Grundläggande frågeställning för projektet: 
Genom att använda AI/ML-metoder, kan AMA/EB-data hjälpa oss förstå varför vissa stöd-sökande Malmöbor är bättre rustade för arbetsmarknaden än andra?  

Om svaret på frågan är Ja, då ska vi:

• Utveckla AI/ML-baserade metoder som utnyttjar informationen i data – för att stärka ASF:s arbete med att få ner arbetslösheten och göra fler familjer hållbart självförsörjande.
• Etablera AI/ML som en metod på ASF.
• Ta fram guidelines.

Om svaret på frågan är Nej, då ska vi:

• Ta reda på vad ASF behöver göra för att i framtiden kunna svara Ja.
• Undersöka nuvarande data-kvalitet, nuvarande arbetssätt för data-registrering etc.
• Ta fram rekommendationer.

Vi har prövat olika maskininlärningsmetoder för visualisering, klustring och klassificering av data. Den klassificeringsmetod som har använts för de resultat vi presenterar är XGBoost. För ytterligare detaljer kring de metoder som har använts hänvisar vi till projektrapporten, se under Resurser.

Projektet har även haft fokus på vad det ur demokratiskt och etiskt perspektiv betyder att använda Artificiell Intelligens i socialtjänsten. Detta perspektiv har dryftats såväl vid de regelbundna projektmötena som i de workshops som har hållits inom ramen för projektet. För ytterligare detaljer hänvisar vi till projektrapporten samt till rapporten Demokratiska och etiska aspekter på AI i offentlig sektor: Erfarenheter från AIRM, se under Resurser.

Projektets grundläggande frågeställning var: 
Genom att använda AI/ML-metoder, kan AMA/EB-data hjälpa oss förstå varför vissa stöd-sökande Malmöbor är bättre rustade för arbetsmarknaden än andra?
Svaret på den grundläggande frågeställningen är: Nej. ASF:s data innehåller signal, dvs ASF:s data innehåller mönster och information på ett sätt som är mer ordnat än vad en rent slumpmässig fördelning av data skulle ge, men datas kvalitet är för närvarande inte tillräckligt god för att förvaltningen i den dagliga verksamheten ska kunna använda AI/ML på data.  

Vi har i projektet även lärt oss att data och datas kvalitet är tätt sammankopplade med det sätt vi arbetar i förvaltningen. På ASF kommer därför initieras ett arbete med att förbättra datas kvalitet så att framtida undersökningar och analyser baserade på förvaltningens data med fördel kan använda de mest lämpliga metoderna, av vilka AI/ML är ett alternativ av många. 

Projektet har också undersökt vad det ur demokratiskt och etiskt perspektiv betyder att använda Artificiell Intelligens i socialtjänsten. En slutsats från denna undersökning är att vi måste vara medvetna om att val av indikatorer och algoritmisk skevhet i AI-system inte bara kan reproducera, utan även förstärka mönster i de data som de tränas på.​

För att bland annat ur ett data-perspektiv skaffa oss ett bättre grepp om de utmaningar som brukare och medarbetare upplever i socialtjänsten har projektet med tjänstedesign kartlagt och visualiserat den så kallade brukarresan, dvs Malmöbons väg till hållbar självförsörjning.

För fylligare beskrivning av resultat och slutsatser hänvisar vi till  projektrapporten, se under Resurser.