Datavask, datakvalitet og datadrevet rådgivning – en undersøgelse af udviklingen og anvendelsen af kunstig intelligens til at understøtte frivillige rådgivningssamtaler

Det har længe været en helt almindelig praksis, at organisationer samler data ind, der giver dem indsigt i deres aktiviteter og resultater. Det gælder hos offentlige såvel som frivillige hjælpeorganisationer, hvor dataene giver et retrospektivt indblik i den kontakt, der har været mellem borger og hjælpeorganisation. Den retrospektive dataanalyse begrænser sig ved kun at udsige noget om det allerede kendte – om det, der på forhånd er defineret som en aktivitet eller en klassifikation – og dermed begrænses forbedringsmulighederne tilsvarende. Med algoritmer, der er baseret på kunstigt intelligent maskinlæring, kan den retrospektive og begrænsede analyse gå langt dybere ind i dataene og finde mønstre, der ligger ud over det kendte, og som kan bruges til at forudsige forskellige scenarier for, hvad der kommer til at ske. Den dybere og fremadskuende dataanalyse skaber nye anvendelsesmuligheder såsom støtte til beslutninger, vejledning af medarbejdere, effektivisering af administrative processer, vidensbasering og en lang række af andre muligheder, der til sammen kan nuancere den hjælp, borgerne får. Med ny teknologi følger også forandringer, og det er stadig et ubesvaret spørgsmål, hvordan beslutninger, faglighed, samtaler, samarbejde og mødet med borgeren forandrer sig, når det i stigende grad bliver understøttet af data.

Projektet undersøger algoritmificering som en samfundstendens ved at tage udgangspunkt i Rådgiverassistenten, der er en støttende algoritme, som hjælper rådgiverne med relevante henvisninger og viden undervejs i samtaler med børn og unge. Mere præcist ønsker projektet at undersøge, hvad der sker med det (social)faglige arbejde, når arbejdet bliver algoritmificeret. En vigtig pointe er, at vi ikke på forhånd ved, hvad algoritmificering omfatter, og at det netop er projektets formål at lade dem, der til dagligt arbejder med at udvikle og anvende algoritmer, vise os, hvordan deres arbejde forandrer sig.