astrid mathilde

Internt verktøy for frivillige i tjenesten Kors på halsen, utviklet i samarbeid med Norges Røde Kors og basert på det nye designsystemet fra Digdir.

Om tjenesten

Kors på halsen er en tjeneste der barn og unge kan snakke anonymt med en voksen, om alt fra kropp til psykisk helse. De voksne som svarer, er frivillige som har fått opplæring i å snakke med barn.

Prosjektbrief

Vår oppgave var å utforske fremtidens kors på halsen, i forbindelse med at Norges Røde Kors skulle utvikle ny strategi for 2027–2029.
Etter innledende innsiktsarbeid, valgte vi å utforske hvordan kunstig intelligens kan være en støtte under vanskelige samtaler med barn og unge – samtidig som personvernet blir ivaretatt.

Problem

I dag venter barna i snitt 7 minutter på å få chatte med en frivillig. Et av de viktigste funnene våre, var at de frivillige bruker tid på å svare i chatten, fordi de tenker nøye gjennom hva de skal skrive og leser seg opp på ressurser.

Løsning

Løsningen er en hybridmodell basert på interne ressurser og retningslinjer i Kors på halsen. Det vil si at det er de frivillige som svarer, men at de kan få hjelp av en språkmodell ved behov. Språkmodellen vil bli kjørt lokalt på maskinene i Røde Kors. Dette vil sikre god personvern og begrenset klimagassutslipp.

Grensesnittet er basert på det nye designsystemet fra Digdir, men vi har designet egne komponenter ved behov basert på dette.

Prosess

Planen var å sette i gang med prototyping og lavterskel brukertesting så tidlig som mulig, og kontinuerlig videreutvikle prototypen gjennom hele prosjektet.

Vi fikk ikke brukertestet så mye som vi hadde planlagt, og vi kom litt sent i gang med prototyping. Til gjengjeld fikk vi gjort mye innsiktsarbeid og idéutvikling.

1) Innsikt

For å samle innsikt, gjorde vi skrivebordsundersøkelser, feltarbeid, intervjuer og gjennomførte workshops. I tillegg utviklet vi en “rich design space” der vi hengte opp innsikten, materiellet og idéene vi fikk underveis i prosjektet. Dette var viktig for å skape felles eierskap til prosjektet og gjøre innsikten vår mer tilgjengelig.

2) Analyse

For å analysere innsikten, har vi brukt mapping og tematisk analyse. Vi satte opp en tidslinje basert på observasjoner fra feltarbeid, flytdiagrammer basert på det som skjedde i “front-stage” og “back-stage” av tjenesten. Til slutt kombinerte vi alt til et helhetlig tjenestekart. Tematisk analyse ble brukt til å se etter temaer på tvers av all innsikten.

Tjenestekart basert på observasjoner og eksisterende løsning.

3) Hovedfunn

Den tematiske analysen resulterte i tre hovedfunn, der det viktigste funnet var at det tar tid før barna får svar – både i chatten og mens de venter på å få snakke med noen.

4) Utforskning

Basert på funnene våre, definerte vi tre nye problemstillinger og vinklinger for prosjektet. Etter å ha utforsket mulighetsrommet for hver av dem, konkluderte vi med at det var problemstilling #3 som hadde flest muligheter og som ville skape mest verdi for sluttbrukerne.

For å utforske mulighetsrommet, startet vi med å lage ulike "mulighetstre" hvor vi definerte mål basert på problemstillingene og funnene våre, utforsket muligheter og løsninger for hvert av målene, og til slutt hvilke antagelser eller hypoteser løsningene var basert på.

Deretter skisserte vi ut idéer for hver løsning på papir, før vi kombinerte alle idéene til digitale wireframes.

Her er idéene vi hadde for å redusere ventetiden for barna:

Remote frivillighet

Kunne vi ha laget et frivilligverktøy som tilrettelegger for å svare på chat hjemmefra, slik at Kors på halsen kan ha døgnåpent?

Start å skrive mens du venter

Kunne vi få ventetiden til å virke kortere, ved at barna kan starte å skrive mens de venter?

Bruk av kunstig intelligens

Eller hva med kunstig intelligens? Hva om vi kan bruke kunstig intelligens til å hjelpe de frivillige med å gi enda bedre svar?

5) Valg av konsept

Basert på innsikten vår, landet vi på å utvikle videre idéen som handlet om bruk av kunstig intelligens for å hjelpe de frivillige med å gi gode svar. Vår hypotese var at om de frivillige får hjelp til å gi gode svar raskere, vil det også redusere ventetiden for barna.

Under en workshop med ungdommer fra ekspertpanelet til Norges Røde Kors, stilte vi dem åpne spørsmål knyttet til kunstig intelligens. Dette var viktig for å undersøke hva barn tenker om å snakke med noen som får hjelp av KI til å svare, men hadde ikke vært tilstrekkelig dersom prosjektet skulle blitt realisert.

6) Konseptutvikling

Vi startet med å kartlegge funksjonaliteten løsningen burde ha. Det gjorde vi ved å idégenerere alle funksjonene vi kunne se for oss, og plassere de i en matrise basert på brukerverdi og kompleksitet. Vi tenkte både brukerverdi for de frivillige som skulle bruke løsningen og verdien for sluttbrukerne – altså barna. Resultatet ble en kravspesifikasjon med oversikt og rangering av funksjoner.

For å raskt komme i gang med prototyping, har vi brukt håndskisser kombinert med det nye designsystemet fra Digdir. Designsystemet er en ny, felles verktøykasse med grunnleggende UI-komponenter, retningslinjer og mønstre, utviklet i samarbeid mellom flere offentlige etater i Norge. Ved hjelp av designkonsulenter fra Manyone, fikk vi startet prototyping umiddelbart, siden de allerede hadde startet tilpasningen av designsystemet til Norges Røde Kors sin visuelle profil.

7) Prototyping og testing

For å få tilbakemelding på prototypen, har vi designet flere ulike løsningsforslag og testet disse på to frivillige og en vaktansvarlig i Kors på halsen. Vi har også snakket med en forsker i SINTEF som har skrevet "Unge og helseinformasjon: ChatGPT vs fagpersoner" – en studie som sammenligner svarene fra ChatGPT med svar fra fagpersoner.

Resultat

Med det nye verktøyet, får de frivillige råd og veiledning underveis i samtalen, enklere tilgang på relevante ressurser, og forslag til hva de kan svare. Resultatet er økt kvalitet på samtalen, redusert svartid og mindre ventetid for barna.

Om verktøyet skulle blitt implementert, ser vi for oss at Røde Kors bruker en språkmodell bygd på interne ressurser og retningslinjer i Kors på halsen, og at denne språkmodellen kjøres lokalt på deres egne maskiner. Dette vil sikre god personvern og begrenset klimagassutslipp – og barna vil få svar raskere.