Utvidgandet av planerarens rationalitet i medborgardialoger : En studie om AI:s potentiella förmåga till effektivisering och demokratisering av samrådsprocesser

Sammanfattning

Idag kan samrådsfaserna i våra planeringsprocesser ses präglas av enflaskhalsproblematik. Samrådens funktion av att spegla och integrera medborgares synpunkter iplanförslag begränsas, på grund av en brist på tid och resurser. De stadsplanerarna somansvarar för samråden tvingas därför nedprioritera fullständiga undersökningar avsynpunkternas ursprung – och därmed analyser av deras underliggande premisser. Dettatillåter inflytelserika aktörer kan förskjuta diskursens underliggande rationalitet till sinafördelar, på bekostnad av intressenter med lägre status. Det är denna dynamik som försvårarför strävan mot mer deliberativ demokrati, där principen om folkstyre upprätthålls genomlikvärdig behandling av argument. Men givet den relativt nya upptäckten av den artificiellaintelligensens kraftfulla förmåga till naturlig språkbehandling skymtar en potentiell lösning:att automatisera den monotona men tidskrävande kategoriseringen av samrådssynpunkter, vilket frigör tid som planerarna kan återinvestera i mer djupgående analyser av de diskursbildande processerna. Denna studie har sammanställt ett kunskapsunderlag som syftar till att integrera denyckelinsikter som krävs för att utveckla en AI-driven modell som kan effektivisera ochdemokratisera planeringens samrådsprocesser, med särskilt fokus på sammanställningarna avderas tillhörande samrådsredogörelser. Det insamlade kunskapsunderlaget visar att dagenskategoriseringsprocesser kan fullt ut replikeras och automatiseras med en AI-modell, vilketger både eftersträvade tidsvinster, men även grundläggande kvalitetshöjningar. Tack varedessa modellers skalbarhet kan ramverket också utvidgas för att hantera ytterligarekontextberikande uppgifter, vars resultat sedan kan visualiseras med valbara grafer ianvändargränssnittet – och därmed hjälpa planerarna att upprätthålla en mer deliberativdiskurs. I diskussionen föreslås att dessa förbättringar ska utforskas vidare genom konkretapilot- och forskningsprojekt för att uppnå den fulla potentialen av denna typ av modell.Kunskapsunderlaget beaktar dessutom de risker som är förknippade med AI-drivna system.