Overheden worden overspoeld met gegevens. Om deze gegevens te begrijpen, inzichten te verkrijgen en de burgers beter van dienst te zijn, wenden bureaus zich tot technologieën zoals automatisering, RPA, en ML en AI om gegevens beter te beheren, extra waarde te extraheren en processen en workflows te verbeteren. Het Amerikaanse ministerie van Arbeid (DOL) is zo’n bureau dat een unieke aanpak ontwikkelt voor het gebruik van opkomende technologieën in zijn gegevensrijke omgeving.
Sanjay Koyani, Chief Technology Officer bij Department of Labor
De Chief Technology Officer van de DOL, Sanjay Koyani en zijn team, werken aan de integratie van innovatieve technologieën zoals verantwoorde AI, RPA en chatbots, evenals aan een gepland initiatief om een bedrijfsbreed dataplatform bij DOL te creëren. Tijdens een aankomend AI in Government-evenement op 15 september 2022, zal Sanjay de AI, automatisering en datareis van het bureau bespreken, wat er moet gebeuren om overwegingen voor cultuurverandering te onderzoeken en hoe problemen en klantbehoeften het beste kunnen worden geïdentificeerd en vervolgens oplossingen kunnen worden bedacht. die deze problemen daadwerkelijk aanpakken en oplossen.
In dit preview-interview voor Forbes deelt Sanjay hoe DOL AI en ML toepast in een datarijke omgeving, enkele van de uitdagingen die gepaard gaan met het adopteren van transformatieve technologie in de publieke sector, en hoe DOL kijkt naar betrouwbare en verantwoorde AI.
Wat zijn enkele innovatieve manieren waarop u gegevens en AI gebruikt om het Department of Labour (DOL) ten goede te komen?
Sanjay Koyani: Elk IT-moderniseringsinitiatief werkt in de richting van ons doel van de beste federale IT-oplossingen, die onze DOL-missie ondersteunt om de diensten voor het Amerikaanse publiek te verbeteren en een betere klantenservice te bieden ter ondersteuning van een meer digitale werkplek.
Iets meer dan een jaar geleden hebben we een nieuwe afdeling gecreëerd binnen onze Technology, Innovation and Engineering (TIE)-divisie die gespecialiseerd is in opkomende technologieën om een mensgerichte ontwerpbenadering voor toekomstige technologieën op de afdeling te creëren. De eerste opkomende technische mogelijkheid die we hebben gelanceerd en die we in de hele onderneming willen opschalen, betreft het gebruik van automatisering – Robotics Process Automation (RPA). In het afgelopen jaar hebben we vijf RPA-bots gelanceerd – softwaretoepassingen om repetitieve, op regels gebaseerde taken te automatiseren die als administratief van aard worden beschouwd – en testen we er nog zes. Momenteel onderzoeken we extra mogelijkheden binnen de agentschappen van het departement, waarvan er verschillende in ontwikkeling zijn voor toekomstig gebruik. Het algemene doel is om het personeel in staat te stellen zich te concentreren op missiekritiek werk in plaats van op administratieve taken en om de basis te leggen voor andere geavanceerde technologieën zoals machine learning en kunstmatige intelligentie.
In TIE onderzoeken we ook hoe we AI op een meer verantwoorde manier kunnen gebruiken als een service om de prestaties te verbeteren en de waarde te vergroten. We hebben verschillende AI-pilots aan de gang waarbij we innoveren in de cloud door gebruik te maken van native AI-enabled mogelijkheden om programmabehoeften te evalueren, zoals spraak-naar-tekst, tekst-naar-spraak, vertaaldiensten en formulierherkenningsdiensten om tekst te extraheren en documenten te structureren voor snellere besluitvorming. Tegelijkertijd zijn we ook begonnen met het verkennen van de praktijk van het ontwerpen en evalueren van AI op een ethische en verantwoorde manier, zodat we deze met meer vertrouwen kunnen schalen.
Om onze AI- en automatiseringsinspanningen te voeden, bouwt ons team ook onze analysemogelijkheden uit door het creëren van een Enterprise Data Platform om op data gebaseerde besluitvorming op innovatieve manieren te versterken. Gegevens vormen de basis voor AI en machine learning, dus we investeren in tools voor gegevensbeheer en analyse. Door gebruik te maken van Technology Modernization Funding die voor dit initiatief is toegekend, kan de afdeling gegevensbeheer en geavanceerde analysemogelijkheden versnellen om het delen en delen van gegevens tussen instanties te versterken en betere en snellere beslissingen te nemen. We kunnen ook elementen van de Executive Order on Worker Empowerment bevorderen door onderzoekers en beleidsteams uit te rusten met verbeterde intelligentie en hoogwaardige en snelle gegevens over werknemersbescherming die banen veiliger maken.
Hoe identificeer je met welke probleemgebieden je moet beginnen voor je data- en cognitieve technologieprojecten?
Sanjay Koyani: We zijn begonnen met het identificeren van projecten via onze Innovation Incubator, die helpt bij het evalueren van proof-of-concepts – laat de risico’s zien en evalueer deze aan de hand van bestaande tools. Dit heeft ons in staat gesteld om onze huidige proefprogramma’s uit te breiden om te zien of ze andere problemen kunnen oplossen en ook innovatieve oplossingen kunnen verkennen.
Een andere tactiek die we onlangs hebben gebruikt, is een bedrijfsbrede Bot-a-Thon om werknemers te informeren over het gebruik van bots en om te bedenken hoe het het personeel kan helpen met administratieve taken zoals rapporteren, formulieren invullen of onderzoek. Het resultaat was dat in FY21 negen verschillende botprocessen in ontwikkeling werden gestart, waarbij duizenden werkuren werden bespaard in vijf geoperationaliseerde bots.
Wat zijn enkele van de unieke kansen die de publieke sector heeft als het gaat om data en AI?
Sanjay Koyani: We ervaren een grotere zichtbaarheid en focus op het belang van modernisering van IT bij de overheid, en hoe IT invloed heeft op meerdere overheidsdiensten. Deze presidentiële regering heeft van IT-modernisering, inclusief data en AI, een prioriteit gemaakt. Het congres blijft zich richten op IT-inspanningen via de Federal IT Acquisition Reform Act (FITARA) die CIO’s van bureaus de controle geeft over IT-investeringen en bureaus beoordeelt op zeven belangrijke IT-gebieden. Cybersecurity-inbreuken hebben ook geleid tot een hernieuwde focus op hoe AI de publieke sector kan helpen bij het verminderen van bedreigingen en het sneller reageren op potentiële risico’s.
Wat zijn enkele use-cases die u kunt delen waarin u AI met succes hebt toegepast?
Sanjay Koyani: We ontwikkelden een nieuwe, door gebruikers geïnspireerde website voor DOL’s Employment and Training Administration (ETA) op basis van een klantgericht ontwerp en verbeterden de klantervaring door de integratie van AI. Als gevolg hiervan hielp AI bij het verbeteren van de sourcing/matching van kandidaten voor kansen op Apprenticeship.gov.
Een ander voorbeeld is ons gebruik van AI-enabled formulierherkenningsservices om het bepalen van de begunstigde te versnellen. Ons team heeft beoordeeld hoe AI-enabled cloudtechnologieën claimbeoordelaars kunnen helpen bij het beoordelen van uitkeringsformulieren op nauwkeurigheid en fraude voor snellere vaststellingen. Met behulp van bestaande cloudtechnologie hebben we AI-modellen getraind om gegevens uit verschillende claimformulieren te extraheren en te ordenen, zodat examinatoren de geconsolideerde informatie sneller ontvingen. Voorafgaand hieraan besteedden examinatoren veel handmatige uren aan het sorteren en vergelijken van formulieren in plaats van zich volledig te concentreren op de begunstigde klantenondersteuning, snellere beslissingen.
Kunt u enkele van de uitdagingen delen als het gaat om AI en ML in de publieke sector?
Sanjay Koyani: Er zijn een paar uitdagingen die ik zal bespreken. Een daarvan is gegevensbeheer, een belangrijk aandachtspunt voor de afdeling. Hoewel een overvloed aan gegevens goed is, moet u weten welke informatie beschikbaar is en begrijpen hoe deze wordt gebruikt. Om AI en ML op de juiste manier te gebruiken, moet u weten welke gegevens er zijn, deze in een catalogus hebben opgenomen en de belanghebbenden van de bureaus afstemmen op hoe DOL gegevens kan gebruiken voor snellere en betere besluitvorming. Dit vereist voortdurende educatie en investeringen in onze datastrategie.
Mensgericht ontwerpen is ook de sleutel voor AI/ML. U moet er dus voor zorgen dat u communiceert met alle betrokken belanghebbenden om het proces te begrijpen en te begrijpen hoe zij de technologie zouden gebruiken. Dit is wanneer het belangrijk is om te beslissen of AI/ML het probleem zelfs zou oplossen. Niet alle problemen kunnen met technologie worden opgelost.
Een andere belangrijke uitdaging is culturele acceptatie. Culturele verandering kan moeilijk zijn, dus zorg ervoor dat u de voordelen op de werkplek laat zien, hoe nieuwe technologieën op verantwoorde wijze zullen worden gebruikt en hoe deze binnen het hele bureau zullen worden gebruikt.
Uiteindelijk is voor het ministerie van Arbeid schaalbaarheid in de hele onderneming het doel op lange termijn. We overwegen dus zowel culturele als technische overwegingen, evalueren de effectiviteit en bouwen vervolgens voort op onze successen.
Hoe gaat u om met privacy-, vertrouwens- en beveiligingsproblemen rond het gebruik van AI?
Sanjay Koyani: We nemen het gebruik van een Responsible AI Framework op om ervoor te zorgen dat AI op een betrouwbare manier wordt gebruikt. De afdeling doet dit door samen te werken met zowel non-profitprofessionals als met de overheid gebaseerde materiedeskundigen om een einde te maken aan vooroordelen bij de ontwikkeling van AI-algoritmen en om ons te helpen navigeren door het complexe landschap van het creëren van veilige AI.
Daarnaast hebben we momenteel verschillende beleidsregels en procedures om beveiligingsproblemen te verhelpen. Deze omvatten een gedegen governancebeleid en een holistische strategie om beveiliging vanaf het begin te integreren.
In de Executive Order on Responsible AI schetst OSTP 10 principes voor een verantwoorde implementatie van AI-systemen. Bovendien is privacy een grote overweging bij het overwegen van het gebruik van een AI-systeem. We willen er niet alleen voor zorgen dat we geen vooringenomenheid introduceren, maar we willen er ook voor zorgen dat de privacy van degenen van wie de informatie in de gegevens staat, wordt beschermd. We doen dit door naleving van de federale regelgeving en een speciale privacybeoordeling.
Wat doet u om een AI-ready personeelsbestand te ontwikkelen?
Sanjay Koyani: We bouwen een Enterprise Architecture- en IT-governanceproces uit om het gebruik van alle opkomende technologische oplossingen te ondersteunen. Dit zal helpen zorgen voor de afstemming van tools ter ondersteuning van de zakelijke behoeften van bureaus en het standaardiseren van processen. Een andere manier waarop we een AI-ready personeelsbestand ontwikkelen, is door middel van opleiding, training en het inhuren van materiedeskundigen. Zo hebben we onlangs een Presidential Innovation Fellow (PIF) onze AI-pilot use cases laten evalueren voor betrouwbare AI ter ondersteuning van het Executive Order van de administratie ter bevordering van het gebruik van betrouwbare AI in de federale overheid. Onze PIF stelde ons in staat om samen te werken met bureau-experts om nieuwe modellen te ontwerpen en testen om te beoordelen hoe we AI op een meer verantwoorde manier ontwerpen, ontwikkelen en implementeren die helpt bij het creëren van meer transparantie en vertrouwen in het met vertrouwen schalen van AI.
Naar welke AI-technologieën kijk je de komende jaren het meest uit?
Sanjay Koyani: Ik kijk ernaar uit om meer verantwoorde AI-testprogramma’s te zien die de hiaten in onze moderniseringsinspanningen voor legacy IT-systemen zullen helpen opvullen en meer automatisering zullen gebruiken om transformatie mogelijk te maken. Elk daarvan zal ons in staat stellen om onze bedrijfsarchitectuur en het gebruik van opkomende technologieën te ontwikkelen.
Een ander gebied waar ik blij mee ben dat AI helpt, is cyberbeveiliging. Ik denk dat er nog meer oplossingen beschikbaar zullen zijn om reacties op cyberdreigingen te automatiseren en de risico’s voor de organisatie te verminderen, gezien de steeds veranderende omgeving en de voortdurende druk op middelen om systemen en netwerkoplossingen te beschermen.
In zijn aanstaande presentatie in september 2022 zal Sanjay dieper ingaan op enkele van de hierboven besproken onderwerpen en hoogtepunten delen van het werk van zijn team aan het integreren van innovatieve technologieën zoals verantwoorde AI, RPA en chatbots.
.
0 Comments