Jag har läst rapporten från offentligai.se och det verkar vara ett erkänt problem. DIGG pratar till och med om ett AI-center som kan göra detta lättare att sammanfoga efterfrågan och behov samt behålla kvalitet.

challengesgov.se som hänvisas ofta i rapporten verkar tyvärr ligga nere nu (2023-01-30).

Var kan man hitta samlade AI-upphandlingar från myndigheter?

Kan man se någonstans vilka myndigheter har börjat röra på sig och visar intresse?

För de myndigheter som inte kanske har så "bra koll" på vad man kan göra -- tror ni det finns intresse för workshops eller liknande? Min tanke är om myndigheter inte vet vad som är möjligt med deras data eller verksamhet kan de inte heller efterfråga något, så det är en cirkeldynamik som måste brytas. Denna AI-satsning måste ju börja rulla, inte bara finnas i ord och idé.

Hur kan man hjälpa till? Jag har många AI-specialister i mitt nätverk som är intresserade.

Tack på förhand! Och tack @mattias för hänvisning hit.