Lärdomar från Svea: Ledarskap, kompetenshöjning och tekniska anpassningar

– Tekniken i sig är inte det största hindret. Det som krävs är storskalig förändringsledning. Vi måste ha ett ledarskap som uppmuntrar användandet av AI. Vi behöver särskilda utbildningar på bred front. Det behövs investeringar, resurser och rejäla satsningar för att vi ska komma igång och lära oss att använda AI i svensk offentlig sektor. 

Men bakom kulisserna är tekniken och anpassningen av den trots det central. Det finns en stor bredd bland användarna i offentlig sektor vad det gäller behov, kompetensnivå och sammanhang då verktygen kan vara till hjälp. 

– Till exempel jobbar väldigt många i offentlig sektor på andra platser än vid ett skrivbord, med mobilen som sitt främsta verktyg. Det är en aspekt att ta hänsyn till. Samtidigt är det väldigt höga krav på att information ska vara korrekt och att sekretessbelagda uppgifter ska hanteras på sätt som är förenligt med svensk lagstiftning, säger Jonatan Permert.

Han uttrycker också en viss oro för parallellutveckling i offentlig sektor just nu, där många organisationer driver egna utvecklingsprojekt för bland annat chattbottar och transkriberingslösningar. 

– Att så många offentliga organisationer investerar i egenutvecklade verktyg pekar tydligt på att det finns en efterfrågan på svenska lösningar. Men i våra dialoger med kommuner, regioner och myndigheter ser vi att det är samma behov som återkommer om och om igen. Det är inte hållbart att 600 offentliga organisationer ska bygga egna, skräddarsydda AI-verktyg, säger Jonatan Permert

Presentationerna från Svea-seminariet

Bakgrund, vision och framgångar 

Jonatan Permert om bakgrunden och visionen för projektet. Han beskriver utmaningarna med att införa generativ AI i offentliga organisationer och presenterar lösningar som initiativet har tagit fram, inklusive en prototyp för en digital assistent som kan avlasta medarbetare och öka kvaliteten i offentlig service. Presentationen ger en överblick över initiativets mål, framgångar och utmaningar, samt visar på potentialen för en gemensam digital assistent i offentlig sektor.

Förändringsledning i praktiken 

Shirin Henare belyser behovet av förändringsledning för att realisera värdet av AI och hur Svea-initiativet arbetar med förändringsledning och utbildning för att stärka den offentliga sektorns förmåga att använda AI på ett självsäkert, modigt och lärandeorienterat sätt. Fokus ligger på att bygga engagemang, kompetens och förtroende i en tid av snabb teknologisk förändring.

Design som drivkraft 

Hur kan design göra komplexa system enkla, skapa trygghet och bygga förtroende? I den här presentationen delar Maja Haak, UX- och produktdesigner, med sig av insikter och exempel från Svea – där tydlig struktur, klarspråk och transparens står i centrum. Och hur design kan vara en kraftfull drivmotor i offentlig sektor, och hur AI kan anpassas efter användaren – inte tvärtom.

Sveas tekniska arkitektur 

Hur kan man bygga en kraftfull AI-assistent som samtidigt möter offentlig sektors höga krav på säkerhet och suveränitet? Tobias Wilhelmsson ger en bred teknisk översikt av Svea, AI-plattformen som från grunden är byggd för den svenska offentliga sektorns behov. Presentationen täcker de centrala delarna av systemet, från den säkra och skalbara grundarkitekturen på svensk mark till de integritetsfokuserade designvalen. Det ges en inblick i hur plattformens intelligenta AI-motor är uppbyggd för att leverera relevanta svar och hur systemet är designat för att vara flexibelt och anpassningsbart för framtiden.

RAG-teknik i Svea 

Organisationers kunskap ligger ofta spridd i otaliga dokument, svårtillgänglig för de som behöver den. Lea Cornelio beskriver hur Sveas RAG-pipeline (Retrieval Augmented Generation) löser detta. Genom att omvandla ostrukturerade dokument till sökbar kunskap kan assistenten hämta relevant fakta. Svaren som genereras blir då grundade i organisationens egna källor istället för enbart på modellens allmänna träningsdata.

Träningsdata för AI 

I dagens snabbt föränderliga värld står vi inför en fundamental utmaning för artificiell intelligens: statiska AI-modeller och dataset begränsar AI-modellers förmåga att utvecklas när världen omkring utvecklas (det vill säga datan den arbetar med). Adam Ek, AI-lead i Svea-projektet, beskriver en innovativ lösning på detta problem, där språkmodeller används för att dynamiskt generera och utvärdera ny data. Detta tillvägagångssätt gör det inte bara möjligt att specialisera AI för specifika organisationer och användningsfall utan även avsevärt förbättrar träffsäkerheten i informationssökning.

Utvärdering av AI-modeller 

För att kunna lita på en AI-assistent i offentlig sektor måste den vara pålitlig, korrekt och säker. Ali Alladin förklarar hur data- och AI-teamet arbetar systematiskt med utvärderingar för att kvalitetssäkra Svea. Hör om olika metoderna för att testa allt från modellens förmåga att följa instruktioner till att RAG-systemet hittar rätt information. Utvärdering är inte bara ett sätt att få fram en siffra, utan ett diagnosverktyg för att driva ständiga förbättringar.

Insamling av användaravsikt och datainsamling under sekretesskrav 

Hur kan man förbättra en AI-assistent utan att ha tillgång till användardata? Danila Petrelli beskriver utmaningen med datainsamling under strikta sekretesskrav, där utvecklarna inte kan se användarnas chattar. Lösningen är en ny annoteringsuppgift för att förstå användarens avsikt och föredragna svarsformat. Parallellt utvecklas en säker funktion där särskilt utbildade användare frivilligt kan donera ofarliga chattar, ett arbete som sker i nära samarbete med juridiska experter.

Lärdomar och insikter från Svea-projektet 

Jonatan Permert om viktiga insikter och lärdomar från projektet. Han berör bland annat vikten av AI-transformation, behovet av anpassade AI-tjänster för den offentliga sektorn och utmaningar som databeredskap och juridiska tolkningar. Presentationen ger en överblick över de möjligheter och utmaningar som den offentliga sektorn står inför när det gäller implementeringen av generativ AI.