Plai - kunstig intelligens giver bedre ældrepleje

Evaluering af transparens og AI i hhv. Aalborg og Syddjurs Kommune – Fase 1 AI-Signaturprojekt: Øget kontinuitet i ældrepleje

Indhold

• Formål
• Metode
• Analysen – Fase 1
• Forståelsen af AI-værktøjet
• Den gode plan
• Transparens i planlægningen
• Planlæggernes ansvar
• Behov fremadrettet
• Planlæggere
• Ledere
  Håb, forventninger og input
• Opsamlende pointer

Formål

Formålet er at afdække:

• Hvordan forholder chefer, leder og planlæggere sig til AI og værktøjet PLAI?
• Hvad er forståelsen af den gode plan på tværs?
• Transparens i planlægningen, herunder om planlæggerne sidder med
  usynligt arbejde.

Analyse af fase 1:

Analysen bliver præsenteret i følgende slides som en delrapportering af evalueringen. En mere grundig gennemgang af tilgang og begreber vil evt. fremgå i evalueringens samlet rapport.

Metode

Analysen - fase 1

Forståelse af AI-værktøjet

Modtagelsen af AI

Ledere og planlæggere har generelt en fin forståelse af, hvad kunstig intelligens (AI) er i relation til projektet. De fleste beskriver at man skal ”proppe noget ind i maskinen”, som maskinen så spytter ud til dem igen. Ingen af de interviewede virker utrygge eller bekymrede ved, at det er AI, men ser muligheder i at få et AI-baseret værktøj. Få medarbejdere har før været involveret i projekter med AI og har derfor en lidt dybere forståelse af emnet.

Forståelse af AI-værktøjet PLAI

De interviewede beskriver i høj grad PLAI-værktøjet som ethvert andet softwareværktøj, som de har forskellige krav til for at kunne inkorporere ordentligt i deres arbejde. Der er mange forventninger og håb til værktøjet, men graden varierer. En enkelt informant har meget lave forventninger, men er også ny i projektet og har derfor mindre kendskab til mulighederne. Der er dog også generelt en vis skepsis om, hvorvidt værktøjet i praksis kan leve op til forventninger og faktiske behov, fordi der er så mange faktorer at tage højde for i selve planlægningen, hvor flere af dem er menneskelige faktorer.

Forventninger til PLAI

Informanterne er blevet spurgt ind til hvilke følelser de havde, da de blev præsenteret for PLAI værktøjet, som vi har samlet på næste slide. Der er på tværs af informanterne en høj grad af spændthed og en glæde over for værktøjet. Flere planlæggere udtrykker et håb om, at PLAI kan hjælpe dem med at huske på alle de detaljer og alt den viden, de hver dag skal bruge om hhv. medarbejdere og borgere, for at lave nogle gode planer. Flere ledere har i højere grad fokus på mulighederne PLAI giver som styringsværktøj, der kan bruges til dialog på tværs. Størstedelen udtrykker dog samtidig en skepsis og tvivl om, hvorvidt det bliver et brugbart værktøj, der giver værdi. Nogle planlæggere har også en forventning om, at medarbejderne vil modsætte sig, at det er AI, der skal planlægge deres arbejde.

Illustration - ordsky - slide 7

Citater - slide 8

Den gode plan

Når man spørger ledere og planlæggere, hvad den gode plan er, så fordeler svarene sig primært indenfor 3 kategorier; kommunikation, værdier og realiserbarhed. 

1. Den gode plan er afhængig af løbende dialog.
2. Den gode plan kræver enighed om værdier. 
3. Den gode plan skal fungerer i praksis og ikke kun på papiret.

Hvis de tre punkter er opfyldt, så vil der forventeligt også være en god transparens omkring planlægningen. Informanternes inputs til den gode plan er skitseret på næste slide.

Sårbarhed i personafhængig viden

Den gode plan er afhængig af samlet viden om både arbejdsgange, medarbejdere og borger. Både ledere og planlæggere er enige i, at det er sårbart, når det er få mennesker, der har alt den fornødne viden, det kræver for at lave en god plan. Samtidig bliver arbejdsgangene sårbare og tilgangen til arbejdet uens. Det kan derfor føles som et stort individuelt ansvar for planlæggerne at få planen til at gå op, da planlæggerne kontinuerligt bruger deres erfaring og indsigt i borgerne og medarbejderne for at lave en risikovurdering af både planer og konsekvenser.

Kendskab til medarbejderne er en vigtig faktor

Mens de fleste er enige om, at borgerne står i centrum for den gode plan og bør være udgangspunktet for planlægningen, så nævner flere hensynet til medarbejderen, som en vigtig faktor ift. PLAI. Medarbejderne har forskellige kompetencer og uddannelser og nogen af dem har fysiske udfordringer (midlertidige eller kroniske), der gør at de ikke kan løse alle opgaver, som tilsvarende medarbejdere kan. Der er borgere, der ikke ønsker specifikke medarbejdere pga. personlig kemi o.l., der kan være medarbejdere med en personlig relation til borgeren, hvorfor de derfor ikke kan køre ud til den enkelte borger, og meget mere. Det er alt sammen vigtig viden som planlæggerne tager højde for, for at lægge den gode plan, men det er også det, der gør det så komplekst for planlæggerne, at skulle huske alle faktorer og detaljer.

Citater - slide 11

Transparens i planlægningen

Dialog om planlægning

Hvis man spørger planlæggerne, så har de let ved at snakke om planlægning og de udfordringer, der generelt kommer løbende i organisationen og inden for de teams, de arbejder i. Dog er der en generel frustration over, at der ikke er enighed om hvilke prioriteringer, der skal følges inden for hvert team. Her kommer det til udtryk, at det særligt er medarbejderne, der skaber modstanden, hvorfor medarbejderne også forventes at være imod PLAI som styrende værktøj. Flere af lederne er længere væk fra de egentlige planlæggeropgaver, men generelt synes alle ledere, at de ting, der opstår undervejs i forbindelse med planlægningen, er til at håndtere og forstå. Transparens i planlægningen bliver derfor påvirket af den dialog der er, og i forlængelse heraf, den viden som planen laves ud fra.

Forskelle på tværs af teams

Det er svært at blive enige om prioriteringerne på tværs. Der er forskel på, hvordan man prioriterer i teams, fordi der er forskel på hvilken type borgere man har på tværs af teams, samt hvilke type ydelser det enkelte team kan levere på. Derfor ønskes der ikke ensartet prioriteringer for alle, men en tydelig retning for prioriteringen inden for det enkelte team. Det kræver også, at man bliver enige om begreber inden for det enkelte team såsom ”kontinuitet”, som er et ord, der er blevet nævnt mange gange, diskuteret flere gange, men stadig tolkes forskelligt på tværs af arbejdsroller og teams.

Medarbejdernes stemme mangler

Medarbejderne, der kører ud til borgerne, er i centrum for mange beretninger omkring behov, krav, ansvar, viden, villighed og meget mere. Det er særligt dynamikken mellem planlægger og medarbejder, der lader til at ligge til grund for mange af de udfordringer, der er vedr. transparens i planlægningen. Her kan der med fordel laves interviews med medarbejderne for at få en mere helhedsorienteret forståelse af deres rolle og for at få afmystificeret og be-/afkræftet mange af de hypoteser, der findes om dem.

Citater

Planlæggernes ansvar

Mangeartet opgaver

Planlæggerne har til dagligt rigtig mange bolde at jonglere med og ”mange legoklodser, der skal passe sammen”, som en planlægger siger. Der ligger i sig selv et kæmpe arbejde i at skulle huske på de mange detaljer fra både borgere og kollegaer, der kan have afgørende betydning for planlægningen. Nogen vurderer, at de derudover også sidder med opgaver, der ikke hører med til deres jobbeskrivelse, mens andre vurderer, det er fint nok, at de sidder med øvrige opgaver, for hvem skulle ellers ordne det. Eksempler på de arbejdsopgaver, som planlæggerne sidder med, er vist på næste slide.

Forskel på lokale aftaler

De forskellige holdninger til opgavetyper kan være afhængige af individuelle aftaler og forventninger planlægger og leder imellem, samt forskelle i jobbeskrivelsen. For eksempel har nogle planlæggere også jobbeskrivelsen ‘ressourceplanlægger’, hvor de også står for vagtplanen, mens andre planlæggere ikke har sammen jobbeskrivelse, men stadig ser på vagtplanlægning.

Usynligt arbejde og kultur

Direkte og indirekte adspurgt er der ingen planlæggere, der mener de har påtaget sig opgaver, de ikke har fået tildelt. Men nogen planlæggere mener at have fået tildelt opgaver eller forventes at løse opgaver, de ikke bør have. Andre oplever en kultur, hvor det er forventet af dem at skulle være bindeleddet mellem medarbejder og leder og deraf stå til rådighed for ”aktiv lytning”. De forskellige arbejdsopgaver relaterer sig også til transparens af planlægningen, da der igen er forskel på hvilke opgaver man har i de enkelte teams ligesom den kultur der er omkring planlæggerne heller ikke er ens. Anden interviewrunde kan evt. udfolde området yderligere.

illustration - slide 15

citater - slide 16

illustration - slide 17

Behov fremadrettet

Planlæggerne vil involveres på flere niveauer

De rigtige medarbejdere

Flere planlæggere nævner, at det er vigtigt, at de rigtige medarbejdere bliver trukket ind i implementeringen af værktøjet. Det er både dem som straks kan bruge den viden, der kan trækkes ud af PLAI, men også dem, som sidder med viden, der skal puttes ind i PLAI, som for eksempel medarbejdere. De samme medarbejdere skal så gerne kunne være inde over igen, når de skal teste om PLAIs anbefalinger, også giver mening for de medarbejdere, der skal køre ruten.

Tæt ledelse og sparring

Flere planlæggere ønsker en sparringspartner undervejs. Nogen vil gerne vide, hvem det er, de kan henvende sig til med de mere tekniske spørgsmål. Andre vil gerne have en makker, der sidder og afprøver det på samme tid, som de kan bruge aktivt til sparring. Flere efterspørger konkret en leder, der er tæt involveret fremadrettet i forbindelse med test og brug af PLAI. Ønsket er også en leder, der kan agere for eksempel samarbejdspartner og som interesserer sig for processen og for hvordan det går.

Forstå programmet PLAI

Planlæggerne har behov for at forstå AI-værktøjet PLAI og kende det rigtig godt. Det er vigtigt for dem, at der er sat tid af til at lære at bruge værktøjet og tid til at se, hvad den kan, for at de kan udnytte mulighederne bedst. Det må ikke udelukkende være via sidemandsoplæring, da det er vigtigt man kan få svar på de spørgsmål, der kan komme undervejs. Derudover er der også et behov for at vide, hvad man helt konkret gør, når der sker en fejl.

Udtrækning af data og videreudvikling

Nogle planlæggere udtrykker behov for at kunne trække data og tal ud fra PLAI, så de både har noget konkret at vise til teamet, men også noget konkret at tage dialoger ud fra. Det er den del af værktøjet, som de ser de kan bruge til at få en snak i gang om prioriteringerne i planlægningen. Det er noget, der gør det håndgribeligt og konkret frem for ”abstrakt og fluffy”. Men det er også først, når planlæggerne har afprøvet PLAI, at de forventer, at de kan komme med en egentlig feedback til værktøjet

Ledernes har behov for støtte i projektet

Fokus på planlæggernes og medarbejdernes behov

Der er et ønske om, at der lokalt er en køreplan for, hvad der virker og hvad der lokalt skal prioriteres. Det er vigtigt for flere ledere, at både planlæggere og medarbejdere bliver involveret og informeret undervejs. Flere nævner også muligheden for at informere mere bredt ud end bare til dem, der aktivt deltager, for eksempel gennem nyhedsbrev og gennem ledermøder. Lederne er også opmærksomme på, at der skal være en ordentlig integration af løsningen. Både lederne og planlæggerne har en bekymring for, at værktøjet falder på gulvet, hvis det ikke er integrebart med eksisterende systemer, fordi der er en chance for, at der skal bruges mere tid på at tilgå og afkode programmet end faktisk at bruge det.

Behov for ekstern hjælp

En leder udtrykker et behov for, at leverandørerne underviser relevante medarbejdere i organisationen. Men der er også generelt brug for at der er nogen, der hjælper planlæggerne i gang, for det er ikke alle ledere, der tror, de selv kan løfte det. En leder har et konkret ønske om, der er nogle, der sikrer oplæring, integration og holden i hånd helt hen til PLAI er en integreret del.

Fortsat information

Lederne føler sig generelt godt involveret og føler sig hverken underinformeret eller overinformeret. Det er et informationsniveau, de ønsker fortsætter. De bliver inddraget, når det er nødvendigt.

Kendskab til dataudtræk

Lederne har behov for at kende til de dataudtræk, som de kan bruge. For nogen er det vigtigt at kende til metoderne for beregningerne, der ligger til grund for dataudtræk. For eksempel er data’en sammenlignelig på tværs og kan det sammenholdes med andre ledelsesinformation?

Andre har brug for at sidde med PLAI selv for at forstå det bedst, men også for at kunne forklare de visuelle medarbejdere, hvad det handler om. En leder nævner, at det er vigtigt, at hele organisationen har en grundforståelse for dataudtrækkene og ved, hvad tallene er baseret på, men kommer nok ikke selv til at sidde og hive data ud af PLAI.

Håb, forventninger og input til løsning 

1. Kørslen bliver nemmere.
2. Automatisk nyt forslag til en plan ved ny borger.
3. En funktion hvor man kan sige ”Skrump 5%”.
4. Planlægningen bliver mere gennemsigtig.
5. Det bliver nemmere at få den rette faglighed til den rette borger.
6. Automatisk nyt forslag til en plan ved syg medarbejder.
7. En ”Har du husket” knap til planlæggerne.
8. Dialog med udgangspunkt i virkeligheden og ikke ”synsninger”.
9. Bedre samarbejde mellem planlægger og medarbejder ift. kørsel.
10. Man får det bedste bud på rute ift. kørsel og økonomi.

B+F er et stort ønske fra planlæggerne side

Opsamlende pointer

• Generel god AI forståelse
  Informanterne har en fin forståelse af AI og af PLAIs forskellige muligheder
• Borgeren er i centrum
  Den gode plan har borgeren i centrum
• Tydelig prioritering er vigtig
  Den gode plan er kompleks og det kræver en tydelig prioritering for at kunne navigere godt
• Den gode plan kræver viden
  Den gode plan laves på baggrund af god dialog mellem borger, medarbejder, planlægger og leder
• Planlæggerne har et stort ansvar
  Planlæggerne sidder alene med meget viden, hvilket gør planlægningsarbejdet sårbart og ansvarstungt.
• Transparens med PLAI
  For at få mere transparens skal der være dialog om fælles og lokalt udgangspunkt ift. prioriteringer og
  kontinuitet. PLAI kan være en hjælp til dialog.
• Planlæggerne ønsker tæt sparring
  Planlæggerne har brug for opbakning fra ledelsen i projektet, men ønsker også andre at sparre med
• Bekymring for om der er tid til læring 
  Planlæggerne frygter, at projektet giver merarbejde og de falder tilbage på ”vi plejer”
• Støtte til lederne
  Lederne har brug for støtte udefra under implementering for at kunne give støtte videre
• Medarbejdernes stemme mangler
  Medarbejderne fylder meget for informanterne og mange udfordringer ligger i samarbejdet mellem planlægger og medarbejder.

AI optimeret planlægning i ældreplejen

Projektets formål

”AI optimeret planlægning i ældreplejen” eller i daglig tale PLAI’s, formål er at forbedre borgernes oplevelse af en sammenhængende og tryg ældrepleje ved at øge kontinuiteten af de medarbejdere, som borgeren møder. At blive mødt af kendte ansigter, som kender borgerens behov og ønsker, er blandt de allervigtigste faktorer i borgerens oplevelse af sammenhæng og tryghed i plejen.

Aalborg og Syddjurs Kommune vil afprøve muligheder og potentiale i at anvende kunstig intelligens i arbejdet med planlægning i ældreplejen. Dette sker med henblik på at styrke kontinuiteten, afhjælpe rekrutteringsudfordringerne og understøtte et ”grønnere fodaftryk”. Arbejdet med kunstig intelligens i planlægningen har åbenbaret et stort behov for at skabe transparens i planlægningen på alle niveauer af organisationen. Dette er derfor blevet en integreret del af projektets formål og succeskriterier.

Både Aalborg og Syddjurs Kommune bidrager under projektet med forskellige organisatoriske opsætninger. Dette er med til at skabe erfaringer om organisering, planlægning og sammenhængen mellem by og land. Dette skal give de bedste forudsætninger for afprøvningen af projektet.

Succeskriterier

Med afsæt i formålet er der defineret to succeskriterier, som er omdrejningspunktet for den løbende og afsluttende projektevaluering. Disse succeskriterier er formuleret via dialog og samarbejde mellem slutbrugere og styregruppen. Projektet har erfaret væsentligheden i at skabe transparens i planlægningen og dette er derfor blevet inkluderet som succeskriterium for projektet.

1. Projektets evne til at bidrage med viden omkring slutbrugernes forståelse, erfaring og vurdering af anvendelsen af kunstig intelligens i planlægningen.
2. Beslutningsunderstøttelse baseret på kunstig intelligens kan forbedre de operationelle planer med henblik på øget kontinuitet hos borgerne og øget transparens i planlægningen.

Status på fremdrift i projektet

I oktober 2022, blev PLAI idriftsat som en fungerende løsning, der kunne bidrage med indsigt og transparens i planlægningen af ældrepleje og samtidig kunne optimere elementer i planlægningen via AI. I perioden fra oktober til udgangen af februar 2023 har projektets slutbrugere (planlæggere, ledere og chefer) kunne anvende løsningen og drage erfaringer heraf.

Op til idriftsættelsen har projektet fokuseret på at sikre det juridiske grundlag for projektet (kontrakt, databehandleraftaler, konsekvensanalyse, osv.), og på at tilpasse projektets løsning (PLAI) til formålet. Tilpasning er sket i samarbejde med slutbrugerne, hvor der har været afholdt en række workshops.

Projektets tekniske og løsningsorienterede del er derfor tilendebragt, og tilbage står slutevalueringen i samarbejde med en ekstern partner og afholdelsen af en afsluttende konference den 24. maj i Aalborg.

Foreløbige resultater

Projektet kan per 1. marts 2023 fremvise følgende resultater:

• Et skalerbar værktøj/løsning (PLAI) til beslutningsstøtte for planlæggere og ledere i ældreplejen. PLAI kan umiddelbart skaleres til andre kommunerne med tilsvarende omsorgssystem samt forventeligt til kommunerne med andre omsorgssystemer med mindre tilpasninger. Løsningen har været idriftsat i Aalborg og Syddjurs Kommune i 5 måneder i både en traditionel hjemmeplejeorganisering og i tværfaglige teams.
• ”Proof of technology” for at AI kan skabe øget medarbejderkontinuitet på eksisterende planer via PLAI.
• Øget transparens i planlægningen mellem planlægger og kollega, planlægger og leder og mellem leder og chef via indsigt i vigtige nøgletal så som medarbejderkontinuitet, transporttid og omkostninger.
• Succesfuld evaluering af slutbrugernes forståelse og viden omkring anvendelse af kunstig intelligens og databaseret beslutningsstøtte
• Drift af PLAI på en fælleskommunal driftsplatform, som er compliant med Schrems II.
• Et succesfuldt OPI-samarbejde mellem kommunale og private parter hvor fremdrift hele tiden har været for øje i et smidigt og tillidsfuldt samarbejde.

Udfordringer i projektet

Projektet har mødt en række udfordringer, som enten er håndteret eller helt eller delvis vurderet uden for dettes projekt scope, økonomi og tidsramme at løse. Vigtigst af disse udfordringer er:

• Indkøbsform
• Teknisk infrastruktur
• Tilgængelighed af data
• Prioriteringer og hensyn i relation til planlægningen

Indkøbsform

I ansøgningskriterierne for projektet blev det vægtet højt, at projekterne anvendte eksisterende løsninger frem for nyudvikling. Leverandøren Qampo havde en optimeringsalgoritme, som blandt andet tidligere er testet på området. Den juridiske udfordring hos de kommunale parter bestod i at sikre en indkøbsform, hvor eksisterende immaterielle rettigheder blev beskyttet samtidig med at sikre, at ingen leverandør blev gjort inhabile i et eventuelt efterfølgende udbud.

Efter ekstern juridisk bistand valgte de kommunale parter at indkøbe projektet via et Offentlig-Privat-Innovationssamarbejde (OPI). I samarbejde med den private parter blev der udarbejdet og underskrevet en OPI-aftale, der definerer og udstikker rammerne for samarbejdet med særligt fokus på:

• Compliance i forhold til gældende lovgivning
• Sikring af private parters immaterielle rettigheder ved opstart af projektet
• Imødegåelse af inhabilitet for de private parter ved et eventuelt kommende udbud
• Projektets erfaring med OPI-samarbejde har været positive for både de kommunale og private parter og har været med til at sikre et smidigt samarbejde med fokus på fremdrift og resultater.

Infrastruktur

Grundet de personhenførbare sundheds- og plejedata, som projektet anvender, var det en bundet opgave fra de kommunale parter, at hosting, databearbejdning og drift skulle ske i en Schrems II compliant infrastruktur.

En delleverance i projektet var derfor opbygning af en fælleskommunal on-premise driftsplatform, som kunne rumme begge kommuners data og driften af løsningen for begge kommuner. Erfaringen fra dette er, at en sådan platform kan deles på tværs af flere kommuner, og at det kan ske på en måde, som er compliant med Schrems II.

Givet projektets relative korte løbetid og den økonomi, der var tilknyttet projektet, var den valgte driftsplatform designet som minimal viable product. Dette gav udfordringer ift. rettighedstildeling og den generelle performance, men det vanskeliggjorde ikke i nævneværdig grad brugertestene af løsningen, da disse kunne planlægges på forhånd.

Tilgængelighed af data

Hovedparten af data, der blev anvendt i projektet, har traditionelt været anvendt i kommunerne til at sikre blandt andet afregning i ældreplejen. Det betød, at projektet a priori havde tilgængeligt data i en relativ høj kvalitet. To udfordringer opstod i projektets løbetid omkring data og disse havde stor betydning for projektets udformning og for den endelige løsning.

Den ene udfordring omhandlede opdateringsfrekvensen for rutedata fra kommunernes omsorgssystem. For begge kommuners vedkommende blev det konstateret, at disse data blev opdateret med 2-3 dages forsinkelse – i modsætning til det øvrige data i projektet, som blev opdateret dagligt. Det var ikke i projektets scope eller økonomi at ændre dette hos 3. part. Konsekvensen af dette blev, at PLAI behandlede retroperspektiver planer frem for operationelle planer, som var den oprindelige ide.

Dette viste sig imidlertid at være en mindre udfordring, da det allerede stod klart i projektet, at netop den retroperspektive tilgang kunne være en fordel i forhold til at få slutbrugerne (planlæggerne) gjort trygge i arbejdet med AI og databaseret beslutningsstøtte. Ved at fjerne det pres, der opstår når man behandler operationelle planer, som skal eksekveres af medarbejderne, fik slutbrugerne en større ro til at arbejde med projektets formål.

Den anden dataudfordring, som projektet mødte, omhandler den ”tavse viden”, som findes i ældreplejen omkring planlægning. Det drejer sig både om viden om relationer og om de særlige hensyn til borgere og medarbejdere som planlæggerne forholder sig til dagligt. Denne viden er sjældent systemunderstøttet eller strukturerede. Den ”tavse viden” er dog essentielt i forhold til at kunne høste det fulde potentiale ved AI baseret beslutningsstøtte i fremtiden. Hvis ikke den tavse viden, i tilstrækkelig grad, gøres fælles via en systemunderstøttelse og viden om hensyn og relationer hermed kan kombineres med den matematiske logistik, vil det være svært at skabe operationelle planer baseret på AI i fremtiden. Det er ikke i projektets scope og tidsramme at håndtere dette, men det vil være en stor prioritet såfremt en videreudvikling af PLAI bliver aktuel.

Prioritering og hensyn i relation til planlægningen

Transparensen i planlægningen, som PLAI har bidraget til, har tydeliggjort at, der er en række organisatoriske og politiske prioriteringer som kommunerne skal forholde sig til, hvis man vil styrke planlægning i ældreplejen. Det står klart i projektet, at de hensyn og prioriteringer, der ligger til grund for planlægningen i ældreplejen er varierende og ofte ikke bundet op på ledelsesmæssige eller strategiske beslutninger. Hvilke hensyn og prioriteringer skal foretages fremadrettet i en kontekst af rekrutteringsudfordringer og demografisk pres? Hvor meget ekstra køretid er vi f.eks. villige til at acceptere for øget kontinuitet? Hvilke hensyn skal vi tage højde for i forhold til borgere og medarbejdere? Skal kontinuitet prioriteres lige højt for alle borgere?

En forudsætning for at kunne have en meningsfuld dialog om dette er, at skabe den nødvendige transparens i planlægningen ældrepleje. Dette kan PLAI som evalueringsværktøj bidrage med. Såfremt PLAI også skal høste det fulde potentiale ved algoritmebaseret beslutningsstøtte, så kræver det organisatorisk og politiske prioritering samt en fælles definition på den ”gode plan”. Det er håbet at PLAI kan bidrage til dette.