Gevinster:
- Den digitaliserer en offentlig søknadsprosess trinn for trinn og bestemmer hvor mennesket holdes ved avgjørelsespunktet.
- Ved å forutse det digitale skillet og ulik tilgang, etterlater det en alternativ kanal for hver prosess.
- Designer unntak og feilhåndtering; Når modellen er usikker, gjør det det til en regel å rette den til mennesket i stedet for å avvise den.
En økende del av innbyggers kontakt med publikum foregår på nett: innhenting av dokumenter, søknad, avtaler, betalinger, statushenvendelser via e-Government Gateway. E-forvaltning (levering av offentlige tjenester gjennom digitale kanaler, fra et enkelt punkt og ofte uten menneskelige mellomledd) både letter innbyggernes arbeid og reduserer byrden til institusjonen. Bak disse digitale tjenestene ligger arbeidsflyter og i økende grad prosessautomatisering (automatisk utførelse av repeterende trinn som mottak av applikasjoner, ruting, kontroll av manglende dokumenter, sending av varsler med programvare). AI er et kraftig verktøy for å designe disse flytene, produsere skjemaer og varslingstekster, forhåndsevaluere innkommende applikasjoner og finne blokkeringer i prosessen. Men med et forbehold: enhver rettighetsskapende/begrensende beslutning som tas av en automatisert prosess må være juridisk knyttet til et punkt som et menneske kan vurdere og rettferdiggjøre. Helautomatisk avvisning er illegitim uten innvendinger og menneskelig vurdering.
I automatisering, "hvor holdes folk?" spørsmål
Den mest kritiske avgjørelsen ved utforming av prosessautomatisering er på hvilket tidspunkt mennesket vil bli involvert. Det er tre vanlige modeller:
- Full automatisering (ingen mennesker): Passer bare for ikke-berettigede, lavrisiko, regelklare oppgaver - for eksempel automatisk generering og levering av et dokument fra systemet. Det kan være å foretrekke hvis reglene er helt klare og feilen er lav kostnad.
- Human-in-the-loop: AI/system produserer et forslag, mennesket godkjenner eller korrigerer det. Dette er standardmodellen for rettighetsskapende/begrensende beslutninger. For eksempel forhåndsevaluerer systemet en søknad om bistand og betjenten tar en avgjørelse.
- Under menneskelig tilsyn (human-on-the-loop): Systemet fungerer automatisk, men mennesker overvåker, prøver, sjekker og mottar unntak. Den brukes i jobber med høy volum og middels risiko.
Nøkkelprinsipp: jo mer avgjørelsen påvirker rettighetene til borgeren, jo mer bør personen stå i sentrum. Den automatiske tildelingen av et avtaletidspunkt og den automatiske beslutningen om å legge ned en virksomhet kan ikke være underlagt samme regime.
Hint: For hvert automatiske trinn, "hvis dette trinnet fungerer feil, hvordan kan en borger protestere og hvordan kan et menneske fikse det?" Redesign svaret på spørsmålet fra bunnen av. Automatisering uten innvendinger er både juridisk og etisk feil.
Trinn for trinn: designe en digital prosess
- Kartlegg prosessen. Alle steg, vedtak og aktører fra søknad til konklusjon.
- Klassifiser etter risiko. Skaper/begrenser hvert trinn rettigheter? Hvor er mennesket nødvendig?
- Velg hva som skal automatiseres. Regelklare, lav risiko, repeterende trinn.
- Generer skjema- og varslingstekster. Enkel, tilgjengelig, minimalt med personopplysninger.
- Etablere innsigelses- og unntaksveier. Fest et menneskelig sjekkpunkt til hver automatiserte beslutning.
- Kontroller flyten av personopplysninger. Hvilke data går hvor og hvor lenge? (KVKK)
- Pilot, overvåk, forbedre. Mål feilrate og klager; fikse det.
tre minisaker
Tilfelle 1 — Ufullstendig dokumentautomatisering. I en institusjon ble 38 % av søknadene avslått på grunn av manglende dokumenter, og innbyggerne kom igjen. Når en AI-støttet sjekk for manglende dokument ble lagt til ved søknadstidspunktet, så innbyggeren det manglende dokumentet før han sendte inn skjemaet. Den andre søknadsprosenten gikk ned fra 38 % til 11 %, og billettbyrden gikk ned.
Tilfelle 2 — Helautomatisk reversering av avvisning. En sosialhjelpspilot beregnet automatisk inntektsgrensen og avviste automatisk de over terskelen. Men noen spesielle situasjoner (funksjonshemmet omsorgsbyrde, midlertidig inntekt) var ikke inkludert i regelen og det var urettferdige avslag. Prosessen er konvertert til en «menneske i løkken»-modell: systemet forhåndsevaluerer, offiseren ser unntakene og tar avgjørelsen. Klager på urettferdig avvisning forsvant.
Tilfelle 3 — Tilstopping deteksjon. En enhet som analyserte 6-måneders prosesslogger med AI fant at gjennomsnittlig 9 dager med søknader ventet på ett enkelt godkjenningstrinn; Det var bare én autoritet på det trinnet. Da fullmakten ble gitt til en annen person, gikk gjennomsnittstiden ned fra 14 dager til 6 dager.
Fire kopierbare maler
1) Prosesskart og risikoklassifisering:
Din rolle: offentlig prosessdesigner. Trekk ut alle trinnene i tjenesten nedenfor, fra søknad til konklusjon. For hvert trinn, spesifiser: (1) hva som gjøres, (2) skaper/begrenser det rettigheter, (3) vil det bli automatisert eller vil det kreves menneskelig dømmekraft, (4) er hovedrisikoen her. Merk det juridiske punktet du er usikker på som "må bekreftes". SERVICE: [beskriv]
2) Ren melding/skjematekst:
Skriv en varslingstekst til innbyggeren for følgende situasjon: enkel, respektfull, steg for steg. Angi tydelig hva som må gjøres, varigheten [som skal bekreftes] og måten å protestere på. Ikke be om unødvendige personopplysninger. Ikke bruk sjargong.SITUASJON: [f.eks. manglende dokument / søknadsresultat]
3) Innsigelse og unntaksrutedesign:
Utform en menneskelig kontroll- og innsigelsesmekanisme for følgende automatiske beslutningstrinn: (1) hvordan borgeren protesterer, (2) hvilke saker som skal gå ut av automatikken og gå til mennesket (unntak), (3) hva mennesket skal se etter når det tar avgjørelsen, (4) tid og journal. Unngå helautomatisk avvisning.TRINN: [automatisk avgjørelse]
4) Prosessflaskehalsanalyse:
Undersøk prosessloggene (trinn - varighet) nedenfor. Nettopp gitt dataene: (1) lengste ventetrinn, (2) mulig flaskehalsårsak (enkelt autoritet, manuell betjening, etc.), (3) gi 2-3 forbedringsforslag. Legger til tall utenfra.LOGG: [trinn- og tidsdata]
Svak forespørsel / Sterk forespørsel
Svak: "Automatiser denne søknadsprosessen."
Güçlü: "Offentlig prosessdesigner av rollen. Trekk først ut alle trinnene fra søknad til konklusjon og klassifiser hvert trinn som 'rettgenererende/ikke-rettigende', 'automatisert/menneskelig påkrevd', 'hovedrisiko'. Anbefal bare regelklare og lavrisikotrinn til automatisering; design menneskelig godkjennings- og innsigelsesvei for hvert rettighetsbegrensende trinn, ikke reje av automatisk data. hvor). Skill tvetydige juridiske punkter som 'må bekreftes'."
Forskjellen: kraftig forespørsel skiller automatisering etter risiko, håndhever menneskelig vurdering og appell, synliggjør dataflyt og juridisk usikkerhet.
Valg av automatiseringsmodell
virksomhetstype
Egnet modell
Hvorfor
Dokumentproduksjon (regler-nett)
Full automatisering
Lav risiko skaper ikke rettigheter
Evaluering av bistand/incentiv
menneske i løkken
Det skaper en rettighet, det finnes unntak
Høyvolumssortering
under menneskelig tilsyn
Prøvetakingskontroll er tilstrekkelig
Straff/begrensningsvedtak
Folk står i sentrum
Sterk begrensning av rettigheter, begrunnelse kreves
Adgangsparitet og unntaksstyring
Mens digitalisering og automatisering av en offentlig prosess øker effektiviteten, skaper det en ny risiko for ulikhet: det digitale skillet (manglende evne til å få tilgang til tjenester for innbyggere uten datamaskiner, internettilgang eller digital kompetanse). Eldre, funksjonshemmede, landlige eller lavinntektsborgere kan bli ekskludert fra en fullstendig nettbasert prosess. En godt utformet digital prosess etterlater alltid en alternativ kanal (ansikt-til-ansikt-applikasjon, telefonstøtte, proxy-transaksjon); Automatisering begrenser ikke borgeren til kanalen, den gir ham muligheter. På samme måte er god automatisering designet rundt unntakshåndtering (hva skjer når et manglende dokument, systemfeil, unntak oppstår), ikke et "alt går bra"-scenario; Fordi den reelle ofring i offentlig sektor oppleves av innbyggerne som faller utenfor reglene.
Mini-etui - de som er ekskludert av automatisering. Når en velferdssøknad flyttet helt på nett, falt antallet søknader med 30 prosent den første måneden – ikke fordi etterspørselen hadde gått ned, men fordi de mest trengende gruppene, eldre og borgere uten internett, ikke kunne søke. Da institusjonen åpnet støttede søknadspunkter i rektors kontorer, ble antallet gjenopprettet; effektivitet balansert med likeverdig tilgang.
Minikoffert — prosessen stoppet i unntak. I en automatisert lisensieringsprosess ble dokumentet forhåndssjekket av AI; men systemet avviste søknader stille, og anså en sjelden type dokument som "ugyldig". Omtrent 15 legitime søknader per uke falt i denne blindsonen. Løsningen: når modellen er usikker, henvis den til betjenten i stedet for å avvise den.
Mal som kontrollerer prosessdesign:
Oppgave: Lag en sjekkliste for RISIKO og TILGANG for følgende digitale prosess.Prosess: [steg for steg flyt]Spørsmål: 1) Hvordan søker en innbygger uten internett/enhet? 2) Er funksjonshemmede tilgjengelig? 3) Hva skjer med applikasjonen hvis systemet gir en feil? 4) Hvem bestemmer ved unntak/regel? 5) Hvis det gis automatisk avvisning, finnes det en innsigelsesmetode og menneskelig kontroll? Utgang: Risikonivå + anbefaling for hvert spørsmål. Legger til en passende løsning.
Tips: Evaluer en automatisering ikke ut fra "hvor mange prosesser ble det fart på den", men også etter "hvem utelot den?" Suksess i offentlig tjeneste måles av minoriteten som ikke utelates like mye som flertallet som rykker opp.
Vanlige feil
- Å gjøre den rettbegrensende beslutningen helautomatisk. Det er illegitimt uten innvendinger og menneskelig kontroll.
- Prøver å få inn unntak i regelen. Det virkelige liv går utover regelen; La menneskelig dør for unntak.
- Tenker på måten å protestere på senere. Design en måte å utfordre og korrigere hver automatiserte beslutning fra begynnelsen.
- Ikke kontrollerer flyten av personopplysninger. Automatisering replikerer data; Sjekk hvor den går og lagringstiden.
- Skrive varselet på sjargong. Hvis innbyggerne ikke forstår, vil prosessen være digital, men utilgjengelig.
- Å utvide uten piloter. Mål feilprosenten i liten skala først, og utvid deretter.
Oppsummert
E-forvaltning og prosessautomatisering øker hastigheten på offentlig tjeneste og reduserer byrden; AI er kraftig til å kartlegge disse prosessene, generere tekst, forhåndsevaluere og finne flaskehalser. Men hjertet av design er ett spørsmål: hvor er mennesket? Jo mer avgjørelsen påvirker rettighetene til innbyggeren, jo flere mennesker bør stå i sentrum; Ethvert automatisk vedtak bør knyttes til et innsigelses- og menneskelig kontrollpunkt, og persondataflyt bør revideres i henhold til KVKK.
Søknadsoppgave
Velg en nettbasert tjeneste for enheten din. Med malen "Prosesskart og risikoklassifisering" trekker du ut trinnene og merker hver enkelt for risiko og automatisering. Design en menneskelig kontrollmekanisme for et rettighetsgenererende trinn med malen "Innsigelses- og unntaksbanedesign". Generer en varslingstekst med malen "Enkel varslings-/skjematekst" og sjekk tilgjengeligheten.
sjekkliste
- [ ] Jeg har klassifisert hvert trinn i form av risiko og automatisering.
- [ ] Jeg har ikke overlatt noen rettighetsbegrensende beslutninger til full automatisering.
- [ ] Jeg har koblet menneskelig vurdering og appell til hver automatisert avgjørelse.
- [ ] Jeg designet en menneskelig dør for unntak.
- [ ] Jeg har revidert persondataflyt og lagringsperiode (KVKK).
- [ ] Jeg skrev varslene enkelt og tilgjengelig; Jeg testet det med piloten.