23-09-2018 06:51:09

Kan robotter reducere 2,5 millioner opkald til ATP?

Når robotterne rykker ind hos ATP, er det deres opgave at løse rutineprægede opgaver. Og i fremtiden er det sandsynligt, at digitale tjenester også kan besvare mange af dine opkald og skriftlige henvendelser.
4. jul. 2018 Af Rene Pedersen - netværksredaktør
<p><span>Torben Christiansen er underdirektør med ansvar for Data & analytics i ATP.</span></p>

Torben Christiansen er underdirektør med ansvar for Data & analytics i ATP.

ATP udbetaler i omegnen af 250 milliard kroner i sociale ydelser om året. Det gør ATP til en gigant, når det kommer til sagsbehandling i en dansk kontekst og en af de institutioner, rigtige mange danskere har kontakt til i løbet af et år. Det tryk fik i 2015 ATP til at interessere sig for, om nogle af de tunge administrative opgaver kunne løses automatisk, så medarbejderne kan frigives til mere krævende arbejdsopgaver.

Svaret har i første omgang vist sig at være RPA (Robotic Proces Automation) - det vil sige softwarerobotter, der kan løse forskellige administrative opgaver.

“Vi har ret store volumener, så sparer vi et minut på en opgave, er det virkelig noget, der batter,” siger Torben Christiansen, der er underdirektør med ansvar for Data & analytics i ATP, der bl.a. rummer en RPA-enhed.

Han fortæller, at RPA-teknologien i 2017 løste opgaver for, hvad der svarede til 75 fuldtidsansatte. For softwarerobotterne kan dybest set sættes til at udføre det på en skærm, som en medarbejder også kan. Den kan trykke på de samme knapper og skrive i de samme felter - det hele kræver blot, at det er processer, som er veldefinerede på forhånd, så de kan forprogrammeres.

Som eksempel på RPA-løsninger nævner Torben Christiansen behandlingen af selvbetjenings-ansøgninger om folkepension. Her er grundpillen grundbeløbet og pensionstillægget, og så kan der komme forskellige fradrag. Men så længe det er en almindelig folkepension uden indtægt, hvor ansøger ikke har været i udlandet eller andet, der komplicerer, kan robotten afgøre ansøgningen uden problemer.

I dag kan robotterne klare 40 procent af folkepensions-ansøgningerne, uden at borgerne opdager, at de bliver hjulpet af en robot.

Gode råd hvis du vil i gang med RPA og machine learning

Overvejer du at kaste dig over at implementere softwarerobotter eller machine learning i din organisation? Torben Christiansen har en række gode råd til, hvad du skal tænke over:

  • Du skal starte småt - men tænke at det kan blive stort
    Når du laver forsøg skal du have øje for, hvordan det kan skaleres.
  • Lad dig ikke begrænse af forhindringer
    Der vil altid være forhindringer både compliance-mæssigt, teknisk osv. Så tag nogle problemstillinger, der kan løses og give effekt, og prøv dig frem.
  • Hav dedikerede kræfter som ikke giver op
    Der vil være folk i organisationen, der prøver at stoppe det. Det er ikke af ond vilje, men vi er indrettede til, at ting skal afvikles sikkert, og vi har mange compliance-detaljer, der skal være på plads. Hav modet til at tage dialogen, der sikrer både innovation og compliance.
  • Datagrundlaget er enormt vigtigt
    Det er vigtigt at skabe en dataplatform. Det stiller større krav til kvalitet af data samt oppetider, når data bliver en del af et produktivt miljø og ikke kun skal bruges til analyser. Vi har en glæde af er at vores generelle produktionsafvikling og arbejdspakker er baseret på en data warehouse-løsning, som vi havde i forvejen. Det har gjort, at vi ret hurtigt kan komme i gang med piloter og hen til kernen: At få prøvet ting af.

“Man kan godt være forbeholden ved at sætte en maskine til behandling og mene, det er sikrere, at lade mennesker kigge på det. Men robotterne laver dybest set ingen fejl, og hvis de fejler, er det konsekvent, og fordi vi har kodet dem forkert,” siger Torben Christiansen.

Og så handler det også om, hvorvidt man skal kode en robot eller man skal automatisere direkte i det fagsystem, der varetager opgaven. Vi har indtil for nylig klaret 15 pct. af boligsøtte-ansøgningerne med robotten, men i det nye system, vi lige har implementeret, er der sat strøm til processen. Så slukker vi for robotten og finder nye opgaver i stedet. Men i et kørende system er det hurtigere og billigere at automatisere med robot.

Forudsiger med 90 procents sikkerhed, hvorfor du ringer

De gode erfaringer med RPA gav blod på tanden, og i 2016 gik teamet videre medpilotprojekter, der tager machine learning i anvendelse. Piloterne tager udgangspunkt i konkrete udfordringer for ATPs administration. En af de udfordringer er de 2,5 millioner opkald, som ATP’s kundeservice modtager hvert år.

“Dybest set ringer borgerne, fordi de savner information, ikke har forstået vores selvbetjeningsløsning eller efterspørger status på deres sag. Så reelt set kan vi sige, at de 2,5 million opkald burde være overflødige, hvis alt kunne ses i et overblik på borger.dk.” siger han.

Men når de alligevel har behov for at ringe, har teamet forsøgt at forudsige, hvad folk ringer om ud fra ATPs data. Pointen er at levere bedre service ved at sende opkald videre til en relevant medarbejder og på den måde undgå omstillinger. Men kender ATP formålet med et opkald, kan de i udvalgte tilfælde også levere en automatisk service i røret via en talemaskine, der i telefonen oplyser status eller ved at sende en sms, der kan hjælpe folk videre.

Det betyder, at de slet ikke behøver at nå igennem og tale med en medarbejder – men der kan naturligvis være andre forhold hos borgeren, der taler for, at der skal være et menneske i den anden ende af røret.

“Når vi bruger talemaskine, sparer vi selvfølgelig sparer vi tid hos medarbejderne, og samtidig oplever borgerne, at det er en udmærket service, så gevinsten er dobbelt op. Vi alle sammen vindere,” siger Torben Christiansen.

Han nævner igen boligstøtte som eksempel, og her testede teamet, om det havde en effekt, at en talesyntese - allerede mens folk i røret ventede på en ledig medarbejder - fortalte, hvornår de kunne forvente svar på en ansøgning.

“Vores forsøg viste, at 20 procent lagde på uden at ringe igen. Og når vi ringede dem op og spurgte hvorfor, var det fordi, de havde fundet det, de ledte efter. De var i øvrigt godt tilfredse med den service, de havde fået,” siger han.

Om forsøget på at forudsige grunden til opringningenfortæller Torben Christiansen, at de startede med at anvende beslutningstræer som metode. Piloten har dog vist, at ATP ved at benytte neurale netværk med 90 procents sikkerhed kan forudsige, hvorfor folk ringer.

“Når vi anvender neurale netværk, kan du ikke på samme måde sige, hvad der gjorde, at forudsigelsen endte, hvor den gjorde. Til gengæld får vi en højere nøjagtighed i forudsigelsen, så vi kigger den vej,” siger han.

”De neurale netværk er næppe en god løsning til at lade maskinerne hjælpe medarbejderne med at træffe afgørelser. Når en medarbejder skal vurdere, om du skal have udbetalt en ydelse eller ej skal vi kende grundlaget for en afgørelse.”

I dag er løsningen baseret på, at du indtaster dit cpr-nummer, når du ringer til ATP. Hvis du ikke ønsker at indtaste dit nummer, kan ATP ikke hjælpe dig. Cpr-nummer-identifikationen sætter også grænser for, hvad ATP kan tillade sig at fortælle i røret.

“At få at vide, at du har sendt en ansøgning, og at du kan forvente svar om 10 dage, er mindre følsomme oplysninger. Men hvis vi begynder at sige, at vi kan se, at din ansøgning nok vil medføre x antal kroner i boligstøtte, eller du har x kr. tilbage i feriepenge, så begynder det at være for følsomt til, at sige højt via talemaskine,” siger Torben Christiansen.

Gør papirsporet digitalt

Kom godt i gang med RPA

Hvad er vigtigt inden for RPA? Hvilke muligheder og faldgruber er der? Få svarene og kom godt i gang med automatisering og softwarerobotter med IDAs kursus om Robotic Process Automation.

Læs mere og tilmeld

En anden pilot gik på sortering af post. For det er ikke kun telefoniske henvendelser, ATP får mange af. Hvert år modtager institutionen 1,3 millioner skriftlige henvendelser, og derfor har ATP kigget på brevsortering, og om algoritmer kan løse de mest trivielle opgaver.

ATP har en ekstern leverandør, der sorterer vores post, men ca. 20 procent af posten kan ikke kategoriseres, fordi det ikke tydeligt fremgår, hvad henvendelsen vedrører. Derfor blive denne del af de indgående henvendelser lagt i en særlig kategori, som ATP herefter skal have medarbejdere til at se igennem.

"Vi vil i stedet træne en algoritime til at genkende og kategorisere henvendelserne. Det er en triviel opgave som traditionelt har krævet menneskelig behandling, men nu kan algoritmen løse opgaven og samtidig oplever kunden, at vi hurtigere får lagt henvendelsen i den rigtige ”bunke” og svaret i tide," siger Torben Christiansen.

Kan matematikken hjælpe ATP til bedre drift?

Torben Christiansen fortæller, at piloterne blev kørt i 2017, og de er nu på vej til at blive implementeret. Men det er endnu for tidligt at sige noget om resultaterne, og hvor store gevinsterne er for ATP.

“Men vi går ind i det, fordi der er et positivt forhold mellem omkostningerne ved at gøre det og det udbytte, vi får,” siger Torben Christiansen, som fortæller, at ATP da også allerede i gang med de næste projekter. Det involverer blandt andet at “bruge matematikken til at afvikle driften på en bedre måde”. Det handler blandt andet om at bruge data til at planlægge, hvornår det er mest optimalt at løse den enkelte opgave, så vi undgår flaskehalse, hvor folk er i kø.

Derudover holder ATP meget øje med chatbots og andre virtuelle kunderådgivere. Niveauet er dog endnu ikke højt nok, mener Torben Christiansen.

Senest har Google også vist en digital assistent, der kunne bestille bord og frisørtider, men selv om teknologien virker imponerende, er der ifølge Torben Christiansen formentlig et stykke tid til, at de kan indgå i egentlig sagsbehandling hos ATP.

“Det er interessant, at man kan tale og agere med en robot, men der tror vi ikke, at vi er endnu. Men bare det at få tale til tekst vil betyde, at vi i sagsbehandlingen eksempelvis kan indtale journalnotater. Det vil være en stor ting for os,” siger han.

Et grundlæggende fundament i flere af de løsninger, ATP ser på, er en art talegenkendelse. En dansk udgave har dog formentlig længere udsigter end en engelsk på rene markedsvilkår, og derfor håber Torben Christiansen, at Danmark kan få en solid talegenkendelse og gerne med hjælp fra Google eller andre.

“På tværs af det offentlige bør vi slå vores kræfter sammen på mere generiske problemstillinger. Og netop det at få en ordentlig sproggenkendelse på det danske sprog burde vi på tværs af det offentlige lave en fælles indsats på,” siger Torben Christiansen.

Robotic Process Automation–Foundation (RPA)

Hvad er vigtigt inden for RPA? Hvilke muligheder og faldgruber er der? Få svarene og kom godt i gang med automatisering og softwarerobotter.

Læs mere

Deltag i debatten

luk
close