Risikobasert tilsyn ved hjelp av morgendagens teknologi?

Maskinlæring (ML) vil kunne muliggjøre såkalt Risikobasert tilsyn på en svært effektiv måte. Algoritmer vil benytte eksisterende datagrunnlag i fagsystemet til å selektere og predikere tilsynsobjekter som har høyest risiko for avvik.

Risikobasert tilsyn i praksis

Hverdag i endring

Vår teknologiske hverdag er i endring, og det stilles større og større krav til både fleksibilitet og effektivisering av måten vi gjør ting på. Dette gjelder virksomheter så vel som privatpersoner og arbeidstakere.

Mange av dagens store fagsystemer har blitt til over mange år, og er ofte et resultat av en skreddersydd løsning som er utarbeidet på bakgrunn av formulerte behov og krav.

Utvikling av en ny IKT løsning er svært annerledes enn et BAE prosjekt (Bygg, Anlegg og Eiendom). Det er begrenset hvor utdatert en 10 år gammel vei vil være, og det vil fortsatt være forholdsvis enkelt å koble denne veien sammen med andre veier selv etter 10 år. Løpende vedlikehold av resultatet forutsetter vi jo uansett både innen BAE og IKT prosjekter.

På den annen side er de teknologiske fremskrittene innen IKT eksponensielle, og dagens teknologi vil betegnes som gårsdagens iløpet av kort tid. Dette gjør utvikling av kritiske løsninger utfordrende, og et viktig strategisk standpunkt vil være valg av plattform og arkitektur som innehar de nødvendige kapabiliteter for å i størst mulig grad utnytte ny teknologi og fremtidige muligheter.

Det vil alltid være en kost – nytte vurdering rundt hva som bør gjøres med eksisterende kritiske løsninger for å møte morgendagens behov. Man snakker da ofte om modernisering av løsningene, eksempelvis transisjon til sky og økt modularisering.

Visma Consulting har bred erfaring med bruk av ny anvendt teknologi og ser store gevinster for mange virksomheter med å benytte ny teknologi i eksisterende fagsystemer. Eksempelvis vil fagsystemer innen tilsynsområdet gi økt nytte for virksomheten hvis løsningen kan peke ut prioriterte tilsynsobjekter på bakgrunn av risiko og tidligere tilsynsresultater.

Risikobasert tilsyn

Maskinlæring (ML) vil kunne muliggjøre såkalt Risikobasert tilsyn på en svært effektiv måte. Algoritmer vil benytte eksisterende datagrunnlag i fagsystemet til å selektere og predikere tilsynsobjekter som har høyest risiko for avvik. Dette kan innebære en effektivt omstilling fra en reaktiv tilsynsprosess til en proaktiv prosess hvor kun prioriterte tilsynsobjekter vil få utført tilsyn.

Data er grunnpilaren for å muliggjøre effektiv utnyttelse av maskinlæring og kunstig intelligens (AI) for både dagens- og gårsdagens systemer. De eksisterende fagsystemenes data vil etter all sannsynlighet bestå i lang tid etter at selve løsningen har blitt erstattet. Dette betyr at kontinuerlig fokus på data og datakvalitet vil være en viktig del av vedlikeholdet og videreutviklingen av dagens fagsystemer.

Mulighetene er mange. Vi tar gjerne en uforpliktende prat for å se hvordan ditt fagsystem kan utnytte morgendagens teknologi på best mulig måte.

Våre tjenester: Maskinlæring

Les også:

5 tips til maskinlæring
Kan maskinlæring løse alle problemer?

Most popular

  • Planlegge arbeid og turnus

    Høytidsturnus – hvordan er reglene?

    Nå er det igjen på tide å tenke på helligdagsturnus. Høytider betyr normalt mye for de ansatte, og det er viktig med en lovlig turnus de fleste er fornøyd med.

  • Timelønn for undervisning

    Lærervikar og timelønn for undervisning

    Mange tar oppdrag som lærervikar i grunnskolen. Lærervikaren stiller ofte opp for å ta vikartimer på kort varsel, og skal lønnes med timelønn for undervisning.

  • Halvt skattetrekk ikke halv skatt

    Halv skatt før jul

    Halvert skattetrekk i desember betyr ikke at halve desemberlønnen er skattefri!