Nav har tatt i bruk en regelbasert profileringsalgoritme som beslutningsstøtte for å gjøre Nav-veilederes behovsvurderinger mer effektiv og treffsikker. Denne vurderingen er avgjørende for hvilken hjelp brukerne får. I dette notatet beskriver vi hvordan Nav-veilederne gjør denne behovsvurderingen i praksis, og hvordan de bruker profileringsalgoritmen i sine skjønnsmessige vurderinger. Digitale verktøy får stadig økt betydning, også i fordeling av velferdsstatlige tjenester og ytelser.
Med utgangspunkt i åtte ukers observasjon ved tre Nav-kontorer og 55 dybdeintervjuer av Nav-veiledere har vi undersøkt prosessen med behovsvurderinger fra profileringsalgoritmen, gjennom veilederes kartlegging av bruker til vedtak om innsatsbehov.
Vi finner at profileringen ikke er tilstrekkelig for å identifisere sårbare brukere med manglende språkferdigheter og digital kompetanse, eller personer som er, eller risikerer å bli, gjengangere i systemet.
Veiledernes skjønnsmessige vurderinger kjennetegnes av betydelig variasjon i når, hvordan og av hvem behovsvurderingene gjøres, et detektivarbeid for å finne relevant informasjon, og der resonneringen i vurderingene ikke dokumenteres.
Profileringsalgoritmen må derfor favne variasjon, og likevel være spisset nok til å ha en nytteverdi. Vurderingene krever i tillegg masse erfaring og skjønn der veilederne må finne frem til relevant informasjon, tolke denne i lys av kontekstuelle faktorer, og vurdere subtile nyanser i brukernes situasjoner.
Kompleksiteten i disse prosessene kompliserer bruk av rene regelbaserte modeller.
Det at vurderingene ikke dokumenteres, gjør det i tillegg vanskelig å skulle trene mer avanserte maskinlæringsmodeller til å bidra inn i disse prosessene.
Våre funn belyser med dette viktige forutsetninger for å integrere digital beslutningsstøtte og algoritmer i skjønnsmessige vurderinger i tilgang til velferdstjenester.
Fafo-forskere
Prosjekt
KI-forskning
Publikasjonen er et eksempel på Fafos forskning på og med kunstig intelligens (KI).