Informasjonsassistent

Med støtte fra Medfinansieringsordningen utvikler Alvorlig sykt barn-prosjektet nå en informasjonsassistent som sammenstiller informasjon fra mange ulike primære informasjonskilder i offentlig sektor. Det er ønskelig å forenkle innsamling og presentasjon av relevant informasjon fra en rekke offentlige kilder. Informasjonen som utveksles vil ikke inneholde personopplysninger.

Målgruppen, som er barn og unge med sammensatte behov og deres pårørende, vil få presentert relevant informasjon gjennom søk og/eller filtre som de fyller ut selv. Målet er at man ved å søke på for eksempel alder og type behov vil kunne få relevant informasjon om tjenestetilbud, rettigheter og hvordan man får tilgang til tjenesten.

I starten baserte prosjektet seg på det som kalles Headless CMS. Hovedtanken bak dette er å skille presentasjon og innhold. Informasjon fra innholdsprodusentene vil overføres via APIer til den som skal presentere informasjonen. Aktører som presenterer innhold (for eksempel via en nettside) vil kunne sette sammen kombinasjon av innhold fra flere ulike parter, inkludert innhold den har laget selv.

Fordelen med denne tilnærmingen er at innhold som produseres ett sted kan vises på samme måte på mange ulike flater. Dersom innholdsprodusenten oppdaterer sin informasjon, vil den oppdateres hos alle som presenterer den. I praksis vil dette si at både nasjonale og lokale innholdskanaler vil kunne presentere oppdatert innhold som dekker hele spennet av tjenester og informasjon som relevant for målgruppen, ikke bare det de har ansvar for selv.

Prosjektet har underveis beveget seg fra Headless CMS til kunstig intelligens. I samarbeid med Append Consulting, utforsker prosjektet nå, om kunstig intelligens (KI) kan brukes for å gi brukerne mulighet til å stille spørsmål og få tilpasset og forståelig informasjon tilbake.

ETI benytter en teknikk som kalles Retrieval augmented generation (RAG). Dette er en relativt ny metode for å bruke store språkmodeller til å snakke med et egendefinerte utvalg av data. Vi tror dette vil bli en vanlig metode framover for å bruke generativ KI på egne data. Løsningen skal i vårt tilfelle kunne generere både nettartikler om bestemte tema, og tilby spørsmål og svar til brukerne (chatbot).

Konseptet bygger på at løsningen ekstraherer nettsider (scraper nettsidene) med relevant innholdsinformasjon for målgruppen, og lagrer innholdet i en kunnskapsdatabase. Innholdet som brukes er åpent tilgjengelig innhold og vurderes ikke som personsensitivt.

Innholdet deles opp i mindre biter (innholdsblokker) som tilordnes såkalte «vector-embeddings», som uttrykker hva hver innholdsblokk inneholder semantisk. Når det gjøres en spørring, vil embeddingen til spørringen matches mot embedding for de ulike innholdsblokkene. Deretter brukes de mest relevante innholdsblokkene til å utforme et relevant svar for brukeren, i en stor språkmodell.

Løsningen er planlagt med en feedback mekanisme som på bakgrunn av tilbakemeldinger fra brukeren forbedrer retrieval-biten. Det planlegges også et admin-verktøy der innholdsprodusentene kan redigere hvilke deler av eget innhold som eksponeres gjennom løsningen.