Hvordan benytter Pondoo avancerede algoritmer til at skabe bedre køreplaner i hjemmeplejen?

"Mere omsorg med AI. Pondoo forbedrer besøgsplanlægning i hjemmeplejen med kunstig intelligens" - Men hvad betyder det egentlig? 

Vi bliver tit spurgt: ”hvad mener I egentlig når I skriver AI" - og hvilke risici medfører det for os som kommune?

Mit formål er at forklare mere om teknikken bag vores avancerede ruteplanlægning, og er du interesseret i at minimere risiko ved indførelse af AI, kan denne artikel formentlig berolige dig lidt.  

Decision Science og Optimerings-AI 

Hos Pondoo arbejder vi målrettet med at udvikle software, der understøtter en mere omsorgsfuld og effektiv hjemmepleje. Et helt centralt element i vores tilgang er begreberne Decision Science og Optimerings-AI. 

Denne optimeringstilgang er yderst velegnet til ruteplanlægning i hjemmeplejen, fordi der er tale om et veldefineret problem med klart definerede mål, afhængigheder og regler – samt et område, hvor forklarlige og kontrollerbare beslutninger er afgørende. 

Det betyder samtidig, at vores Optimerings-AI ikke skal forveksles med f.eks. generativ AI (som ChatGPT), deep learning eller neurale netværk. Generativ AI er stærk til analyser, forudsigelser og sproglig generering, men den kan ikke skabe de komplekse planer, hvor regler, kapacitet og mål er entydigt definerede. 

Pondoo bygger i stedet på deterministiske matematiske optimeringer – ikke sandsynlighedsberegninger. Det er også baggrunden for, at vi vurderes i ”Minimal risk”-kategorien i EU’s AI Act. 

Teknikken bag – ALNS 

Pondoo’s kerne er den algoritmiske metode Adaptive Large Neighborhood Search (ALNS), som er en avanceret optimeringstilgang tilpasset hjemmeplejens komplekse behov. 

Hvorfor ALNS? 

ALNS gør det muligt at finde optimale løsninger i meget komplekse planlægningsproblemer. I praksis betyder det, at algoritmen afprøver og evaluerer tusindvis af mulige køreplaner og løbende lærer, hvilke strategier der giver de bedste resultater. 

Den er adaptiv, hvilket vil sige, at den tilpasser sig undervejs og fokuserer på de metoder, der virker bedst i den konkrete situation – men altid under fuld kontrol og transparens. 

Matematikken bag – multiobjekt optimering 

I hjemmeplejen er der ikke ét enkelt mål. Der er mange regler, hensyn og præferencer, der skal balanceres. 

Algoritmen fodres derfor med input inden for kategorierne: 

• mål 

• kapacitet 

• efterspørgsel 

• regler/præferencer 

I matematisk sprog kaldes det multiobjekt optimering. I stedet for at optimere én enkelt faktor skaber vi balancerede planer, der tager højde for både effektivitet og omsorg. 

Illustrationen her viser de overordnede parametre, løsningen arbejder med.

---

David Pisinger – forskningen bag 

En af Pondoo’s grundlæggere er professor David Pisinger, der er en internationalt anerkendt forsker inden for operationsanalyse og optimeringsalgoritmer. Han står bag flere af de metoder, som i dag bruges i komplekse planlægningssystemer verden over – herunder ALNS-metoden. 

David Pisingers forskning har sat standarden for, hvordan man kan løse ekstremt vanskelige optimeringsproblemer, og hans arbejde danner rygraden i Pondoo’s teknologi. Det betyder, at den software kommunerne anvender, hviler på videnskabeligt dokumenterede metoder, der er testet og bevist i praksis. 

---

Transparens og ansvarlighed 

I Pondoo tror vi på, at teknologi skal være gennemsigtig og ansvarlig. Derfor arbejder vi aktivt med at dokumentere og forklare, hvordan vores algoritmer fungerer – og hvordan de understøtter en mere bæredygtig og menneskelig hjemmepleje. 

Vi skaber en enkel og brugervenlig løsning, som letter den tunge planlægningsopgave. Vi frigør tid fra kørsel, så medarbejderne kan bruge mere tid på omsorg – og borgerne får en bedre oplevelse af kvalitet og kontinuitet. 

Hvis det er risikovurdering der har dit fokus, så kan du også læse mere her.