Charlotte 'Lotta' Tapper

Vilken roll tror du AI kan spela för att förbättra offentliga tjänster och samhällets funktioner?

Lotta inleder med att tala om rättssäkerhetens och demokratins förstärkning som den kanske viktigaste vinsten. Hon understryker hur dagens analoga processer ofta färgas av stress, fördomar, magkänsla och ren okunskap; en lärare kan omedvetet bedöma “hårdare eller snällare” beroende på elevens bakgrund och en biståndshandläggare kan låta dagsformen påverka beslutets ton. Rätt tränad AI, menar hon, bryr sig varken om hudfärg, dialekt eller social status utan behandlar lika fall på lika sätt, något som skapar en robustare legitimitet för hela systemet. Hon är noga med att AI inte tar bort ansvaret från människan men drar ner den kognitiva bördan: algoritmen sorterar ärenden, hittar luckor i underlaget, hämtar historik och presenterar ett förslag snarare än en dom, och därmed hinner handläggaren lägga mer tid på genuint mänskliga möten.

Hon exemplifierar med skolan där läraren i dag ägnar “mer tid åt att uppfostra vårdnadshavare” och fylla i matriser än åt pedagogik. Om en AI fixar administrationen frigörs energi till individanpassning, specialpedagogik och forskning om vad som faktiskt fungerar. På liknande sätt kan socialtjänsten låta AI plocka fram de 20 mest relevanta rättsfallen eller forskningsrapporterna och låta socialsekreteraren fokusera på relationen med klienten. Även på regional och statlig nivå ser hon samma mönster: administrativa kontorsjobb minskar, medan “utförar-yrken” – de som möter medborgare eller hanterar praktiska insatser – ökar i både mängd och status.

Hon gör en tidsresa bakåt och påminner om att när hon själv valde utbildning fanns inte jobb som UX-designer, social-media-strateg eller dataskydds­ombud. På motsvarande sätt kommer AI-epoken generera roller som prompt-ingenjör, etisk auditor, modell­pedagog och implementerings­guide – titlar vi ännu inte vet att vi saknar. Arbetsmarknadens statushierarki skiftar också, tror hon: medan vissa traditionella akademiska yrken automatiseras kan hantverks­yrken som svetsare eller rörmokare bli verkliga prestige­yrken, eftersom de kombinerar praktiska färdigheter med avancerade sensorer och digitala verktyg.

Ett genomgående tema är tiden: när AI tar över repetitiva uppgifter blir hela besluts­kedjan snabbare och mer “potent”, för att använda hennes uttryck, och långsamma processer som i dag möter kritik från medborgare kan kortas dramatiskt.

Vilka är de största utmaningarna när det gäller att införa AI i offentlig sektor?

När diskussionen flyttas till hinder betonar Lotta skevheten som uppstår när kunskap saknas. Hon målar upp en dubbel riskkarta:

I det ena diket gror ängsligheten. Osäkerhet avlar paralyserande risk­analyser, mandat kryper uppåt i hierarkin och varje idé fastnar i ett gytter av juridik, informations­säkerhet och interna remissrundor. Innovationen kvävs, de mest engagerade tröttnar och kommunal verksamhet fortsätter att luta sig på pärmar, excelark och faxar.

I det andra diket frodas naiviteten. Lika illa kan det bli när okunskapen gör att riskerna bagatelliseras; då delar någon plötsligt känslig persondata med en molntjänst eller tränar en modell på så skev data att den fattar diskriminerande beslut.

Gemensam nämnare är alltså bristande kompetens. Därför vill Lotta se ett massivt kunskapslyft, inte bara för IT-specialister utan för skolledare, socialchefer, politiker, rektorer, ekonomer – alla “officiella och inofficiella beslutsfattare” som hon säger. Utan sådan breddad förståelse riskerar AI-användningen att bli odemokratisk; den som förstår verktygen får makt, den som inte gör det hamnar utanför. Hon återkommer flera gånger till att utbildningsinsatsen måste paras med “mandat länge ut i leden”: de som faktiskt möter problemet ska också kunna starta småskaliga experiment utan att hindras av stelbenta rutiner. Annars stelnar organisationen och innovationsblodet koagulerar, som hon uttrycker det.

Hur kan vi balansera innovation och etik när vi använder AI i offentlig verksamhet?

På frågan om hur innovation och etik kan samsas säger Lotta att hon alltid börjar i idéänden: “Alla bra idéer är bra tills de bevisats dåliga.” Det första fröet måste få växa innan kritiken svingas. Därefter, i nästa fas, kommer hon själv in som “nej-sägaren” som testar idén mot ett nät av krav: dataskydd, diskriminerings­risker, cyber­säkerhet, källkritik och inte minst proportionalitet. Hon beskriver ett CAB-forum där olika yrkes­roller – infosäk-specialister, jurister, verksamhets­representanter – sitter vid samma bord och systematiskt betar av frågelistan: Hur tränas modellen? Kan den skada minoritetsgrupper? Är datan laglig? Är processen förklarlig för en medborgare? Kan systemet manipuleras? Genom att gå igenom detta batteri av frågor tycks hon vilja förvandla etik från abstrakt moral till konkret checklista.

Hon ger flera exempel på etiska blindfläckar: en modell som “lär sig” att blåögda alltid ska få nej till ett visst bidrag, eller ett besluts­system som på individnivå fuskar bort strandskyddsregler för medborgare från en viss rik kommun. Dessa skräck­exempel illustrerar varför etiken inte kan skiljas från kunskapen om data och algoritmer. Brist på insikt gör det omöjligt att ens se problemet, än mindre korrigera det. Därför vill hon att organisationskulturen varken romantiserar teknik (“AI löser allt”) eller övermoralis­erar (“AI är ond”) utan håller sig till saklig kompetens: förstå vad som kan gå fel, testa, mäta, korrigera.

Vilken roll tror du AI-styrning och regelverk kommer att spela i framtiden?

När samtalet kommer in på AI-förordningen, NIS 2 och andra förestående EU-regler ser Lotta en paradox. På ena sidan: gemensamma europeiska regler kan bli en stor lättnad, eftersom kommuner slipper uppfinna egna ramverk och medborgaren kan förvänta sig samma grundskydd i hela landet. På andra sidan: om alla följer samma bokstavstroget kan ett systemfel spridas nationellt innan någon märker det. Sverige är redan ett av världens mest regel­trogna länder; vi gör “precis som det står” och ropar sällan “kejsarens nya kläder”.

Hon jämför med GDPR-införandet, där brist på vägledning gjorde att vissa kommuner blev så ängsliga att de stoppade e-postlistor och klass­foto, medan andra körde på som vanligt. Den här gången är EU bättre förberett med kompletterande guider, men faran består: om man låter arkivlagen, GDPR, NIS 2 och kommunallagen kollidera utan pragmatiska prioriteringar kan man hamna i total handlingsförlamning.

För Trelleborgs kommun tror hon ändå att den bredare EU-samordningen blir till godo. Regelverken synliggör ett mönster där cybersäkerhet, data­skydd och öppenhet är tre ben som ska balanseras. Utmaningen blir att utveckla handfasta metoder för hur man väger reglerna mot varandra. Annars riskerar AI-systemet att kodifiera just den överdrivenhet man försöker undvika: en kommun som matar in överdrivet strikta tolkningar lär sitt AI att alltid säga nej.

Hur kan vi skapa en hållbar och transparent AI-användning i offentlig sektor?

Lotta återkommer här till kärnordet “utbildning”. Transparens kräver mer än att lägga en PDF på hemsidan; det kräver människor som kan tolka modellen, förklara datakällorna och svara på medborgarnas följdfrågor. En handläggare med bristande AI-förståelse kan bara säga “därför” när en medborgare frågar hur beslutet togs, vilket snabbt gröper ur förtroendet. Med kunskapen på plats kan samma handläggare lugnt redogöra för vilka variabler som vägts in, hur träningen verifierats och var den mänskliga granskningen kom in.

Hon tar upp exemplet med AI-märkning. En stämpel eller logotyp kan se snygg ut men riskerar att bli antingen meningslös (“alla papper har en grön klöver”) eller oroande (“mitt barns betyg är robot-genererat!”). Hellre vill hon ha en kort men tydlig text som förklarar vilken del av processen som var AI-driven och vilken som var manuell kontroll. Då kan den nyfikne klicka sig vidare till mer detaljer, medan den som bara vill ha försäkran nöjer sig med den korta formuleringen.

Hon kopplar det till tillit: Sverige är en hög­tillits­kultur men den tilliten bygger på att medborgarna förstår vad som händer. Tydlig öppenhet stärker snarare än sänker förtroendet, så länge texterna är begripliga och personalen trygg i att diskutera dem. Det är också här hon lyfter tanken om att framtidens medborgare snabbt kan vilja veta källkoden bakom ett beslut – “Vilka datapunkter tittade AI\:n på när den bedömde mitt försörjningsstöd?” – och då måste kommunen ha ett svar.