– Målet er å bruke maskinlæring og avansert analyse til å gjøre jobben med etterkontroll mer effektiv, sier Jens Christian Haatvedt.
Seniorrådgiveren og analytikeren i Helfo Kontroll i Fredrikstad, leder nå en av arbeidspakkene i innovasjonsprosjektet som Forskningsrådet har gitt støtte til, og som Helfo gjennomfører i samarbeid med blant annet NMBU, Universitetet i Agder og Folkehelseinstituttet.
Store summer
Hvert år betaler Helfo ut 36 milliarder statlige kroner i helserefusjoner, til alt fra privatpersoner som har lagt ut for legemidler eller behandling, til fastleger, tannleger, fysioterapeuter, psykologer og andre helsektører.
Helfo Kontrolls oppgave er å bidra til at utbetalingene er riktige, ved å avdekke og reagere på økonomisk misbruk og bedrageri. Til oppgaven har de en stab av ulike spesialister, som jurister, analytikere, granskere og helsepersonell.
– Innovasjonsprosjektet handler om både å utvikle bedre analyseverktøy og -modeller og å bruke dem riktigere, sier direktøren for Helfo Kontroll, Gry Hege Ahlgren.
Datamodeller og prediksjon
Allerede i dag leverer Helfo gode digitale resultater: Hvert år blir 800 millioner kroner i refusjoner avvist i automatisk kontroller. Og når Helfo kontroll gjør utplukk på bakgrunn av mistanke om økonomisk misbruk og bedrageri, har de god treffprosent.
Likevel innser de at alt kan gjøres bedre – og ikke minst mer effektivt.
Målet er å bruke maskinlæring og avansert analyse til å gjøre jobben med etterkontroll mer effektiv
– Vi sitter allerede på veldig mye kunnskap og data fra både utbetalte refusjoner og tidligere etterkontroller. Nå samler vi, sammen med forskerne, denne kunnskapen og skal bruke den til å trene opp prediksjonsmodellene og verktøyene for mønstergjenkjenning, sier Haatvedt.
Ved å ta i bruk maskinlæringssystemer som automatisk identifiserer hvilke refusjonssøknader som bør kontrolleres, håper han og kollegaene ikke bare å jobbe raskere, men også smartere.
Helfo håper også å bli i stand til å avdekke flere typer av feil, både fordi automatiseringen vil frigjøre ressurser til grundigere analyse, og fordi den kunstige intelligensen vil kunne bidra til å luke ut eventuelle blindsoner – feilutbetalinger som Helfo i dag eventuelt ikke oppdager.
Feil kan gå begge veier
I 2020 bidro Helfo Kontroll til at 56 millioner kroner ble krevd tilbake.
Vi må gå opp stien litt underveis
Trolig vil innovasjonsprosjektet bidra til at summene blir enda større i fremtiden.
Likevel understreker Ahlgren at de aller fleste aktørene bruker systemet slik det er tenkt, og at maskinlæringen ikke bare skal hjelpe Helfo til å avdekke urettmessige utbetalinger, men også kunne gi verdifull kunnskap om når det er riktig å bruke virkemidler som veiledning og informasjon.
Boost for motivasjonen
Jens Christian Haatvedt understreker at det er et innovasjonsprosjekt, og at det innebærer noe usikkerhet. Samtidig har han en god følelse.
– I et innovasjonsprosjekt vet du ikke hvor bra verktøyene vil bli før vi er i mål. Vi må gå opp stien litt underveis. Prosjektet gir en stor boost for motivasjonen.
