Luk

ADD-forskere: Den offentlige sektor er ikke et samlebånd

30.000 årsværk, 90.000 årsværk…ingen højere? Når samtalen om AI i den offentlige forvaltning tager udgangspunkt i effektivisering, mister vi fokus på kvalitet for borgerne.

Af Sine N. Just, Alf Rehn og David Budtz Pedersen

Forfatterne er professorer ved hhv. Roskilde Universitet, Syddansk Universitet og Aalborg Universitet. De samarbejder i projektet Algoritmer, Data & Demokrati.

Tilbage i juni 2025 trak Den Digitale Taskforce for Kunstig Intelligens overskrifter med sin målsætning om at ’frigøre’ 30.000 årsværk i den offentlige sektor ved hjælp af kunstig intelligens (AI); dermed, lød det, får sektoren ’mere tid til det vigtige’. Nu har Netcompany udarbejdet et alternativt estimat, hvor det vurderes, at der er potentiale til at frigøre hele 90.000 årsværk, hvis ’alle offentlige ansatte bruger AI-systemer til alle relevante opgaver og med fuld effektivitet’, som det lyder i rapporten. Både det oprindelige målbillede og de nye beregninger bygger imidlertid på problematiske antagelser, der fører til deciderede fejlslutninger. Konklusionerne er forkerte ud fra en værdibaseret vurdering, uanset om man med ’værdi’ forstår kvalitet til borgerne eller kroner og ører på den offentlige bundlinje.

Effektivisering er ikke forbedring
Den antagelse, der ligger til grund for al snak om effektivisering i den offentlige sektor, er, at de ressourcer, der frigøres, kan omsættes til samfundsmæssig merværdi. Men effektivitet og kvalitet er ikke det samme, og de hænger heller ikke altid sammen; effektivitet fører ikke nødvendigvis til kvalitet. Den logik holder muligvis, hvis man for eksempel er en bilfabrikant, der kan producere flere og bedre biler hurtigere og billigere ved at indføre et samlebånd. Men for bilfabrikanter og andre kommercielle virksomheder har logikken tendens til primært at skabe større økonomisk gevinst.

Nu er det heller ikke sådan, at effektivisering nødvendigvis fører til økonomisk merværdi, men når den gør, så stopper processen ofte der. Hvis man er en privat virksomhed, giver det selvfølgelig mening. Men hvis man er den offentlige sektor, så bør en økonomisk gevinst i form af besparelser ikke være et mål i sig selv. Altså, det kan være helt legitimt at ville effektivisere, men kun hvis effektiviteten omsættes til samfundsmæssig værdi og ikke ender som en ren spareøvelse. Eller endnu værre: hvis udrulningen af teknologi blot flytter ressourcer fra mennesker til dyre teknologiske løsninger.

I både Netcompanys og Den Digitale Taskforces rapporter står værdiskabelsen for borgerne som en eftertanke – og ikke det omdrejningspunkt, som populære slogans om ’borgeren i centrum’ ellers tilsiger. Hvis værdiskabelse for borgerne reelt er den offentlige sektors mål, hvorfor så ikke begynde med at undersøge, hvad det er for en værdi, borgerne gerne vil have og derpå skabe den ønskede værdi? At frigøre ressourcer, som så efterfølgende skal lede efter steder at blive brugt, virker bagvendt.

Arbejde er ikke summen af opgaver
Hvis vi accepterer, at effektivisering kan have værdi, også udover den økonomiske, så kan det forsvares, at den offentlige sektor forsøger at blive så effektiv som muligt. Her møder vi imidlertid et andet, mindre principielt og mere praktisk presserende problem: det er langt fra givet, at øget brug af AI rent faktisk vil føre til effektivisering i det offentlige.

Det er den anden problematiske grundantagelse bag beregningerne: altså, at man kan identificere arbejdsopgaver, der kan automatiseres. ’Frigørelsen’ af menneskelige ressourcer beror på ideen om, at AI kan overtage menneskers arbejdsopgaver en-til-en. Den antagelse er problematisk af to grunde:

For det første opfattes arbejde som summen af opgaver; hvis man blot identificerer disse opgaver, ved man også, hvad en medarbejder laver, og man kan undersøge, hvilke af disse opgaver, AI er i stand til at overtage. På den baggrund kan man så vurdere, om denne medarbejder kan erstattes helt eller delvist af AI. Det er sådan Boston Consulting Group lavede den beregning, som Den Digitale Taskforce går ud fra. Og det er sådan, Netcompany er nået frem til sit endnu mere opsigtsvækkende resultat.

I Netcompanys tilfælde nedbrydes det offentligt arbejde i ikke mindre end 16.000 identificerbare – og angiveligt automatiserbare – opgaver. Problemet er her ikke kun, at de 16.000 opgaver udspringer af en amerikansk opgørelse, som man ikke uden videre kan overføre til danske forhold. Problemet er heller ikke de mindelser til tidligere tiders disciplinering, som de mange opgaver vækker. Snarere er problemet selve inddelingen af menneskers arbejde i konkrete delopgaver og den deraf følgende forståelse af arbejdet som summen af de identificerede opgaver. De fleste af os oplever næppe vores arbejde sådan, og hvis vi gør – eller snarere, bliver pålagt den arbejdsform – så er det typisk en negativ oplevelse, som vi f.eks. har set det hos lærere og sygeplejersker.

For det andet er det langtfra sikkert, at de opgaver, man har identificeret, faktisk kan automatiseres. I Netcompanys rapport er beregningen baseret på en metode, der er udviklet af et forskerhold, hvoraf flere er ansat hos OpenAI. Disse forskere har brugt AI til at vurdere, hvor mange opgaver, der kan automatiseres, hvilket måske ikke er den mest pålidelige kilde i verden. Og selv hvis metoden har identificeret automatiserbare opgaver korrekt, overser den alt det usynlige arbejde, som mennesker i dag foretager omkring deres opgaver. Endelig forudsætter den, at selve automatiseringen ikke ændrer opgaven.

I praksis kan der være mange andre udfald. I værste fald flere og mere kedelige, for ikke at sige opslidende og meningsløse, arbejdsopgaver til mennesker, der skal tilpasse sig AI-systemer og samtidig forsøge at kompensere for systemernes mangler. I bedste fald er beregningen en spekulativ øvelse, der ikke bare peger på muligheden for effektivisering, men også på dens begrænsninger.

Værdibasering er ikke et middel
Alt dette ved Netcompany godt. Hele pointen med deres nye rapport er nemlig, at realiseringen af det offentliges AI-målsætninger vil kræve specialiserede løsninger af den type, som Netcompany tilbyder. Således argumenteres der for, at hvis det offentlige faktisk vil lykkes med sin frigørelse af de menneskelige ressourcer, så kræver det værdibaserede AI-løsninger.

Det er svært at være uenig i, at AI skal være ansvarlig og forklarbar, ligesom databeskyttelse og digital suverænitet er målsætninger, som er oppe i tiden. Hvad der derimod er problematisk, er den måde, hvorpå de værdibaserede AI-løsninger bliver middel til værdiskabelse, mens værdiskabelse forstås som effektivisering – hvilket egentlig skulle være midlet til at nå andre mål. Så hvorfor ikke bare skære mellemleddet fra og skabe værdi for borgeren med værdibaserede midler? Hvis man samtænker mål og midler, er der langt større chance for at udvikle AI-løsninger, som er meningsfulde for borgerne såvel som de offentligt ansatte. Måske disse løsninger også vil være effektive, men det er ikke afgørende, for de bærer værdien i sig selv.

Vi argumenterer altså ikke for, at det offentlige helt skal droppe sine målsætninger om at implementere AI, men derimod for, at disse målsætninger bør være kvalitative fremfor kvantitative. Hvis vi er enige om, at effektivisering kun er midlet, så lad os begynde med at spørge, hvad den egentlige målsætning er. Den offentlige sektor fungerer ikke som et samlebånd og udvikling samt implementering bør afspejle sektorens værdibasering snarere end samlebåndets nyttemaksimering. Spørg derfor ikke, hvor AI kan effektivisere, men hvad AI kan forbedre.

ADD-bloggen giver et indblik i ADD-projektets forskning på tværs af de seks universitetspartnere. Mød vores forskere fra Aalborg Universitet, Danmarks Tekniske Universitet, Copenhagen Business School, Roskilde Universitet, Københavns Universitet og Syddansk Universitet. Læs om deres projekter, aktiviteter, idéer og tanker – og få et nyt perspektiv på de kontroverser og dilemmaer, vi står overfor i digitaliseringens tidsalder, og ideer til, hvordan vi kan arbejde for at styrke det digitale demokrati.

Billede: Leo Lau & Digit / https://betterimagesofai.org / https://creativecommons.org/licenses/by/4.0/