Når udviklere i Silicon Valley og på Stanford taler om kunstig intelligens, er det selvkørende biler og skakspillende robotter med menneskelig intelligens, de drømmer om. Når vi andre taler om det, er det langt mere virksomhedsnære problemer, vi gerne vil løse.
 

Vi vil gerne hjælpe folk til at spare tid. Vi vil gerne nedbringe mængden af rutineopgaver, som ikke inspirerer eller kræver faglighed, men som blot er en del af hverdagen. Vi vil gerne kvalificere beslutningsprocesser.

I beskæftigelsesbranchen vil det i sidste ende blive meget få endelige beslutninger, der træffes af computere. Kravet om gennemsigtighed og rummelighed er absolut, når man har med sårbare borgere at gøre. Men sagsbehandlere er ikke altvidende, og der er områder, hvor de kommer til kort. Jo flere redskaber de har til at hjælpe med at berige og informere, desto bedre.
 

Vi vil gerne nedbringe kompleksitet. I dag er den enkelte sagsbehandler ved at drukne i oplysninger og klik. Ikke alt er relevant, men det kan man ikke vurdere i situationen, før man faktisk har klikket og læst informationen. Filtrering er nøglen i denne travle verden.
 

Fremfor alt vil vi gerne gøre livet nemmere og bedre for sagsbehandlere og borgere i et konstant samarbejde med selvsamme. Det er det idealistiske syn på kunstig intelligens. Hvad betyder det i praksis? 
 

Schultz er (kunstig) intelligent

Jeg blev ansat i Schultz for halvandet år siden. I den tid har jeg og mit team udviklet det første produkt og lavet forundersøgelser og taget de første spadestik på mange flere. I den proces har vi gjort os en masse erfaringer, som vi i denne artikel gerne vil dele.
 

Den første - og for jer derude åbenlyse - erfaring er, at området er uendeligt komplekst. Love og regler spiller sammen med lokale arbejdsgange, der adskiller sig meget fra jobcenter til jobcenter. Amazon og Google kan slippe afsted med at behandle alle ens, fordi deres datamængder er så voldsomt store. Det kan man ikke i Danmark.
 

Den næste erfaring er, at der er en enorm tilstrømning af information. Det gælder dagligdagen - antallet af automatisk genererede opgaver og notifikationer er kun stigende - og det gælder på virksomhedsområdet. Der er godt 300.000 virksomheder i Danmark og cirka 116.400 ledige danskere. Koblingen er ikke en nem nød at knække. Det nationale fagkodesystem DISCO-08 gør et hæderligt forsøg på at skabe struktur i junglen med 559 jobtitler fordelt over ni overkategorier, hvilket er brugbart, men i begrænset omfang. Er det fx alle sagsbehandlere, der kender forskellen på tolkearbejde og translatørarbejde (jeg melder mig gerne først og indrømmer, at jeg gør ikke). Hvad med titler, der ikke eksisterer? It-branchen er notorisk for det - hverken jeg eller mine nærmeste kolleger giver mening i fagkodesystemet.
 

Sagsbehandlere og jobkonsulenters faglighed ligger i lovgivning, i rådgivning, i research og kontakt til borgere og virksomheder. Ingen kan forvente, at de også sætter sig ind i samtlige branchebeskrivelser i Danmark. Men alligevel er det deres ansvar at foreslå jobs til de enkelte borgere, rådgive om eventuel opkvalificering og opsøge relevante virksomheder.
 

Vi har erfaret, at teknologien kan hjælpe. Ikke til at overtage sagsbehandlingen, men ved at virke som en slags assistent, hvis opgave det er at automatisere rutineopgaverne, filtrere i relevant information og yde faglig støtte.


 

I min forrige artikel om kunstig intelligens redegjorde jeg for teknologiens historie og påstod, at robotterne er her for at hjælpe os. I denne artikel gennemgår jeg nogle konkrete eksempler på, hvor de kan. 
 

Fra borgerens perspektiv

Hvis jeg er en borger, der træder ind på jobcentret, ønsker jeg hjælp. Måske har jeg en baggrund, der inkluderer et niveau af uddannelse, noget erhvervserfaring og en række andre ting - såsom helbredsproblemer - der kan påvirke, hvilke brancher jeg er kvalificeret og motiveret for at søge i. Muligvis er jeg i en nichebranche. Måske gør mine helbredsproblemer, at jeg ikke kan arbejde i det fag, jeg ellers har tyve års erfaring i. Så jeg træder ind på jobcentret vel vidende, at jeg skal skifte branche.
 

Hvad kan sagsbehandleren gøre? Hun kan give mig et overblik over de juridiske regler, jeg skal tage stilling til. Hun kan hjælpe mig ud af den modløshed, der ellers præger min hverdag, efter jeg har måttet sige farvel til min arbejdsmæssige identitet. Hun kan give mig nogle ressourcer til, hvordan en jobsøgning bedst foretages.
 

Hun kan ikke fortælle mig, hvilken branche jeg skal søge indenfor. Det er der strengt taget ingen, der kan, fordi min situation er unik. Men mon ikke det ville hjælpe at få et fingerpraj om, hvad jeg faktisk er kvalificeret til? Eller hvilke jobs, der ville kræve minimal opkvalificering? Det ville give mig et udgangspunkt at researche ud fra, når jeg gik hjem.
 

Meget af denne funktionalitet eksisterer i dag på utallige websider. LinkedIn anbefaler jobs på baggrund af dine kompetencer og tidligere jobtitler. Programmørernes hjælpeforum StackOverflow viser jobopslag baseret på en helt simpel logik, der tager højde for geografisk placering og tidspunkt for posting. Jobnet har sin egen filtrering. Hvis man kan lave logik, der anbefaler jobs, hvorfor så ikke logik, der anbefaler uddannelser eller kurser? Man kunne endda gøre det helt simpelt og lade maskinen selv gennemgå andre borgeres CV'er og selv fortælle, hvilke kurser og certificeringer andre i min branche har? Hvad, hvis størstedelen, der faktisk får job, har et kursus, jeg slet ikke har overvejet?
 

På den danske Jobbing.dk findes et værktøj, hvor man som jobsøgende kan indtaste sin baggrund og kompetencer og søge i listen af jobopslag. Det er for så vidt meget nemt. Men derudover kan man skrue på forskellige parametre og fx bede værktøjet ignorere ens erfaring. Hvor meget bedre kunne man ikke kvalificere sagsbehandlerens anbefalinger, hvis de også havde adgang til noget lignende?
 

Fra sagsbehandlerens perspektiv

Hvis jeg er sagsbehandler i en kommune, vil jeg gerne bruge min tid på at hjælpe de borgere, jeg er i berøring med. Desværre har jeg i mange kommuner så megen forberedelse, at jeg gennemsnitligt kun har ti-tolv minutter til faktisk at tale med hver borger. Det er jo denne tid, der er mest værdifuld, og som jeg virkelig kan bruge til at gøre en forskel for borgeren.
 

Meget af tidsrøveriet kan ikke løses teknologisk - maskiner kan ikke stille færre krav til registrering. Men maskiner kan godt filtrere i information og kun præsentere den vigtigste. I Københavns kommune arbejder deres afdeling for robotteknologi bl.a. med at hente og vise relevant information før samtale med borgere. I Schultz' snarlige produktkatalog findes et lignende produkt baseret på obs-punkter defineret af de jobcentre, der samarbejder med os.
 

Og hvad med nogle år frem i tiden? På engelsk promoverer Microsoft for tiden et produkt, der kan trække nøgleord ud af tekst og bruge den data som baggrund for søgninger eller input til andre systemer. Kunne man ikke drømme om et it-system, som tog sagsbehandlerens faglige noter og af sig selv kunne registrere, at borgers CV er opdateret, borger er jobsøgende etc. Altså et system, der kunne fungere som en slags sekretær baseret på sagsbehandlerens notater. Hvor mange minutter ville det frigive til at tale med borgeren? 
 

Fra virksomhedens perspektiv

Hvis jeg er en virksomhed, vil jeg måske gerne tage et socialt ansvar. Jeg har tidligere haft borgere i afklaring, men lige i dag står jeg og har brug for en ny fuldtidsmedarbejder. Jeg har jo et godt samarbejde med jobcentret, så jeg sender dem en jobordre og håber på, at de blandt deres borgere har en person, der kan være et godt match.
 

I jobcentret skal denne jobordre først igennem en automatisk søgning, hvor systemet udtrækker alle borgere med relevante jobmål, og derefter en manuel udvælgelsesproces, hvor enten sagsbehandlere eller jobkonsulenter vurderer borgerlisten, som systemet har returneret, før enkelte borgere udvælges og sendes til virksomheden. I store kommuner er der rigtig mange individuelle vurderinger, før man kan sende nogen ud på job.
 

Den samme slags jobanbefalinger, som computere kan foretage fra borgerens perspektiv, kan den også foretage med omvendt fortegn. Jeg hører oftere og oftere om virksomheder, der udvikler produkter, der gør det muligt for store virksomheder at filtrere i jobansøgninger. Teknologien virker oftest ved en blanding af rå tekstanalyse og relaterede kompetencer hentet fra LinkedIn, tilsat store mængder statistik, hvorved man kan frasortere de ansøgninger, der ikke nævner de kompetencer, der var relevante i jobopslaget. Sådan går mængden af ansøgere fra uoverskueligt, til flere hundrede til måske tyve eller halvtreds ansøgere, som et menneske så kan vurdere.
 

Jobcentrene har i dag den simplest tænkelige version med søgningen efter kvalificerede borgere baseret på eksplicitte jobmål - men hvad hvis man kunne justere på parametrene? Hvad hvis man kunne få de mest kvalificerede borgere, de mest motiverede, de borgere der for nylig har optrappet deres jobsøgning og måske rider på en god bølge? Hvad hvis man ikke bare kunne udvælge, men også sortere i kvalificerede borgere?
 

Motivationen er den sværeste ting at vurdere i den liste, for en computer ved strengt taget intet om følelser. Men hvis den information ligger i systemet fra andetsteds – fx gennem et tilbagevendende spørgeskema eller sagsbehandlerens løbende vurdering - kan maskinen lynhurtigt overskue informationen samtidig med CV'et. Pludselig er der sparet meget tid i en ellers meget lang proces, og sandsynligheden for, at jeg som virksomhed får den rigtige medarbejder, er steget markant. 
 

Fra virksomhedskonsulentens perspektiv

Hvis jeg er en virksomhedskonsulent, vil jeg gerne sikre et godt samarbejde med virksomheder. Meget af min tid går med ihærdigt at lede efter nye virksomheder, som mit jobcenter kan trække på til erhvervspraktikker eller jobordrer. Det kræver et imponerende overblik over markedet og dets tre hundrede tusind virksomheder, og jeg rammer ikke altid rigtigt i forhold til borgersammensætningen i mit jobcenter. Sommetider har vi en stor mængde sæsonledige - andre gange er det tilfældets magt, der gør, at vi har særligt mange marinebiologer lige i år.
 

Et sådant overblik over borgernes sammensætning er teknologisk nemt at skabe og fremvise, men hvorfor ikke gå videre og grave i CVR-registreret efter virksomheder, der kunne være lydhøre efter et samarbejde? Man kan jo se, hvilke virksomheder der har haft hvilke jobopslag før, og man kan se i folks CV, hvilke typer borgere der har været ansat i virksomheden før. Disse ting kunne danne grundlag for at præsentere virksomhedskonsulenten for en række virksomheder, som er kendt for at ansætte mange af netop den slags borgere, som der p.t. er en overvægt af. Både overblikket og anbefalingerne kunne være med til at højne kvaliteten af virksomhedskonsulenternes arbejde.
 

Og det er bare starten på de teknologiske muligheder. I Schultz er vi p.t. i analysefasen med en app, som indtil videre skal gøre det nemt for konsulenterne at indtaste oplysninger på farten. Man kunne sagtens forestille sig, at en sådan app også gjorde brug af velkendt teknologi såsom tale-til-tekst til indtaling af noter, eller af noget så simpelt som at bruge telefonens GPS-koordinater til at se, hvilken virksomhed man befinder sig i, så man ikke skal indtaste navnet selv. Potentialet for små tidsbesparelser er enormt. 
 

Fra robottens perspektiv

Hvis jeg er en robot eller en kunstig intelligens, er jeg langt fra at have meninger, ønsker eller evner til at overtage sagsbehandlernes kerneopgaver. Men jeg er udviklet til at assistere. Jeg kan filtrere i information, jeg kan skære ned på klik, og jeg kan tilgå og bearbejde viden som sagsbehandlerne simpelthen ikke har tid til. Jeg kan træde til i de nicher, hvor jeg kan gøre tingene nemmere eller bedre.
 

Og det er de potentialer, der er værd at lede efter. Hvor har jeg for mange klik i systemet? Hvor mangler jeg viden for at kunne give en grundig vejledning? Hvad ville jeg gerne kunne holde bedre øje med? Hvor mister jeg overblikket? Hvor kan jeg tidsbespare, kvalificere eller forenkle?
 

Teknologien eksisterer. Robotterne er her, og de bliver kun flere. Men de er her ikke for at overtage. De er her for at assistere, og de har brug for at blive taget i hånden og guidet til de steder, hvor de kan gøre mest gavn. Teknologien skal tjene mennesket, ikke omvendt.
 

I Schultz er vi startet på et produktkatalog på området. Men vi - Schultz, Danmark, verden som helhed - er stadig kun ved at kradse i overfladen. En robot kan måske godt blive karriererådgiver en dag, men lige nu er den kun ved at søge sin første praktikantstilling. Den kan sagtens være uhyre hjælpsom, men den har meget at lære. Vi, der udvikler kunstig intelligens, har en opgave i at spørge jer og tale med jer og lytte til jer for at finde ud af, hvor I faktisk har brug for hjælpen. Kun sådan kan vi kvalificere robotterne til at kvalificere sagsbehandlingen.
 

Hjælp os med at tage robotterne i hånden. De har brug for lidt hjælp, inden de krydser vejen. 

Når udviklere i Silicon Valley og på Stanford taler om kunstig intelligens, er det selvkørende biler og skakspillende robotter med menneskelig intelligens, de drømmer om. Når vi andre taler om det, er det langt mere virksomhedsnære problemer, vi gerne vil løse.
 

Vi vil gerne hjælpe folk til at spare tid. Vi vil gerne nedbringe mængden af rutineopgaver, som ikke inspirerer eller kræver faglighed, men som blot er en del af hverdagen. Vi vil gerne kvalificere beslutningsprocesser.

I beskæftigelsesbranchen vil det i sidste ende blive meget få endelige beslutninger, der træffes af computere. Kravet om gennemsigtighed og rummelighed er absolut, når man har med sårbare borgere at gøre. Men sagsbehandlere er ikke altvidende, og der er områder, hvor de kommer til kort. Jo flere redskaber de har til at hjælpe med at berige og informere, desto bedre.
 

Vi vil gerne nedbringe kompleksitet. I dag er den enkelte sagsbehandler ved at drukne i oplysninger og klik. Ikke alt er relevant, men det kan man ikke vurdere i situationen, før man faktisk har klikket og læst informationen. Filtrering er nøglen i denne travle verden.
 

Fremfor alt vil vi gerne gøre livet nemmere og bedre for sagsbehandlere og borgere i et konstant samarbejde med selvsamme. Det er det idealistiske syn på kunstig intelligens. Hvad betyder det i praksis? 
 

Schultz er (kunstig) intelligent

Jeg blev ansat i Schultz for halvandet år siden. I den tid har jeg og mit team udviklet det første produkt og lavet forundersøgelser og taget de første spadestik på mange flere. I den proces har vi gjort os en masse erfaringer, som vi i denne artikel gerne vil dele.
 

Den første - og for jer derude åbenlyse - erfaring er, at området er uendeligt komplekst. Love og regler spiller sammen med lokale arbejdsgange, der adskiller sig meget fra jobcenter til jobcenter. Amazon og Google kan slippe afsted med at behandle alle ens, fordi deres datamængder er så voldsomt store. Det kan man ikke i Danmark.
 

Den næste erfaring er, at der er en enorm tilstrømning af information. Det gælder dagligdagen - antallet af automatisk genererede opgaver og notifikationer er kun stigende - og det gælder på virksomhedsområdet. Der er godt 300.000 virksomheder i Danmark og cirka 116.400 ledige danskere. Koblingen er ikke en nem nød at knække. Det nationale fagkodesystem DISCO-08 gør et hæderligt forsøg på at skabe struktur i junglen med 559 jobtitler fordelt over ni overkategorier, hvilket er brugbart, men i begrænset omfang. Er det fx alle sagsbehandlere, der kender forskellen på tolkearbejde og translatørarbejde (jeg melder mig gerne først og indrømmer, at jeg gør ikke). Hvad med titler, der ikke eksisterer? It-branchen er notorisk for det - hverken jeg eller mine nærmeste kolleger giver mening i fagkodesystemet.
 

Sagsbehandlere og jobkonsulenters faglighed ligger i lovgivning, i rådgivning, i research og kontakt til borgere og virksomheder. Ingen kan forvente, at de også sætter sig ind i samtlige branchebeskrivelser i Danmark. Men alligevel er det deres ansvar at foreslå jobs til de enkelte borgere, rådgive om eventuel opkvalificering og opsøge relevante virksomheder.
 

Vi har erfaret, at teknologien kan hjælpe. Ikke til at overtage sagsbehandlingen, men ved at virke som en slags assistent, hvis opgave det er at automatisere rutineopgaverne, filtrere i relevant information og yde faglig støtte.


 

I min forrige artikel om kunstig intelligens redegjorde jeg for teknologiens historie og påstod, at robotterne er her for at hjælpe os. I denne artikel gennemgår jeg nogle konkrete eksempler på, hvor de kan. 
 

Fra borgerens perspektiv

Hvis jeg er en borger, der træder ind på jobcentret, ønsker jeg hjælp. Måske har jeg en baggrund, der inkluderer et niveau af uddannelse, noget erhvervserfaring og en række andre ting - såsom helbredsproblemer - der kan påvirke, hvilke brancher jeg er kvalificeret og motiveret for at søge i. Muligvis er jeg i en nichebranche. Måske gør mine helbredsproblemer, at jeg ikke kan arbejde i det fag, jeg ellers har tyve års erfaring i. Så jeg træder ind på jobcentret vel vidende, at jeg skal skifte branche.
 

Hvad kan sagsbehandleren gøre? Hun kan give mig et overblik over de juridiske regler, jeg skal tage stilling til. Hun kan hjælpe mig ud af den modløshed, der ellers præger min hverdag, efter jeg har måttet sige farvel til min arbejdsmæssige identitet. Hun kan give mig nogle ressourcer til, hvordan en jobsøgning bedst foretages.
 

Hun kan ikke fortælle mig, hvilken branche jeg skal søge indenfor. Det er der strengt taget ingen, der kan, fordi min situation er unik. Men mon ikke det ville hjælpe at få et fingerpraj om, hvad jeg faktisk er kvalificeret til? Eller hvilke jobs, der ville kræve minimal opkvalificering? Det ville give mig et udgangspunkt at researche ud fra, når jeg gik hjem.
 

Meget af denne funktionalitet eksisterer i dag på utallige websider. LinkedIn anbefaler jobs på baggrund af dine kompetencer og tidligere jobtitler. Programmørernes hjælpeforum StackOverflow viser jobopslag baseret på en helt simpel logik, der tager højde for geografisk placering og tidspunkt for posting. Jobnet har sin egen filtrering. Hvis man kan lave logik, der anbefaler jobs, hvorfor så ikke logik, der anbefaler uddannelser eller kurser? Man kunne endda gøre det helt simpelt og lade maskinen selv gennemgå andre borgeres CV'er og selv fortælle, hvilke kurser og certificeringer andre i min branche har? Hvad, hvis størstedelen, der faktisk får job, har et kursus, jeg slet ikke har overvejet?
 

På den danske Jobbing.dk findes et værktøj, hvor man som jobsøgende kan indtaste sin baggrund og kompetencer og søge i listen af jobopslag. Det er for så vidt meget nemt. Men derudover kan man skrue på forskellige parametre og fx bede værktøjet ignorere ens erfaring. Hvor meget bedre kunne man ikke kvalificere sagsbehandlerens anbefalinger, hvis de også havde adgang til noget lignende?
 

Fra sagsbehandlerens perspektiv

Hvis jeg er sagsbehandler i en kommune, vil jeg gerne bruge min tid på at hjælpe de borgere, jeg er i berøring med. Desværre har jeg i mange kommuner så megen forberedelse, at jeg gennemsnitligt kun har ti-tolv minutter til faktisk at tale med hver borger. Det er jo denne tid, der er mest værdifuld, og som jeg virkelig kan bruge til at gøre en forskel for borgeren.
 

Meget af tidsrøveriet kan ikke løses teknologisk - maskiner kan ikke stille færre krav til registrering. Men maskiner kan godt filtrere i information og kun præsentere den vigtigste. I Københavns kommune arbejder deres afdeling for robotteknologi bl.a. med at hente og vise relevant information før samtale med borgere. I Schultz' snarlige produktkatalog findes et lignende produkt baseret på obs-punkter defineret af de jobcentre, der samarbejder med os.
 

Og hvad med nogle år frem i tiden? På engelsk promoverer Microsoft for tiden et produkt, der kan trække nøgleord ud af tekst og bruge den data som baggrund for søgninger eller input til andre systemer. Kunne man ikke drømme om et it-system, som tog sagsbehandlerens faglige noter og af sig selv kunne registrere, at borgers CV er opdateret, borger er jobsøgende etc. Altså et system, der kunne fungere som en slags sekretær baseret på sagsbehandlerens notater. Hvor mange minutter ville det frigive til at tale med borgeren? 
 

Fra virksomhedens perspektiv

Hvis jeg er en virksomhed, vil jeg måske gerne tage et socialt ansvar. Jeg har tidligere haft borgere i afklaring, men lige i dag står jeg og har brug for en ny fuldtidsmedarbejder. Jeg har jo et godt samarbejde med jobcentret, så jeg sender dem en jobordre og håber på, at de blandt deres borgere har en person, der kan være et godt match.
 

I jobcentret skal denne jobordre først igennem en automatisk søgning, hvor systemet udtrækker alle borgere med relevante jobmål, og derefter en manuel udvælgelsesproces, hvor enten sagsbehandlere eller jobkonsulenter vurderer borgerlisten, som systemet har returneret, før enkelte borgere udvælges og sendes til virksomheden. I store kommuner er der rigtig mange individuelle vurderinger, før man kan sende nogen ud på job.
 

Den samme slags jobanbefalinger, som computere kan foretage fra borgerens perspektiv, kan den også foretage med omvendt fortegn. Jeg hører oftere og oftere om virksomheder, der udvikler produkter, der gør det muligt for store virksomheder at filtrere i jobansøgninger. Teknologien virker oftest ved en blanding af rå tekstanalyse og relaterede kompetencer hentet fra LinkedIn, tilsat store mængder statistik, hvorved man kan frasortere de ansøgninger, der ikke nævner de kompetencer, der var relevante i jobopslaget. Sådan går mængden af ansøgere fra uoverskueligt, til flere hundrede til måske tyve eller halvtreds ansøgere, som et menneske så kan vurdere.
 

Jobcentrene har i dag den simplest tænkelige version med søgningen efter kvalificerede borgere baseret på eksplicitte jobmål - men hvad hvis man kunne justere på parametrene? Hvad hvis man kunne få de mest kvalificerede borgere, de mest motiverede, de borgere der for nylig har optrappet deres jobsøgning og måske rider på en god bølge? Hvad hvis man ikke bare kunne udvælge, men også sortere i kvalificerede borgere?
 

Motivationen er den sværeste ting at vurdere i den liste, for en computer ved strengt taget intet om følelser. Men hvis den information ligger i systemet fra andetsteds – fx gennem et tilbagevendende spørgeskema eller sagsbehandlerens løbende vurdering - kan maskinen lynhurtigt overskue informationen samtidig med CV'et. Pludselig er der sparet meget tid i en ellers meget lang proces, og sandsynligheden for, at jeg som virksomhed får den rigtige medarbejder, er steget markant. 
 

Fra virksomhedskonsulentens perspektiv

Hvis jeg er en virksomhedskonsulent, vil jeg gerne sikre et godt samarbejde med virksomheder. Meget af min tid går med ihærdigt at lede efter nye virksomheder, som mit jobcenter kan trække på til erhvervspraktikker eller jobordrer. Det kræver et imponerende overblik over markedet og dets tre hundrede tusind virksomheder, og jeg rammer ikke altid rigtigt i forhold til borgersammensætningen i mit jobcenter. Sommetider har vi en stor mængde sæsonledige - andre gange er det tilfældets magt, der gør, at vi har særligt mange marinebiologer lige i år.
 

Et sådant overblik over borgernes sammensætning er teknologisk nemt at skabe og fremvise, men hvorfor ikke gå videre og grave i CVR-registreret efter virksomheder, der kunne være lydhøre efter et samarbejde? Man kan jo se, hvilke virksomheder der har haft hvilke jobopslag før, og man kan se i folks CV, hvilke typer borgere der har været ansat i virksomheden før. Disse ting kunne danne grundlag for at præsentere virksomhedskonsulenten for en række virksomheder, som er kendt for at ansætte mange af netop den slags borgere, som der p.t. er en overvægt af. Både overblikket og anbefalingerne kunne være med til at højne kvaliteten af virksomhedskonsulenternes arbejde.
 

Og det er bare starten på de teknologiske muligheder. I Schultz er vi p.t. i analysefasen med en app, som indtil videre skal gøre det nemt for konsulenterne at indtaste oplysninger på farten. Man kunne sagtens forestille sig, at en sådan app også gjorde brug af velkendt teknologi såsom tale-til-tekst til indtaling af noter, eller af noget så simpelt som at bruge telefonens GPS-koordinater til at se, hvilken virksomhed man befinder sig i, så man ikke skal indtaste navnet selv. Potentialet for små tidsbesparelser er enormt. 
 

Fra robottens perspektiv

Hvis jeg er en robot eller en kunstig intelligens, er jeg langt fra at have meninger, ønsker eller evner til at overtage sagsbehandlernes kerneopgaver. Men jeg er udviklet til at assistere. Jeg kan filtrere i information, jeg kan skære ned på klik, og jeg kan tilgå og bearbejde viden som sagsbehandlerne simpelthen ikke har tid til. Jeg kan træde til i de nicher, hvor jeg kan gøre tingene nemmere eller bedre.
 

Og det er de potentialer, der er værd at lede efter. Hvor har jeg for mange klik i systemet? Hvor mangler jeg viden for at kunne give en grundig vejledning? Hvad ville jeg gerne kunne holde bedre øje med? Hvor mister jeg overblikket? Hvor kan jeg tidsbespare, kvalificere eller forenkle?
 

Teknologien eksisterer. Robotterne er her, og de bliver kun flere. Men de er her ikke for at overtage. De er her for at assistere, og de har brug for at blive taget i hånden og guidet til de steder, hvor de kan gøre mest gavn. Teknologien skal tjene mennesket, ikke omvendt.
 

I Schultz er vi startet på et produktkatalog på området. Men vi - Schultz, Danmark, verden som helhed - er stadig kun ved at kradse i overfladen. En robot kan måske godt blive karriererådgiver en dag, men lige nu er den kun ved at søge sin første praktikantstilling. Den kan sagtens være uhyre hjælpsom, men den har meget at lære. Vi, der udvikler kunstig intelligens, har en opgave i at spørge jer og tale med jer og lytte til jer for at finde ud af, hvor I faktisk har brug for hjælpen. Kun sådan kan vi kvalificere robotterne til at kvalificere sagsbehandlingen.
 

Hjælp os med at tage robotterne i hånden. De har brug for lidt hjælp, inden de krydser vejen.