Digital platform til individuelt tilpasset styrketræning for ældre borgere i hjemmeplejen. Systemet består af elektroniske træningsprogrammer med screeninger, der dynamisk tilpasser sig borgernes funktionsniveau.

MUNI er en AI-drevet chat- og voicebot, der hjælper borgere med kommunale services via hjemmesider og telefon. Systemet bruger generativ AI til at svare på spørgsmål om bl.a. pas, MitID og børnepasning.

KAILA er en AI-assistent, der understøtter kommunale jurister ved at generere juridiske tekster, indsamle kilder og argumenter samt forberede sager baseret på dansk lovgivning.

Projektet afprøver anvendelsen af Microsoft 365 Co-Pilot som støtteværktøj i medarbejdernes daglige arbejde. Co-Pilot kan hjælpe med at udarbejde udkast, analysere data og skabe overblik direkte i kendte programmer som Word, Excel og Outlook. Løsningen anvender udelukkende data, som medarbejderen i forvejen har adgang til. Projektet er sat på pause og afventer videre afklaring.

Microsoft 365 Copilot er en AI-assistent integreret i Microsoft 365-pakken, som bruges af Gentofte Kommunes medarbejdere til at arbejde mere effektivt med sagsbehandling, dokumentation og kommunikation.

EBBOT er vores digitale assistent, som hjælper med at svare på spørgsmål i vores ITSM system Topdesk.

LOVOT er en social robot udviklet i Japan af virksomheden Groove X. Robotten er designet til at skabe glæde og trivsel gennem interaktion med mennesker, særligt personer med demens.

Projekt der tester og evaluerer to AI-baserede ambient scribe-løsninger (Corti Assistant og Tandem/Omilon) til automatisk omdannelse af kliniske samtaler til journaldokumentation på syv afdelinger på tværs af hospitaler i Region Syddanmark.

RoboRef er en AI-løsning til automatisk referatskrivning, som er udviklet i et samarbejde mellem over 20 kommuner, en række organisationer, ATP og Droids Agency. Løsningen anvender tale-til-tekst teknologi og generativ AI til at transskribere møder og udarbejde automatiske referater. 

Signaturprojektet, "AIR", omhandler kunstig intelligens, der skulle give borgerne den træning, som de med størst sandsynlighed fik mest ud af. Dermed var projektet både forebyggende og rehabiliterende.

Projektet undersøger den potentielle gevinst ved at anvende kliniske støttealgoritmer baseret på maskinlæring til at assistere læger i akutmedicinske modtageafsnit.

DESERT-projektet gik ud på at udarbejde et beslutningsstøttesystem til brug i akutmodtagelsen. Systemet beregner sandsynligheden af forskellige hyppige livstruende tilstande på baggrund af blod- og urinanalyser.