Acelerador de Experimentação de IA da Cidade de Helsínquia — Sprints Rápidos e de Baixo Orçamento em Serviços Municipais

Inspirado num acelerador interno utilizado pela Empresa Finlandesa de Radiodifusão (Yle), a cidade de Helsínquia procurou uma forma de permitir que o pessoal municipal testasse ideias de IA e de robótica de software retiradas do seu próprio trabalho diário, sem recorrer a grandes programas de TI contratados de forma centralizada.

O Acelerador de Experimentação visa permitir que o pessoal municipal proponha e teste casos de uso de IA e robótica de software com pequenos orçamentos dedicados, em sprints recorrentes de três meses, oferecendo uma alternativa replicável, de baixo custo e conduzida pelo próprio pessoal, aos grandes programas de IA contratados centralmente.

O programa decorre em sprints recorrentes de três meses, nos quais o pessoal propõe experiências retiradas do seu trabalho diário. Exemplos incluem apoio de IA para serviços de emprego, planeamento de turnos para profissionais dos serviços sociais e de saúde, um guia turístico personalizado com IA, análise por aprendizagem automática de fotografias aéreas para acompanhar a deterioração física de passadeiras ao longo do tempo (com o código publicado abertamente no GitHub), previsão de necessidades de pessoal para os serviços de biblioteca, e melhoria da gestão de informação em obras de infraestrutura. Um conjunto mais restrito de experiências — incluindo um algoritmo de recomendação de eventos da cidade e uma ferramenta de análise de texto para feedback de residentes e orçamento participativo — foi selecionado para avançar para uma utilização mais alargada.

A cidade reporta cerca de 80 propostas de experiências submetidas pelo pessoal, das quais 35 chegaram à fase de experiência ativa. Um subconjunto mais pequeno de experiências foi selecionado para avançar para uma utilização mais alargada.

O programa foi documentado como um modelo replicável, de baixo custo e conduzido pelo pessoal, pela iniciativa AI for Good da UIT e por estudos de caso do setor, posicionando-o como alternativa a grandes programas de IA contratados centralmente; contudo, a maioria das experiências individuais permanece à escala de sprint/piloto, em vez de implementação à escala da cidade.