Datakvalitet vid AI-implementering i kommunala organisationer

Sammanfattning

Artificiell intelligens (AI) har stor potential att transformera offentlig verksamhet, men bristande datakvalitet utgör ofta ett hinder för framgångsrik implementering. Denna kandidatuppsats undersöker hur svenska kommunala organisationer arbetar med datakvalitet i samband med AI-implementering, samt deras användning av etablerade metoder för datahantering. Studien är avgränsad till kommuner med färre än 200 000 invånare. Studien har en kvalitativ ansats och baseras på semistrukturerade intervjuer med anställda i olika kommunala roller. Materialet har analyserats tematiskt med ramverket DAMA-DMBOK som teoretisk utgångspunkt. Resultatet identifierar fyra huvudteman: datakvalitetsproblem i AI-projekt, organisatoriska hinder, brist på etablerade ramverk samt strategier för att hantera låg datakvalitet. Analysen visar att datakvalitetsproblem främst rör dimensionerna completeness, uniqueness och consistency. Det innebär att problemen är kopplade till om all nödvändig data finns tillgänglig, om datan är unik inom ett dataset samt om den representeras på ett konsekvent sätt. Vidare framgår att organisatoriska faktorer, såsom bristande ledarskap och otydlig ansvarsfördelning, begränsar möjligheterna att nyttja tekniska system fullt ut. Studien drar slutsatsen att kommunala organisationer saknar systematiskt arbete med datakvalitet och ofta förlitar sig på reaktiva strategier. Svårigheterna att bedriva ett effektivt datakvalitetsarbete beror främst på bristfälliga organisatoriska förutsättningar, där långsiktigt datakvalitetsarbete inte prioriteras innan det uppstår problem. I dagsläget framstår inte kommunal verksamhet som mogen för etablerade datahanteringsramverk, då befintliga resurser främst läggs på att efterleva lagstiftning och kommunspecifika direktiv.