Program for Generativ KI i offentlig sektor

• Simen Sommerfeldt
• Mali Hole Skogen

Velkommen til «Generativ KI i offentlig sektor»

Vi forteller hvordan bærekraft og KI hører sammen, og hvordan vi på denne konferansen kan bidra til at offentlig sektor kan jobbe raskere og tryggere

• Jens Andresen Osberg

Hvordan skal offentlig sektor nærme seg generativ KI?

Det snakkes ofte om ansvarlig utvikling og bruk av kunstig intelligens på et overordnet nivå: «KI må reguleres» og «KI må brukes rettferdig». Men hva betyr dette og hvordan får vi til dette i praksis? Denne konferansen gylden anledning til å spisse diskusjonen. I lyntaler og open space ser jeg frem til å utforske konkrete tilnærminger på kryss av fagdisipliner for å koble sammen regelverket og faktiske handlinger

• Kari Laumann

Hvordan treffer generativ KI personvernet? Take-aways fra personverndagen

Hvilke nye personvernutfordringer oppstår ved bruk av generativ kunstig intelligens? I denne lyntalen får du oversikten.

Key takeaways

Hva de viktigste personvernutfordringene ved generativ KI er. Hvordan du kan ivareta personvernet ved bruk av generativ KI.

• Thordur Arnason

Fallende kostnader og økende kapasiteter

Den iboende transformative kraften i kunstig intelligens er lett å glemme når vi diskuterer hvordan forholde oss til denne teknologien uten riktig perspektiv.

Key takeaways

Riktig perspektiv, riktig tilnærming til teknologien og hva vil du heller være – kokk eller ingrediens?

• Camilla Gjersem

Hvordan bruke Generativ KI og samtidig sikre personvern og redusere juridisk risiko

Jeg vil gi praktiske råd og veiledning om hva som er viktig å huske på når du tar i bruk Generativ KI-verktøy med henblikk på vilkårene for bruk og de juridiske rammene. Selv om Generativ KI er nyttige verktøy, kan jeg ikke underslå de juridiske risikoene som oppstår ved bruk, og jeg vil derfor snakke om hva du må ha kontroll på for å sikre at bruken er lovlig.

Key takeaways

1) Hva er den juridiske risikoen 2) Hva du må ha kontroll på før du tar Generativ KI i bruk 3) Hvordan kan du bruke Generativ KI lovlig

• Tor Sporsem

Hvilke forklaringer kreves for at vi skal stole på KI-systemer?

Jeg forklarer hvilke typer forklaringer som gjør at vi stoler på AI-er besert på den siste forskningen innen feltet Forklarbar AI (Feltet til Inga). Du får også funn fra forskningen som gjøres akkurat nå.

Key takeaways

Brukere må få behold autonomien og beslutningsmyndigheten om de skal stole på AI. Dette er spesielt viktig for eksperter og når arbeidsoppgavene er forbundet med høy risiko.

• Beate Sletvold Øistad

Innebygget diskrimineringsvern: Hvordan unngå diskriminerende KI?

Likestillings- og diskrimineringsombudet presenterer sin veileder for å forbygge og avdekke diskriminering i utvikling og bruk av kunstig intelligens.

Key takeaways

Det finnes en rekke eksempler på at kunstig intelligens bidrar til å reprodusere og forsterke eksisterende fordommer og stereotypier – noe som kan føre til diskriminering. For å hindre diskriminering må man jobbe tverrfaglig med bevisstgjøring og forebygging gjennom hele utviklingsprosessen. Offentlig sektor har et særlig ansvar for å fremme teknologi som bidrar til økt likestilling og som er tilgjengelig for alle.

• Finn Lutzow-Holm Myrstad

Utfordringer med generativ KI: en føre-var-tilnærming for offentlig sektor

Innledningen fokuserer på hvilke utfordringer offentlig sektor må være spesielt klar over i møte med generativ kunstig intelligens. Videre, hva må gjøres for å møte disse utfordringene slik at eventuell bruk av teknologien blir mest mulig trygg? Konkrete tiltak for å sikre en føre-var-tilnærming.

Key takeaways

Det offentlige har et særlig ansvar for å ivareta borgernes trygghet, samtidig som det er en voldsom iver å ta i bruk ny teknologi. Det er viktig med en føre-var tilnærming slik at rettigheter og tillit ivaretas. Det er konkrete tiltak som kan gjøres for å oppnå dette.

• Lillian Røstad

Hvordan vil KI påvirke arbeidslivet?

Det er mange meninger om hvordan KI generelt, og generativ KI spesielt, vil påvirke arbeidslivet. Imidlertid har vi kort erfaring og foreløpig finnes det lite forskning på hvordan innføring av KI påvirker arbeidslivet – ut over enkelte studier. Vi vet ikke enda om innføringen av KI vil føre til flere jobber, færre jobber, bedre jobber, dårligere jobber, hvilken kompetanse som blir mer og mindre attraktiv osv. Vi har imidlertid mye erfaring med innføring av teknologi, som gir oss noen relevante pekepinner. I denne Lyntalen vil jeg oppsummere hva forskningen så langt viser om hvordan innføring av KI vil påvirke arbeidslivet. Og jeg ønsker å invitere til en Open Space i etterkant for å diskutere og høre andres refleksjoner rundt temaet.

Key takeaways

Vi vet ikke enda hvordan KI vil påvirke arbeidslivet. Det vi vet gir oss noen pekepinner. Det er viktig å diskutere dette i kontekst av offentlig sektor for å identifisere fremtidig ressurs- og kompetansebehov.

Lunch i Fojajeen

Ta gjerne en prat med sponsorene våre når du går forbi

• Gjermund Lanestedt

KI som driver for en bærekraftig offentlig sektor

Innen en rekke områder sliter offentlig sektor med å skalere og møte endringer og økte behov. Stor personellmangel i helsesektoren, mangel på lærere i skolen, mange kommuner som opplever det vanskelig å finne kompetent arbeidskraft til stillingene. En økonomisk situasjonen og en aldrende befolkning som gjør at flere velferdsordninger står under hardt press. En verden preget av krig og uro, med økt innvandring som av virkningene. Som samfunn står vi oppe i betydelige omstillinger hvor offentlig sektor har en vesentlig rolle: den digitale omstillingen og det grønne skiftet.

Mot dette bakteppet må vi være glade for ny teknologi som kan øke vårt handlingsrom. KI vil gi muligheter for å løse oppgaver raskere og bedre enn tidligere, og vil frigjøre sårt tiltrengte ressurser til andre oppgaver. KI gir muligheten til å dra verdi og bedre beslutningsgrunnlag ut av de enorme dataressursene i offentlig sektor – omsider. KI vil gi oss bedre muligheter til å overblikke og håndtere kompleksiteten i samfunnets prosesser, for eksempel de krevende miljø- og klimautfordringene. KI gir oss mulighet for å utforme mer effektive og treffsikre velferdsordninger og legger grunnlaget for en mer bærekraftig offentlig sektor, og et mer bærekraftig samfunn.

Key takeaways

Vårt velferdssamfunn er avhengig av ny teknologi for å skalere. Offentlig sektor er avhengig av å ta i bruk alle teknologier som kan frigjøre ressurser og øke handlingsrommet. KI vil være en muliggjørende teknologi innen mange områder, og bidra til en mer bærekraftig offentlig sektor.

Open Space innsamling

Open Space

• Ishita Barua

Generativ KI i høyrisikosystemer

Hvordan sørger vi for pålitelighet samtidig som vi trekker på fordelene i den nye teknologien?

• Wilfred Østgulen

MIMIR – Norsk språkkorpus for trening av språkmodeller som ivaretar norske dialekter

kommer

Key takeaways

kommer

• Benjamin Kille

NorLLM – åpen norsk språkmodell fra NorwAI

(kommer)

Key takeaways

kommer

• Kristine Eide
• Matias Jentoft

Chat norsk! Tekstrobot søker data

En fersk undersøkelse om språkteknologi i offentlige virksomheter som Språkrådet har fått gjennomført, viser at 79% av virksomhetene ønsker å forbedre eller ta i bruk nye språkteknologiske verktøy som hviler på generativ KI.
I en parallell undersøkelse blant utviklere av norsk språkteknologi svarer over 75% at de vil trenge mer tekstdata til fremtidig utvikling. De trenger gode, norskspråklige data både til å trene egne modeller og til å finjustere andres modeller. Særlig trenger de områdespesifikke data, altså data fra forskjellige fagområder som medisin eller forsvar.
Offentlige virksomheter har altså behov for utvikling av ny norsk språkteknologi, og utviklerne av teknologiene etterlyser fremdeles mer språkdata til bruk i maskinlæring. Overordnet sett er dermed innsamling og tilgjengeliggjøring av slik språkdata en av flaskehalsene i digitaliseringen. Men betyr det at dataen ikke eksisterer, eller handler det om at den ikke befinner seg på rett sted til rett tid?
Offentlige virksomheter trenger modeller som behersker både nynorsk og bokmål hvis de skal nyttiggjøre seg generativ KI til f.eks. automatisk genererte møtereferater, virtuelle assistenter, syntetiske medarbeidere, automatisk oversettelse og teksting av videoopptak og samtidig følge språkloven og tilfredsstille kravene til universell utforming.
Språkteknologi kan levere på effektivisering og innovasjon i ulike deler av offentlig sektor, vel og merke hvis vi legger til grunn en delingskultur- og infrastruktur for språkdata som ennå ikke er på plass. Delte data kan ligge til grunn for fellesløsninger som hele samfunnet kan ha nytte av. Vi har flere gode eksempler på at relevant, tilgjengelig data har forbedret teknologien. Et slikt eksempel er talegjenkjenningsmodellen NB-Whisper, som forstår norske dialekter og som tekster videoopptak til både bokmål og nynorsk. Den er opplært på tekstede lydopptak, inkludert data som kun kunne brukes fordi modellene ble trent internt på NB. Modellene trent på denne dataen kan likevel brukes fritt.
Vi trenger mer språkdata og flere fellesløsninger som er opplært på dem.
Open space:
Språkrådet vil gjerne danne seg et bilde av hvor skoen kan trykke, og diskutere hvordan data enklest mulig kan tilgjengeliggjøres og utnyttes til å utvikle språkteknologi. Er det gjennom å samle store tekstmengder og avlevere dem til Språkbanken, eller ved å ha “orden i eget hus” og deretter finjustere (fremtidige) grunnmodeller selv på egne data? Eller andre strategier? Finnes det noen suksesshistorier vi ikke har hørt om?

Key takeaways

God, KI-generert norsk i offentlig sektor; fellesløsninger; språkdata til språkmodeller

• Claus K Larsen
• Peder Haslum

Håndbokchatten – Generativ KI i Statens Vegvesen

Statens Vegvesen forvalter et omfattende regelverk og håndbøker for bygging og utbedring av vei. Det er et høyt antall henvendelser med stor kompleksitet og mange avhengigheter der det er viktig at vi svarer godt, konkret og raskt. Vår avdeling Myndighet og Regelverk gjennomførte derfor en Proof of Concept for å bekrefte verdien av generativ KI. Vår modell «snakker» nå med våre
håndbøker slik at våre saksbehandlere raskt og med høy presisjon kan få et godt grunnlag for sine vurderinger.

Når vi lykkes her så har vi et stort potensial for verdiskaping i etaten. I løpet av noen uker har vi vist potensialet i teknologien gjennom et praktisk eksempel – og med det har interessen eksplodert internt. Nå er vi i gang med å videreutvikle løsningen med tanke på at den skal bli et verktøy for våre saksbehandlere. Vegvesenet bruker også prosjektet som et første ledd i å etablere et kompetanse- og leveransesenter for Generativ KI i etaten. I dette foredraget vil vi snakke om våre gevinster, hvor vi skal videre, våre læringspunkter så langt, og hva som er våre hindringer på veien videre.

Key takeaways

– Gevinster, hvordan komme i gang, våre neste steg, noen erfaringer på reisen så langt

• Ley Muller

Læring etter 10 ChatGPT-workshop’er, som vi kanskje ikke hadde lov å holde

Intro: I møte med den økende kompleksiteten og potensielle utfordringene som KI presenterer for offentlig sektor, tok DigiTrøndelag initiativet til å bane vei for en dypere forståelse og anvendelse av generativ KI for kommunale ansatte. Vi kjørte 10 workshopers om generativ KI med ChatGPT som case.

Mål: Vårt mål var tredelt: a) øke KI-kompetansen blant ansatte; b) stimulere entusiasme og støtte for KI og selvdrevet endring; c) vise ansatte at de er smarte nok og kreative nok til å ta noe så kompleks som KI, for å erlette det som de bestemte selv var slitsomt på jobb.

Format: Workshop-formatet var en dynamisk blanding av 30 minutters begrepsavklaringer, praktiske hands-on øvelser, og erfaringsutvekslinger, alt pakket inn i én intensive to-timers økt per workshop.

Hvem lærte, og hva? Vi har samlet inn kvantitative kunnskapsmålinger før og etter – altså deltakernes læring. Men vi som program og fasilitatorer lærte også en del – hvordan å tilpasse workshop’ene til tre ulike kategorier av reaksjoner, store failures, nødvendige forbedringer, og behov for greenhousing. Og til slutt var det samskapt læring – ChatGPT som endringsagent, og organisasjonslæring via medvirkning.

Foredrag skal fortelle om hvordan vi, helt konkret, økte kunnskap om og entusiasme for generativ KI i kommunesektor, hvordan vi identifiserte og håndterte ulike interessenter, fra ledernivå til operative ansatte, og hvordan vi klarte å oppskalere dette innovasjonsprosjektet.

Key takeaways

Kunnskap om generativ KI kan økes etter én hands-on workshop. Workshop’er som er samskapt fører til organisasjonsendringer. En verdibasert tilnærming til KI hjelper å få flere ‘kritiske’ interessenter med.

• Tonje Nerby

Slik blir chatten med boten grønnere

Generativ kunstig intelligens sluker strøm og store mengder vann. Det er en kraftig, men også kraftkrevende teknologi: 10 ganger så mye strøm som et google søk, og en halv liter vann på en samtale. Hvordan kan offentlig sektor ta hensyn til klima- og miljø når generativ KI blir tilgjengelig i alt for alle?

Key takeaways

Generativ KI kan bli en klimaværsting, det er mulig å gjøre teknologien grønnere, og bruke teknologien til grønn omstilling.

• Klaus Breivik
• Kari Barlaup Vahabzadeh

Møt fremtidens kompetanseutfordringer: Bevaring av ekspertkompetanse gjennom språkmodeller

Bevare ekspertkompetanse i møte med fremtidens utfordringer.
Frigjøre kapasitet til å jobbe med nye og mer komplekse problemstillinger. Språkmodeller er en lovende teknologi for å håndtere disse utfordringene.

Key takeaways

Hvordan vi utforsker ny teknologi for å løse operasjonelle utfordringer.

• Ida Flaatten
• Maria Østli

Algoritmestyrt ledelse

Algoritmestyrt ledelse, bruk av KI og andre algoritmestyrte verktøy i ledelse av arbeidstakere, er blitt et etablert begrep internasjonalt. Algoritmene har også inntatt det norske arbeidslivet. Har vi tilstrekkelig innsikt og forståelse i hva dette innebærer av utfordringer og hvilke regler som gjelder?

Key takeaways

Algoritmestyrt ledelse har inntatt arbeidslivet. Dette skaper nye utfordringer, særlig med hensyn til diskriminering, personvern og arbeidstakers medvirkning. Dagens regelverk er ikke tilpasset algoritmestyrt ledelse.

• Ingvild Myrholt Berthelsen
• Cecilie Wian

Tryggere KI i undervisning med IT-avdelingen på laget?

KI er på full fart inn i undervisningen, samtidig som det er store bekymringer om etikk, personvern og sikkerheten. NHH har involvert IT-avdelingen sin i anskaffelsen av KI løsninger. Ingvild Berthelsen forteller om hvilke vurderinger som ble gjort fra IT-avdelingen sitt ståsted, og om samarbeidet med fagstaben. Open space after talk etterpå ledes av Cecilie Wian.

Key takeaways

vurderinger gjort i anskaffelse av KI-løsninger for undervisning, – erfaringer som er høstet – utfordringer og hva som fungerte bra

• Michael Andersen Lundsveen

Assistant AI – Svaret på organisasjonens behov?

KI-verktøy har enorme muligheter til å demokratisere læring, effektivisere organisasjoner og ha en positiv effekt på samfunnet vi lever i. Utfordringen med dagens KI-verktøy er at de i stor grad krever spesialisert kompetanse for å få ønskede resultater, men det finnes løsninger på disse utfordringene. Spesialutviklede KI-verktøy som benytter Assistant AI, Retrival Augmented Generation og tilgang til egenutviklede datasett gjør det enklere å få ønskede og tilpassede resultater med KI-verktøyene. Med på kjøpet får man også muligheten til å låse ned svarene løsningen vil gi for økt sikkerhet og redusere genereringer med feilinformasjon og fordommer. Dette foredraget vil se på mulighetene i Assistant AI API løsningene fra OpenAI og Microsoft Azure.

Key takeaways

ulighetene med spesialutviklede KI-løsninger, Kompetansebehovet i samfunnet, Pålitlige KI-løsninger for organisasjoner

• Petter Ervik-Torp

Generativ AI i praksis med AWS

Praktiske eksempler og hvordan komme i gang med Generative AI. Hvordan kan du bruke din egen data for å berike samtidig holde rett nivå på sikkerhet.

Key takeaways

Å vite hvordan man kan komme i gang med Generativ AI

• Mathilde Ørstavik

KI og byggesak – hvordan gjøre det enkelt å finne ut hva man kan gjøre på egen eiendom

Hvor mye kan jeg bygge på eiendommen min? Dette er et spørsmål mange lurer på – og dessverre vil de fleste oppdage at det ikke finnes et enkelt svar på dette. Man må sette seg inn i mange ulike regelverk, deriblant planbestemmelsene i kommunen. Disse er lange og kompliserte dokumenter, og kan ofte være vanskelig å tyde.
I dette innlegget forteller vi om hvordan vi jobber med kunstig intelligens for å enklere hente ut relevant og viktig informasjon fra plandokumenter, for å komme et steg videre i digitaliseringen av byggesak.

Key takeaways

Språkmodeller er en viktig brikke i digitaliseringen av byggesak, regelverk for bygging er vanskelig, og domenekunnskap + KI er avgjørende!

• Silvija Seres

Anvendt KI på tvers av offentlig sektor

Først former vi vår teknologi – så former den oss. Slik er det med KI også, bare mye raskere. Vi har ikke så god tid som vi er vant til – så hva kan vi samle av tidligere bestepraksis og caser så vi sprer KI godt på tvers av hele offentlig sektor?

Key takeaways

VUCA verden og KI strategi; Anvendt KI henger sammen med kultur og verdier; caser på gode IT prosjekter som nå bør kunne evolvere raskt til KI

• Christopher Frenning
• Karen E. Barlaup

Hvordan lykkes med utrulling og adopsjon av Copiloter og Generativ KI?

Boston Consulting Group sier vellykkede KI prosjekter er 10% algoritmer, 20% teknologi og 70% mennesker. Copiloter er litt som regnearket, de snur ikke opp-ned på en spesifikk industri eller funksjonsområde, men bærer løfte om å hjelpe oss alle å gjøre litt bedre jobb, litt raskere, mens vi har det litt mere gøy. Hvordan lykkes man med utrulling av Generativ KI, eller Copiloter spesifikt, og hva har vi lært så langt? Hvordan får man alle i virksomheten til å ta i bruk dette nye verktøyet, og finne områdene der de gir størst verdi? Når er det tilstrekkelig med produktene man kan kjøpe som hyllevare, når skal man bygge utvidelser til Copilotene, og hva skal til for at man skal koble på utviklerne og bygge noe helt selv?

Key takeaways

Anvendt KI; Adopsjon; Beste Praksis

• Dag Vågan

Reisen til KI stjernen

Reisen Helseetaten er på for å best kunne høste gevinster av KI bruk. Som en parallell avart til reisen til julestjernen så handler Historien her om at alle må ta i bruk KI – umiddelbart, eller går toget og man blir stående igjen på perrongen! Vi lover også å finne KI, og gi den til etaten vår, slik at vi kan få tatt del i den flotte nye verden. Men i kulissene lurer lovverk og annet som ønsker å stikke kjepper i hjulene og hindre et godt resultat.

Key takeaways

Kontroll på data, kvalitet på data, riktig deling av data

• Kirsti Kierulf

Slik bruker vi KI i kommunalteknisk sektor

Programvare i kommunaltekniske sektor består av over 70 ulike applikasjoner og en rekke IOT-løsninger. Skal vi få kontroll må vi bruke KI. NKF har startet sammen med utvalgte norske programvare hus å utvikle og tilby løsninger til våre medlemmer.

Key takeaways

Innsikt i hvordan NKF som interesseorganisasjon tar lead og forsøker å få tatt i bruk KI hos norske kommuner

• Pål Enger

Hva har Oslo kommune gjort ift. generativ KI på felles IKT-plattform?

Maria Therese Sanna og Pål Enger gjør en kort intro til vårt arbeid i sommer og gjennom høsten 2023. Samt hva som opptar oss nå og fremover de neste 3-6 mnd innenfor generativ KI på felles IKT-plattform. Dette tar 10 min normalt, med litt demo av en av våre selvutviklede Chatebots kan det ta ca 15 min.

Key takeaways

erfaringsdeling

• Trygve Refvem

GPT i Skatteetaten

En fortelling om hvordan Skatteetaten har jobbet med genernativ KI det siste året.

Key takeaways

Skatteetatens har det siste året eksperimentert bredt med GPT / språkmodeller i ulike bruksområder. I dette foredraget deler vi vår innsikt på opp- og nedsider.

• Hallvard Lavoll

Openheit i kommunikasjonsfaget med generativ KI

Korleis kan kommunikasjonsfaget bruke generativ KI på ein konstruktiv måte og samstundes vere open (nok) rundt bruken?

Eg leiar ein kommunikasjonsavdeling i Skatteetaten som har ansvar for etatens visuelle-kommunikasjon. Vi har det siste året eksperiment mykje med generativ KI i vår produksjon. Dette har igjen satt i gang gode diskusjonar rundt bruken av denne teknologien.

I Skatteetaten sin eigen KI-policy (Skatteetaten.no/KI) er eit av fem prinsipp openheit.

I Kommunikasjonsforeningen sine etiske prinsipper står det:» En kommunikasjonsarbeider skal kommunisere ærlig og tydelig, og være åpen om avsender, roller, metoder og bindinger.»

Dei siste månadane har det dukka opp fleire oppslag i media der ulike aktørar (Sparebanken Øst, XXL, Trivago, NRK-Sørlandet) har brukt KI-genererte bilete utan å fortelle om det.

Forbrukertilsynet har slått fast at merkeplikta for retusjert reklame ikkje gjeld KI.

Så, kva gjer vi når delar av eit bilete er KI-generert? Må vi vere opne om KI-bruk når bakgrunnen er utvida med hjelp av KI? Kor stor del av bilete må vere KI-generert før vi skriv om det i bildetekst?

Kva med tekst? Viss KI har skrive ut forslag til kronikk og menneskje har kvalitetssikra, endra på fire leddsetningar og sju ord?

Kommunikasjonsfaget er i ferd med å få kraftige og tidsbesparande verktøy, men kor går grensa for truverdig innhald og og openheit?

Key takeaways

Diskutere og legge til rette for refleksjon rundt bruk av generativ KI i kommunikasjonsfaget

• Bjørn Fjukstad

KI i helsevesenet

I denne lyntalen forteller jeg om hvordan KI allerede er tatt i bruk i helsevesenet innenfor billeddiagnostikk, ressursplanlegging, og personalisert oppføgling og behandling. Jeg forteller også om hvordan store språkmodeller er tatt i bruk i pasientbehandlingen i andre land, og viser eksempler på hvordan det kan revolusjonere spesialisthelsetjenesten vår i Norge.

Key takeaways

KI er allerede i utstrakt bruk i helsevesenet. KI har potensialet til å frigjøre mer tid for helsepersonell, slik at de kan fokusere mer på pasientbehandling. Vi ser allerede på hvordan man kan bruke generativ KI innenfor spesialisthelsetjenesten.

• Nasim Farrokhnia

Lønnsomme innsparinger i det svenske Helsevesenet – ved hjelp av KI

De svenske helsemyndighetene hadde enorme behov for innsparinger på grunn av eldrebølgen. Her forteller Nasim om hvordan de fikk det til ved hjelp av KI

• Aurora Hofman
• Wilhelm Støren

Hvordan lage chatbot til 25 000 ansatte på 10 dager?

Vi, i NAV, som mange av dere, står overfor en utfordring: Hvordan kan vi implementere Generativ Kunstig Intelligens (GKI) i våre chatbotter?

I denne lyntalen vil vi dele erfaringer fra hvordan vi på 10 dager utviklet en chatbot til internt bruk. Reisen går fra vårt første møte med Azure studio til hvordan chatbotten fungerer i dag. Hvordan evaluerer man i det hele tatt en chatbot og hvordan vet vi hvilken verdi dette har skapt? Sist men ikke minst, hvordan kan vi overføre kunnskapen fra dette arbeidet til å nå innbyggerne i Norge? Bli med på en spennende reise som beskriver NAVs møte med GKI.

Key takeaways

Hyllevarer krever også arbeid. Tydelig mål må til for å faktisk komme frem. Ha det gøy på veien.

• Arild Aarnes

Hvordan jobbe med «Copilot readiness» I offentlig sektor

«Alle» er nysgjerrige på Copilot, og vi opplever stor pågang fra kunder både i offentlig og privat sektor. For å innføre det på en vellykket måte, er det mange hensyn å ta i innkjøringsfasen: Sikkerhet og tilgangsstyring, personvern, sektor-spesifikke forskrifter, informasjonsarkitektur, valg av piloter, endringsledelse, kompetansebygging og forventningsstyring. I denne sesjonen får du innblikk i observasjonene våre, og kan ta del i erfaringene, slik at du kan lykkes bedre

Key takeaways

«Beste praksis» i hvordan dere kan komme i gang, og gode kilder på nettet

• Morten Forfang
• Julie Utler Gjengedal
• David Skålid Amundsen

Er KI god på å finne ut hva dialogen handler om?

Hvordan kan man automatisere uttrekk av strukturert informasjon fra over 30 000 anonymiserte chatter? Det var en av utfordringene når Computas i samarbeid med Direktoratet for høyere utdanning og kompetanse (HK-dir) gjennomførte et prosjekt om interesseutforskning i chat på Karriereveiledning.no. HK-dir ønsket å få et bedre datagrunnlag for å identifisere behovene til brukerne, slik at de fremover kan lage bedre tjenester i tråd med FNs bærekraftsmål. Prosjektet benyttet datadrevne metoder for å klassifisere og identifisere samtaler. Noen av metodene er generativ KI basert, noen er søk, og andre er klassisk maskinlæringsbasert. Hva fungerte best? Problemstillingen er bred – det å gruppere dokumenter kommer inn i all saksbehandling og dokumenthåndtering.

Key takeaways

Hvordan best mulig klassifisere innholdet i en chat.

• Bjarte M. Østvold

Generativ KI + regelverk = sant?

Regelverk i form av lover, forskrifter er styrende for offentlig sektor. Både saksbehandling, utredninger og annet arbeid er underlagt regelverk. Reglene kan innebære at det må utøves skjønn, men det er også mange regler som er helt formelle eller absolutte, særlig innen skatt, transport, teknologi og delvis medisin. Siden regelverk er uttrykt som tekst, er det en nærliggende tanke å bruke ChatGPT – eller annen generativ KI (GKI)/store språkmodeller – i arbeid som er underlagt regelverk.

Den mest umiddelbare idéen er å gjøre regelverket til en del av konteksten («prompt») til den GKI-basert chatboten, slik at boten «forstår» regelverket i den videre dialogen med brukeren.
• Fordel: Billig å lime regelverket inn i chaten
• Ulempe: Er avhengig av at chatbotens regelverksforståelse som vil være tidvis gal pga. konfabulasjoner (falske minner).
• Ulempe: Bruker må gjøre manuell kontroll av botens regelverksforståelse i tillegg til annen kontroll av botens svar

Betyr dette at vinninga går opp i spinninga når man har regelverk – eller finnes det en farbar vei for GKI i arbeid med regelverk?

En alternativ idé, som er et aktivt forskningstema, er å realisere regelverkslogikk separat (som egen programvare) og styre dialogen med boten vha. denne logikken. Dvs. GKI må suppleres med gammeldags eller tradisjonell KI og den siste brukes for å representere regelverket.
• Ulempe: Kostbart å lage en egen regelverkslogikk (men kan gjøre én gang per regelverk, med mindre det endres)
• Fordel: Kontroll av regelverkslogikk gjøres uavhengig av GKI, som i tradisjonell vurdering av programvare
• Fordel: Kan kontrollere regelverksgyldighet i chatbotens svar, og be om presisering av gale svar – uten at bruker er involvert.
• Fordel: Mulighet for å gi begrunnelse av botens svar med referanse til regelverk – dersom dette gjøres til en del av programvaren for regelverkslogikk

Key takeaways

#1. Regelverksbasert arbeid kan støttes av GKI dersom GKI suppleres med tradisjonell KI. #2. Tilnærmingen reduserer regelverkskonfabulasjon og gir GKI-innspill som er i tråd med regelverket. #3. Det er mulig å få regelbaserte begrunnelser vha. tradisjonell KI.

• Alex Moltzau

Regenerativ kunstig intelligens med grønne innkjøp og mindre forbruk

Skal kunstig intelligens falle i en kategori utenfor den generelle tanken vi har om forbruk? Hvordan setter vi i større grad krav til at kunstig intelligens skal slippe ut mindre karbon? 1. januar i år trådte regelen om 30% vekting av klima- og miljøhensyn i offentlige anskaffelser i kraft. Fra og med regnskapsåret 2024 må børsnoterte selskaper rapportere på sirkularitet og bærekraft. Kan vi holde to tanker i hodet samtidig – med både økt effektivitet og redusere forbruk av kunstig intelligens?

Key takeaways

Vi må få ned forbruket, sette grønne krav til innkjøp av generativ KI og tenke på nasjonal datainfrastruktur

• Ragnar Wisløff

Fra PoC til et virksomhetsblikk på GenAI

Lyntale om viktigheten av å tenke og jobbe på virksomhetsnivå med GenAI. Inspirasjon med konkrete erfaringer, metoder, perspektiv og teknikker for å få oss på sporet.

Key takeaways

Virksomhetsperspektiv – fra inkrementell til systemisk endring

• Anne Romsaas

KI og kommunesektoren – Hva skjer, og hvilke muligheter gir det?

Fylkeskommuner og kommuner tar i bruk, tester og endrer seg ved hjelp av KI-teknologiene. Hva gjøres i sektoren, og hvilke hindringer og muligheter ser vi fremover?

Key takeaways

KI vil endre offentlig sektor

• Ellen Stralberg

KI-ville vesten eller regulatorisk drømmeland – hvor er vi på vei

Lansering av ChatGPT i november 2022 var både startskuddet for et KI-kappløp blant de største tek-selskapene, samtidig som verdens regjeringer overgår hverandre i sine reguleringsinitiativ. EU er en frontfigur på regulering av kunstig intelligens og har nå sluttforhandlet sin AI Act. USA mener de er den naturlige globale lederen, siden det er amerikanske selskaper som er verdensledende innen KI-innovasjon. Storbritannia utnytter sin nye posisjon mellom EU og USA, og inviterte nylig verdens ledere til et globalt toppmøte. Og i Kina er det krav om at modellene må generere innhold i samsvar med sosialistiske kjerneverdier. Hva er de viktigste initiativene og hvordan treffer dette Norge?

Key takeaways

Ikke bare KI-kappløp, men også regulerings-kappløp, hva kjennetegner KI-regulering i ulike land, hva kan Norge lære