Ankestyrelsens digitale transformation

Den 1. oktober 2019 lancerede Ankestyrelsen en ny version af web-ankeskemaet. men i vores digitale transformation spiller introduktionen af robotter, algoritmer og vidensbaser også en stor rolle i dagligdagen.

Af digitaliseringschef Pernille Porsgaard Jensen

Digital udvikling skal have effekt i dagligdagen 

Digital transformation og en organisatorisk nysgerrighed på, hvordan nye digitale teknologier som robotter og kunstig intelligens kan understøtte sagsbehandlingen af konkrete sager, praksiskoordinering og tilsynsvirksomhed er et grundelement i vores bestræbelser på at sikre borgeren den rigtige afgørelse hurtigt. 

Vores arbejde med digital transformation begynder med medarbejderne og ikke mindst med vores evne til at tænke kreativt i forhold til vores data og forretningsgange. Vi har således arbejdet med teknologier som robotter, machine learning, webinarer, og delvise automatiseringer i vores system til sagsbehandling (ESDH). Vi har desuden implementeret en Vidensbase, der fungerer som videndelingsværktøj, når vi fører retssager på arbejdsskadeområdet.

”Vi er blevet digitale frontløbere, men udviklingen af vores forretning, også når vi udvikler via nye digitale teknologier, sker for at få en effekt i dagligdagen. Vi ønsker at få klargjort sager hurtigt til vores juridiske sagsbehandlere, som har fokus på at træffe afgørelser af høj kvalitet,” pointerer vicedirektør Trine Hede.

Digitale tiltag:

Robotterne Ast@ og Ull@

Når vi modtager sager, får vi en hel del dokumenter, som vi gerne vil samle i et PDF-dokument, så sagen bliver lettere at arbejde med for sagsbehandlerne. Det var tidligere en tids- og klikkrævende manuel arbejdsgang. I dag har vores nye digitale assistenter Ast@ og Ull@ overtaget opgaven med at samle relevant materiale i ét samlet PDF-dokument. 

Ast@ laver arbejdskopier på de 26.000 klagesager fra det kommunale område, som vi modtager om året. 

Ull@ laver arbejdskopier på alle Udbetaling Danmark sager svarende til ca. 3.000 sager om året. 

Algoritmen Anker

Anker er en machine learning algoritme. Anker læser den post, vi modtager i Ankestyrelsens hovedpostkasse og fordeler posten videre til de forskellige teams i vores administration. Anker fordeler i dag ca. 75 % af de ca. 500 mails, der kommer til Ankestyrelsens hovedpostkasse hver dag. Anker trænes en gang om måneden på nye data og bliver på den måde dygtigere til at fordele posten.

Machine learning i sagsbehandlingen - en kommende algoritme

Algoritmer kan afdække mønstre i vores strukturerede og ustrukturerede data, der ligger til grund for vores arbejde med at træffe afgørelser. Næste skridt i arbejdet med Machine Learning er, at anvende algoritmer i sagsbehandlingen. Eksempler på mulige algoritmer er:

  • En der kan finde lignende sager
  • En der kan finde relevant lovgivning
  • En der kan bunke sager ud fra forskellige kriterier. 

En intern konkurrence blandt vores sagsbehandlende kontorer førte til 15 gode idéer til, hvordan Ankestyrelsen med en teknologi som Machine Learning kan hjælpe sagsbehandlerne til at træffe afgørelser ud fra et sammenhængende datagrundlag, som den enkelte i dag selv stykker sammen.   

Vinderens ide er en algoritme, der automatisk samler en liste over afgørelser, som minder om den aktuelle sag, der skal behandles. I dag skal sagsbehandleren selv huske tidligere afgørelser og finde dem frem. Med den nye algoritme bliver behandlingen af sager både nemmere og hurtigere ligesom praksis bliver mere ensartet. Vi arbejder nu på at udvikle idéen til et konkret produkt, som forhåbentlig kan tages i brug allerede i juni 2020. 

Vidensbase til brug for retssagsarbejdet

Ankestyrelsen hjemtager retssagerne på blandt andet arbejdsskadeområdet. Det betyder, at vi selv møder i retten i disse sager. Der er tale om en opgave, som startede 1. januar 2018, og behovet for en struktureret, overskuelig og entydig indgang til at finde frem til relevant domspraksis viste sig hurtigt at være en vigtig del af arbejdet. Derfor har vi opbygget en elektronisk vidensbase, der indeholder relevante domme, og som let og hurtigt kan opdateres med ny praksis.                            

Sidst opdateret 04.12.2019