I Sverige har vi en åldrande befolkning vilket medför ett ökat behov av vård och omsorg. Detta gör att antalet personer som kommer att behöva vård kommer att öka framöver. Det pågår också en omställning till nära vård där kommunerna kommer att få ett allt större ansvar för hälso- och sjukvårdsinsatserna framöver. Med hjälp av ett förebyggande proaktivt arbete är det möjligt att arbeta datadrivet med ny kunskap och nya verktyg. På så sätt kan verksamheten göra skillnad innan de ökade behoven uppstår. Resurserna gör därmed större nytta i och med att de i ökad utsträckning satsas på individer som har störst potential till förbättring. Inom ramen från ett Vinnovaprojekt har Vetlanda kommun startat en AI-resa tillsammans med Ensolution och forskare från Högskolan i Halmstad. Inom ramen för projektet tas en nyskapande AI-modell fram som beräknar det kommande behovet av hemtjänst- och hälso- och sjukvårdsbehov utifrån de underliggande individernas olika utveckling. Detta medför att verksamheten proaktivt kan på tidigt stadie se behovet och därigenom effektivisera planeringen. Parallellt med detta har en modell för att identifiera brukare för potential till förebyggande insatser också tagits fram.

Målet med AI-modellen är att identifiera brukare med hög risk för omfattande framtida behov och potential till förbättring samt med hjälp av riktade insatser arbeta förebyggande för att bromsa framtida behov. Men utöver detta erbjuda en dynamisk prediktionsmodell för att förutsäga behovet av framtida resurser baserad på dessa målgrupper. Med hjälp av verktyget kommer Vetlanda kommun  ha möjlighet att hitta de brukare som har denna potential i ett tidigt skede. 

I stället för att arbeta med till exempel 1000 brukare kan insatserna riktas mot uppskattningsvis 100 stycken brukare. Det innebär en omställning från ett reaktivt arbetssätt till ett proaktivt datadrivet arbetssätt vilket också skapar möjlighet till snabbare omställning. AI-modellen i kombination med gränssnittet gör det möjligt att kontinuerligt och utan inblandning snabbt ta fram urval och prognoser. Det blir möjligt att arbeta strategiskt och datadrivet i praktiken. De fyra huvudsakliga användningsområden är 1. Hitta individer för urval för förebyggande åtgärder 2. Välja individer för förändrat arbetssätt 3. Utvärdera effekter av en specifik satsning 4. Lära sig mer om enskilda enheters trend och prediktion för bättre planering