Sosiaali- ja terveydenhuollossa tekoälyyn kohdistuu paljon odotuksia. Tekoäly lupaa nopeuttaa ja helpottaa nykyistä työtä ja jopa automatisoida siitä joitakin osia. Usein lähdetään liikkeelle nykyisistä tehtävistä ja kysytään, mitä tekoäly voisi tehdä niissä tehokkaammin. Vastauksia löytyy helposti, esimerkiksi kirjaaminen, yhteenvedot ja tietojen luokittelu. Mutta mitä jos emme sovitakaan tekoälyä nykyiseen palveluprosessiin?
Cinian tiimi osallistui lokakuussa Länsi-Uudenmaan hyvinvointialueen sote-AI-hackathoniin. Kokeilimme, mitä tapahtuu, kun koko asiointiketju ajatellaan uudelleen tekoälyn mahdollisuuksien kautta.
Sote-palveluissa asiointi alkaa harvoin selkeästä ja valmiiksi muotoillusta palvelupyynnöstä. Asiakkaalla on huoli, elämäntilanne tai tarve, jonka sanoittaminen voi olla vaikeaa. Asiakas voi myös asioida monen eri kanavan kautta, ja hänellä voi olla käynnissä useita palvelupolkuja. Asiakkaan kyky kuvata tilanteensa lomakkeella, chatissa tai puhelimessa vaikuttaa siihen, mihin asia ohjautuu ja kuinka paljon ammattilaisen aikaa kuluu tilanteen selvittämiseen. Asia voi myös liittyä aiempaan asiointiin, vaikka asiakas ei itse hahmota, miten polku on edennyt. Saman lomakkeen täyttäminen viidettä kertaa ei auta.
Hackathonissa rakensimme konseptin oppivasta ja ohjaavasta asiointikumppanista. Rajasimme sen sosiaalihuollon palveluihin, mutta samaa logiikkaa voi laajentaa koko soteen. Ratkaisun ytimessä ovat oppivat tekoälyagentit, jotka auttavat asioinnissa kumpaakin osapuolta.
Asiakkaalle tekoälyagentit auttavat sanoittamaan, muotoilemaan ja täydentämään palvelupyynnön. Ne tunnistavat yhteydet aiempiin asiointeihin ja vastaavat asiakasta huolettavaan kysymykseen: missä vaiheessa oma asiani etenee? Tuloksena on pyyntö, joka ohjautuu oikein jo alusta asti, ja asiakas, joka tietää, mitä on tapahtumassa. Kun asiakkaan mieli rauhoittuu, myös uudet yhteydenotot samasta asiasta vähenevät.
Ammattilaiselle asiointikumppani kokoaa asiakaskohtaisen tilannekuvan sekä työjonon, jonka avulla kukaan ei putoa väliin. Tiedon kokoaminen on kuitenkin vasta lähtötaso. Prosessia uudistava hyöty syntyy analyysistä, kun agentit etsivät yhteyksiä asioiden välillä, hakevat lisätietoa ja tekevät ehdotuksia ammattilaisten arvioitavaksi.
Esimerkiksi lainsäädäntöapuri tuo esiin tilanteeseen liittyvän sääntelyn. Se hakee säännökset pykälän ja momentin tarkkuudella ajantasaisesta lainsäädännöstä. Tarkistusagentti karsii pois viittaukset, joita lähteestä ei löydy. Ammattilainen pääsee jatkamaan valmistellusta asiasta sen sijaan, että aloittaisi aina alusta.
Julkisessa palvelussa hyvä ehdotus ei riitä, vaan pitää myös pystyä näyttämään, mihin se perustuu. Jäljitettävyys on edellytys sille, että tekoälyä voi käyttää vaarantamatta asiakkaan oikeusturvaa tai ammattilaisen harkintavaltaa. Ratkaisussamme agentti valmistelee, ihminen päättää, lakimoottori valvoo ja kaikki on jäljitettävissä.
Agentit toimivat kuin orkesteri, jossa jokaisella on rajattu tehtävä ja omat tietolähteensä. Kapellimestariagentti jakaa työn ja kokoaa tuloksen, ja tarkistusagentti käy vastauksen läpi ennen kuin ammattilainen näkee sen. Jokainen tuotos on ehdotus, jonka ihminen hyväksyy tai hylkää, ja jokainen vaihe jää lokiin. Rajausten ansiosta kokonaisuus pysyy hallittavana ja luotettavana ja kustannukset ennakoitavina.
Asiakkaan asia voidaan saada oikeaan paikkaan jo ensimmäisellä yhteydenotolla. Ammattilainen saa paremmat lähtötiedot, eikä aikaa kulu yhtä paljon tiedon etsimiseen ja puutteellisten tietojen selvittämiseen. Asiakas puolestaan pysyy paremmin perillä asiansa etenemisestä, mikä voi vähentää tarpeettomia yhteydenottoja.
Ehkä vielä tärkeämpää on, että ammattilaisen aika ja osaaminen siirtyvät tilanteen arviointiin, asiakkaan kohtaamiseen ja ratkaisujen tekemiseen.
Ratkaisun tärkein oivallus koskee kaikkea tekoälykehittämistä. Tekoälyllä voi nopeuttaa ja helpottaa olemassa olevan prosessin yksittäisiä vaiheita. Kokonaan uudet innovaatiot syntyvät kuitenkin vasta, kun koko prosessi ajatellaan uudelleen.