Dataannotering: från ostrukturerad data till träningsdata för AI

Auticon-konsulter som arbetar med dataannotering och kvalitetssäkring av data för AI.

Det krävs mer än avancerad teknik för att få en välfungerande AI-modell. Det behövs även data som har granskats noggrant och märkts upp. Dataannotering kan verka enkel vid första anblicken, men kräver både precision och konsekvens.

På uppdrag av en stor svensk myndighet arbetar auticons konsulter Rosa Abrahamsson och William Örnquist med annotering av stora mängder data från insamlade rapporter. Och kvaliteten de håller är hög.

– Myndigheten vi jobbar för utvecklar en AI-modell som ska kunna identifiera, gruppera och klassificera olika villkor, tillstånd och formuleringar som förekommer i en stor mängd insamlade rapporter, berättar William. Skulle den data som vi annoterar inte vara konsekvent nog kommer inte heller AI-modellens prestanda att bli tillförlitlig.

Dålig data in – dålig data ut, som Rosa uttrycker det. En annotering kan vara tekniskt enkel att utföra, men bedömningen bakom den kräver förståelse för både materialet och reglerna för uppdraget.

Styrkor som följer med autism

Det ställer höga krav på uthållighet och precision över tid – särskilt när samma bedömningsprinciper ska tillämpas på stora mängder material. De båda konsulterna har matchats med uppdraget för sin förmåga att arbeta fokuserat och konsekvent – med både överblick och öga för detaljer.

– Kunden kände redan till oss på auticon och visste vilka styrkor som ofta följer med autism, som noggrannhet, uthållighet och känsla för detaljer, berättar Therese Holm Hagberg, konsultchef på auticon. Så steget till att anlita oss för det här uppdraget var inte särskilt långt.

William arbetar från Stockholm medan Rosa sitter i Malmö, men de jobbar parallellt med rapporterna och betar av dem från en gemensam kö.

– Periodvis när jag är klar med annoteringar jämför jag med vad William gjort samma dag för att säkerställa att vi följer samma standard, säger Rosa som understryker vikten av att de stora kvantiteterna inte får påverka kvaliteten.

– Vi behöver också hålla tempot i processen uppe för att ge AI så mycket träningsdata som möjligt, tillägger William. Inför uppdraget hade vi bra diskussioner med uppdragsgivaren om hur instruktionerna skulle tolkas för att behålla konsekvensen och kvaliteten.

Från rapport till strukturerad data

Rosa förklarar att annoteringen gör rapporternas innehåll användbart som träningsdata. Ett dokument kan se tydligt och strukturerat ut för en människa, men innehållet behöver märkas upp för att modellen ska kunna tolka och klassificera det.

– Vi skapar strukturerad data från ostrukturerad data. Det är otroligt tillfredsställande att skapa ordning från oordning!

Många av rutinerna har vuxit fram genom möten med kunden.

– Därigenom är det ett ganska stort ansvar att hålla koll på att de efterföljs på alla sätt. Så det krävs en hel del koordinering och ett flerpunktstänk av oss.

En viktig del av arbetet är att reda ut hur kundens begrepp ska tolkas. Ett villkor i en rapport kan till exempel behöva klassificeras som driftrelaterat. Då utgår de inte från begreppets allmänna betydelse, utan från kundens definition och de kriterier som gäller för uppdraget.

– Det kan finnas många olika sätt att formulera samma villkor. Samtidigt kan specifikationerna för vad som räknas som driftrelaterat vara vaga. Då behöver vi ställa frågor och läsa sammanhanget noggrant, säger William.

När tolkningen är oklar stämmer de av med kunden och teamet bakom verktyget.

Rosa och William bidrar också till kvaliteten i arbetsflödet genom att identifiera buggar och ge utvecklaren detaljerad återkoppling på verktygets funktion och användarupplevelse. De behöver samtidigt tillämpa uppdragsgivarens instruktioner konsekvent över stora mängder data.

– Även här kommer våra skills inom kvalitetssäkring till användning, säger William.

Värdefulla perspektiv genom utvecklingen

Rosa har arbetat på auticon sedan 2022 och har sysslat med IT i hela sitt liv. En del av det hon uppskattar med annoteringsarbetet är möjligheten att skapa struktur och upptäcka sådant som inte alltid är uppenbart vid första anblicken.
– Jag är envis och väldigt detaljorienterad, säger hon. Jag tycker om att göra upptäckter i stora mängder information – upptäckter som ingen har gjort förut. Och att skapa ordning från oordning!

– Det vill vi nog alla, ler William och syftar särskilt på auticons konsulter.

William har varit på auticon sedan 2023 och har en bakgrund inom programmering, testautomatisering och databasutveckling. För honom är uppdraget också en del av en större förändring i hur kompetens och arbetsförmåga uppmärksammas på arbetsplatsen.

– auticon skapar mer inkluderande arbetsplatser ute hos sina kunder, säger William. Men de bidrar också till att aktivt förbättra våra liv och vårt välbefinnande. Vi kan vara oss själva på jobbet och känna oss mer självsäkra och uppskattade för vilka vi är.

– Det här uppdraget visar verkligen vad våra konsulter kan tillföra och hur deras förmågor kan göra skillnad, säger Therese. Deras noggrannhet gör dem väl lämpade för dataannotering, och med sin tekniska bakgrund förstår de även helheten och kan bidra med värdefulla perspektiv genom hela utvecklingen av AI-modellen.

Står ni inför ett AI-projekt där precision och kvalitet är avgörande? Kontakta oss, så berättar vi mer om hur våra konsulter kan bidra.

Text – Ida Kärrby

FAKTA: DATAANNOTERING

Data vi har annoterat
Video · Drönarbilder · Bilder · Ljud

Exempel på områden
Flyg · Vatteninfrastruktur · Jordbruk · Försvar

Läs mer om auticons annoteringsuppdrag

Relaterade inlägg

Skip to content