Samtaletrening med KI-simulerte personer

Hvordan trener man på samtaler der ordvalgene faktisk betyr noe? TryggEst-ansatte som jobber med vold mot voksne i sårbare situasjoner må gjennomføre noen av de vanskeligste samtalene som finnes i offentlig sektor – men har tradisjonelt måttet øve på dem gjennom statiske casebeskrivelser og refleksjonsspørsmål på papir.

Sammen med Bufdir har Append utviklet en dialogbasert treningsplattform der ansatte kan øve på realistiske samtaler med KI-simulerte personer i sårbare situasjoner. Løsningen bygger videre på Casegeneratoren fra Stimulab, og tar opplæringen fra teoretisk refleksjon til praktisk ferdighetstrening. Prosjektet er trukket frem av KI Norge som ett av seks nasjonale eksempler på innovativ og ansvarlig bruk av KI i offentlig sektor.

Eksisterende opplæringsverktøy ga begrenset støtte i selve samtalesituasjonen. Det fantes ingen trygg og realistisk arena for å trene på det som faktisk er vanskelig: å formulere gode spørsmål, bygge tillit, respondere på uventede svar og navigere dialoger som tar nye retninger – i sanntid.

Den sentrale faglige og tekniske utfordringen var å oversette den tause, mellommenneskelige kunnskapen erfarne fagfolk besitter til robuste og meningsfulle rammer for KI-en. Simuleringen måtte oppleves både realistisk og faglig trygg for at den skulle ha verdi.

Løsningen er bygget på en agentbasert arkitektur der tre spesialiserte KI-agenter samarbeider gjennom Model Context Protocol (MCP):

Dialogagenten spiller rollen som den voldsutsatte, og kan innta ulike roller fra TryggEsts refleksjonsverktøy (døråpner, veiviser eller koordinator) som påvirker hvordan samtalen utvikler seg.

Fagagenten fungerer som en faglig "vaktbikkje" trent på TryggEsts prinsipper. Den kvalitetssikrer dialogen i sanntid og gir innspill og ressurser underveis – avgjørende for at simuleringen oppleves trygg og troverdig.

Evalueringsagenten analyserer brukerens samtaleteknikk. Etter hver økt får brukeren konkrete, handlingsrettede tilbakemeldinger med eksempler fra dialogen og forslag til alternative formuleringer.

Agentarkitekturen med MCP gjør det enkelt å utvide funksjonaliteten, bytte underliggende modeller etter hvert som teknologien utvikler seg, og integrere med Bufdirs egne systemer.

Pilotering viser høy nytteverdi og økt trygghet hos brukerne i krevende samtaler. Løsningen har vakt interesse fra andre offentlige virksomheter og fagmiljøer, og den modulære oppbygningen gjør det mulig å tilpasse den til nye områder som barnevern, politi og familievern – arbeidet med en egen løsning for barnevernet er allerede i gang.

Blant de viktigste lærdommene fra prosjektet: den tause kunnskapen til erfarne fagfolk er krevende, men fullt mulig, å oversette til robuste KI-rammer – og en dedikert fagagent som kvalitetssikrer dialogen i sanntid er avgjørende for faglig troverdighet.