Av Tone Danielsen
I denne bloggen skal jeg dele de inntrykkene jeg sitter igjen med etter mine praksisuker hos Nav økonomi og stønads, sett litt i sammenheng med studiet som var innledningen til denne praksisen.
Studiet har hatt gjennomgående fokus på algoritmisk tenking gjennom nesten alle studiets emner. For lesere som ikke driver med IT, spørres det kanskje hva er da algoritmisk tenkning? Enkelt forklart er det stegvise logikk som må brukes for å få maskiner til å utføre oppgaver. Maskiner bruker ikke skjønn slik vi mennesker gjør og må ha tydelige oppskrifter med steg for steg oppgaver. Disse oppskriftene er det som kalles algoritmer.
Man ser kanskje koblingen mellom relevant innhold i SoMe. Hvor vi ofte hører begrepet i vår dagligtale, om hvordan sorteringen utføres av algoritmer. Algoritmer er mye mer enn det, og det inngår i alle slags digitale løsninger, automasjon, spill, websider, minibanker osv. Jeg fikk nå se hvordan denne algoritmiske tenkningen brukes hos NAV økonomi og stønad.
«Fun-fact for alle som er interessert i kvinners rolle i historien er at Ada Lovelace blir regnet som verdens første programmerer. I 1843 publiserte hun en algoritme for Charles Babbages Analytical Engine, og denne regnes ofte som det første publiserte dataprogrammet. (https://www.britannica.com/technology/Analytical-Engine)»
Ved NAV økonomi og stønad benytter de RPA-verktøy for å effektivisere arbeidsprosessene. RPA står for robotisert prosessautomatisering. Hensikten er at behandlingstid for kunder og ansatte skal bli kortere, at standardbrev skal kunne leveres hurtigere og at innkommende forespørsler behandles raskere ved at de raskere kommer til riktig instans.
Det er interessant se hvordan NAV som en statlig bedrift jobber mot å forbedre de samfunnsmessige utsiktene ved digitalisering og automatisering. Det er jo dessverre slik at vi om noen år vil ha for få hender til å stå i arbeid. Med effektivisering av prosesser som lar seg automatisere bidrar nav til å frigjøre arbeidskapasitet til øvrige oppgaver hvor det er avgjørende med menneskelig vurdering.
Som praktikant ble jeg og min med student godt tatt imot, og fikk med en gang innføring i omfanget og bredden av NAV’s tjenester og beskrivelse av Økonomi og stønads avdelingens ansvarsområder. Selv om vi alle stort sett vet hva NAV er, og hva de gjør, så blir det noe annet å få det presentert med konkrete tall knyttet til dokumentmengde og saksbehandlinger.
Så hvordan ble dagene i praksis hos NAV spør du?
Jo, det er her vi kommer tilbake til denne algoritmiske tenkningen, nå skulle vi lære oss RPA verktøyet de bruker for å løse oppgaver. Det ble raskt tydelig at denne algoritmiske måten jeg hele tiden snakker om ble gjeldende, og studiets fokus kom til sin rett. I informatikk lærer vi at data må vite om det er tall eller bokstaver datamaskinen skal lese På samme måte må vi i RPA spesifisere hva programmet skal lese, hvordan informasjonen skal tolkes og hva som skal skje videre i prosessen.
Dette kan jo fort høres ut som noe banalt, men det er det som er hele greia, som menneske tenker man ikke så mye på at vi må velge å sette hode på hvilket språk før vi leser, vi bare leser uansett om det er Engelsk eller Norsk. Det gjør ikke datamaskiner, og i programvaren må det legges til som egne punkter i oppskriften. Det er nettopp her at mye av kompleksiteten oppstår. Oppgaver som på overflaten virker enkle, kan kreve betydelig problemløsning for maskiner. Dermed danner de helt banale konseptene, svært komplekse problemløsningsoppgaver.
I praksisukene gikk en av de tidlige oppgavene ut på å ta inn en mappe med flere dokumenter, i dette tilfelle fakturaer, og utvikle en automatiserte arbeidsprosesser for dem. Siden fakturaene ikke hadde samme format måtte vi lage en løsning som kunne hente ut relevant innhold fra de skannede dokumentene og lagre de på riktig sted i systemet. For eksempel måtte beløp identifiseres og registreres i riktig felt selv om plasseringen kunne variere fra dokument til dokument. Andre oppgaver var å identifisere og registrere nettskjema data, samt å skrive programmer for kontroll av dokumenter og validering av data.
Et annet aspekt med digitalisering og algoritmisk tenkning, det krever gode beskrivelser av mål, og hva som skal løses. Gjennom studiet har vi også vært gjennom emner hvor vi jobber med å strukturere en ide til noe som konkret kan kodes. Via brukerhistorier og Agile metoder for prosjekter, skal manuelle menneskeutførte oppgaver deles opp og konkretiseres. For systemer hvor det er flere involverte må dette også beskrives og dokumenteres på en måte som gir andre muligheten til å bidra med sin kompetanse, enten det er flere kode-sekvenser som skal samhandle, eller for brukere av en programkode som helhet, så må det dokumenteres slik at andre kan se hva som er gjort og hvordan det er ment å fungere. Dette konseptet fikk vi også se i utført i praksis, hvor det ble jobbet tverrfaglig med ukentlige møter for gjennomgang av utførte oppgaver, progresjon og planlegging av neste oppgaver. Alle deltagere fikk gi en beskrivelse av hvordan de lå an i sine oppgaver og hva de gikk ut på. Hvilke oppgaver som sto for tur og om det var noen elementer som var utfordrende og/eller har behov for ytterligere kompetanse, og de diskuterte hvordan de kunne ytterligere forbedre rapporteringen.
Noe av det viktigste jeg sitter igjen med etter praksisperioden, er en større trygghet på at studiet faktisk har gitt meg et solid grunnlag. Verktøyene som brukes i bedriften må jo naturligvis læres underveis, men praksisen viste meg at teorien, den algoritmiske tenkningen og måten vi har lært å løse problemer på allerede har bygget et godt fundament. Det har gjort meg mindre usikker på overgangen til arbeidsliv, og minnet meg på at man ikke trenger å kunne alle verktøyene på forhånd for å ha relevant kompetanse.