Frågor och svar utifrån Skellefteå kommuns presentation om AI, organisation och implementation

Till att börja med finns förfrågningar om ni kan dela med er av frågeformulär, projektlista gällande etiskt AI och vilka AI krav skellefteå ställer på leverantörerna. Om det är ok så får ni gärna skicka så kan vi dela vidare.

Svar: Vi håller nu att gå igenom och workshoppa krav som vi testade mot marknaden i en RFI men har inte kommit i mål med det arbete. De projekt som vi driver kring AI finns med som utpekade objekt i presentationen, och vi har alltid med etik som en viktig komponent innan vi sjösätter någon lösning. En framgångsfaktor har varit att vi krokat arm med Umeå Universitet som just forskar på detta område och det bygger även på en medborgardialog som genomfördes, om vad som är viktigt för dem när det gäller AI-lösningar.

Vi delar med oss av en mall som används generellt för utvecklingsuppdrag, just för att verksamheten själva ska fundera vilket problem de vill adressera och varför. När det gäller AI så blir det också specifika frågor kopplat till data: kvalitet, tillgänglighet, struktur, känslighet och ägarskap. Som behöver komma med tidigt i processen.

Övriga frågor kommer här lite grupperade efter område. Går svaren att bunta ihop är det helt ok, ni behöver inte känna att varje fråga får ett exakt svar. Men frågorna visar lite vilka områden som deltagarna var nyfikna på att veta mer om. 

Vilka kompetenser och resurser behövdes? Hur lång tid tog det att implementera lösningen i arbetade timmar?

Svar: I hela arbetet har det varit en mängd olika kompetenser involverade under olika delar. Stor insats från verksamheten att förklara ”problemet” och delta i design av projektet, Data scientist som byggt upp modellerna, Digitaliseringsledare som drivet olika processer, IT med olika kompetenser (Integrationer, dataplattform, BI). Svårt att svara på timmarna: för det började som ett pilotprojekt tillsammans med LTU och forskning, sedan gick det över i ett projekt att ta det till produktion. Men från ax till limpa har det tagit flera år, men såklart inte heltid utan det har skett i olika steg. Först att bygga lösningen i forskningsmiljön och börja följa upp utfall, sedan skapa förutsättningar i infrastrukturen för att kunna köra det i produktion i kommunens dataplattform, flytta lösningen från universitet till kommun och sedan det sista steget att börja visualisera.

Vilka effekter har piloten visat?

Svar: Vi har lärt oss väldigt mycket om AI-lösningar och dess komplexitet men också väldigt mycket om fastigheterna i sig. Arbetet har bidragit och tydliggjort att vi behöver skapa en tydlig AI-strategi för att göra rätt investeringar i rätt tid, och för rätt AI-case. 

Vilka närliggande nyttor effekter har ni uppnått/fått nu när ni är i produktion.

Svar: Fastighetsavdelningen har ökat sin digitala mognad ordentligt i AI-frågor. Vi har kört lösningen i produktion ett tag och börjat förstå mycket mer om fastigheternas beteende energimässigt och det är nu vi kan börja levla på den kunskapen. Vi har också lärt oss hur vi tar den här typen av projekt och implementerar i vår dataplattform. Något som alla vet och är väldigt tydligt är just datakvalitet där vi ser att vi har brister både i kvalitet, struktur och tillgänglighet,

Vilket behov skulle tillgodoses och hur ser ni på effekthemtagning kontra kostnad?

Svar: Det som skulle tillgodoses var att visualisera och ”flagga” avvikelser så att vi kan agera och även en tanke om att just spara energi eftersom vi får god input från lösningen. I detta skede har vi nog inte börjat hämta hem som mycket monetära vinster men detta är en del i ett större perspektiv där vi nu adderar in fler datapunkter från fastigheternas sensorer så vi får mycket mer granulär upplösning på energidata och kan förstå mycket mer exakt var vi har specifika problem. Effekthemtagningen är i detta läge väldigt mycket kunskapbaserad men det leder till en djupare förståelse för både problem och avvägningar som man behöver göra inom AI-området, och som sagt mer kunskap om fastighetsbeståendet

Hur tänker ni kring mellanlagring av data i kommunen för att underlätta användning av AI, öppna data osv. Hur ser ni på ägarskap för datat?

Svar: I det här fallet så plockar vi ut data från styrsystem, energipartner och använder oss av öppna data från SMHI. Detta bearbetas sedan i Machine Learning-modeller i vår dataplattform. Att tillgängliggöra vår lösning för andra att använda skulle tekniskt inte vara svårt men det finns rätt mycket inom AI ACT som skulle vara svårt för oss att införliva. I det fallet skulle vi ses som en ”provider” vilket ställer väldigt höga krav, vi är i ett sådant case inte ”deployer”, vilket är den som konsumerar en lösning och sprider den internt

Data är verkligen allt när det gäller AI och ägarskap är key. Även om datan är strukturerad, god kvalitet och tillgänglig så är det betydande att ägarskap är definierat. Vi är själva inne i en process kring informationsförvaltning på en större skala men i detta specfika fallet är det väldigt nischad data och ägarskap är tydligt, det är också en grundpelare för att ajourhålla datan, att tydliggöra ägarskap över den kontinuerliga investeringen som behövs för att förvalta data. 

Har ni en kommunövergripande datastrategi/dataarkitektur?

Svar: som beskrevs ovan så arbetar vi med en mer övergripande informationsförvaltningsmodell och det är ett pågående arbete.
 

Hur ser er finansieringsmodell för "AI-resurserna" ut  tex. inkluderas klimatpåverkan positivt/negativt i nyttokalkylen?

Svar: Vi har ju lite olika AI-projekt/lösningar igång och det finns saker som finansierats mer centralt men också av specifika förvaltningar lokalt. Att bygga upp en AI-förmåga för egen hosting etc är ju mer kopplat till den breda infrastrukturen men vi arbetar som en tjänsteorganisation så varje AI-implmentation finansieras av de som får värdet av den, men ibland kan det finnas flera som kan dra nytta av samma lösning. Idag kan vi spåra klimatavtryck i delar av våra lösningar, så än så länge har inte klimatpåverkan på AI-lösningarnas nyttokalkyl så mycket av den varan. Men det vara något vi testade marknaden på i vår RFI kopplat till Etisk AI. Tyvärr verkar det vara svårt att få med hela kedjan från vad det kostar klimatmässigt att träna upp ex språkmodeller till drift av dessa

Vi upplever att juridiken ibland blir hindrande
Hur har ni löst juridiken?

Svar: Vi arbetar i ett projekt som heter ENAIBLER som bygger på att undersöka de etiska aspekterna av AI, vi har även ett samarbete med Umeå Universitet kring Etisk AI och ansvarsfull digitalisering. Där får vi mycket input och råd.