Tieto testar AI i socialt projekt

Tieto och Finlands näst största stad, Esbo, inleder ett unikt pilotförsök kring AI. Det framgår av ett pressmeddelande.

Under försöket kombineras stora mängder data från socialtjänst och hälsovård med brukaruppgifter från barnomsorgen för att skapa bättre service och tjänster för medborgarna. Målet med dataanalysen är bland annat att kunna förutse behovet av riktade insatser.

Krypterad dataöverföring

Det här är första gången i Norden som offentlig data samlas in och kombineras på detta sätt. Enligt Tieto iakttas största möjliga sekretess och integritetsskydd under all databehandling. Namn, personbeteckning, adress och liknande döljs redan i sökskedet och all dataöverföring är krypterad.  

– Försöket i Esbo stad är ett viktigt steg globalt för utnyttjandet av artificiell intelligens och data inom offentlig sektor. Den data som lagrats i olika hälso- och sjukvårdsdatasystem i Norden är mycket unik. Dessa omfattande datareserver borde utnyttjas på ett mångsidigare sätt än idag så att man med deras hjälp kunde erbjuda alla medborgare ännu bättre tjänster än tidigare, säger Matti Ristimäki, chef för hälso- och välfärdssektorn inom Tietos enhet för datadrivna affärer.

IT-bolaget har länge utvecklat och erbjudit tjänster för den offentliga sektorn i Norden och har samarbetat med Esbo stad under flera år och levererat tekniska vård- och omsorgslösningar. Nyligen gick Tieto även med i Microsofts Health Partner Allianc – en organisation som också ämnar ta fram nya tjänster genom att kombinera AI med hälsodata.

Kritiserad metod

Det finns dock en hel del kritik mot den här typen av AI-metoder. Inte minst från forskarvärlden. Den belgiska juridikprofessorn Mireille Hildebrandt varnade under ett SNS-seminarium i februari för en blind tilltro till heta teknologier som "big data" och automatisk maskininlärning.

– Det är omöjligt att skapa en slutgiltig algoritm som kan lösa alla dina problem. Men i dag finns det en felaktig föreställning om att man med väldigt stora dataunderlag kan utarbeta mycket sofistikerade och nästan felfria system. Men det är snarare tvärtom. Varje system bör istället ha ett tydligt definierat syfte och genomgå gedigna testrundor, sa Mireille Hildebrandt under seminariet.

Hon betonade att vi måste tänka på vem som samlar in data.

– Är det ett läkemedelsbolag, ett sjukhus eller forskare? Vi måste beakta att det alltid kan finnas någon som vill få avkastning på en viss typ av data och att det kan leda till skeva resultat, säger hon.