2022-05-13
Lesetid ca 3 min
Sommeren 2020 hadde Skatteetaten ni sommerstudenter, som sammen med 30 utviklere, økonomer og jurister har vært med på å analysere de enormt store mengdene data som skal til for å gjøre Skattetatens Big Data brukbare i presentasjoner og visualiseringer - og ikke minst: i maskinlæring.
Prosjektet startet sin reise med sommerstudenter sommeren 2019. Da kjørte de en Proof of Concept for bruken av AI (maskinlæring) for analyse av skattemeldingene. Sommeren 2020 gikk årets studenter bredere og dypere i materien med mer data og flere modeller, og laget et mini-rammeverk for hvordan etaten skal bruke AI til å analysere skattedata. Målet var å løse Skatteetaten sitt samfunnsoppdrag på best mulig måte.
Jon-Mikkel Korsvik (23) studerer til vanlig på sivilingeniørlinjen Data Science ved Norges miljø- og biovitenskapelige universitet (NMBU). Anvendt datavitenskap er hjørnesteinen i læringsutbyttet i utdannelsen, og Korsvik forteller at veldig mye av det han har lært i løpet av studietiden har kommet til nytte i oppdraget for Skatteetaten.
– Vi har både jobbet selvstyrt og i samspill med andre for å kunne teste og ta i bruk forskjellige metoder og modeller innenfor datavitenskap og maskinlæring, forteller Jon-Mikkel. – Det var givende å se hvordan man kan finne trender, lage prediktive modeller og lage et produkt som forbedrer skattemeldingsprosessen.
En annen student som var med i sommerprosjektet er Khariton Gorbunov (22). Han studerer Computer Science ved Universitetet i Oxford. I Skattetatens prosjekt har han jobbet med dataanalyse og utviklet AI-løsninger.
– Det store stigmaet om arbeidslivet er at man bruker veldig lite av det man lærer på skolebenken. Men det har slett ikke vært tilfellet for meg som sommerstudent hos Skatteetaten, sier Khariton. – Jeg fikk friheten til å komme opp og teste ut idéer på ulike modeller både innenfor klassifisering, regresjon og mønstergjenkjenning.
Denne friheten bekreftes også av Lars Lødemel Sandberg (23). Til vanlig studerer Lars på sivilingeniørlinjen Kybernetikk og robotikk ved NTNU. – Det har vært mye rom for å utforske mulige løsninger, og utviklingsprosessen har vært smidig og rask. Det er veldig inspirerende å se at sluttresultatet ble såpass bra, sier Lødemel Sandberg.
Dette arbeidet vil fortsette videre sommeren 2021, hvor Skatteetaten ønsker ytterligere kunnskapsutvikling innen maskinlæring for blant annet å avdekke uvanlige endringer i formue.
