Tips

Ollama för socialtjänst och ideella föreningar: sammanfatta ärenden lokalt

Ja, du kan låta en AI sammanfatta ärenden utan att personuppgifter lämnar datorn, om du kör en liten språkmodell lokalt med Ollama. Arbetsflödet har fem steg: installera och koppla från nätet, maskera namn och personnummer, låt modellen skriva ett utkast, kontrollera utkastet mot originalet och låt alltid handläggaren fatta beslutet. Lokal körning tar bort molnrisken men ersätter inte kraven i GDPR, offentlighets- och sekretesslagen (OSL) eller verksamhetens egna rutiner. Maskerade uppgifter räknas fortfarande som personuppgifter, så dokumentation och internt godkännande behövs även här.

Går det att köra AI offline med Ollama utan att data lämnar datorn?

Ollama är ett öppet program som laddar ned språkmodeller och kör dem på din egen dator. När modellen väl är hämtad skickas din text inte till någon extern server. Det gör verktyget intressant för socialtjänst och ideella föreningar, där journalanteckningar, samtalsminnen och ansökningar ofta innehåller känsliga uppgifter. Praktiskt installerar du Ollama, hämtar en modell med kommandot ollama pull och startar den med ollama run. Som tumregel räcker en dator med 16 GB RAM för modeller på 7–8 miljarder parametrar, och 8 GB räcker ofta för mindre modeller på 3–4 miljarder. Små modeller blir allt bättre, och Tether/QVAC beskriver i sitt blogginlägg om BotPsy en assistent med under en miljard parametrar som körs direkt på enheten. Svenska är dock ett svagare språk för små modeller, så testa med påhittade ärenden först. Undvik molnmodeller i Ollama och kontrollera att tjänsten bara lyssnar på den egna datorn (127.0.0.1).

Hur ser arbetsflödet ut i fem steg?

Steg 1: Installera Ollama och en liten modell medan du är uppkopplad, koppla sedan från nätet eller blockera programmet i brandväggen. Steg 2: Maskera innan du klistrar in text. Byt namn mot beteckningar som Person A och Barn 1, ta bort personnummer, adress, telefonnummer och arbetsplats. Gör det gärna med en egen mall eller ett lokalt skript, och kontrollera resultatet manuellt. Steg 3: Be modellen skriva ett utkast, till exempel: ”Sammanfatta texten i högst 150 ord under rubrikerna bakgrund, nuläge och öppna frågor. Lägg inte till något som inte står i texten.” Steg 4: Läs utkastet mot originalet. Små modeller kan hitta på detaljer eller tappa viktiga nyanser, så kontrollera datum, belopp och vem som sagt vad. Steg 5: Handläggaren skriver in det som behövs i journalen och fattar beslutet. AI-utkastet är ett arbetsmaterial, aldrig ett beslutsunderlag i sig. Spara inte maskeringsnyckeln på samma ställe som utkastet.

Vad säger GDPR, OSL och IMY om AI i socialtjänstärenden?

GDPR har gällt sedan den 25 maj 2018 och kräver bland annat laglig grund, ändamålsbegränsning, uppgiftsminimering och lämplig säkerhet. Uppgifter om hälsa räknas som särskilda kategorier enligt artikel 9 och har extra skydd. Pseudonymiserade uppgifter, alltså maskerade men återkopplingsbara, är enligt skäl 26 fortfarande personuppgifter. För kommunal socialtjänst gäller dessutom sekretess enligt 26 kap. 1 § OSL (2009:400). En förening är inte en myndighet, men får ofta tystnadsplikt genom uppdragsavtal med kommunen. IMY, som är tillsynsmyndighet för dataskydd, har vägledning om AI och GDPR på imy.se, och den bygger på samma grundprinciper: ta reda på vad som behandlas, varför och med vilken säkerhet. Artikel 22 begränsar helt automatiserade beslut med rättslig verkan, vilket är ännu ett skäl att ha en människa som beslutar. Eftersom EU:s AI-förordning (2024/1689) trädde i kraft den 1 augusti 2024 och kraven på AI-kunskap gäller sedan den 2 februari 2025 bör personalen också få grundläggande utbildning.

Vad behöver en förening dokumentera när den använder lokal AI?

Tänk dig en förening som driver en stödlinje för unga och vill sammanfatta samtalsanteckningar inför månadsmöten. Föreningen är personuppgiftsansvarig och bör dokumentera fem saker. Först en kort beskrivning av ändamålet och den lagliga grunden. Sedan en uppdaterad förteckning över behandlingar enligt artikel 30, som föreningar med känsliga uppgifter i regel behöver föra även om de har få anställda. Därefter en riskbedömning, och vid hög risk en konsekvensbedömning enligt artikel 35. Dessutom rutinen för maskering: vem gör vad, vilka uppgifter som alltid tas bort och hur utkast raderas. Slutligen en logg över vilken modell och version som används, vem som har tillgång och hur utkasten kontrolleras. Uppdatera också informationen till de registrerade, och kontrollera om något externt bolag får tillgång till data, eftersom ett biträdesavtal enligt artikel 28 då krävs. Låt styrelsen fatta ett beslut som protokollförs, så att ansvaret är tydligt. Är du osäker kan du kontakta IMY eller ett dataskyddsombud.

Slutsats

Ollama gör det möjligt att få hjälp med sammanfattningar utan att skicka ärendetext till en extern molntjänst, och för socialtjänst och föreningar är det ett försiktigare alternativ än publika chattverktyg. Tekniken löser dock bara en del av problemet. Maskering minskar risken men tar inte bort personuppgifterna, små modeller kan göra fel, och ansvaret för innehållet ligger kvar hos handläggaren. Börja därför smått: testa med fiktiva ärenden, jämför några modeller på svenska, skriv ned rutinen och stäm av med dataskyddsombud eller säkerhetsansvarig innan någon riktig data används. Myndigheter bör få verktyget godkänt internt innan det tas i bruk. Låt AI skriva utkastet, men låt alltid en människa läsa, ändra och besluta. Inget i denna artikel utgör juridisk rådgivning, och resultatet beror på dator, modell och rutiner.

Viktigt att veta

Artikeln är allmän information och ersätter inte rådgivning från legitimerad vårdpersonal, jurist eller ekonomisk rådgivare. Dela aldrig patient-, klient- eller personuppgifter med AI-tjänster utan rättslig grund, och låt en människa fatta beslut som påverkar hälsa, rättigheter eller ekonomi.