KI-assistert veiledning i byggesaker
Vai er et privat selskap som sammen med norske kommuner utvikler KI-løsninger for plan- og byggesaksprosesser.
Selskapet ble etablert som følge av et Stimulab-tech-prosjekt med Direktoratet for byggkvalitet (DiBK), der en KI-løsning for veiledning i byggesaker ble utviklet og testet.
Utfordring
Veiledning i byggesaker er krevende for både innbyggere og saksbehandlere. Lover, forskrifter og kommunale bestemmelser er spredt på mange kilder, og personer uten fagkunnskap har ofte vanskelig for å forstå hvilke regler som gjelder og hvilke opplysninger kommunen trenger.
Henvendelser om det innbyggeren ønsker å bygge eller endre, kan derfor være ufullstendige eller uklare. Saksbehandleren må da bruke tid på å forstå hva som planlegges og sammenstille informasjon fra regelverk, planer, kart og eiendomsdata. Generelle svar er ikke tilstrekkelige, fordi vurderingen avhenger av både tiltaket og den konkrete eiendommen.
Løsning
Løsningen har et felles faglig fundament og to brukerflater. Innbyggeren får hjelp med enkle spørsmål og blir bedt om opplysninger som mangler. Mer komplekse henvendelser overføres strukturert til saksbehandleren, som får se kildene, vurderingsgrunnlaget og et forslag til svar. Løsningen hjelper innbyggeren med å gi kommunen nødvendig informasjon før henvendelsen kommer til saksbehandleren. Prosjektet resulterte i en fungerende førsteversjon som ble gjort tilgjengelig for videre testing hos Nesodden kommune.
Nesodden kommune var samarbeidspartner i prosjektet. Kommunens saksbehandlere bidro med erfaring fra saksbehandlingen, og kommunen stilte 520 historiske dokumenter fra byggesaksavdelingen til rådighet. Vai gjennomførte analysen med utgangspunkt i spørsmål kommunen faktisk hadde mottatt. Det gjorde det mulig å bygge løsningen rundt reelle behov i stedet for konstruerte eksempler.
Vai brukte store språkmodeller til å klassifisere materialet etter tema, kompleksitet og potensial for KI-støtte. Klassifiseringene ble deretter gjennomgått manuelt som en kvalitetssikring. Denne arbeidsdelingen speilet prinsippet i selve løsningen: KI gjør det innledende analysearbeidet, mens et menneske kontrollerer vurderingen og beholder det faglige ansvaret.
Ansvarlig testing på historiske dokumenter
Fordi vi testet med historiske dokumenter var tilgangen avgrenset til prosjektet, og modelltestingen var begrenset til saker uten sensitive personopplysninger. Materialet som ble brukt i modelltestingen, ble behandlet med språkmodelltjenester innenfor EU/EØS. Da prosjektet ble avsluttet, ble alt oversendt materiale slettet. Bare anonymiserte og sammenstilte funn ble beholdt.
Resultat
Analysen av materialet fra Nesodden kommune viste at 91 prosent av materialet inneholdt oppgaver som egnet seg for hel eller delvis KI-støtte. Prosenten beskriver det vurderte potensialet i materialet, ikke målt automatisering i ordinær bruk.
Tilbakemeldingene fra Nesodden kommune var at svarutkastene kunne bidra til raskere svar på henvendelser fra innbyggerne. Dette peker særlig på et potensial for å spare tid på gjentakende oppslag og utformingen av det første svarutkastet, samtidig som saksbehandleren beholder kontrollen over den faglige vurderingen. Løsningen ble ikke satt i ordinær drift i prosjektperioden, og vi har derfor ikke målte resultater fra faktisk bruk.
Dette lærte vi
Riktige data er mye viktigere enn valg av modell
I våre tester var tilgang til riktige data viktigere enn valg av språkmodell. For å gi et treffsikkert svar måtte løsningen ha tilgang til relevante og strukturerte data om blant annet regelverk, kommunale planer, kart og eiendomsdata. Drømmeplan er DiBKs digitale plattform for å samle og presentere reguleringsbestemmelser for den enkelte eiendom. Datakilden var særlig nyttig fordi planinformasjonen var ryddig og strukturert, slik at løsningen lettere kunne bruke den.
Saksbehandlerens rolle er ikke bare å vurdere svaret
Kvalitet må vurderes ved å kontrollere hvilke kilder og verktøy løsningen faktisk brukte, ikke bare hvor overbevisende teksten virker. Saksbehandleren må kontrollere hvilke kilder løsningen har brukt og hvordan den har kommet frem til svaret.
Norske modeller var ikke automatisk bedre
Vi testet flere norske språkmodeller fordi bruksområdet er tett knyttet til norsk språk og regelverk. I våre tester ga de likevel ikke bedre svar enn større, generelle modeller. Erfaringen var at tilgang til riktige kilder og evnen til å bruke dem var viktigere enn om modellen var særskilt trent på norske data. Konklusjonen gjelder modellene og oppsettet vi testet i 2026.
Veien videre
Selskapet har planlagt å teste løsningen videre sammen med flere kommuner og utvide den til flere deler av plan- og byggesaksprosessen. Målet er å skape en mer sammenhengende prosess fra innbyggerens første spørsmål til saksbehandlerens vurdering.