Socialpolitik er en bred betegnelse for en række interventioner i velfærdsstaten.

I de seneste år har der været en tendens i en række lande og også Danmark til at anvende AI eller andre former for teknologi til at kunne administrere socialpolitikken bedre og mere effektivt end tidligere. AI forstås her som anvendelse af teknologi som med udgangspunkt i eksisterende regler og kendskab til en lang række kendelser og viden om hvem der tidligere har benyttet forskellige systemer, bliver i stand til at træffe eller foreslå afgørelser herudfra på en række områder indenfor det sociale og arbejdsmarkedsmæssige område.

Det ses bl.a. i Danmark af, at fra 2012 og frem er stadig flere indkomstoverførsler blevet administreret af Udbetaling Danmark[i] og ikke i kommunerne. Stadig flere borgere er derfor i elektronisk kontakt med de offentlige myndigheder i forbindelse med sociale ydelser. Borger.dk (www.borger.dk) giver ofte en, for de fleste, relativ let adgang til at kunne søge om forskellige sociale ydelser, herunder hvis der som følge af ændringer i eksempelvis indkomst- og/eller formueforhold skal ske ændringer i pension, boligstøtte m.v. Kontanthjælp skal dog stadig søges i den kommune en indbygger bor i og arbejdsløshedsdagpenge i a-kassen. Derudover har anvendelsen af teknologi også givet borgere lettere adgang til informationer og at kunne få foretaget nogle beregninger og vurderinger af hvad de vil kunne modtage af sociale ydelser. AI kan også hjælpe chatbots så borgere der spørger på nettet hurtigere, kan få et svar på mange spørgsmål om rettigheder og niveau for sociale ydelser. Dermed lettes presset også på den sociale administration. For personer som har vanskeligt ved IT er det muligt at blive undtaget fra at benytte elektroniske løsninger.

Hvor det, så godt som altid, ikke er et problem at anvende IT til at administrere retsbestemte ydelser, så kan der opstå andre problemer i relation til de mere skønsbestemte ydelser da der her ikke er klare og ensartede kriterier for hvilken ydelse den enkelte skal have da der skal udøves et skøn.

Et centralt problem er, at AI typisk som udgangspunkt ikke vil give mulighed for at træffe beslutninger som inddrager bredere vurderinger af behovet for ydelser for den enkelte borger/familie. To familier, eksempelvis, med samme indkomst, kan have forskellige behov for at få serviceydelser eller dækket konkrete udgifter, og dermed at indkomst ikke er en faktor som alene kan fortælle om behovet for forskellige former offentlig støtte.

AI vil også kunne bruges til at foretage en vurdering af hvilke eksempelvis arbejdsløse der har brug for ekstra støtte og/eller kontrol for at kunne komme tilbage til arbejdsmarkedet. En sådan profilbeskrivelse af enkeltpersoner ud fra historiske data og eksempler, kan risikere at medføre en skævhed i hvem der får hvilke tilbud i den aktive arbejdsmarkedspolitik. Sådanne skævheder (bias) er en risiko ved at anvende AI. Det vil derfor være vigtigt at have mulighed for at korrigere modellen når der eksempelvis opdages sådanne typer af bias. Men omvendt vil anvendelse af AI kunne være en hjælp til at sikre, at der træffes mere ensartede afgørelser hvor den enkelte bruger ikke er afhængig af forskelle i sagsbehandleres vurdering af en sag. Den kan dermed også bidrage til at lette sagsbehandlernes arbejde.

AI vil også ud fra data kunne vurdere hvilke typer af hjælp borgere som har været behandlet på et hospital kan få brug for, og dermed måske sikre, at det kommer mere præcist og hurtigere end tidligere.

Der er derfor store muligheder for at anvende AI i de kommende år i administration af social- og arbejdsmarkedspolitikken, men der vil være også være risici i relation til skævheder (bias) i vurderinger af hvad der skal foretages og dermed et spørgsmål om ens sager bliver behandlet ens.

[i] Udbetaling Danmark | ATP.dk

Kommentarer

Kommentarer til artiklen bliver synlige for alle. Undlad at skrive følsomme oplysninger, for eksempel sundhedsoplysninger. Fagansvarlig eller redaktør svarer, når de kan.

Du skal være logget ind for at kommentere.

eller registrer dig