LØRN case C0068 -

Kristine Eilertsen

Utviklingsleder

Lånekassen

AI og livslang læring

I denne episoden av #LØRN snakker Sunniva med utviklingsdirektør i Lånekassen, Kristine Eilertsen. Kristine har spesialisert seg på forretningsutvikling og endringsledelse, og er sammen med Lånekassen inne i en spennende tid hvor AI gir store muligheter for effektivisering. I episoden forteller Kristine om hvordan Lånekassen bruker maskinlæring til å identifisere studenter som har oppgitt feil informasjon i lånesøknadene sine og hvordan dette sparer samfunnet for store summer. Hun forklarer også hvordan de bruker en chatbot til å lære deres ansatte om AI.
LØRN case C0068 -

Kristine Eilertsen

Utviklingsleder

Lånekassen

AI og livslang læring

I denne episoden av #LØRN snakker Sunniva med utviklingsdirektør i Lånekassen, Kristine Eilertsen. Kristine har spesialisert seg på forretningsutvikling og endringsledelse, og er sammen med Lånekassen inne i en spennende tid hvor AI gir store muligheter for effektivisering. I episoden forteller Kristine om hvordan Lånekassen bruker maskinlæring til å identifisere studenter som har oppgitt feil informasjon i lånesøknadene sine og hvordan dette sparer samfunnet for store summer. Hun forklarer også hvordan de bruker en chatbot til å lære deres ansatte om AI.
Facebook
Twitter
LinkedIn
Email

17 min

Choose your preferred format

Velkommen til lørn.tech en lærings dugnad om teknologi og Samfunn med Silvija Seres, Sunniva Rose og venner.


SR: Hei, du lytter til Lørn.tech. I dag er tema AI. Kunstig intelligens. Jeg sitter her for å lære meg mer om dette sammen med Christine Eilertsen som er utviklingsdirektør i Lånekassen. Velkommen hit.

KE: Tusen takk

SR: Veldig spent nå på å høre om Lånekassen og kunstig intelligens. For det liksom ikke det første stedet jeg tenker på som bruker AI. Hvordan henger dette sammen?

KE: Det henger sammen med vi er opptatt av å gjøre utdanning mulig. Og vi skal gjøre utdanning mulig, igjennom å må ha en veldig effektiv drift. Og hvordan man har en effektivt drift? Det er gjerne ved bruk av teknologi. Lånekassen har jo kommet veldig langt med digitalisering og automatisering. Jeg vet ikke om du selv har vært kunde hos Lånekassen?

SR: Jeg setter veldig pris på Lånekassen som har gjort det mulig for meg å få min mastergrad.

KE: Og da har du kanskje jeg forhåpentligvis hatt lite med oss å gjøre. For veldig mye går allerede digitalt. Så hvordan skal man da komme videre for å være enda mer effektiv.

SR: Jeg få for en faktura fra Lånekassen i måneden. Men det er OK.

KE: Utgangspunktet vært ha vært da at kunstig intelligens er et virkemiddel og en måte for oss å være enda mer effektive på. Helt konkret og har vi testet det på ulike case. Blant annet har via en årlig bo-kontroll. Det er jo sånn at studenter som bor borte fra foreldrene sine får mere penger i stipend enn de som bor hjemme. Vi baserer dette på hva studentene sier. Og etter på må vi kontrollere om det faktisk stemmer.

SR: Så plukker ut noen som dere kontroller på?

KE: I utgangspunktet har man ukontrollert alle. Og det er jo ganske omfattende.

SR: Ja det er både tid og penger.

KE: Ja. Men det er snakk om veldig mye penger i et samfunnsperspektiv. Så derfor så vi nødt til å gjøre det. Og i år har vi brukt og maskinlæring til å gjøre dette ut plukke. Og vi har så mye tro på dette skal være veldig mye mer effektiv.

SR: Når du sier maskinlæring nå. Skiller du mellom maskinlæring og kunstig intelligens, eller er det samme?

KE: Det er jo to sider av samme sak. Og her handler det rett og slett om at vi har gjort mange kontroller. Også har vi brukt maskinlæring på disse variablene fra tidligere kontroller og fasiter til og komme datasett som gjør det mulig å gjøre et smartere utplukk.

SR: Så dere sitter og med data som dere da kan mate inn i et dataprogram eller enn algoritme som dere har. Og dermed kan det hjelpe dere å gjøre ett smartere utvalg?

KE: Nemlig. Og det vi ser nå er at selv om vi bare har plukket ut halvparten av det vi gjorde i fjor. Då ligger resultatene på akkurat det samme.

SR: Det er jo godt resultat. Så dere har halvert hvor mange dere kontrollere og får like bra treffprosent.

KE: Og det som er bra med det. Er at selvfølgelig effektiviserer det virksomheten. Det er jo bedre for at færre kunder slippe å dokumentere ting helt unødig. Også er det jo dette samfunnsperspektiv. Det er snakk om mange millioner som statskassen sparer.

SR: Snakker du om det som urettmessig får stipend?

KE: Ja. Også er det mye mindre manuell saksbehandling. Og det også selvfølgelig ett viktig argument.

SR: Ja. Så det er da ett eksempel dere bruker. Men dere har tatt i bruk kunstig intelligens og tester det på forskjellige ting også.

KE: Vi er jo en liten etat. Så vi er nødt til å jobbe i det små. Og teste ulike case. Dette hadde vi først en pilot på, så har vi nå tatt det i praksis. Tilsvarende jobber vi nå på ulike andre områder. Vi er jo opptatt av å se på maskinlæring som en større del av prosessen vår. Kan vi nærmer oss vedtak. Kan vi ha maskinlæring som faktisk fatter beslutninger. Og det er jo mange som er bekymret for det. Denne Black Boxen. «Hvorfor fikk du dette, og ikke dette» osv. Men vi tror på at ved å ha gode algoritmer som er i stand til å dokumentere. Vi tror på at det kan være en spennende case, og noe som vi håper å kunne teste innen kort tid.

SR: Men litt tilbake igjen. Når dere da nå bruker maskinlæring og kunstig intelligens til å finne ut hvem dere skal kontrollere. Det høres ut som det er noe arbeidsoppgaver og jobber som forsvinner i Lånekassen?

KE: Det er jo veldig som naturlig første respons på kunstig intelligens. Og det tror jeg også media mye av skylden for. Man ser de skumle roboten som har kommet for å ta over. Og det er ikke det det handler om. Og for å sikre at alle i Lånekassen er innforstått med dette, og forstår hva det handler om. Så har vi også pilotert en chatbot i forbindelse med lanseringen av en ny samhandlingsplattform. Og det gjorde vi egentlig av tre grunner. Det ene var jo for at vi skulle hjelpe de ansatte å ta i bruk samhandlingsplattform. Det andre var at vi trengte erfaring for hvordan fungerer egentlig en chatbot. Men det aller viktigste var jo at alle medarbeidere i Lånekassen fikk en feeling på «hva er egentlig dette?».

SR: Ja. For chatboten er da ett eksempel på bruk av kunstig intelligens. Man har jo testet ut chatbots en stund med større og mindre hell. Og man ender kanskje med den konklusjon at maskiner kan ikke være intelligente fordi de gjør så mye rart. Typisk sånn det er med nye ting. Når man er i startfasen, så er det ikke så bra enda. Men du sier noe om hva som er de tre viktigste driverne innenfor kunstig intelligens?

KE: Kunstig intelligens er jo ikke noe nytt. Men det er måten nå vi først har tilstrekkelig kraft til å bruke det. Det handler om data. Vi må ha nok data. Vi må kunne lagre det og det kan ikke være for dyrt. Nå når vi har skyteknologi for eksempel, så har den ypperlig mulighet til å lagre data billig. Også handler det om regnekraft. Man må være i stand til å prosessere disse dataene. Sånn at maskinen kan se de sammenhengende som vi er ute etter at maskinen skal se.

SR: Jeg hørt folk komme med kommentar mot kunstig intelligens at det bare er statistiske metoder, og dette har vi hatt før. Men for å kunne anvende disse statistiske metodene fornuftig så må du ha nok data. Det produserer vi jo nå hele tiden. Fordi vi er på internett hele tiden. Og nok lagringsplass som er billig og at han har regnet kraften til å jobbe med det.

KE: Dette er jo statistikk og det er innsamling av data. Men i tillegg så handler det om en maskin som er i stand til å lære å ta beslutninger basert på erfaringene. Og det er det som skiller det fra tradisjonelle analytiske metoder.

SR: Dette med brokontroll er jo spennende. Hvorfor synes du det er spennende med kunstig intelligens?

KE: Det er jo spennende fordi at man kan effektivisere driften. Og på den måten ha fokus på de mer verdiskapende arbeidsoppgavene. Men det er også fordi at man kan tenke seg hva kunde vil ha før de selv vet det. Og det er et område som andre private aktører allerede er i gang med å teste. Mest gjelder det konkrete ting som tørkerull og andre ting du trenger i husholdningen. Det å predikere er jo veldig interessant men også litt kontroversielt i en statlig setting. Man har jo andre hensyn. Man må seg at du har fått studieplass og du har noen rettigheter og da tilbyr vi deg stipend. Men vi kan også gi deg lån Det er jo effektiv forvaltning og det er sannsynligvis en ganske god kundeopplevelse. Men det har noen samfunnsøkonomiske konsekvenser også. Er det riktig at du skal ha lån. Forstår du implikasjon når du bare får til tildelt. Vi står midt oppi en litt mer komplisert settingen med mange private aktører. Men det gjør det jo desto mer spennende.

SR: Jeg får jo stadig vekk lapper i postkassen med folk som vil gi meg forbrukslån. Og det går jo ikke inn på meg for jeg vil jo ikke ha det. Men har man sett Luksusfellen så ser man at folk tenker at «her er noen som vil gi meg lån, så det er jo fint».

KE: Og det samfunnsansvaret kompliserer jo bruke kunstigintelligens. Bare tenk på Netflix. De er bare opptatt av at du skal se mer og kun det. I motsetning til NRK, som har et samfunnsansvar. De må i tillegg til at de ønsker at du skal se, ta hensyn til det som er oppdraget deres. Demokrati og å styrke demokratiet. Og det gjør at algoritmen må ta helt andre hensyn, det blir mye mer komplekst. Og sånn er det å være Lånekassen også.

SR: Det er helt åpenbart. Jeg helt enig med deg. Men samtidig tenker jeg at man konkurrere jo nettopp om oppmerksomheten til Netflix og Facebook. At man til slutt kanskje må slåss på samme måte. Lånekassen sloss jo ikke med Netflix akkurat.

KE: Det der er veldig interessant. Jeg får ofte spørsmål om hvorfor en statlig Monopolaktør skal været i front. Og om det er effektivt. Lånekassen har jo veldig høye ambisjoner om å være i front, og er en av de som er det. Og ja, det er ikke noe umiddelbar konkurransesituasjon for oss, men det er klart at dersom vi ikke fyller den rollen som vi har. Vil noen andre gjøre det. Og da kan du komme private aktører på banen som er helt andre ambisjoner enn det vi har. Og det kan du skape noen skjevheter i ett samfunn som vi ikke ønsker. Vårt formål er jo å gjøre utdanning mulig for alle. Uavhengig av bakgrunnen. Og hvis ikke vi er der. hva kommer til å skje da?

SR: Og det er jo så viktig i Lånekassen. Nettopp det at man gjør utdanning mulig for alle. Det er sånn jeg får litt frysninger av. For det er så det er så fantastisk at man faktisk har de mulighetene i Norge. Det handler ikke om kunstig intelligens. Men det er bare så bra.

KE: Men det gjør egentlig det også. For, ja vi skal gjøre utdanning mulig. Også skal vi sikre samfunnet tilgang på rett kompetanse. Og når kunstig intelligens påvirker hvilke jobber vi skal ha fremover, og kunstig intelligens påvirke innholdet de jobben. Så er det jo en sentral rolle for oss nettopp hvordan denne teknologi påvirker arbeidsmarkedet. Forstå behovene og dermed utvikle våre ordningen. Fordi at det er helt tydelig at vi ikke lenger bare finansiere en standard student når vi ser at livslang læring kommer til å være et krav til deg og meg og alle i arbeidsmarkedet framover.

SR: Nå har vi snakket om at etikk er viktig. Når det kommer til beslutninger tatt av de kontroversielle sider av AI. Hva tenker du der?

KE: Det er klart at de positive mulighetene som kunstig intelligens bringer de mulighetene får de med gode intensjoner og de med dårlig intensjoner. Så derfor er det på en måte ett viktig bakteppe. Og så er det ikke alltid lett å forstå hvorfor beslutningen ble sånn som den ble.

Hvorfor fikk du avslag på lånesøknad eller hvorfor kom du ikke videre i rekrutteringsprosessen.

SR: Så det er kunstig intelligens som avgjør om du får lån eller ikke og disse tingene?

KE: Det er et potensielt scenarium. Hvis man ikke kan dokumentere hvorfor, så kan det ha noen etiske problemstillinger. Også er det i tillegg dette med at teknologien er nøytral, men hvilken data er det man har puttet inn. Og er det basert på objektive data, er det fordommer der. Data det er jo ikke bedre, og teknologien er ikke bedre enn menneskene som har laget den eller dataen som er inni den.

SR: Det er jo det vi gjør når det er manuelt også. At vi samler data og tar en beslutning basert på de dataene.

KE: Og det er et veldig godt poeng.

SR: For hva er egentlig forskjellen på menneskelig og kunstig intelligens? Vi mennesker er utrolig god på å se mønsteret. Og de mønstrene baserer vi på alle erfaringer vi har med eget datagrunnlag. Det er jo akkurat det kunstig intelligens gjør også.

KE: Og da er man utgangspunktet basert på statistikk og sannsynlighet fremfor kjønn. Men utgangspunktet vårt i Lånekassen er at kunstig intelligens fungerer aller bestsammen med mennesker.

SR: Og det er viktig og forstå. At ikke de kommer for å ta jobbene våre, men faktisk jobbe sammen med mennesker. Og det vi mennesker er veldig god på, er jo å stille spørsmål. Sette opp problemstillingen og gjør de tingene der. Kunstig intelligens har jo ikke den samme evnen til å tenke kritisk og overføre kompetanse fra ett området til et annet. Så det er samspillet. At kunstig intelligens kan gjøre deg som menneske, og som arbeidstaker mer effektiv. Ja. Også kanskje får man mulighet for å gjøre mer spennende oppgaver også.

KE: I hvertfall annerledes.

SR: Vi skal vi skal snart begynne å runde av. Men kan du kort si om det er noe vi gjør spesielt godt i Norge på kunstig intelligens.

KE: Altså det er jo litt varierende hva man sier om hvordan Norge ligger an. Teknologirådet sier at Norge ligger langt bak mange andre nasjoner. Men vi ser jo om mange gode eksempler, spesielt innenfor start up miljøet. Jeg synes og spesielt Det «spacemaker» er et veldig spennende initiativ. Det viser veldig godt samspillet mellom menneske og teknologi. Man har laget et verktøy som fungerer godt sammen med arkitekter. Det er ikke ett substitutt. Men er for at arkiteker skal kunne se hvilke muligheter man har til å bygge på en tomt, og du kan sjekke milliarder av muligheter på sekunder. Mens mennesker kan prøve og feile, og bruke ukesvis og vil aldri få det samme beslutningsgrunnlaget.

SR: Det er et godt eksempel. hvis lytter den sitter og tenker at jeg vil lære mere om kunstig intelligens. Har du tips til hva de burde gjøre, høre eller lese?

KE: Jeg er i utgangspunktet opptatt av å ha en case der man kan prøv å teste. Og som privatperson så tror jeg det er veldig viktig å måtte følge med på hva som skjer rundt deg. Hva skjer når du bruker Google og hva skjer når du bruker Netflix. Men skal du se på noe helt konkret, så synes jeg den dokumentaren på Netflix «alfago» er bra. Den vise hvordan en maskin er i stand til å slå verdensmesteren i det veldig avansert kinesiske spille Go.

SR: Så det at en dokumentar som ligger på Netflix. Hvis lytteren skal sitte igjen med et poeng fra denne samtalen. Hva skal det være da?

KE: At det er en kjempemulighet for å gjøre arbeidshverdagen bedre. kjempemulighet å gjøre hverdagen bedre. Og gå så må vi ikke glemme at alle som arbeidstakere må lære gjennom hele livet. Livslang læring.

SR: veldig bra. Tusen takk til deg Kristine Eilertsen fra Lånekassen for at du kom hit og svarte på mine spørsmål om kunstig intelligens.

KE: Tusen takk.

SR: Og tusen takk til deg som lyttet.


Du har lyttet til en podcast fra Lørn.tech en lærings dugnad om teknologi og Samfunn. Følg oss i sosiale medier og på våre nettsider Lørn.Tech





Hvem er du, og hvordan ble du interessert i AI?

Jeg jobber som utviklingsleder og har spesialisert meg på forretningsutvikling og endringsledelse som oftest i sammenheng med/som en konsekvens av digitalisering – og AI er kanskje den viktigste av alle teknologiene som digitalisering har åpnet opp for.

Hva gjør dere på jobben?

Formålet med Lånekassen er å gjøre utdanning mulig og sikre samfunnet tilgang på rett kompetanse – og dette formålet aktualiserer viktigheten av AI for Lånekassen. Ikke bare må vi bruke ny teknologi for å effektivisere driften, vi må også legge til rette for at låne- og stipendordningene er de riktige, så vi kan gjøre utdanning mulig og dekke samfunnets kompetansebehov fremover.

Hva er egentlig AI?

AI er ikke noe nytt, men det er først nå vi har nok kraft bak de viktigste driverne (data, lagring og regnekraft) til virkelig å kunne utnytte potensialet. Det handler om å prosessere data, noe vi allerede eksponeres for hver eneste dag.

Hvorfor er det så spennende?

Fordi AI bidrar til at mennesker kan fokusere på de oppgavene vi er best på, og at vi i samspill med riktig bruk av teknologi kan oppnå helt fantastiske resultater.

Hva synes du er de mest interessante motsetningene?

En AI som tar beslutninger, er ofte ikke i stand til å begrunne disse, og derfor kan man komme borti situasjoner der man føler seg urettferdig behandlet – på individnivå (avslag på låne- eller jobbsøknader), men også for større grupper som faller utenfor arbeidslivet.

Ditt beste eksempel på AI?

Nå er vi i sluttfasen av vår årlige bokontroll. Maskinlæringsutplukket har så langt vist seg å være omtrent dobbelt så effektivt. Selv om det er for tidlig å konkludere med noe, ser vi allerede at dette har ført til en effektivisering internt. I tillegg sparer kontrollen samfunnet for store summer som vi urettmessig ville ha omgjort til stipend hvis vi ikke hadde hatt den.

Har du andre gode eksempler på AI, internasjonalt og nasjonalt?

Mitt favoritteksempel akkurat nå er Amazon, som skal bruke AI for å tilby «anticipatory shipping» til kundene, altså forutse behov og sende varer til kundene før de selv har tenkt på å bestille dem.

Er det noe vi gjør her i Norge som er unikt?

Det er mange spennende initiativer i Norge, spesielt blant Startups, og Spacemaker AI er et godt eksempel.

Har du et AI-sitat du liker spesielt godt?

«Some people call this artificial intelligence, but the reality is this technology will enhance us. So instead of artificial intelligence, I think we'll augment our intelligence.» – Ginni Rometty, CEO IBM.

Kristine Eilertsen
Utviklingsleder
Lånekassen
CASE ID: C0068
TEMA: AI AND BIG DATA TECHNOLOGY
DATE : 181019
DURATION : 17 min
LITERATURE:
AlphaGo dokumentaren på Netflix Vær oppmerksom i din daglige interaksjon med AI enten det er via Google, Facebook eller Netflix
YOU WILL LØRN ABOUT:
AI
Maskinlæring
Livslang læring
QUOTE
"Når AI automatiserer bort jobber eller endrer jobbinnhold øker behovet for å utvikle våre ordninger til å omfatte flere enn bare «standardstudenten». Livslang læring og etter- og videreutdanning er nøkkelord i dette."
More Cases in topic of AI AND BIG DATA TECHNOLOGY
#C0045
AI AND BIG DATA TECHNOLOGY
Digitale tvillinger

Michael Link

Forsker

Kongsberg

#C0044
AI AND BIG DATA TECHNOLOGY
Big Data og geometrisk modellering

Heidi Dahl

Forsker

Sintef

#C0043
AI AND BIG DATA TECHNOLOGY
Slik kan Big Data predikere fremtiden

Sverre Kjenne

Leder

BaneNor