Om prosjektet
NAV har en hypotese om at det holdes for mange unødvendige møter, som stjeler tid fra arbeidsgivere, sykmeldere (f.eks. leger), sykmeldte og NAVs egne veiledere. Det var motivasjonen for å etablere KI-prosjektet som skulle ta for seg prediksjon av sykefraværsvarighet.
Disse møtene er ett av flere lovpålagte stoppunkter i NAVs sykefraværsoppfølging. Innen syv ukers sykefravær skal den sykmeldte og arbeidsgiveren gjennomføre et dialogmøte. Ved åtte uker er NAV pålagt å kontrollere om den sykmeldte er i aktivitet, eller om den kan unntas fra aktivitetsplikten. Og innen et sykefravær passerer 26 uker, er NAV pålagt å vurdere behovet for et nytt dialogmøte med den sykmeldte, arbeidsgiveren og sykmelder. NAV må allerede i uke 17 lande på om et nytt dialogmøte vil være nødvendig, altså om den sykmeldte vil bli friskmeldt innen uke 26 eller ikke. På hvert av disse stoppunktene vurderer NAV hvilken type oppfølging den sykmeldte har behov for.
Dette prosjektet tar utgangspunkt i stoppunktet ved 17 ukers sykefravær, og beslutningen om å innkalle til dialogmøte 2. Ved å bruke maskinlæring for å predikere sykefraværslengden, ønsker NAV å understøtte veilederens beslutning om nødvendigheten av å kalle inn til dialogmøte 2. Håpet er å:
- Redusere tidsbruk på vurdering av behov for dialogmøte for de som jobber med sykefravær hos NAV.
- Spare tid for partene som er involvert i sykefraværet, ved å i større grad unngå å kalle inn til unødvendige dialogmøter.
- Gi bedre oppfølging for de sykmeldte som har behov for dialogmøte, ved å konsentrere innsatsen mot dem som virkelig trenger det.
Presentasjon
Her er et tidlig eksempel fra NAV på hvordan en anbefaling fra systemet skal kunne presenteres for veilederen, som så skal ta den endelige avgjørelsen om det bør kalles inn til dialogmøte eller ikke. Svaret blir begrunnet med tre faktorer som taler for lengre varighet og tre faktorer som taler for kortere varighet. NAV-veilederen får også informasjon om hvordan arbeidsgivere og sykmeldte vurderer behovet for dialogmøte.
Mål for sandkasseprosessen
NAV kom inn i sandkassa med et KI-verktøy så å si klart til bruk, og med grundige juridiske vurderinger i bagasjen. Det lå til rette for at sandkasseprosjektet ville bli mer en kvalitetskontroll av utført arbeid enn en felles innovasjonsprosess. Det overordnede målet for sandkasseprosjektet var å bidra til å bygge praksis for hvordan NAV sikrer kontroll og ansvarlighet gjennom et KI-utviklingsløp.
Prosjektet vil:
- Klargjøre NAVs muligheter for å benytte KI der dette er lovlig og ansvarlig.
- Korte ned vei fra idé til implementert KI på andre områder i NAV, samt for andre virksomheter som ser potensialet i lignende KI-anvendelser.
Prosjektet kan med andre ord ha nytte og overføringsverdi for NAV generelt, men også for andre virksomheter, særlig i offentlig sektor.
I sandkassa har vi diskutert problemstillinger knyttet til rettslig grunnlag, altså om NAV har lov til å bruke maskinlæring slik de planlegger. Videre har vi drøftet modellens rettferdighet, inkludert hvordan diskriminering kan avdekkes og motvirkes i en slik modell. Til sist har vi sett på hvilke krav som stilles til en meningsfull forklaring av modellen, både på system- og individnivå.
Problemstillinger
Arbeidet i sandkassen har kretset rundt tre problemstillinger knyttet til KI:
- Rettslig grunnlag
- Rettferdighet
- Forklarbarhet
I første del ser vi på de juridiske utfordringene knyttet til NAVs rettslige grunnlag, altså lovligheten av å behandle personopplysninger for å utvikle og bruke en maskinlæringsmodell. Andre del er en vurdering av NAVs tilnærming til kravet om at en slik modell skal kunne sies å være rettferdig, og i siste del diskuterer vi problemstillinger knyttet til åpenhet og hvordan modellens virkemåte og utfall skal forklares.