Abstract
Denne oppgaven dreier seg om NAVs arbeid med å utvikle et beslutningsstøttesystem som baserer seg på maskinlæring. Systemet skal brukes i forbindelse med vurderingen av behovet for dialogmøte 2 i sykefraværsoppfølgingen. Utviklingsarbeidet jeg har undersøkt er ikke ferdigstilt, og oppgaven bør derfor leses som en utforskning og beskrivelse av en utviklingsprosess, ikke av et system i bruk. Forskningsspørsmålene i studien er eksplorerende, og forskningsdesignet er en case-studie. For å undersøke utviklingsarbeidet, tar jeg utgangspunkt i ideer fra critical data studies. Jeg har dermed undersøkt hvordan NAV jobber med å tilrettelegge og analysere datasett. I tillegg har jeg trukket linjer til hvordan organisering og rettslige vurderinger påvirker dette arbeidet. Et hovedpoeng har vært å synliggjøre utfordringer NAV møter på i utviklingsarbeidet. Utviklingsteamet har enn så lenge brukt mye tid på å kartlegge og klargjøre datagrunnlaget de kan bruke, og mindre på å utvikle algoritmen som skal analysere datagrunnlaget. Organisatorisk er det primært teknologer, data scientister, og veiledere i NAV som påvirker systeminnretningen. Enkelte eksterne virksomheter påvirker arbeidet, primært innenfor forklarbarhet. Forholdet til intern juridisk kompetanse er preget av at juristene i NAV har svært lite tid. Dette påvirker både omfanget av samarbeidet mellom teamet og jurister, men også de mange og prinsipielle vurderingene juristene må ta i et slikt arbeid. Regelverket som gjelder for bruk av maskinlæring i saksbehandlingen til offentlig sektor er svært uklart. Det er stor usikkerhet rundt tolkning av det gjeldende regelverket, blant annet for forklarbarhet, rettferdighet, dataminimering, og hjemmelsgrunnlaget. Det er utfordrende for enkeltjurister i NAV å skulle ta slike omfattende og prinsipielle vurderinger. Jeg konkluderer derfor med å peke på behovet for at lovgiver tar tydelig stilling til disse spørsmålene, istedenfor å overlate det til rettsanvenderne.