Digg varnar för splittrad AI-utveckling: ”Vi riskerar att lägga pengar på fel saker”

– Risken är att vi fastnar i väldigt många olika spår och inte får ut värde av de satsningar vi gör. Vi behöver mer koordinering, grundläggande infrastruktur och standardisering. Annars finns risken att vi lägger pengar på fel saker, säger hon till Techtidningen.

Bakgrunden är Diggs slutrapport om en nationell samverkansstruktur och gemensamma tjänster för data och AI. I rapporten konstaterar myndigheten att utvecklingen av data och AI i offentlig förvaltning i dag sker i ett omfattande men fragmenterat landskap, där samverkan ofta är uppdelad och där lösningar riskerar att bli svåra att återanvända.

”Svårt för var och en att klara själv”

Enligt Digg pågår många initiativ samtidigt. Det är i grunden positivt, men innebär också att lärdomar, lösningar och investeringar inte alltid kopplas ihop mellan olika delar av offentlig sektor.

– Det är svårt för var och en att klara det här själv. Vi behöver verkligen varandra i den här resan, för det finns inte tillräckligt med människor för att kunna jobba med det här om vi inte koordinerar oss, säger Viktoria Hagelstedt.

Hon pekar särskilt på att offentlig sektor behöver bli bättre på att dra nytta av kunskap från både akademi och näringsliv.

– Det vi särskilt har tittat på är offentlig sektor. Där klarar vi inte riktigt av att använda de lärdomar som finns i akademin och näringslivet. Det finns myndigheter, kommuner och regioner som samarbetar, men man får inte alltid ihop hela systemet.

Diggs förslag är inte att ersätta befintliga initiativ, utan att skapa en mer samordnande och stödjande struktur. Enligt rapporten ska strukturen vara flexibel, problemdriven och bidra till att identifiera gemensamma behov inom offentlig förvaltning, samtidigt som näringsliv och akademi kopplas in.

Dataportalen kan bli första steget

Digg lyfter flera byggstenar som behöver utvecklas eller vidareutvecklas. Det handlar bland annat om Sveriges dataportal, samordnad identitet och behörighet, säkra behandlingsmiljöer, säkra dataförbindelser och nationell beräkningskapacitet.

Alla delar är inte lika enkla att börja med.

– Bättre sökbarhet är något vi kan göra ganska lätt. Att hitta sätt att beskriva modellerna och göra dem sökbara via dataportalen är en ganska lågt hängande frukt, säger Viktoria Hagelstedt.

Hon lyfter också AI-fabriken Mimer som en del som offentlig sektor behöver förhålla sig till tidigt. Mimer är en av de europeiska AI-fabrikerna och finns placerad i Linköping, enligt Diggs rapport.

Mer komplexa delar, som säkra behandlingsmiljöer och samordnad identitet och behörighet, kräver enligt henne praktiska användningsfall.

– När det gäller säkra behandlingsmiljöer, samordnad identitet och behörighet och säkra förbindelser behöver vi arbeta case-drivet. Vi måste hitta ett konkret case att börja med, så att vi ser att det fungerar i verkligheten.

Ett möjligt område är hälsosektorn, där behovet av att använda känsliga data för utveckling och analys är stort, men där juridik, integritet och säkerhet gör datadelning komplicerad.

Vill flytta modellen – inte datan

En central tanke i rapporten är att organisationen som ansvarar för data i vissa fall ska kunna tillgängliggöra den utan att flytta den. Det kan ske genom säkra behandlingsmiljöer, där analys och modellträning sker under kontrollerade former.

Regeringsuppdraget till Digg pekar också på behovet av tjänster som gör det möjligt att tillgängliggöra data utan att den överförs mellan it-system.

För Viktoria Hagelstedt är det en av de mest intressanta delarna i arbetet.

– Jag tycker att det är jätteintressant att vända på perspektivet: att inte dela datan, utan låta datan vara kvar och flytta AI-modellen.

Det kan till exempel göra det möjligt att träna en AI-modell på data från flera regioner utan att samla all information i en gemensam datasjö.

– Det kan finnas en väg framåt tack vare ny teknik, i stället för att vi hela tiden pratar om att vi behöver byta data, säger hon.

Råd till it-chefer: börja med datan

För it-chefer och systemägare i offentlig sektor är budskapet att arbetet inte behöver vänta på att en nationell struktur finns på plats.

– De kan börja med att tänka på vilken data de har och vilken data de behöver. Man behöver klassificera sin data och fundera på hur den ska användas, säger Viktoria Hagelstedt.

Hon pekar också på att många organisationer redan använder generativ AI eller andra AI-stöd i någon form. Därför behöver organisationer ta fram riktlinjer, utbilda medarbetare och dela kunskap redan nu.

– Man ska inte hämma sig från att testa. Det är viktigt att testa, annars lär man sig inte. Men man behöver ha med både dataperspektivet och medarbetarperspektivet. Alla måste lära sig att det inte bara är it.