Når følsomme sager skal behandles uden skyen: Ny guide viser “lokalt-først” kunstig intelligens i praksis

En ny, praktisk artikel fra LogRocket viser, hvordan man kan bygge en digital assistent med kunstig intelligens, der kører lokalt på en pc i stedet for at sende data til en skytjeneste. Pointen er enkel: Behandl data der, hvor de opstår – og brug kun skyen, hvis det er nødvendigt. For danske virksomheder kan det blive et vigtigt spor, når opgaverne involverer HR, økonomi eller andre personfølsomme oplysninger.

I LogRockets demonstration handler det om første sortering af fortrolige HR-sager. En medarbejder kan fx indsende en rapport om belastning eller stress, hvorefter systemet vurderer, hvad sagen drejer sig om, foreslår næste skridt og “kalder” handlinger som at oprette en sag eller foreslå et opfølgningsmøde. Det hele er bygget som en arbejdsgang i tre trin: forstå henvendelsen, lægge en plan og udføre (eller foreslå) handlinger.

Det er vigtigt at være ærlig: Demonstrationen er et teknisk prøveprojekt. Flere sikkerheds- og styringslag er ikke med, og nogle handlinger er kun simuleret. Det er altså ikke en færdig virksomhedsløsning, men et godt billede på, hvor hurtigt lokalt-kørende kunstig intelligens rykker sig.

Kort fortalt

• En ny artikel viser, hvordan en digital assistent med kunstig intelligens kan køre lokalt på en pc (“lokalt-først”).
• Det kan være relevant ved følsomme data: HR-sager, borgersager, økonomi og whistleblower-henvendelser.
• Lokal drift kan reducere risikoen ved at sende data til eksterne leverandører, men fjerner ikke GDPR-ansvaret.
• Demonstrationen er et prøveprojekt: mangler flere sikkerheds- og styringsmekanismer til produktion.

Det kan du gøre nu

• Vælg én arbejdsgang med høj fortrolighed (fx første sortering af HR-henvendelser eller udkast til svar i borgersager) og afgræns den skarpt.
• Lav en kort GDPR- og risikovurdering: Hvilke persondata indgår, hvem må se hvad, og hvor længe skal data gemmes? Overvej en konsekvensanalyse for databeskyttelse (DPIA), hvis det er følsomt og skaleres.
• Indfør menneskelig kvalitetssikring fra start: Systemet må gerne foreslå handlinger, men en person bør godkende, før der oprettes sager, sendes mails eller journaliseres.
• Kravsæt styring og ansvar: adgangsstyring, logning, slettepolitik og en tydelig ejer af løsningen.
• Lav en simpel business case: (timer sparet pr. måned × timepris) minus drift/vedligehold – og mål på fejl, svartider og kvalitet.

Kilder

• LogRocket: https://blog.logrocket.com/local-first-%61%67%65%6e%74%69%63-%61%69-guide/
• GitHub (eksempelkode): https://github.com/rosdec/SLM_pipeline_example