Publisert: 01.07.2025
Av Oscar Christopher Husebye, master i industriell økonomi ved NMBU
Norsk helsevesen står overfor en krevende fremtid preget av demografisk endring, ressursknapphet og mangel på helsepersonell. Samtidig viser forskning at store språkmodeller (LLM) har potensial til å effektivisere tidkrevende tekstbehandlingsoppgaver. Masteroppgaven undersøker hvordan teknologien kan tas i bruk i saksbehandlingen av helse- og omsorgstjenester i Oslo kommune.
Kombinert metode: Ekspertintervjuer og spørreundersøkelse
Studien bygger på en todelt metode med både kvalitative og kvantitative data. Den kvalitative delen bestod av dybdeintervjuer med fem strategisk utvalgte fagpersoner fra fire ulike virksomheter i Oslo kommune. Disse intervjuene ble analysert induktivt ved hjelp av tematisk analyse for å identifisere sentrale mønstre i hvordan eksperter forstår potensial og barrierer for LLM-bruk i saksbehandling.
Den kvantitative delen av studien var en spørreundersøkelse rettet mot saksbehandlere i kommunens helse- og omsorgstjeneste. Undersøkelsen ble distribuert av bydelene til riktige mottakere og resulterte i 101 gyldige svar. Dataene ble analysert med blant annet deskriptiv statistikk for å utforske holdninger, erfaringer og vurdert nytteverdi av språkmodeller i arbeidshverdagen – i tillegg til å kartlegge situasjonen i dagens saksbehandling. Funn fra begge delene ble triangulert for å gi en helhetlig forståelse av teknologisk og organisatorisk modenhet.
Klart potensial – men også usikkerhet
Samlet sett viser funnene at det eksisterer anvendelser av store språkmodeller som kan forbedre saksbehandlingen i helse- og omsorgstjenesten i Oslo kommune. Det er identifisert et klart behov for bedre verktøy for teksthåndtering i saksbehandlingen, primært knyttet til informasjonsinnhenting og bistand til tekstproduksjon. Potensialet for tidsbesparelse ved bruk av LLM vurderes av saksbehandlerne til å ligge på mellom 31,5 prosent og 37,6 prosent, gitt et 95 prosent konfidensintervall på gjennomsnitt. Dette gir en ekvivalent kostnadsbesparelse på mellom ca. 74 millioner kroner og 88 millioner kroner, gitt 260 saksbehandlere totalt i Oslo kommune. Dette er imidlertid en teoretisk beregning heller enn et reelt estimat.
Bekymringer knyttet til graden av skjønnsvurderinger, transparens og bias er samtidig høyst tilstedeværende. Kommunens evne til å dele og styre etter data vurderes dessuten som relativt dårlig og ikke i tråd med politiske ambisjoner. Fagsystemet for helse- og omsorgssektoren er også så komplekst og utdatert at det binder opp teknisk kapasitet i kommunen som kunne blitt brukt til andre oppgaver. Kunnskapsnivået og erfaringen med LLM blant saksbehandlere er på sin side dokumentert som svært variert, noe som både påvirker teknologiens potensial og data som denne masteroppgaven bygger sine funn på.
Hva kan gjøres på kort sikt?
På kort sikt er det vurdert at en fornuftig begynnelse på videre FoU- og implementeringsarbeid vil være å teste ut domenespesifikke språkmodeller i trygge og kontrollerte omgivelser sammen med saksbehandlere. Anvendelser til oversettelse, klarspråkliggjøring, smartsøk og oppsummering av tekst er identifisert som anvendelser med relativt lav risiko. Sammen med nøye oppfølging av kommunens nylanserte infrastruktur for smartsøk og tekstanalyse i felles IKT-plattform kan dette medvirke til at Oslo kommune får hentet ut gevinster med bruk av store språkmodeller i saksbehandling i helse- og omsorgstjenesten.
Oppsummert
Resultatene fra studien viser at LLM-teknologi har potensial til å bli et viktig virkemiddel for å møte en del utfordringer i helse- og omsorgstjenesten – forutsatt at teknologien brukes med klokskap. Det viktige nå er å komme i gang og teste ut modeller i trygge omgivelser slik at kommunen blir klar for å ta teknologien i bruk på en god måte. Selv om problemstillingen er avgrenset til Oslo kommune, må det antas at funnene har nytteverdi også for andre kommuner.
Les hele masteroppgaven her
