Der er udviklet en AI-løsning, som skal støtte sagsbehandlere i gennemgangen af revisionserklæringer. Revisionserklæringer udarbejdes af en ekstern virksomhed på baggrund af et årligt tilsyn med et system og den databehandleraftale, der er indgået med leverandøren. Løsningen screener revisionserklæringer og identificerer afvigelser, som kommunen skal følge op på. AI-screeningen kvalitetssikres af sagsbehandlerne.

Børne- og Ungdomsforvaltningen har en tidskrævende opgave i forbindelse med håndtering af aktindsigtssager fra borgere og brugere i kommunen. Forvaltningen er ved at anskaffe en løsning, der kan assistere med arbejdet med besvarelse af aktindsigtssager, herunder automatisere fremsøgning og indsamling af akter samt klargøring/konvertering af materiale, før det udsendes til borgeren eller brugeren.

Koncernservice indhenter og behandler børne- og offentlige straffeattester (BSA) på vegne af BUF og SOF via en automatiseret løsning. Via RPA-teknologi identificeres ansættelsessager, hvor BSA skal indhentes, iværksætter bestilling hos Politiet og uploader de modtagne attester på rette ansættelsessag. Herudover anvendes machine learning til læsning af indhold i attesterne og advisering til sagsbehandler, hvis der er behov for manuel håndtering.

I Københavns Kommune bliver personalesager under visitering tildelt en kategori, der afspejler alvorsgraden/tidshorisonten for behandling. Denne kategorisering er baseret på sammenholdning af udfyldte felter i sagen og eventuelle vedhæftninger. Der er udviklet en algoritme, der kan tildele denne kategori, når sagerne kommer ind i systemet.

Et ML-baseret system, der understøtter visitation af IT-henvendelser i kommunale servicedesks ved automatisk at foreslå korrekt løsningsenhed og ticket-type i ServiceNow.

Projektet fokuserer på at undersøge det potentielle udbytte ved implementering af en teknisk løsning til udarbejdelse af stillingsopslag i Socialforvaltningen. Den udviklede løsning er designet til at skabe komplette udkast til stillingsannoncer ved hjælp af begrænsede faktuelle stamoplysninger som input.

Asta, som blev udviklet af Schultz, var et AI-profileringsværktøj, der havde til formål at foretage en maskinel analyse af, hvad en nyledig dagpengemodtagers risiko var for, at den pågældende persons kontaktforløb med jobcenteret blev langvarigt. 

Signaturprojektet, Bedre Match, havde til formål at understøtte kommunale jobcentre med at matche ledige borgere med virksomheders ubesatte stillinger.