Ofte stilte spørsmål
Denne siden samler ofte stilte spørsmål og svar. Har du et spørsmål? Ta kontakt!
Er Alloker et fagsystem?
Nei. Enten du jobber i Excel, eller i et profesjonelt fagsystem, så forsøker ikke Alloker å erstatte dette. Alloker er kun en samling state-of-the-art algoritmer, verken mer eller mindre.
Alloker kan planlegge turnus på et sykehus, gjøre inntak til barnehager eller bemanne interne stillinger. Alle disse oppgavene trenger også fagsystemer, som Alloker ikke har som formål å konkurrere med. For å kunne bruke Alloker må du kunne hente data inn og ut av fagsystemet ditt. Dersom du bruker et fagsystem der du ikke kan hente ut dine egne data, vil det være vanskelig å bruke Alloker.
Hvorfor skal jeg bruke Alloker hvis jeg ikke sparer tid?
Alloker kan løse store allokeringsproblemer på sekunder, men samtidig tar det tid å klargjøre data for Alloker. På den samme tiden kan man kanskje finne en løsning med manuelt arbeid. I sum kan tidsbruken øke ved å bruke Alloker.
Argumentet for å bruke Alloker i slike situasjoner er løsningskvaliteten, ikke tiden. Her er et lite eksempel med 10 personer og 4 grupper, hentet fra eksempelet tildeling av praksisplasser til studenter. Du kan enkelt finne en grei løsning på dette problemet raskt – men kan du garantere at du har funnet den beste løsningen? (Gjerne prøv og sjekk svaret!)
Å innfri ett eller to ønsker suboptimalt har liten kostnad for en administrator, men for personene som tildeles plasser kan det koste langt mer.
Tenk på barnehageopptak: ett eneste ønske som ikke innfris så godt som det kunne, kan føre til en halvtime ekstra reisetid hver dag for personen det gjelder. Dette tilsvarer omtrent 100 timer per år, som kan verdsettes til 40 000 kr om vi tar utgangspunkt i medianlønna, som er 400 kr per time.
Er Alloker AI?
Nei. Et AI-system er definert på følgende måte i EUs AI-forordning :
“AI system means a machine-based system that is designed to operate with varying levels of autonomy and that may exhibit adaptiveness after deployment, and that, for explicit or implicit objectives, infers, from the input it receives, how to generate outputs such as predictions, content, recommendations, or decisions that can influence physical or virtual environments.“
De fleste algoritmene, som f.eks. Utsatt aksept og Bytteringer, er fullstendig deterministiske og regelbaserte. De lærer ikke fra data, de tilpasser seg ikke til data, og de utleder ikke mønstre. Gitt samme input vil de alltid gi nøyaktig samme output.
Andre algoritmer, som f.eks. Optimal allokering og Vaktplanlegging, er ikke regelbaserte på samme måte. De gjør et intelligent søk gjennom millioner av potensielle allokeringer og forsøker å maksimere en veldefinert score-funksjon. Denne typen algoritmer er heller ikke kategorisert som AI. Punkt (48) i EUs AI-forordning sier at:
“Unlike modern machine learning systems, which adjust their models based on input-output relationships, classical heuristic systems apply predefined rules or algorithms to derive solutions. For instance, a chess program using a minimax algorithm with heuristic evaluation functions can assess board positions without requiring prior learning from data. While effective in many applications, heuristic methods may lack adaptability and generalization compared to AI systems that learn from experience.“
Oppsummert utfører alle algoritmene enten veldefinerte steg i sekvens, eller maksimerer en veldefinert funksjon. Slike algoritmer er ikke AI.
Ville det vært bedre å bruke AI?
AI-systemer er ofte kreative og ikke-deterministiske: de kan gi ulike svar hver gang de kjøres, og det er vanskelig å forklare hvorfor et bestemt resultat ble som det ble. Dette kan fungere godt når reglene er uklare, men for allokering er forutsigbarhet og etterprøvbarhet avgjørende.
Her er en analogi: å sortere en liste med tall er et veldefinert problem, der vi forventer samme output gitt samme input. En moderne språkmodell klarer å sortere 100 tall, men betyr det at en språkmodell er et godt valg? Det tar 20 sekunder, og det er ingen garanti for at svaret alltid blir riktig. En algoritme som er laget for å sortere tall kan sortere 100 millioner tall på samme tid, og svaret er alltid riktig. AI kan brukes til å sortere tall, men er et særdeles dårlig valg – slik er det også med allokeringsproblemer.
Hvordan vet jeg at resultatet er riktig?
Gjennom fagkompetanse, testing og åpenhet.
Algoritmene er implementert av en utvikler med bakgrunn i anvendt matematikk og lang erfaring med vitenskapelig programmering. Hver endring i koden utløser tusenvis av automatiske tester som må passere. Mange av disse testene er hentet direkte fra eksempler i fagfellevurderte forskningsartikler, der fasiten er kjent.
I tillegg er algoritmene deterministiske: samme input gir alltid samme output. Det gjør det enkelt å etterprøve resultater. Man kan lage små eksempler, regne for hånd, og sjekke at algoritmen gir det forventede svaret.
Hvor mange personer/grupper kan Alloker håndtere?
For de fleste algoritmene: tusenvis eller titusenvis. Det avhenger litt av hvilken algoritme man bruker, kjøretiden man forventer og om alle personene rangerer alle gruppene og motsatt. Utsatt aksept og Bytteringer er veldig raske. De kan allokerer 1000 personer til 30 grupper på langt under ett sekund. Med 10 000 personer og 100 grupper tar omtrent fem sekunder. Andre algoritmer, som Optimal allokering er litt treigere. Vaktplanlegging er relativt treigt, men mye raskere enn å gjøre jobben manuelt.