AI-foredrag og workshop til kommuner

Hvorfor AI føles anderledes i en kommune

I en almindelig virksomhed kan et AI-svar være forkert på en irriterende måde. I en kommune kan et forkert svar ramme et menneske, der allerede står i noget svært.

Det kan være en borger, der prøver at forstå en afgørelse. En pårørende, der leder efter hjælp. En sagsbehandler, der skal holde styr på mange oplysninger. En leder, der skal forklare en beslutning videre til både medarbejdere, direktion og politikere.

Derfor skal kommunal AI handle om mere end effektivisering.

Selvfølgelig betyder tid noget. Mange kommunale medarbejdere drukner i tekst, møder, dokumentation og skiftende krav. Hvis AI kan hjælpe med at lave første udkast, opsummere ufølsomt materiale eller gøre et internt notat mere læsbart, er det værd at undersøge.

Men spørgsmålet er hele tiden: Hvad sker der med fagligheden, mens vi sparer tid?

Det er den samtale, et godt AI-foredrag for kommuner skal åbne. Gerne med eksempler, folk kan mærke i deres egen arbejdsdag.

Start med sagsnotatet

Et sagsnotat ser måske ud som tekst. Men det er meget mere end det.

Det er fakta, vurdering, usikkerhed, næste skridt og ansvar samlet i en bestemt rækkefølge. Hvis rækkefølgen bliver rodet, bliver beslutningen også sværere at forstå.

AI kan hjælpe her. Den kan foreslå en struktur. Den kan pege på uklare formuleringer. Den kan hjælpe med at skelne mellem, hvad der er baggrund, hvad der er vurdering, og hvad der mangler at blive afklaret.

Den kommunale vurdering bliver stadig hos medarbejderen.

Det er medarbejderen, der kender området. Det er medarbejderen, der skal kunne forklare, hvorfor noget står i notatet. Og det er kommunen, der skal kunne stå på mål for, hvad der bliver sendt videre.

I en workshop kan man arbejde med et anonymiseret eksempel. Først lader man AI foreslå en bedre struktur. Derefter markerer deltagerne, hvor der er fakta, hvor der er vurdering, og hvor outputtet kræver menneskelig godkendelse.

Så bliver AI en måde at se sit eget arbejde tydeligere på.

Borgerbreve handler også om tillid

Mange borgere møder kommunen gennem tekst.

Et brev. En besked i e-Boks. En vejledning på hjemmesiden. Et svar på en ansøgning. Nogle gange er teksten let at forstå. Andre gange skal man læse den tre gange og stadig gætte, hvad der egentlig menes.

AI kan være god til at gøre tungt sprog mere enkelt. Den kan foreslå en mildere tone, kortere sætninger eller en bedre rækkefølge. Det kan være en stor hjælp, især når medarbejdere skriver om regler, frister og processer, som er svære nok i forvejen.

Et borgerbrev skal gøre mere end at lyde venligt.

Det skal være korrekt. Det skal være fair. Det skal bevare forbehold, rettigheder og præcision. Hvis AI glatter teksten så meget ud, at vigtige nuancer forsvinder, har den ikke hjulpet borgeren.

Derfor er en vigtig øvelse at se på forskellen mellem tre tekster:

En generel vejledning, som kan omskrives for klarhed.

Et udkast til en intern formulering, som skal kvalitetstjekkes af en medarbejder.

En konkret tekst i en borgersag, hvor data, hjemmel og faglig vurdering kræver en tydelig ramme.

De tre ting kan ligne hinanden, når man ser på sproget. De er meget forskellige, når man ser på ansvar.

Borgerdata er aldrig bare øvelsesmateriale

Det vigtigste AI-spørgsmål i en kommune er ofte ret enkelt:

Hvad må vi overhovedet skrive ind?

Det spørgsmål skal ikke gemmes til sidst. Det skal frem tidligt, fordi det er her mange medarbejdere bliver usikre.

En mail fra en borger. Et internt notat. En opsummering fra et møde. Et navn. En diagnose. En familieoplysning. En vurdering fra en sagsbehandler.

Når man sidder med teksten foran sig, kan det være fristende at tænke: Jeg skal bare lige have AI til at forkorte den.

Det er netop derfor, kommuner har brug for praktiske AI-færdigheder. Medarbejdere skal kunne genkende situationen, før de kopierer noget ind i et værktøj. De skal vide, hvornår de skal stoppe, spørge eller vælge en anden metode.

I en workshop kan man arbejde med en enkel sortering:

Grønne opgaver er typisk offentligt materiale, generelle formuleringer eller intern struktur uden personoplysninger.

Gule opgaver kræver en godkendt ramme, fordi de kan påvirke borgere, vurderinger eller interne beslutninger.

Røde opgaver skal holdes ude, fordi data, konsekvens eller myndighedsansvar er for tungt.

Det er en måde at træne dømmekraft på. Den juridiske ramme skal kommunen naturligvis have styr på. Medarbejdere har også brug for hverdagssprog, så de kan handle rigtigt i det øjeblik, hvor opgaven ligger foran dem.

AI-færdigheder skal kunne bruges næste dag

AI-færdigheder lyder hurtigt som noget, der hører hjemme i en strategi eller en compliance-plan.

I praksis skal det kunne bruges næste dag.

En medarbejder skal kunne se på en opgave og tænke:

Må jeg bruge AI her?

Hvilke data må indgå?

Er det her et udkast, et kvalitetstjek eller en vurdering?

Hvem skal godkende svaret?

Hvad skal jeg selv kontrollere, før det bliver brugt?

Det er ikke nødvendigt, at alle kan forklare hele AI-forordningen efter et foredrag. Det er vigtigere, at de kan genkende de situationer, hvor AI er nyttig, risikabel eller forkert at bruge.

Digitaliseringsstyrelsen, Datatilsynet og KL peger alle på, at offentlig brug af AI kræver formål, databevidsthed, risikoforståelse og ansvar. I et foredrag skal de ord oversættes til noget, man kan gøre ved sit skrivebord.

Ellers bliver ansvar kun noget, man er enig i på et slide.

Ledelsen skal ikke vente på den perfekte AI-plan

Mange kommuner er allerede i gang, også når de ikke helt er i gang officielt.

Nogle medarbejdere tester forsigtigt. Nogle bruger AI privat og overvejer, om det kan bruges i arbejdet. Nogle afdelinger har klare regler. Andre har mest mavefornemmelser.

Det gør ledelsesopgaven konkret.

Hvilke værktøjer må bruges?

Hvilke opgaver må medarbejdere prøve på?

Hvilke datatyper skal holdes ude?

Hvem samler erfaringerne op?

Hvordan bliver gode forsøg til fælles læring?

Kommunen behøver ikke starte med de største og mest følsomme projekter. Ofte er det bedre at begynde med lavrisiko-opgaver, hvor medarbejdere kan lære teknologien at kende uden at sætte borgernes rettigheder eller tillid på spil.

Det kan være interne mødeopsummeringer uden persondata. Første struktur til et generelt oplæg. Forslag til spørgsmål, der skal afklares i et notat. Omskrivning af offentlig information til mere forståeligt sprog.

Små forsøg kan virke kedelige sammenlignet med store AI-visioner. Men de lærer organisationen noget vigtigt: hvordan man stiller bedre krav til output, dokumentation, data og menneskelig godkendelse.

Skepsis er en ressource

I kommuner møder man tit en sund skepsis over for AI.

Den skal tages alvorligt.

For mange medarbejdere handler skepsis ikke om modstand mod teknologi. Den handler om, at de ved, hvad fejl kan betyde.

De ved, hvordan et uklart brev kan gøre en borger utryg. De ved, hvordan en skæv formulering kan ændre tonen i en sag. De ved, hvordan et notat kan lyde færdigt, selvom det mangler en vigtig nuance.

Den faglige skepsis er ikke en bremseklods. Den er en del af kvaliteten.

Når medarbejdere prøver AI på konkrete opgaver, kan de ofte hurtigt se begge sider. De kan mærke, hvor det hjælper. Og de kan se, hvor outputtet lyder mere sikkert, end det er.

Det er et godt sted at starte. Med en fælles samtale om, hvad mennesker stadig skal tage ansvar for.

Et foredrag kan give fælles sprog

Et AI-foredrag passer godt, når mange i kommunen skal have samme udgangspunkt.

Det kan være en personaledag, et lederseminar, en temadag for et fagområde eller et arrangement på tværs af forvaltninger.

Foredraget skal give deltagerne et roligt overblik:

Hvad generativ AI faktisk kan hjælpe med.

Hvorfor den nogle gange svarer overbevisende og forkert.

Hvordan man kan bruge AI til udkast, struktur, spørgsmål og kvalitetstjek.

Hvor grænserne går ved borgerdata, myndighedsansvar og faglige vurderinger.

Hvilke spørgsmål kommunen bør stille, før nye værktøjer bliver hverdag.

Det vigtigste er, at deltagerne kan genkende sig selv. En sagsbehandler skal kunne høre sit eget arbejde. En leder skal kunne høre sine egne beslutninger. En digitaliseringskonsulent skal kunne høre de rammer, der mangler at blive tydelige.

En workshop gør det mere konkret

En workshop passer, når kommunen vil fra forståelse til praksis.

Her kan deltagerne arbejde med opgavetyper, der ligner deres egen hverdag. Eksemplerne kan være anonymiserede eller konstruerede, så situationen stadig føles kommunal uden at bruge følsomme borgerdata eller rigtige sager, der kræver beskyttelse.

Det kan være:

Et sagsnotat, der skal gøres mere overskueligt.

Et generelt borgerbrev, der skal skrives i et klarere sprog.

Et referat, hvor beslutninger og åbne spørgsmål skal frem.

Et internt oplæg, hvor AI kan foreslå modspørgsmål.

En arbejdsgang, hvor deltagerne skal finde steder, AI kan hjælpe uden at få adgang til følsomme oplysninger.

Målet er større end, at alle går hjem med fem smarte prompts.

Målet er, at deltagerne kan se forskel på en god AI-opgave, en risikabel AI-opgave og en opgave, hvor kommunen skal lade være, indtil rammerne er tydelige.

De første 30 dage efter et oplæg

Et godt oplæg bør gøre det lettere at handle bagefter.

De første 30 dage kan være en enkel læringsrytme:

Uge 1: Saml de spørgsmål, medarbejdere faktisk sidder med.

Uge 2: Vælg tre lavrisiko-opgaver, kommunen gerne vil undersøge.

Uge 3: Afprøv dem med klare datagrænser og menneskelig godkendelse.

Uge 4: Saml erfaringerne. Hvad hjalp? Hvad var uklart? Hvad skal stoppes? Hvad skal have en bedre ramme?

Det er en enkel måde at lære kontrolleret på.

Og det passer godt til kommuner, fordi der både er brug for nysgerrighed og forsigtighed. Man skal kunne prøve noget. Man skal også kunne forklare, hvorfor man prøver det, og hvad man holder ude.