Lånekassen tar i bruk kunstig intelligens for å avdekke juks

Ved forrige korsvei fant Lånekassen 1 600 studenter som prøvde å jukse til seg utdanningsstipend for samlet 24 millioner kroner.

Hvert år blir det gjennomført kontroll for å avdekke juks med borteboerstipend. Men dette er en krevende oppgave for alle parter. Etaten bruker mye tid og krefter på saksbehandling og studentene må bruke tid på dokumentasjon.

– De fleste har alt på stell, det er få som avsløres som juksere, men det er en ganske krevende oppgave både for oss og studentene. Antallet som plukkes ut til kontroll ligger stabilt på rundt 50.000 hvert år, forteller IT-direktør Sigurd Eriksson til digi.no.

Bare i saksbehandling går det med 8,5 millioner kroner for å kontrollere disse kundene, ifølge Lånekassen.

Mindre brydderi

Smart bruk av teknologi kan effektivisere dette arbeidet. Det viser erfaringen så langt med etatens bruk av maskinlæring.

– Business-caset er godt og handler om å lage en modell som gjør det mer effektivt å plukke ut kunder til kontroll. Færre må ta seg bryet med å sende inn dokumentasjon. Likevel oppnår vi tilsvarende resultater.

Eriksson viser til et proof-of-concept (konseptbevis) kjørt fra våren 2017 og utover sommeren, som er basert på den åpne programvaren CatBoost.

Svindler vs. ikke-svindler

Algoritmen «gradient boosting» blir brukt til å optimalisere modellen. Ved bokontrollen er det to aktuelle klasser med henholdsvis «svindlere» og «ikke-svindlere» som benyttes.

Utprøving på eldre kontrolldata viste at uttrekket kunne reduseres med 75 prosent, men likevel inneholde 7 av 10 juksemakere. Dobler man uttrekket fra 25 til 50 prosent vil man finne 8,4 av 10 svindlere, lyder konklusjonen i sluttrapporten.

Resultatene i undersøkelsene blir av Eriksson betegnet som veldig gode.

– Hvorvidt det blir like gode resultater i fortsettelsen er noe vi skal lære mer om nå, forteller han.

IT-direktøren bekrefter også at dette er første gang Lånekassen tar i bruk maskinlæring.

– Ja, definitivt.

Lønnsom investering

Lånekassen har nylig leid inn en med spisskompetanse på maskinlæring fra konsulentselskapet Fundator, som bistår i utviklingsarbeidet sammen med etaten egne folk.

– Det meste av jobben gjør vi selv. Eriksson vil ikke kalle arbeidet et prosjekt, men peker på at det de utvikler er del av den løpende forvaltningen og tas over vanlige budsjetter.

– Vi jobber smidig med utviklingsteam og faste sprinter. Arbeidet med maskinlæring har veldig begrenset omfang, sier han.

Gevinsten ved å effektivisere saksbehandling gjennom å sjekke færre kunder later til å komme umiddelbart.

– Regner du på en vanlig kost-nytt-analyse basert på resultatene fra konseptfasen, så er det lønnsomt fra år null. Men mye av dette er nybrottsarbeid både for oss og andre. Vi må være særdeles grundige med vurderingene knyttet til utviklingsjobben.

Gode anbefalinger

Her viser IT-direktøren blant annet til betraktninger knyttet til juss og personvern. Det er langt mer enn bare teknologer involvert. Det er et team sammensatt også av juridisk kompetanse, regelverkskompetanse, fagfolk som kan bokontroll og kommunikatører.

De nye personvernlovene som blir gjeldende også i Norge fra 25. mai i år, da EUs mye omtalte GDPR-direktiv trår i kraft, er helt førende, ifølge Eriksson,

– Glad du spør om dette. Datatilsynet har kommet med anbefaler knyttet til personvern ved bruk av kunstig intelligens. De har en del kulepunkter som vi følger. Det går på å tenke tverrfaglig, kunstig intelligens er mer enn bare teknologi – og dette er vi 100 prosent enige i. Vi skal også vurdere samfunnsmessig verdi. Det følger vi fullt ut. Det er lett å si at vi er veldig enige med Datatilsynet. De har gode anbefalinger som vi har fulgt. Behandlingsgrunnlaget er også i samsvar med det opprinnelige formål. Man bruker jo de opplysningene man allerede har innhentet, både til å beregne om de har rett på borteboerstipend og vi bruker det for å kontrollere, sier han.

• Fersk rapport: – Vi tror ikke kunstig intelligens blir personvernets undergang

Tverrfaglig innovasjon

Utredningen og de første forsøkene med maskinlæring stammer fra et forprosjekt kjørt av etatens IT-avdeling, mens prosjektledelsen er fra fagsiden.

– Grunnen til at vi får til en sånn innovasjon er at vi har et veldig fokus på tverrfaglighet knyttet til utviklingsarbeidet og anvendelse for teknologien. Det er alltid mange teknologiske trender å forholde seg til, men vi har særlig valgt å se på tre av dem; kunstig intelligens, nettskyen og bruk av stordata-analyse (big data, journ.anm). I tillegg som et fjerde punkt ligger informasjonssikkerhet i bunn, påpeker Eriksson.

– Hva er gangen videre i arbeidet med maskinlæring?

– Vi jobber med å ta det i bruk i den årlige bokontrollen, som gjennomføres om ikke lenge. Koden skal settes i produksjon tidlig i februar.

Sigurd Eriksson ønsker å understreke at de ikke bruker kunstig intelligens for å fatte vedtak, men for å plukke ut gruppen som skal sende inn dokumentasjon.

– Dermed er ikke dette automatisering av saksbehandling. Det er ikke noen mennesker eller menneskelig arbeid som erstattes. Nettopp derfor er dette et godt case for å ta i bruk maskinlæring, mener vi.

Det ligger en rød tråd her koblet opp mot Lånekassens strategi om å sette all sin interne IT ut i nettskyen, noe vi tidligere har skrevet om. Vi kommer tilbake med en egen sak om status på disse arbeidet.

• Tidlig ute: Lånekassen kaster seg ut i skyen (for abonnenter)