Model For Vilde problemer

Strategi

Danmark står over for en række svære samfundsproblemer – klima, mistrivsel, mangel på arbejdskraft – som er erkendte og forsøgt løst, men alligevel forbliver uløste. Fælles for dem er, at de er vilde: der er dyb uenighed om årsager og løsninger, de strækker sig på tværs af sektorer og administrative niveauer, og de er politisk polariserede. Alligevel har vi manglet et præcist analytisk sprog og et måleinstrument til at kortlægge og kvantificere den-ne vildhed – og dermed til at matche problemtype med den rigtige politiske respons.

Institut for Vilde Problemer (INVI) satte sig i 2023 for at løse dette. Visionen var at udvikle verdens første digitale analyseapparat, der kan måle samfundsproblemer på en skala fra tamt til vildt, og som løbende kan omsætte kvalitative stemmer fra borgere og praktikere til empi-riske data – direkte ind i beslutningsrummet. Ikke som erstatning for forskning og ekspert-viden, men som et nyt lag af indsigt: stemmer fra dem, der dagligt har fingrene nede i vilde problemer, men hvis perspektiver sjældent inddrages i politiske beslutninger.

Strategien var at udnytte AI til at løse en gammel gordisk knude i demokratisk inddragelse: at kvalitative stemmer fra borgere og praktikere hidtil har været for ressourcetunge at bear-bejde i stor skala. Kunstig intelligens gør det nu muligt at analysere tusindvis af frit formu-lerede inputs computationelt. Og give dem den empiriske vægt og hastighed, der kræves for at påvirke politiske beslutninger i realtid.

Udfordringen var dobbelt. Dels at konceptualisere og operationalisere begrebet ”wicked problems”, som hidtil har eksisteret som akademisk teori uden at kunne omsættes til prak-sis. Dels at skabe et digitalt analyseværktøj, der er fleksibelt nok til at anvendes på tværs af problemtyper, sektorer og administrative niveauer, og ressourcelet nok til at blive brugt i virkeligheden.

Målet var konkret: at give statslige aktører, kommuner, fonde og organisationer et nyt kom-pas, der kan producere handlingsorienteret viden ved besvare spørgsmålet: Er dette problem vildt, og hvorfor? Og hvad kræver det i så fald? Når et problem er tamt, kan man gå til det med kendte procedurer og redskaber. Når det er vildt, kalder det på mere tid, flere ressour-cer, bredere inddragelse og nye tilgange. Den sondring har Danmark ikke haft et datadrevet redskab til at foretage. Indtil nu.

Model for Vilde Problemer er udviklet i samarbejde med professor Jacob Hariri (KU) og Anders Munk (DTU), kvalitetssikret af en følgegruppe bestående af forskere og topledere fra erhvervsliv og civilsamfund for at sikre anvendelighed på tværs af sektorer.

Løsning

Bag Model for Vilde Problemer ligger fem bevidste valg, der former løsningen.

Embeddings i hjertet af modellen: Store sprogmodeller udgør det metodiske omdrej-ningspunkt i modellen. Kvalitative, frit formulerede inputs fra borgere, praktikere og inte-ressenter omsættes til vektorer i et højdimensionelt semantisk rum. Den gennemsnitlige afstand til centroid-vektoren bruges som empirisk mål for, hvor spredte forståelserne af et problem er. Jo mere forskelligartet aktørerne taler om problemet, jo højere en vildhedsscore. Konvergerer aktørerne herimod om fælles problemsyn og enslydende perspektiver, så måler vi problemet som mindre vildt. Hermed er AI ikke blot infrastruktur, der effektiviserer no-get vi allerede kunne gøre. AI er DNA'et og muliggør et analyseværktøj, som slet ikke kun-ne eksistere før store sprogmodeller.

Åbne svar frem for lukkede kategorier: Vilde problemer undslipper sig simple definitio-ner og kategoriseringer. Derfor er det en central strategi, at Model for Vilde Problemer er bygget til at behandle åbne, kvalitative svar frem for lukkede spørgeskemadata. Åbne svar fanger de uventede og oversete perspektiver, som lukkede spørgsmål aldrig ville afdække, og giver samtidig borgere og praktikere mulighed for at formulere sig med egne ord. Det er et demokratisk innovationsvalg, der giver kvalitative stemmer empirisk tyngde i et politisk system, der normalt ekskluderer ikke-eksperter og ikke-kvantitative data.

AI-etnografi i stor skala: Modellen er bevidst udviklet som en semi-automatiseret analy-seproces. AI strukturerer store kvalitative tekstmaterialer via avancerede clustering-teknikker, så INVIs data science team kan analysere hvilke problemforståelser der går igen på tværs af aktørgrupper, hvilke der er specifikke for bestemte grupper, og hvilke der stik-ker ud. Resultaterne formidles gennem interaktive visualiseringer, der inviterer beslutnings-tagere og borgere ind i et fælles fortolkningsrum; hvor fastlåste antagelser udfordres og nye handlemuligheder træder frem. AI'en håndterer kompleksiteten. Mennesker bringer kontek-sten.

Finetunet i mødet med virkeligheden: Implementeringen er sket gennem iterativ udvik-ling og løbende test i virkelige projekter siden 2023. Modellen er finetunet og videreudvik-let kontinuerligt i mødet med de problemfelter og samarbejdsparntere, den anvendes med. Fra ældrereformens implementering til unges perspektiver på ansvarlig AI. Hvert projekt skærper modellens evne til at omdanne kompleksitet til handlingsorienterede, operationelle indsigter på tværs af politiske og organisatoriske kontekster.

Ansvarlig AI som forudsætning, ikke eftertanke: Siden lanceringen i 2024, hvor IINVI præsenterede løsningen i Folketinget for Finansministeren, har modellens brug af AI været undersøgt for bias og fairness i forskningssamarbejder med ITU's EthosLab, Oxford Inter-net Institute og ECHO Lab på DTU. Indsigter udgives i forskningsartikler og bruges til at sikre ansvarlig og kontekstsensitiv brug af AI.

Resultat

Model for Vilde Problemer er på kun to år gået fra proof-of-concept til et analyseapparat i anvendelse hos statslige aktører, kommuner, fonde og andre organisationer. INVI bruger modellen i fire faser af policy- og strategiprocesser.

Rammesætning – et fælles problembillede: INVI bruger modellen til at kortlægge kom-plekse problemfelter og skabe et fælles, datadrevet udgangspunkt. For Kommunernes Landsforening involverede INVI 403 kommunalpolitikere fra alle landets kommuner, der producerede 57.498 ord i fritekst om fremtidens velfærd. Indsigterne kickstartede KL's top-politiske møde og gav tusindvis af deltagere en fælles rammesætning. For Folketingets Ud-valg for Digitalisering og IT kortlagde vi unges perspektiver på ansvarlig AI med SAGA og Tuborgfondet. 350 deltagere bidrog +3.000 kvalitative udsagn. De afslørede et langt bredere sæt af bekymringer end politikerne havde på dagsordenen, og vi omdannede indsig-terne til reguleringsscenarier, der blev præsenteret i Folketinget.

Beslutning – forankret i mangfoldige data: Når beslutninger skal træffes, bruger INVI modellen til at give beslutningstagere et præcist billede af, hvilke løsninger og scenarier der har opbakning på tværs af aktørlandskabet, hvilke der er omstridte, og hvad de kvalitative nuanceforskelle er. For Kræftens Bekæmpelse kortlagde INVI fremtidsdrømme på tværs af centrale målgrupper og leverede et vidensgrundlag, der formede organisationens nye strate-gi. For Arkitektforeningen skabte INVI nyt grundlag for fælles strategiske prioriteringer om projektkonkurrencens rolle i den grønne omstilling.

Feedback loops – læringer fra frontlinjen: INVI anvender modellen til at skabe indsigt i hvordan indsatser opleves i praksis. Så vi ikke skal vente fem år på en evaluering, men kan tilpasse reformer og initiativer løbende baseret på praksiserfaringer. For Ældreministeriet følger INVI implementeringen af ældrereformen i et toårigt projekt, hvor 1.000 borgere og praktikere på tværs af hele ældreplejen deler lokale erfaringer. For Beskæftigelsesministeriet og STAR følger INVI Ungeløftet med et panel på 1.200, der halvårligt deler barrierer og oplevelser fra hverdagen.

Impact – effektmåling beyond KPIer: Modellen bruges også til at måle om indsatser reelt flytter forståelser og perspektiver over tid. Før de udmønter sig i en hardcore KPI. For Bikubenfonden kortlægger INVI fx viden om teenageanbringelser i den aktørkreds, der skal gentænke anbringelsessystemet og sporer om aktørforståelserne begynder at konverge-re i takt med igangsatte indsatser.

Model for Vilde Problemer er det første måleinstrument i verden, der måler vilde problemer med AI. Og potentialet rækker ud over Danmark. INVI skal til at bruge modellen internati-onalt, fx med Henry Smith Foundation i England til at gentænke hvordan fonden måler im-pact på tværs af sociale indsatser.