Hur kan vi med digitala lösningar skapa bättre välfärdssystem i framtiden? Det är ett område med många spännande möjligheter och en hel del utmaningar. Vi har anställt en person för att utforska och testa några av dem.

Fergus Bisset ska arbeta som forskare inom design och AI (artificiell intelligens) hos oss. Hans tjänst är hos oss kopplad till Välfärdsguiden* och han kommer även vara doktorand vid Linköpings universitet. En av de utmaningar Fergus kommer ta sig an handlar om hanteringen av känslig data kring individer.

– Vi vill samla data om vad som fungerar bra för olika individer för att kunna utvärdera det vi gör. Vad händer med en individ som deltar i en insats, vad är det som påverkar, som faktiskt fungerar för personen? Handläggarna har en väldigt bra bild över just de personer de jobbar med, men vi har inte ett standardiserat sätt att samla och analysera information från ett stort antal människor samtidigt.

Men det finns juridiska hinder som gör det svårt att hantera informationen. Olika aktörer (t.ex. sjukvård, försäkringskassa och arbetsförmedling) ska inte dela känslig information med varandra av respekt för den personliga integriteten.

– Det är bra regler till för att skydda oss. Men det försvårar arbetet med att utvärdera och förbättra de tjänster vi har. Och för individen kan det vara jobbigt att behöva berätta, och kanske återuppleva, sin historia i varje kontakt med en ny organisation.

Federated learning

Fergus Bisset vill undersöka om det går att använda sig av federated learning för att dra nytta av informationen och samtidigt behålla individens integritet och kontroll. Federated learning innebär, mycket förenklat, att den personliga informationen inte lagras och delas på en central plats, utan hos individen, eller hos en organisation och att maskininlärningen sker där, så individens, eller organisationens data är skyddat. Sedan är det som AI-algoritmen lärt sig av datan som delas vidare – inte den personliga informationen. Det skulle ge oss chansen att lära av en stor mängd data – om vilka insatser som fungerar för individer till exempel – utan att kompromissa med deras integritet.

– Det är relativt välanvänt inom ekonomiska sammanhang, och inom tekniksektorn, som när mobilen ger rekommendationer på ord när du skriver textmeddelanden. Det här uppdraget är spännande för det är en chans att se hur det skulle kunna fungera i hälso- och välfärdssystem där det är en relativt ny idé.

Han berättar att det inte går att skapa en lösning direkt. Det finns frågor som behöver diskuteras först: Hur ska vi kunna bygga samverkan kring detta och vilken data är det egentligen som är viktig att samla i offentlig sektor?

– Det är är mycket komplexitet både i maskininlärning och i socialt arbete. Det här är också nytt område. Vi behöver identifiera några områden som är realistiska för oss att börja med.

Han tror att design kan vara till hjälp för att hantera komplexiteten och visualisera problemen. Där kommer hans bakgrund som industridesigner och erfarenhet av att arbeta med tjänstedesign och digitalisering inom hälso- och sjukvård, både i Storbritannien och i Sverige, väl till pass. Han har också jobbat som webbutvecklare och apputvecklare, ofta i forskningsmiljöer.

– Det ska inte bara bli teori och diskussioner. Vi ska även bygga verkliga digitala prototyper där idéerna kan testas rent praktiskt.

Han berättar att har en bakgrund inom idrott, något han tror bidragit till valet av arbetsområden.

– När man arbetar med idrott och mäter vad man gör, vad som ger effekt. Det perspektivet har jag med mig, hur teknik kan ge oss bättre signaler om vad som är rätt plan framåt.

Han har också upplevt i sin egen familj vad psykisk ohälsa kan ha för effekter och sett att om vi som individer eller statliga aktörer kan – med bra hjälp och stöd – vara mer öppna och villiga att dela med oss av våra erfarenheter så kan vi öka vår kunskap om området.

– Det kan bli bättre för oss alla, och därför är det viktigt att vi arbetar med de här frågorna.