Kunstig intelligens som reform i Kommune-Norge: Barrierer, støtte og variasjoner

Abstract

Denne masteroppgaven tar utgangspunkt i digitaliseringsminister Karianne Tung (Ap) sitt uttalte mål fra april 2024 om at 80 prosent av offentlig sektor skal ta i bruk kunstig intelligens (KI) innen 2025. Dette ambisiøse målet ga inspirasjon til å undersøke hva som faktisk står i veien for en forsvarlig og effektiv implementering av KI i norske kommuner, og hvorfor det er så store forskjeller mellom dem.

Gjennom kvalitative intervjuer med til sammen ti nøkkelpersoner fra kommuner i Troms og Finnmark analyseres hvilke barrierer som hindrer utviklingen, og hvordan disse varierer fra kommune til kommune. Barrierene viser seg i mange former. De kan være teknologiske, organisatoriske, kulturelle, og ikke minst knyttet til grad av politisk og administrativ støtte. Noen kommuner mangler infrastruktur og kompetanse, andre strever med ledelse, uklare roller og fragmenterte ansvarsforhold. Samtidig finnes det også kommuner som klarer å håndtere barrierene bedre, som kan være kjennetegnet av tydelig lederskap, bedre samspill på tvers av organisasjonen og god evne til lokal tilpasning.

Basert på funnene utvikles også en kommunetypologi som viser hvordan ulike barrierenivåer gir seg utslag i fire hovedtyper av kommuner. Disse er pionerne, de forsiktige, de nølende og de handlingslammede. Denne inndelingen synliggjør hvordan samme reform, altså kunstig intelligens, blitt møtt og får svært ulikt uttrykk, avhengig av lokal kontekst og håndtering.

Et sentralt funn er at KI ikke kan forstås som en ren teknologisk reform, men også en kompleks prosess som må forankres, eies og oversettes til lokale forhold. Uten nasjonal samordning, klare rammer og gode støtteverktøy, risikerer man at utviklingen bremser opp eller havner som ren symbolpolitikk. Oppgaven peker derfor på behovet for bedre samspill mellom stat og kommune, sterkere lokal ledelse, hvis ambisjonen om 80 prosent i offentlig sektor, spesielt i den kommunale delen, skal bli mer enn en visjon.

This master’s thesis is based on the stated goal of Digitalisation Minister Karianne Tung (Labour Party) from April 2024, which aims for 80 percent of the public sector to adopt artificial intelligence (AI) by 2025. This ambitious target served as inspiration to explore what actually stands in the way of a responsible and effective implementation of AI in Norwegian municipalities, and why the level of implementation varies so greatly between them.

Through qualitative interviews with ten key informants from municipalities in Troms and Finnmark, the thesis analyses the barriers that hinder progress and how these differ from one municipality to another. These barriers take many forms. Technological, organisational, cultural and are also closely linked to the level of political and administrative support. Some municipalities lack infrastructure and expertise, while others struggle with leadership, unclear roles, and fragmented responsibilities. At the same time, some municipalities are better at managing these barriers, often characterised by strong leadership, better internal collaboration, and an ability to adapt to local conditions.

Based on the findings, a typology of municipalities is also developed, showing how different levels of barriers result in four main types: the pioneers, the cautious, the hesitant, and the paralysed. This typology illustrates how the same reform, artificial intelligence, can be met and interpreted in vastly different ways, depending on local context and how the implementation is handled.

A central finding is that AI should not be understood merely as a technological reform, but as a complex process that must be anchored, owned, and translated into local practice. Without national coordination, clear frameworks, and effective support tools, there is a real risk that development stalls, or ends up as symbolic policy with little practical effect. The thesis highlights the need for better interaction between national and local government, and for stronger local leadership, if the 80% target for the public sector, particularly in the municipal sector, is to become more than just a vision