Når din nye kollega er en robot
Robotter, automatiseret sagsbehandling, algoritmer og kunstig intelligens. Hvad dækker de forskellige begreber over, og hvad vil digitalisering af socialt arbejde egentlig sige? Socialrådgiver Jesper Rukshan Nissen arbejder som digitaliseringskonsulent i Københavns Kommune. Han introducerer os for nogle af de automatiserede robotter – Albert Aktindsigt, Flora Foranstaltning og Bente Børneydelse – der allerede er taget i brug – og robotter med kunstig intelligens, som er under udvikling.
Albert Aktindsigt, Flora Foranstaltning og Bente Børneydelse. Sådan hedder nogle af de robotter, som hjælper socialrådgiverne i Københavns Kommunes Socialforvaltning, hvor man er godt i gang med at digitalisere dele af det sociale arbejde.
Jesper Rukshan Nissen, der selv er uddannet socialrådgiver, har som digitaliseringskonsulent været med til at udvikle foreløbig fem robotter. Men hvad er en robot egentlig?
– Når man siger robot – så menes der robotics – som er nogle programmeringsprocesser, hvor man sætter et program op til at gøre det, en bruger ville gøre. Altså de klik og den bevægelse med musen, som en myndighedssagsbehandler ville foretage, det gør robotten. Det er programmer, som bliver kaldt robotter, fordi de går ind og laver en automatiseret opgave. En robot udfører en enkel proces fra klik til klik, fortæller Jesper Rukshan Nissen.
Han har tre års erfaring som myndighedsrådgiver på børneområdet og er også tillidsrepræsentant for seks socialrådgiverkolleger i Staben, Borgercenter Børn og Unge. Om sin interesse for digitalisering og velfærdsteknologi siger Jesper Rukshan Nissen:
– Jeg har altid interesseret mig for computere og kunne godt tænke mig at nørde lidt med det og finde ud af, hvad der foregik bag skærmen. Jeg blev ret hurtigt superbruger, og efterfølgende fik jeg en halvtidsstilling som lokal ansvarlig for fagsystemet, hvor jeg var med til at understøtte brugen af sagsystemet, samtidig med at jeg fortsatte mit arbejde som socialrådgiver.
– Mine kolleger havde ikke før prøvet at være kollega til en digitaliseringskonsulent, der også er socialrådgiver. For mig at se er det en klar fordel, at jeg også har erfaring fra praksis – det giver større indblik i, hvad der er behov for, og hvad der er muligt. Man kan have mange ideer, men det handler om at have en vis realisme i forhold til det travle myndighedsarbejde. Det skal give mening i sidste ende, siger Jesper Rukshan Nissen og fremhæver, at det er vigtigt med brugerinddragelse.
– Når vi udvikler robotterne, har vi altid en sagsbehandler med inde over, som arbejder med området til daglig. Vi har en leder, som har ansvar for at godkende processen, og så er der en, som også kender fagsystemernes tekniske muligheder.
Albert Aktindsigt sparer tid
For knap et halvt år siden fik Albert Aktindsigt prisen som årets bedste digitale projekt på konferencen Digital København 2018. Robotten har resulteret i en halvering af behandlingstiden for aktindsigter samt færre fejl og mangler i aktindsigterne.
Når mennesker skal lave de samme processer igen og igen som for eksempel at finde alle akter til en aktindsigt, så giver det ifølge Jesper Rukshan Nissen mening at lade en robot gøre det i stedet for.
– Robotten scanner fagsystemerne og samler akterne til den medarbejder, som skal svare på aktindsigten. Det øger kvaliteten i sagsbehandlingen og frigiver tid til sagsbehandlernes kerneopgaver og relationen til borgerne, siger Jesper Rukshan Nissen og uddyber:
– Robotten Albert Aktindsigt, som de fleste i Københavns Kommunes Socialforvaltning kender, kan gå ind i borgerens sag og samle notater, breve og formularer til én samlet pdf. Det sparer sagsbehandlerne for en besværlig proces, hvor det er nemt at miste overblikket, hvis det er en sag med mange dokumenter, og man bliver afbrudt undervejs i arbejdet.
Jesper Rukshan Nissen fortæller, at en aktindsigt i gennemsnit tager fire timer at lave for en sagsbehandler, så når der sidste år blev lavet over 600 aktindsigter, så har Albert Aktindsigt frigivet over 2400 timer, som kan bruges til relationsarbejde eller andet. Han understreger, at aktindsigten bliver læst af menneskeøjne, inden den bliver sendt afsted til borgeren.
Algoritme sorterer underretninger
Sammen med sine kolleger er Jesper Rukshan Nissen i gang med at udvikle digitale funktioner, der ved hjælp af algoritmer og Machine Learning skal understøtte det sociale arbejde. Machine Learning er brugen af en eller flere algoritmer, der til sammen konstant lærer af den nye information, som den bliver fodret med, og derefter tilpasser sig.
Aktuelt arbejder de på en algoritme, som kan klassificere underretninger ud fra indhold, så man ved, om der skal handles akut. Og i betragtning af, at Borgercenter Børn og Unge modtager 14.000 underretninger årligt – som der skal reageres på inden for 24 timer – så giver det ifølge Jesper Rushkan Nissen god mening at udvikle et hjælpeværktøj.
– Vi får over 1000 underretninger om måneden. Det er et stort antal, og hvordan kan vi så sikre, at vi hver dag så hurtigt som muligt får handlet i de mest alvorlige sager først? En algoritme kan hjælpe os med at søge på nogle bestemte ord og sætninger i underretningen, som indikerer, hvor alvorlig underretningen er.
– Vi er i en testfase nu, hvor vi optimerer for at undgå, at man overser noget. Algoritmen søger på nøglebegreber som vold og misbrug. Og der er nogle bestemte ordkombinationer, som definerer, om underretningerne er akutte. Algoritmen får en masse viden, når vi fodrer den med tidligere underretninger, hvorefter vi vurderer, om den klassificerer underretningerne rigtigt. Den øver sig på det, som sagsbehandlerne har udfyldt, og algoritmen kan trænes til selvstændigt at vurdere, om en ny underretning er akut eller ikke. Til at starte med blev en underretning, hvor der stod, at moderen var tidligere misbruger til en akut underretning. Den nuancering tog algoritmen ikke højde for. Det vil sige, at når algoritmen vurderer en underretning som akut, og vi så bagefter klikker ”ikke akut”, så lærer den af det og tænker: Hov, næste gang skal jeg lige korrigere. Det er lidt lige som, når et barn skal lære at læse. Så begår det en masse fejl i starten, og så bliver den bedre og bedre, forklarer Jesper Rukshan Nissen.
Han understreger, at det alene er sorteringsarbejdet, som algoritmen skal klare, og at der under alle omstændigheder bliver reageret på en underretning inden for 24 timer, som loven foreskriver. Han forventer, at algoritmen kan tages i brug i løbet af foråret.
– Ved den seneste test ramte algoritmen rigtig på 70 procent ud af 250 underretninger – og den procentsats skal blive meget bedre, før vi kan tage algoritmen i brug.
Stærk faglighed
Under interviewet, som finder sted i et mødelokale på toppen af den tidligere hospitalsbygning fra 1875 på Nørrebro, som huser en del af Københavns Kommunes Socialforvaltning, kan man slet ikke undgå at bemærke, at Jesper Rukshan Nissen er fascineret af at udvikle digitale løsninger. Og han vedkender sig gerne, at han altid er på udkig efter nye måder at automatisere på. Men han pointerer samtidigt, at det er afgørende for ham, at de digitale værktøjer alene skal understøtte sagsbehandlernes grundlag for afgørelser og beslutninger, der kræver en socialfaglig vurdering, men de skal ikke træffe dem. Og det skal heller ikke – hvis det står til ham – bruges til at samkøre data om borgerne fra forskellige forvaltninger for at kunne opspore udsatte familier tidligere – som der senest har været en heftig debat om med udgangspunkt i Gladsaxe Kommunes ønske om at samkøre borgernes data via en algoritme for at spotte udsatte børn tidligere.
Vi vil gerne lave en algoritme, som ud fra data på sager kan vise, om et barn eller en ung er i målgruppen for ungdomskriminalitet. Her er forudsætningen, at der er tale om en ak tiv sag, så vi arbejder udelukkende med data, som vi i forvejen har i forvaltningen, forklarer Jesper Rukshan Nissen om en idé til en algoritme, som der endnu ikke er taget hul på.
En anden algoritme, som er under udvikling, skal ud fra en paragraf 50-undersøgelse stille forslag om mål og foranstaltning.
– Vi er i et meget tidligt stadie, men vi vil prøve at se på, hvad sagsbehandlerne har gjort ud fra ti nogenlunde ens sager. Vi er opmærksomme på, at alle sager er unikke – men de kan ligne hinanden i forhold til, hvad bekymringen udspringer af og hvilken foranstaltning, der er iværksat. Hvis vi så giver algoritmen en ellevte paragraf 50-undersøgelse, vil algoritmen så anbefale samme foranstaltning? Det handler om, hvordan vi kan få algoritmer til at understøtte os fagligt, hvordan kan vi bruge de data, som vi har genereret i årevis, hvordan kan vi bruge tidligere undersøgelser, handleplaner og foranstaltninger til at give os viden.
Sluk ikke hjernen
– Men indebærer det ikke en risiko for, at det socialfaglige skøn bliver klemt, og at vi får standardiserede løsninger?
– Lad os sige, at algoritmen anbefaler nogle foranstaltninger og mål, så er meningen, at lige så vel som hvis en afdelingsleder sagde: Har du tænkt familiebehandling med de og de mål, så skulle man som socialrådgiver gerne tænke, at det og det kunne også være relevant. Eller jeg tror lige, at jeg vil korrigere målene, fordi algoritmen har givet mig nogle brugbare input. Det giver mulighed for at genanvende viden fra erfarne sagsbehandlere, men det kræver, at man går kritisk til det og opretholder en stærk faglighed – er det nu det rigtige? En anbefaling fra algoritmen må ikke skabe usikkerhed hos ledelsen eller sagsbehandleren: ”Skal vi nu til at læne os op ad algoritmer i stedet for at tænke selv og foretage et fagligt skøn?” Det må ikke ske. Og det er et kæmpe opmærksomhedspunkt, når vi implementerer det her. Meningen er jo, at de her maskiner og robotter skal lære at tænke – for at få os til at tænke endnu bedre og ikke det modsatte. Vi skal ikke slukke hjernen.
FEM ROBOTTER PÅ BØRNEOMRÅDET
På børn- og ungeområdet i Københavns Socialforvaltning er der foreløbig udviklet fem robotter. På andre områder i forvaltningen er der også udviklet robotter. De fem robotter på børneområdet er beskrevet herunder.
Robotten Albert Aktindsigt går ind i en borgers sag og samler notater, dokumenter, breve og formularer til én samlet pdf indenfor en bestilt periode, som skal sendes til borgeren. Det sparer sagsbehandlerne tid, da dette var en proces, der afhængig af sagens størrelse, før i tiden kunne tage op til 2-8 timer.
Opfølgnings-robotten Flora Foranstaltning sikrer automatisk, at de rette opfølgningsformularer er oprettet med de rette frister. Flora undersøger, om sagstrin oprettes til tiden og opretter de relevante opfølgningsformularer. Det sparer sagsbehandlerne tid, og er med til at understøtte overholdelsen af tidsfrister.
Søskende-robotten Abbas går ind og relaterer søskendesager med de oplysninger, der skal gå igen på alle søskende. Dette gør det nemmere at kopiere notater og formularer til de forskellige søskende, når der er behov for det. Både familiebehandlere og sagsbehandlere har gavn af det.
Robotten Line Luk en Sag skal sikre, at sager bliver afsluttet korrekt med de rette datoer.
Robotten Bente Børneydelse sørger for i alle anbringelser at sende den rette information til Udbetaling Danmark, så forældre til anbragte børn ikke risikerer at skulle tilbagebetale i ydelser. Kilde: Københavns Kommune