Strålfors har implementeret en løsning kaldet eDistribution, som automatiserer modtagelse, klassificering og distribution af indkommende digital post og e-mails. Systemet anvender foruddefinerede regler og kontakt-ID'er til at sikre, at kommunikationen når frem til de rette afdelinger uden manuel indblanding.

Teton er et AI-baseret sensormoniteringssystem til faldforebyggelse og patientovervågning på hospitaler og plejehjem. Systemet bruger sensorer monteret i loftet til at registrere patienters bevægelser og aktivitetsniveau, og advarer personalet ved forhøjet faldrisiko eller uhensigtsmæssige hændelser. 

Systemet anvender kunstig intelligens og billedgenkendelse til automatisk at registrere vejskader, skilte, kloakriste og andet vejinventar via smartphones monteret i kommunale køretøjer. 

Undersøgelse af AI som et værktøj til at styrke datadrevne processer i sagsbehandling, herunder sagsforberedelse og beslutningsstøtte, med det formål at effektivisere og forbedre kvaliteten af arbejdet. Desuden blev der fokuseret på, hvordan Robotic Process Automation (RPA) kunne anvendes til at automatisere rutinemæssige processer og arbejdsgange. Undersøgelsen skete i samarbejde med Sønderborg Kommune.

HolgerBæk er en digital assistent integreret i Holbæk Kommunes intranet med det formål at forbedre medarbejdernes adgang til information og støtte, hvilket skal lette deres daglige arbejde. 

AI-baseret beslutningsstøttesystem til kommunal jobrådgivning. Understøtter sagsbehandlere i individuel dialog med borgere gennem databaseret sagsforberedelse og tilpasning af tilbud. Systemet træffer ikke afgørelser.

AI-assistent til danske folkeskolelærere, der hjælper med forberedelse, kommunikation og administration. Systemet er trænet på skolespecifik viden og integrerer med Unilogin, Aula og TRIO/Skema.

Signaturprojektet "Kvalitetsudvikling med patienten i fokus. Realtidsprognoser og essentiel information til klinikere (DABAI)" var et projekt som brugte kunstig intelligens til at støtte sundhedsfagligt personale med realtidsprognoser og essentiel information. 

Signaturprojektet, "+PrioKritisk", er en AI-baseret algoritme udviklet til at forudsige opståen og forværring af akut kritisk sygdom hos indlagte patienter. Projektet sigter mod at forbedre tidlig opsporing og behandling af tilstande som blodforgiftning, akut nyre- og lungesygdom. 

EU-finansieret forskningsprojekt (Horizon Europe) der anvender AI til analyse af FDG-PET/CT-billeder med henblik på at forbedre overvågning af behandlingsrespons hos patienter med metastatisk brystkræft, på tværs af 7 europæiske lande herunder 4 danske regioner.

Machine learning-baseret prædiktionssystem udviklet ved Aarhus Universitet og Region Midtjylland til forudsigelse af kliniske udfald i psykiatrien for at forbedre behandling og patientresultater.

Signaturprojektet omhandler optimering af drift og styring af en flåde af køretøjer eller enheder i den offentlige sektor. Ved at analysere data og køre simuleringer på allerede kørte ruter, kan systemet hjælpe med at spare tid, penge og CO2-udledning.

Signaturprojektet, "Kunstig intelligens til forebyggelsen af underernæring og indlæggelse af ældre", havde til formål at udvikle et værktøj baseret på kunstig intelligens til at identificere og forebygge underernæring blandt ældre patienter, med det ultimative mål at reducere akutte sygehusophold. 

Signaturprojektet arbejder med at implementere kunstig intelligens i psykiatrien for at forbedre tidlig diagnosticering af skizofreni og bipolar sygdom.