SAKULATOR - Innovasjonsprosjekt om utviklingen av kalkulator for estimering av saksbehandlingstider i Norges domstoler

I Riksrevisjonen sin undersøkelse av saksbehandlingstid og effektivitet i tingrettene og lagmannsrettene påpekes det at en vesentlig andel av domstolene ikke når Stortingets mål om tre måneders gjennomsnittlig saksbehandlingstid. For å møte kravene om økt effektivitet går domstolene gjennom en omfattende digitaliseringsprosess som i første omgang skal omfatte Høyesterett, alle seks lagmannsrettene og de største tingrettene. Som en del av dette arbeidet har Domstoladministrasjonen de siste to årene samarbeidet med forskere fra NORCE Samfunn, Institutt for sammenliknende politikk (UIB) og Centre on experential legal learning ved juridisk fakultet (UIO) om innovasjonsprosjektet SAKULATOR. Formålet med prosjektet har vært å undersøke og forstå hvilke faktorer som påvirker saksbehandlingstid og rettsmøtetider i straffesaker i lagmannsrettene, samt å utvikle en prediksjonsmodell for estimering av saksbehandlingstider i nye saker som ankommer domstolene. I prosjektet har vi spesielt hatt som siktemål å undersøke hvordan sakskomplekset påvirker saksbehandlingstider. Vi undersøker to former for sakskompleksitet, faktisk og juridisk. Faktisk kompleksitet sikter til logistikkmessige og organisatoriske egenskaper ved en sak, for eksempel antall vitner. Juridisk kompleksitet sikter til rettskilder og fakta, og relasjonen mellom disse. Resultatene våre bekrefter at faktisk og juridisk sakskompleksitet øker antall rettsmøtetimer og antall ankebehandlingsdager i domstolene. Vi finner videre at ulike former for juridisk kompleksitet påvirker forskjellige steg i saksbehandlingsprosessen og forskjellige sakstyper påvirker saksbehandlingen i ulike grad. Lagmannsrettenes størrelse og organisering har også betydning for sammenhengen mellom sakskompleksitet og saksbehandlingstid. Analysene bidrar med ny kunnskap som understøtter arbeidet med å redusere saksbehandlingstiden og bidrar til å møte kravet om at en sak må avgjøres innen rimelig tid. Videre har vi tatt i bruk maskinlæringsalgoritmer for å utvikle en datadrevet prediksjonsmodell (Sakulator) for å anslå og forklare saksbehandlingstider og rettsmøtetider i lagmannsrettene. I praksis er Sakulator tilgjengelig i en interaktiv webapplikasjon hvor brukere enkelt kan legge inn relevante opplysninger om en sak og få ut et estimat på hvor lang tid en slik sak typisk tar. For domstolene vil det å anvende en kunnskapsbasert prediksjonsmodell kunne synliggjøre hvilke faktorer som påvirker saksbehandlingstider. Det vil også kunne være enklere å ha en effektiv saksstyring dersom domstolene får et tydeligere bilde på hvilke og hvordan disse faktorene driver saksbehandlingstiden opp. Et sentralt resultat i arbeidet med maskinlæringsmodellene (og webapplikasjonen), er at det er mye mer krevende å gi tilfredsstillende prediksjoner av antall ankebehandlingsdager (altså dagene det tar fra saken kommer inn til den er fullført) enn for rettsmøtetimer (altså timene som brukes til rettsmøtet når partene og dommerne samler i rettssalen). Årsaken til dette er at det er vanskelig å få tak i data (i forkant av saken) på sentrale faktorer som ofte fører til utsettelser og dermed driver saksbehandlingstiden opp. Dette gjelder spesielt arbeidet med berammingen av saken. Det er berammerens oppgave å koordinere de mange aktørene i en rettssak ofte i uformaliserte prosesser frem til ankeforhandlingen. Dette arbeidet mangler imidlertid skikkelig systemstøtte. Derfor må berammere ofte ta i bruk lokale verktøy som egne regneark for å holde oversikt over ledige dommere, lister over advokater og ledige rettslokaler. Med tilgang til data om ledige dommere, advokater og rettssaler, kunne sannsynligvis algoritmenes evner til å gi en tilfredsstillende prediksjon også av antall ankebehandlingsdager ha blitt forbedret.

Kunnskapen generert gjennom prosjektet har bidratt til å synligjøre viktigheten av forskning på saksbehandlingstider i domstolene og på faktorene som bidrar til å drive saksbehandlingstider opp. FoU-aktivitetene i prosjektet har bidratt til faktabasert kunnskap om lagmannsrettenes mer tause og erfaringsbaserte kunnskap. En slik synliggjøring og konkretisering av faktorer som driver saksbehandlingstider er nyttige for både domstolene og domstoladministrasjonen i arbeidet med å effektivisere prosesser og redusere tidsbruk i domstolene. Betydningen og nytteverdien av webapplikasjonen må sees i lys av tilbakemeldingene vi har fått fra potensielle brukere i domstolene. Vi har gjennomført flere dialogmøter med dommere, domstolledere, berammere og saksbehandlere i tre av de seks lagmannsrettene for å få deres tilbakemelding på nytteverdien av webapplikasjonen. Generelt sett er tilbakemeldingene at webapplikasjonen ikke vil ha særlig nytteverdi i sin nåværende form. Derimot finnes det mange læringspunkter til videre utviklingsarbeid. Blant annet er det potensiale for at modellene utviklet i prosjektet egner seg bedre til å gi prediksjoner om andre sakstyper eller for andre brukergrupper, inkludert tingretter (fordi det er der sakene starter og det finnes mye mer data), dommerfullmektige/nyutnevnte dommere og ledere (som ikke har like mye erfaring med å anslå saksbehandlingstider), påtalemyndigheten (som selv må komme med et anslag for rettsmøtetimer), selvprosederende (som kan bruke applikasjonen i en vurdering av om de skal ta saken til domstolen eller ikke), eller for domstoler i andre land med høy saksbehandlingstid. Prosjektet bidratt til økt kompetanse i DA når det kommer til bruk av kunstig intelligens og iverksetting av maskinlæringsmodeller i utviklingsprosjekter. Vi har lært mye om hva slags data som finnes i Lovisa og hva som trengs for å kunne predikere saksbehandlingstider på en tilfredsstillende måte. Dette arbeidet kommer til å være viktig for DA videre arbeid for å effektivisere og digitalisere domstolene. Videre har prosjektet bidratt til å etablere viktige nettverk mellom DA og de tverrfaglige forskningsmiljøene som har inngående kompetanse på domstoler, samt med Legal Tech miljøet (CELL) og studentprogrammene i Oslo. Gjennom prosjektet har det blitt identifisert både behov og idéer til fremtidige forskningssøknader og prosjekter. Prosjektet har også stimulert til videre forskning på bruken av kunstig intelligens i domstoler. Ved NORCE har forskere fått midler for en intern tverrfaglig satsning - eXplainable AI (XAI) in court case analysis – hvor samfunnsvitere og teknologer ved Norce samarbeider om å videreutvikle Sakulator-algoritmene slik at bakgrunnen for prediksjonene («hvorfor predikerer modellen at saken tar 15 timer»?) blir transparent for forskerne og brukerne.

En økende mengde komplekse saker har økt saksbehandlingstiden i flere av Norges domstoler. For å imøtekomme krav om økt effektivitet går domstolene idag gjennom en omfattende digitaliseringsprosess. Som et ledd i digitaliseringen tar SAKULATOR sikte på å utvikle en datadrevet prediksjonsmodell (Sakulator) for estimering av saksbehandlingstider i domstolene. Sakulator vil (1) bistå dommere i den krevende oppgaven det er å anslå saksbehandlingstider i komplekse saker, og (2) synliggjøre hvilke faktorer som driver saksbehandlingstider opp, og på den måten være et viktig styringsverktøy for dommere i deres arbeid med å planlegge og beramme saker. Sentrale FoU-utfordringer: 1. Generere datasett: Domstolene bruker idag saksbehandlingsverktøyet Lovisa for å registrere informasjon om sakene til behandling. En sentral utfordring er å bearbeide og organisere informasjonen fra Lovisa slik at det kan brukes i Sakulator. 2. Modellutvikling: Målet med Sakulator er å predikere det ukjente (saksbehandlingstid) fra det kjente (saksegenskaper og saksbehandlingsprosesser). En sentral utfordring i prosjektet er å utvikle en modell som fanger opp kompleksiteten i sakene og gir realistiske estimater på saksbehandlingstider. 3. Realisering: En sentral FoU-utfordring å overføre modellen som ligger til grunn for Sakulator til en brukervennlig web-applikasjon som forenkler og effektiviserer hverdagen til brukerne. For domstolene vil det å anvende en kunnskapsbasert prediksjonsmodell synliggjøre hvilke faktorer som påvirker saksbehandlingstider. For dommerne vil det være enklere å ha en effektiv saksstyring dersom de får et tydeligere bilde på hvilke og hvordan disse faktorene driver saksbehandlingstiden opp. Sakulator vil også være et nyttig verktøy i berammingen av saker og i diskusjonen om ressursfordeling mellom domstoler. På sikt vil kalkulatoren kunne skape forutsigbarhet for eksterne aktører, samt innsikt i hvordan de kan bidra til å overholde mål for saksbehandlingstider.