Automatisk generering av brev 

Dette er del 2 av 2 om å generere tekster. Dette bygger videre på del 1, så for å få helheten anbefaler jeg at du leser det innlegget først.

Helt grunnleggende skal vi generere brev på denne måten: Systemet velger riktig brevmal for situasjonen, bruker informasjon fra saksbehandlingen til å vurdere om enkelte fraser skal inkluderes i eller eksluderes fra brevet i denne saken, og fyller inn flettefelter for å tilpasse frasene til den konkrete saken. Til slutt kan brevet sendes ut til mottaker, enten gjennom Altinn eller via print til papir og sendes i posten. 

For å generere brev automatisk vil jeg bruke en brevmal og en dokumentmal. Brevmalen inneholder faste fraser og regler som styrer hvilke fraser som skal være med i ulike tilfeller. Dokumentmalen definerer fonter, skriftstørrelser, linjeavstand, marger, hvordan vi skriver sidetall osv. Fordelen med å ha begge er at du kan definere en dokumentmal én gang, og så kan alle som vil følge samme dokumentmal bare si at deres brevmal skal bruke en viss dokumentmal. Det går raskere å lage nye brev når du slipper å måtte finne ut av alle sånne detaljer, og brevene blir like uten at alle må anstrenge seg for å gjøre det rett. Du bare sier «denne brevmalen skal bruke standard dokumentmal», så får du organisasjonens foretrukne skriftstørrelser, fonter, osv. 

Brevmalene definerer innholdet i et brev. Du kan ha en brevmal for flere situasjoner, og styre innholdet med diverse regler. Da kan én brevmal ha tekster for å både innvilge og avslå en søknad. Men hvis det meste av innholdet for de to situasjonene er forskjellig kan det være lurt å ha to brevmaler, en for innvilgelsesbrev og en for avslagsbrev. 

En brevmal kan lages ved å ha noen faste fraser og noen fraser som bare blir med i visse tilfeller, avhengig av saksegenskaper. En brevmal kan f.eks. se slik ut: 

Dokumentmal = Standardbrev 

Søknadsbehandling/Innvilgelsesbrev/Overskrift 

Søknadsbehandling/Innvilgelsesbrev/Introduksjon 

Søknadsbehandling/Innvilgelsesbrev/Begrunnelse 

<SpesiellSak == true> Søknadsbehandling/Innvilgelsesbrev/EkstraInformasjon 

Felles/Innsynsrett 

Felles/RelevanteReglerForDetteBrevet 

Felles/KontaktOss 

Felles/Signatur 

Her har vi mange faste fraser, og en frase som er avhengig av at feltet «SpesiellSak» er «true». Altså en frase som bare blir med i noen innvilgelsesbrev. Mer om dette feltet og tilsvarende i neste kapittel. Vi har noen fraser som er spesifikke for dette innvilgelsesbrevet, og noen fraser som er felles med andre brev. Frasen Felles/RelevanteReglerForDetteBrevet vil ha ulikt innhold fra brev til brev, siden det som faktisk står i den er de lovhenvisningene som brevets fraser er knyttet til. Det er likevel en felles frase som inneholder logikken for å samle det enkelte brevs lovhenvisninger. 

Bruk av brevmalen 

Når du jobber med saksbehandling gjør du noen valg. Noen av disse valgene skal vi informere om i et brev. Noen saker er spesielle i seg selv, f.eks. på grunn av egenskaper ved søker. Hvordan skal systemet vite hvilke fraser som skal være med i et brev? Vi må definere noen regler for å velge hvilke fraser som skal være med i brevet. F.eks. kan vi ha en regel som sier «Gitt at søker er under 18 år skal tekst om mindreårige søkere inkluderes i brevet», eller «Gitt at saksbehandler valgte å krysse av for Ja i skjermbilde 4 («Er dette en spesiell sak?») så skal tekst om spesielle saker inkluderes i brevet» eller «Gitt at det er forsinkelsesrenter i saken så skal tekst om forsinkelsesrenter inkluderes i brevet». I tillegg er det forskjellige tall, navn og annet som skal inn i brevet. F.eks. søkers navn, søkers adresse, dagens forsinkelsesrentesats, dagens dato eller beløp til utbetaling. 

Jeg beskriver en måte å strukturere dette her. Jeg forutsetter at man har flere tekniske komponenter i systemet, og at brevkomponenten er en felles komponent som flere saksbehandlingskomponenter bruker. Jeg forutsetter at de generelle brevreglene ligger i brevkomponenten, mens reglene for å plukke ut de opplysningene vi ønsker å legge inn i brevet ligger i den saksbehandlingskomponenten som er nærmest på de opplysningene, og der ekspertisen på den saksbehandlingen sitter. Da må vi samle sammen informasjon om saken i saksbehandlingskomponenten og sende det til brevkomponenten. 

Vi må spesifisere regler for å plukke ut ønskede opplysninger og strukturere opplysningene på en måte som vi er enige med brevmodulen om. En måte å gjøre det på er i JSON-format, omtrent som vist her: 

{ 

    «navn»: «Per Persen», 

    «adresse»: «Gateveien 1», 

    «forsinkelsesrentesats»: 12.5, 

    «spesiellSak»: false, 

    «mindreårigSøker»: false, 

    «vedtaksdato»: «2024-10-25» 

} 

Brevmodulen bruke dette til å velge om frasene Søknadsbehandling/Innvilgelsesbrev/Introduksjon og Søknadsbehandling/Innvilgelsesbrev/SpesiellSak skal være med i brevet, og til å fylle ut flettefelter i fraser. 

Vi må også velge språkform. Vi har alle fraser på bokmål, nynorsk og engelsk. Hvilke skal brukes til en gitt mottaker? Kanskje vi har et kunderegister eller en annen form for register der vi har ulike aktørers ønskede språkform. Da kan brevkomponenten slå opp ønsket språkform og velge riktig variant av alle fraser. Vi bør definere en regel for hva vi gjør hvis vi ikke har fraser på ønsket språkform. F.eks. om vi ønsker en feilmelding, eller å bruke den språkformen som finnes, eller å sende saken til menneskelig saksbehandler for å skrive brev manuelt. 

Avslutning 

Det er mange fordeler ved å håndtere brev og fraser som beskrevet her, men det er naturligvis noen ulemper også. Det er mye jobb for å få alt dette på plass. Det kan være en stor endring fra hvordan du skriver brev i dag, spesielt hvis det er noe saksbehandlere gjør manuelt. En slik endring krever ikke bare IT-utvikling, men også endringsledelse. Saksbehandlere kan føle at de mister kontrollen over brevene, og du må sikre at de får tillit til automatisk genererte brev. Organisasjoner av ulik størrelse og med ulike mål og rammer kan ha nytte av ulike deler av dette. En fordel er at du kan ta i bruk fraselager-tabellen for å få likere struktur og tekst i brevene selv om du ikke har noen av de tekniske komponentene for å automatisk generere brev. Jeg vil også minne om at det er mulig å bruke dette generelt til å generere tekst, ikke bare til typiske «brev». 

Det viktigste er å vurdere om du er fornøyd med måten dere kommuniserer skriftlig i din organisasjon. Hvis du ikke er fornøyd kan du begynne med å vurdere hva du ønsker å oppnå, og deretter finne egnede tiltak. Det kan være noe eller alt som er beskrevet her, eller det kan være andre tiltak og løsninger. 

Innledning

Ettersom verden blir stadig mer digitalisert, er det relevant og nødvendig å rette søkelys på hvilken påvirkning digitaliseringen kan ha på miljøet. IT-sektoren er en av de raskest voksende industriene globalt, og den står for en stadig økende andel av de globale CO2-utslippene. Faktum er at IT-sektoren gir like store klimaavtrykk som flysektoren [1]. Som følge av denne utviklingen, har grønn IT og mer spesifikt grønn koding blitt et fremvoksende konsept.

I dette blogginnlegget søker jeg å gi et innblikk i hva grønn koding er, hvorfor det er viktig, og hvordan utviklere kan implementere bærekraftig kode.

Hva er grønn koding?

“Green coding is an environmentally sustainable computing practice that seeks to minimize the energy involved in processing lines of code and, in turn, help organizations reduce overall energy consumption.” [2] 

Grønn koding er et segment av grønn databehandling (grønn IT). Grønn databehandling er en praksis, dvs. fabrikasjon, bruk og avhending av IT-utstyr, som har som mål å begrense teknologiens klimaavtrykk. Grønn koding dreier seg om å utvikle programvare som påvirker miljøet i så liten grad som mulig. Mer konkret vil det si å skrive kode som er energieffektiv, ressursbesparende og optimalisert for å kjøre på enheter og servere med lavt energiforbruk. Et hovedpoeng med grønn koding er altså at programkoden er effektiv. Med dette menes det at koden ikke gjør mer enn nødvendig for å oppnå sitt definerte funksjonelle formål.

Grønn koding handler også om hele programvarens livssyklus, fra utvikling og distribusjon til bruk og avvikling.

Flere open-source prosjekter og fellesskap har begynt å fokusere på bærekraft i programvareutvikling. Green Software Foundation er et eksempel på et initiativ som samler utviklere, forskere og organisasjoner for å fremme energieffektiv og bærekraftig programvare.

Hvorfor er grønn koding viktig?

Dagens digitale infrastruktur drives i utstrakt grad av datasentre. For å opprettholde drift, kjøling og sikkerhet forbruker datasentre veldig store mengder energi. Stadig økende databehandling skaper store mengder varme, som igjen krever energi for å avkjøles. Her spiller grønn koding en viktig rolle. Grønn koding kan bidra til å redusere energiforbruket i IT-sektoren, og derav redusere sektorens klimaavtrykk. Dette kan oppnås ved å optimalisere programvarens bruk av ressurser. Effektiv kode som grønn koding representerer kan redusere behovet for maskinvareoppgraderinger, forlenge levetiden til eksisterende teknologi, og altså minimere energikostnader. Alt dette uten å gå på bekostning av ytelsen.

Grønn koding vil ikke bare kunne være fordelaktig for miljøet, men også for organisasjonen som implementerer det [3]. Hvis grønn koding gjør at organisasjonen forbruker mindre energi, kan dette gi økonomiske besparelser, som vil bidra til å opprettholde forretningens bærekraft. Dessuten kan en organisasjon som forplikter seg til bærekraft, trolig få et bedre omdømme og derav potensielt øke sin markedsappell blant miljøbevisste kunder [4].

Hvordan implementere grønn kode?

En fundamental forutsetning for at en organisasjon skal kunne redusere sin miljøpåvirkning, er at organisasjonen forstår hvilken miljøpåvirkning den har. På den måten kan organisasjonen legge planer og ta veloverveide beslutninger om hvilke bærekraftige programvareutviklingstiltak de bør gjøre for å maksimere effekten. Det fins en mengde målemetoder som kan brukes for å vurdere og forstå miljøpåvirkningen. Mange programvare- og skyleverandører tilbyr verktøy og dashboards som kan synliggjøre miljøpåvirkningen til tjenester som en organisasjon benytter. Noen eksempler er AWS Carbon Footprint Tool og Azure Emissions Dashboard [3].

Hvis man har gjort tiltak for å introdusere grønn tenkning i en organisasjon, vil det øke sjansen for en kulturendring i organisasjonen med mer fokus på bærekraft i hver ansatt sitt daglige arbeid [3]. Dette vil gjøre det enklere å implementere grønn koding.

Når det gjelder IT-arkitektur, er det anbefalt ut ifra et grønt koding perspektiv å satse på mikrotjenester fremfor monolitt [3]. I en monolittisk applikasjon er alle komponenter og all funksjonalitet pakket sammen. Hvis en komponent i en monolitt opplever høy etterspørsel, må som oftest hele applikasjonen skaleres. Dette kan føre til at ressursene brukes mindre effektivt. Med en mikrotjenestearkitektur er applikasjonen delt opp i flere uavhengige tjenester som kan rulles ut og skaleres hver for seg. Det vil gi bedre ressursbruk, serverutnyttelse og generelt bedre energieffektivitet.

Et annet tiltak for å optimalisere serverbruk er containerisering (f.eks Docker) eller virtualisering [4]. Dette kan maksimere bruken av serverressurser og redusere behovet for flere fysiske servere og dermed energibruken. Hvis de brukes på riktig måte, kan skyplattformer være energibesparende. Ressursskaleringsløsninger som skyleverandører ofte tilbyr, kan optimalisere ressursforbruket i forhold til etterspørselen.

Det finnes noen mer konkrete implementasjonsråd hva angår grønn koding:

• Optimalisering av algoritmer: Ved å bruke effektive algoritmer som bruker mindre prosessorkraft og minne, kan dette redusere energien som kreves for å kjøre koden. [4]
• Unngå redundant kode: Ved å fjerne unødvendig og ubrukt kode vil mengden prosessering som trengs bli redusert, noe som igjen reduserer energibruken. Dette vil også forenkle vedlikehold av programvaren. [5]
• Begrens bruk av løkker: Løkker er ofte veldig ressursintensive, ettersom de kan utføre et stort antall beregninger. Ved å minimere antallet løkker, kan man optimalisere dataprosesseringen. [7]
• Asynkron programmering: Å kjøre prosesser i parallell (asynkront) kan øke effektiviteten og redusere energibruken. Synkronitet gir mer ventetid for prosessoren og dermed mer unødvendig energibruk. [6]
• Caching-teknikker: Implementasjon av caching av eksempelvis ofte aksesserte data i minnet, kan gi besparelser i prosesseringstid. [7]
• Lazy loading: Ved å bare laste data når det trengs, kan utviklere redusere minne-fotavtrykket i programvaren. [7]
• Oppdater til nyere versjoner: Ressursbruk kan optimaliseres ved å ta i bruk oppdaterte biblioteker og rammeverk
• Valg av programmeringsspråk: Programmeringsspråk har ulik energieffektivitet. C, C++ og Rust er kjent for å være noen av de mest energieffektive språkene. Python og Ruby er ansett for å være blant de minst energieffektive. [4]
• Open source software: Åpen kildekode-programvare kan bidra til bærekraft ved redusert behov for utvikling fra bunnen av, noe som sparer tid og ressurser. [4]

Avslutning

Grønn koding er et sentralt konsept innen grønn databehandling. Det er en mulighet til å kombinere teknologi med ansvar. Ved å gjøre små justeringer i hvordan vi skriver og optimaliserer kode, kan utviklere bidra til å redusere teknologiens miljøpåvirkning og fremme en grønnere fremtid.

Kilder

[1] https://www.tu.no/artikler/it-bransjen-har-like-stort-klimaavtrykk-som-flybransjen-hva-gjor-vi-med-det/486098
[2] https://www.ibm.com/think/topics/green-coding
[3] https://www.computer.org/publications/tech-news/trends/implementing-green-coding-practices
[4] https://green.org/2024/05/24/best-practices-of-sustainable-software-development/
[5] https://greensoftware.foundation/articles/10-recommendations-for-green-software-development
[6] https://www.asioso.com/en_BA/blog/green-code-4-principles-for-environmentally-friendly-software-development-b1001
[7] https://www.suso.academy/en/2023/03/13/green-coding-the-5-most-important-basics-for-sustainable-software-development-with-code-examples/

Parprogrammering er en teknikk i programvareutvikling hvor to programmerere jobber sammen på én maskin eller editor for å skrive kode. Dette er en velkjent smidig metodikk som kanskje ikke blir brukt så ofte som det burde. Tradisjonelt har det vært vanlig at den ene parten skriver koden mens den andre parten overvåker og tenker høyt, og at rollene byttes på jevnlig. Nå til dags finnes det verktøy som kan gjøre denne prosessen enklere, slik at flere kan redigere samtidig. Dette gjør også at rollene er mindre definerte, i og med at «rollebyttet» skjer mye hyppigere. Det er litt uenighet i hvilke tilfeller parprogrammering skal brukes. I dette blogginnlegget tar jeg for meg noen fordeler og ulemper ved bruk av denne teknikken.  

Fordeler ved parprogrammering:

Deling av kunnskap
Det jeg personlig mener er det viktigste punktet i parprogrammering er deling av teknisk kunnskap. Å observere og samhandle med andre i en jobb vil naturlig gi god innsikt i andres arbeidsmetoder, problemløsningsstrategier, snarveier og generell teknisk kunnskap.

Kanskje enda viktigere er delingen av domenekunnskap. Det er naturlig at to som parprogrammerer sammen har litt ulik kunnskap man tar i bruk i selve prosjektet. Mye av gevinsten ligger ikke bare i deling av hva man kan fra før, men det at flere enn én person får kunnskap om den nye koden som produseres. Flere i teamet vil ha kjennskap til mange deler av kodebasen. Dette vil gjøre det enklere i fremtiden hvis man skal håndtere koden, om det så skulle være en ny integrasjon, erstatning, feil eller endringer. Dette øker fleksibiliteten i hvem som kan jobbe med hva, og man er ikke avhengig av den ene personen som kanskje er syk, på ferie eller som har sluttet i teamet. Det blir også lettere å diskutere og sparre med noen dersom man skal jobbe med koden senere.  

Særlig nyttig er kunnskapsdelingen for dem som er nye i teamet eller i jobben. Dette gjelder teknisk kunnskap, men også særlig deling av domenekunnskap. Jeg tror et resultat av dette vil være en mye raskere onboardingsprosess. Den nyansatte får god innsikt i hvordan teamet jobber, hvilke tekniske løsninger som brukes og det blir lavere terskel for å stille spørsmål. Av egen erfaring er det lettere å få oversikt når man begynner å jobbe, lete og skrive i kodebasen. Å kun få en teoretisk innføring i prosjektet i form av powerpoint-presentasjoner eller lenker til sider på Wiki kan fort bli mye abstrakt informasjon når man er ny. Jeg tror tiden man bruker på å sitte med en som er ny i teamet vil være godt tjent inn senere.  

Standardisering og kodekvalitet
Tett samarbeid fører til at man utvikler en felles forståelse og praksis. Kodebasen vil være mer lettleselig da begge partene som deltar i produksjonen skal ha det klart for seg og man kontinuerlig tilpasser så partneren forstår. Ved å rotere partnere i forskjellige oppgaver vil man alltid kunne føre best praksis videre og alle vil lære litt av hverandre. 

Det at noen overvåker koden som skrives vil øke kodekvaliteten betraktelig. Dette kan også føre til at testfasen blir enklere, da feil vil oppdages tidligere. En studie fra NASA (1) fant at koden som ble skrevet under parprogrammering var mer lettleselig og bestod av omtrent halvparten så mange linjer som koden som ble skrevet uten parprogrammering. Dette skyldes effekten av kontinuerlig refaktorering og kodegjennomgang som naturlig oppstår når man er to.  

Sosialt samspill
Parprogrammeringen kan fremme bedre kommunikasjon mellom utviklerne i teamet. Særlig med mye hjemmekontor vil det sette terskelen lavere for å ta kontakt. Det sosiale aspektet er viktig for mange i arbeidet. I jobben som utvikler hører det med at man sitter mye for seg selv i egne tanker. Det er velkjent at sosial interaksjon er viktig for psyken og velvære. Det er også studier som viser direkte korrelasjon mellom sosial interaksjon og et teams ytelse (2). Sterkere relasjoner og bedre kjennskap til medarbeideres styrker og svakheter gjør det lettere å samarbeide og løse problemer. 

Økt fokus
Samarbeid i parprogrammering kan bidra til økt fokus. Når man diskuterer og løser et problem aktivt sammen er man ofte mer engasjert. Særlig i hjemmekontormiljøer tror jeg dette kan hjelpe til å redusere distraksjoner. Når man jobber tett med noen er det mindre sannsynlig at man blir fristet til å sjekke nyheter, lyden som plinget på telefonen eller e-posten som du kanskje ikke trengte å svare på akkurat nå.

Ulemper ved Parprogrammering:

Lavere produktivitet
Parprogrammering kan redusere produktiviteten målt i linjer kode produsert per time. Dette gjelder i stor grad på kort sikt, da det er mer tidkrevende diskusjoner, forklaringer og refaktoreringer. I situasjoner hvor rask koding og utrulling er kritisk, kan det være langt mer effektivt å jobbe alene, til tross for at koden sannsynligvis vil ha lavere kvalitet. 

Begrenset selvstendig tenkning
Det kan være at man begrenser seg selv når noen andre sitter og ser på, som kanskje har mer erfaring. En mer erfaren utvikler kan fort ta for mye kontroll og bestemme ting uten at den andre parten får tid til å tenke seg om. Dette kan hemme personlige problemløsningsevner. Personlig lærer jeg mye av å stange på et problem til jeg finner ut av det selv. Dette gir ofte en dypere forståelse av hvorfor ting fungerer som det gjør, enn at man bare vet at noe fungerer. Det er viktig å gi begge parter tid til å tenke og bidra, slik at man kan lære og vokse. Dette er ikke alltid like lett.

Mentalt krevende
Å jobbe tett med en annen person krever konstant fokus og kommunikasjon, noe som kan være mer mentalt slitsomt enn å jobbe alene. Folk trenger ulik tid til å prosessere informasjon. Konstant prat, høyt fokus og forklaringer kan være krevende, og kan føre til kortere utholdenhet. 

Tidskoordinering
Det kan i tillegg være utfordrende å synkronisere tidsplaner, spesielt når utviklere har ulike møter, private forpliktelser eller jobber på forskjellige prosjekter og tider på dagen. Dette kan føre til ineffektivitet og vanskeligheter med å finne passende tidspunkter for parprogrammering. Det kan også være viktig å ha noe annet å kunne jobbe med mellom øktene. Dessverre kan det fort bli sporadisk og ujevn tidsfordeling på de andre oppgavene du har påtatt deg. Om du for eksempel er midt i et prosjekt hvor du har parprogrammert og partneren blir syk i to dager, kan det være du må finne noe annet å gjøre. Når partneren din kommer tilbake har du da to prosjekter du er halvveis i, og må sette soloprosjektet på vent igjen. Slike koordineringsproblemer kan gjøre parprogrammering vanskelig i større skala. 

Ikke feilfritt
Selv om parprogrammering kan fjerne mange feil og heve kodekvaliteten, kan det også skape en falsk trygghet. Det er fort gjort å bli mindre kritisk til koden når man vet at den er sett over av en annen underveis. Hvis ikke partneren/observatøren har sagt noe, så stoler man kanskje på at alt er riktig. I motsetning til hvis man står ansvarlig for koden helt alene, hvor man kanskje har mindre tiltro til at alt er OK. Parprogrammering brukes i noen tilfeller som en erstatning for kodegjennomgang, men uansett hvor mange som har utviklet noe sammen tror jeg at det alltid er lurt å ha en kodegjennomgang med eksterne ferske øyne. 

Konklusjon  

Parprogrammering har både betydelige fordeler og ulemper. Det fremmer kunnskapsdeling, bedre kodekvalitet og samarbeid, men kan også være mentalt krevende og redusere produktiviteten på kort sikt. For å lykkes med parprogrammering er det viktig med god planlegging og tilrettelegging. Det viktigste er å se på det som et verktøy, ikke en «be-all end-all» universalløsning som skal tvinges gjennom i hver kodeblokk som skal produseres. Jeg tror tre gode steder å bruke parprogrammering er i produksjon av nye komponenter, i opplæring og ved endring av eksisterende komponenter hvor den ene parten ikke er kjent med domenet. Hvis man klarer å bruke parprogrammering der det er hensiktsmessig tror jeg et man kan oppnå et mer effektivt og kunnskapsrikt team. Jeg tror det er viktig å legge parprogrammeringen til sesjoner som ikke er for lange, for å unngå tapt fokus og gi rom for egen tenking.  

Men ellers er mitt svar ja. To hoder skrive bedre kode(r).  

(1) https://fun3d.larc.nasa.gov/papers/exploring_xp.pdf
(2) https://mpra.ub.uni-muenchen.de/117042/1/20230412WP.pdf 

Og bør du egentlig bry deg om forretningsregler hvis du er jurist eller jusprofessor som er opptatt av rettssikkerhet i automatiserte løsninger? Ja, mener jeg.  

Regler i lover og forskrifter er ofte upresise og mangelfulle og/eller åpner for at en virksomhet må ta noen valg om hvordan den vil praktisere reglene i sin forretningsvirksomhet. Min påstand er at forretningen (både offentlig forvaltning og private virksomheter) bør bruke konseptet forretningsregler til å dokumentere sin fortolkning og implementering av rettsreglene før reglene automatiseres i et IT-system. 

En forretningsregel er en regel som er praktiserbar og som er under forretningens styring. Regler i lover, forskrifter og styringsdokumenter fra myndighetene blir til forretningsregler i kraft av å bli fortolket og iverksatt i virksomheten. 

Men la oss begynne med begrepet rettsregel. Overraskende mange jusprofessorer har skrevet bøker om rettskildelære og innføring i juridiske emner uten å gjøre et forsøk på å definere begrepet rettsregel. Jeg mener at Erik Boe engang sa, eller skrev, noe i retning av:  

“en rettsregel er en regel som gir en rett som rettighetshaveren kan få fullbyrdet ved hjelp av rettsapparatet.” 

Boe sa det sikkert bedre, men jeg legger uansett denne definisjonen til grunn i det videre. Det sentrale her er at det finnes et utvalg av rettigheter som kan tvinges realisert med hjelp fra myndighetenes rettsapparat.  

Alle forstår med en gang at frisparkreglene på en fotballbane faller utenfor. Det samme gjelder barns leggetidsregler hjemme eller “dress code” i ditt neste middagsselskap.  

Forsikringsavtalen din om innbo kan imidlertid gi deg en rett til erstatning som du (gitt at vilkårene er oppfylt) kan få en dom på fra en domstol – som altså er en del av rettsapparatet. Forpliktelser vi tar på oss når vi inngår en avtale blir altså rettsregler med “min” definisjon.

Hva så med forretningsregler? Til forskjell fra rettsregler finnes det en lang rekke ulike definisjoner på hva en forretningsregel er. For anledningen bruker jeg definisjonen fra den åpne internasjonale standarden “Semantic of Businesss Vocabulary and Rules (SBVR)” utgitt av Object Management Group (OMG). 

En forretningsregel er en regel som er praktiserbar og som ligger under forretningens jurisdiksjon (1)

Hva skal vi forså med «forretningens jurisdiksjon»? Vi kan tenke på dette som regler som forretningen har myndighet til å endre selv. Et eksempel på en slik regel kan være åpningstider for brukere eller kunder og arbeidstid for ansatte. Likevel er det slik at diverse lover og forskrifter legger en ytre ramme for hva som vil være lovlig.   

Noen butikker skal for eksempel holde stengt på helligdager (2), og arbeidsmiljøloven (3) setter flere begrensinger for hvor mange timer en arbeidstaker skal kunne arbeide over ulike perioder.   

Dersom en virksomhet ønsker å opptre innenfor lovens rammer, bør forretningsreglene utformes slik at den gjør nettopp det.

For meg er det også et poeng at alle virksomheter har et valg. En hvilken som helst virksomhet kan velge å innføre regler og ordninger som strider med lover og regler den er underlagt. En dagligvarebutikk kan velge å holde åpent en søndag i mai for å selge hageprodukter. Virksomheter kan velge å sette opp arbeidslister og turnusordninger som strider mot begrensninger i arbeidsmiljøloven og inngåtte tariffavtaler. 

I Decisive har vi et turnussystem som gjør lovlighetssjekker på turnuslister. Automatisering av slike lovlighetssjekker krever juridisk kompetanse med tanke på å utlede rettsregelen. Juristene som utleder de ferdige tolkede reglene, bruker juridisk metode og ser på hele rettskildebildet – som for eksempel arbeidsmiljøloven, ulike tariffavtaler, etablert fast praksis og dommer med mer. 

For å automatisere en lovlighetssjekk bør den ferdige tolkede regelen spesifiseres på et nivå som er hensiktsmessig for både dem som kan jusen og for dem som skal implementere reglene i et IT-system. 

Nå er jeg over på den delen av definisjonen som går på at en forretningsregel skal være praktiserbar. Jeg tenker at praktiserbar betyr at regelen må være mulige å anvende, bruke og eventuelt utføre (4). I dette ligger det også at regelen bør være mulig å forstå for den som skal bruke regelen. 

La oss se på et konkret eksempel fra en forskrift jeg kom over som retter seg mot pensjonister med avtalefestet pensjon (AFP) som kan tenke seg å endre litt på hvor mye de jobber. Pensjonen de mottar skal endres basert på endringer i forventet inntekt. Men hvordan slår disse reglene ut for pensjonistene? Heldigvis har vi en “enkel” regel pensjonistene kan forholde seg til: 

«Dersom forventet arbeidsinntekt [min utheving] økes eller reduseres med mer enn toleransebeløpet, skal pensjonen regnes om. Selv om forventet inntekt økes eller reduseres med mindre enn toleransebeløpet, skal pensjonen likevel regnes om dersom endringen innebærer at forventet inntekt blir henholdsvis høyere eller lavere enn toleransebeløpet»  

Eksempelet er hentet fra forskrift om kombinasjon av avtalefestet pensjon for medlemmer av Statens pensjonskasse og arbeidsinntekt (pensjonsgivende inntekt), se § 4. Endringer i forventet arbeidsinntekt, andre ledd. 

Etter å ha lest bestemmelsen vet jeg egentlig ikke helt hva denne bestemmelsen betyr for en pensjonist, ei heller hvordan den skal praktiseres. Og jeg tviler på at en utvikler som skal implementere regelen i et automatisert IT system forstår det. Noe bør gjøres for å tydeliggjøre innholdet. Jeg har gjort et enkelt forsøk på å lage en forretningsregel basert på forskriftsteksten ovenfor.  

Pensjonen skal regnes om gitt at én av følgende er sant:  

• forventet arbeidsinntekt økes med mer enn toleransebeløpet
  
• forventet arbeidsinntekt reduseres med mer enn toleransebeløpet 
• forventet arbeidsinntekt øker fra et beløp lavere enn toleransebeløpet til et beløp høyere enn toleransebeløpet 
• forventet arbeidsinntekt reduseres fra et beløp høyere enn toleransebeløpet til et beløp lavere enn toleransebeløpet 

For meg spiller det egentlig ingen rolle om mitt lille forsøk representerer korrekt jus eller ikke. For meg er det viktigste at jeg har skrevet en forretningsregel som det er mulig for en utvikler å implementere i et automatisert beslutningssystem og for en jurist å ta stilling til om er riktig jus. (Fortrinnsvis en jurist med kompetanse på AFP.) 

Noen vil kanskje også legge merke til at forskriftsbestemmelsen ikke sier noe eksplisitt om hva som skal skje hvis endring/forventet inntekt er lik toleransebeløpet. Flere lesere gikk kanskje glipp av den uklarheten ved første og andre gangs gjennomlesning. La meg inkludere meg selv i den gruppen. Rettsregelen er altså ikke ferdig (uttømmende) tolket, og mitt forsøk på å lage en praktiserbar forretningsregel er dermed også mangelfull. Forretningsregelen SKAL være uttømmende beskrevet og “hullet” i forskriften må tettes etter vanlig juridisk metode. 

Uten å sette opp forretningsregler vil forretningen slite med å sikre uttømmende beskrivelser og komplett dekning for rettsreglene i sine automatiserte systemer for rettsanvendelse. 

Jeg mener det vil være en styrke for rettsikkerhet om jurister selv kan sette opp forretningsregelen slik jeg har gjort i eksempelet ovenfor. Min påstand er at bruk av forretningsregler øker tryggheten og skaper notoritet for at reglene som implementeres i rettslige beslutningssystemer representerer en ferdig tolket og korrekt rettsregel basert på juridisk metode. 

Om noen lurer, så har jeg brukt RuleSpeak til å beskrive forretningsregelen. RuleSpeak ligger på nivå to av tre når det kommer til spesifiseringsnivå. Neste nivå «ned» er en implementasjonserklæring.  

(1) Min oversettelse. Original: “rule that is practicable and that is under business jurisdiction,” se Semantics of Business Vocabulary and Business Rules, v1.5, page 98.
(2) Se helligdagsfredloven § 5. Salg fra faste utsalgssteder
(3) Se arbeidsmiljøloven § 10-8. Daglig og ukentlig arbeidsfri
(4) “Able to be done or put into practice successfully; able to be used, useful,” se Semantics of Business Vocabulary and Business Rules, v1.5 page 99.

Innledning 

SMARTS er et beslutningsstyringssystem (Decision Intelligence Platform, DIP) utviklet av Sparkling Logic. Systemet er designet for å optimalisere og automatisere beslutningsprosesser innenfor organisasjoner ved å tillate rask implementering, testing og endring av kompleks beslutningslogikk. I denne bloggposten bruker jeg SMARTS som eksempel, men teksten vil i stor grad kunne være relevant om man vurderer andre systemer også. I den første delen av innlegget vil jeg presentere noen nøkkelegenskaper og fordeler ved bruk av SMARTS, før jeg lenger ned beskriver sentrale prinsipper for implementering av beslutninger.   

Her er noen nøkkelegenskaper og fordeler ved å bruke SMARTS: 

Sentralisert beslutningslogikk 

SMARTS hjelper organisasjoner med å sentralisere beslutningslogikken, noe som forenkler vedlikehold og oppdatering. Dette er spesielt nyttig i miljøer hvor beslutningsreglene endres ofte som respons på nye forretningskrav eller ekstern regulering fra f.eks. Stortinget eller et departement. 

Tilgjengelighet for ikke-tekniske brukere 

En av de mest fremtredende egenskapene til SMARTS er hvor tilgjengelig systemet er for ikke-teknisk personell. Plattformen tilbyr et brukervennlig grensesnitt for regelutforming, noe som lar både forretningsanalytikere, regeladministratorer, og andre ikke-tekniske roller bidra til utvikling og vedlikehold av beslutningslogikken uten dyptgående programmeringskunnskap. Ansatte med disse rollene får større eierskap til løsningen når de kan jobbe i den selv. Dette bidrar også til større trygghet i at man forvalter regelverket riktig og at automatikken fatter riktige beslutninger. 

Fleksibilitet og skalerbarhet 

SMARTS er bygget for å være fleksibelt og kan skaleres for å møte behovene til både små og store organisasjoner. Systemet kan distribueres i skyen (på plattformer som AWS, Azure, GCP, OpenShift) eller on-premise, avhengig av organisasjonens preferanser og krav til datasikkerhet. 

Avanserte analysefunksjoner 

SMARTS inneholder avanserte analysefunksjoner og simuleringsverktøy som lar brukere teste og evaluere beslutningslogikken før den settes i produksjon. Dette bidrar til å redusere risikoen og øke tilliten til beslutningene som systemet genererer. Øystein Grøndahl har tidligere skrevet om mulighetene for å vurdere konsekvenser av regelendringer, se A-B testing i SMARTS: Del 1 og A-B testing i SMARTS: Del 2.

Integrasjon med moderne teknologier 

Med støtte for HTTP APIer og tilgang til et Software Development Kit (SDK), kan SMARTS enkelt integreres med eksisterende IT-infrastruktur og applikasjoner. Dette sikrer en sømløs flyt av data og beslutninger gjennom organisasjonens økosystem.  

Sikkerhet og compliance 

Sikkerhet og compliance er kritiske aspekter for alle beslutningssystemer. SMARTS støtter sikkerhetsstandarder og autentiseringsprotokoller for å sikre dataintegritet og tilgangskontroll, samt evnen til å implementere zero trust-prinsipper gjennom bruk av kortlivede tokens. SMARTS lagrer SMARTS aldri data, heller ikke når reglene blir kjørt. 

Prinsipper for implementasjon av beslutninger 

Etter å ha brukt SMARTS i flere prosjekter er det noen sentrale  prinsipper det er lurt å tenke på når man implementerer beslutningstjenester. Disse prinsippene sikrer at beslutningstjenestene er robuste, vedlikeholdbare og lett integrerbare i ulike forretningsprosesser. Prinsippene kan også benyttes når man velger å implementere regler i programmeringsspråkene som en virksomhet benytter til vanlig, dette kan typisk være Java, C#, Kotlin eller Python. 

Figuren nedenfor viser et mulig eksempel på hvordan SMARTS kan integreres i en løsning:

Beslutninger bør være tilstandsløse 

Beslutninger bør ikke håndtere eller initiere oppdateringer av andre objekter eller ressurser. Ansvaret for slike oppdateringer bør ligge hos den prosessen som benytter resultatet av beslutningen. Dette forenkler beslutningstjenestene og sikrer at de utelukkende er dedikert til beslutningstaking. 

Beslutningstjenester bør være uavhengige av prosesser og systemer 

Ved å designe beslutningstjenester som er uavhengige av spesifikke prosesser og systemer, øker potensialet for å kunne gjenbruke tjenestene på tvers av ulike deler av organisasjonen. Dette fører til at man også støtter sentralisering av regelverket, noe som fører til likebehandling og lettere vedlikehold og oppdatering av regler. 

Bruk gjenkjennelige begreper 

Beslutningene bør implementeres ved hjelp av begreper og terminologier som er lett gjenkjennelige og direkte avledet fra regelspesifikasjonen og den tilhørende faktamodellen. Dette styrker forståelsen og overholdelsen av reglene gjennom hele organisasjonen. 

Det finnes flere initiativ for å beskrive beslutninger og forretningsregler på en strukturert måte. Formålet er både å standardisere måten regler beskrives på, samtidig som man også muliggjør verktøystøtte. Her er noen lenker som kan være av interesse: 

• https://www.decisionmanagementsolutions.com/wp-content/uploads/2014/11/Manifesto-White-Paper-October-7.pdf 
• https://decisionmanagementsolutions.com/wp-content/uploads/2019/10/The-Decision-Management-Manifesto-October-6-2019-Norwegian.pdf 
• https://en.wikipedia.org/wiki/Decision_Model_and_Notation  
• https://en.wikipedia.org/wiki/Semantics_of_Business_Vocabulary_and_Business_Rules  
• https://www.rulespeak.com/no/ 

Modellbasert input og output 

Input og output for beslutninger kan integreres med modeller som allerede er i bruk i organisasjonen. Dette bidrar til enkel integrasjon og dataflyt. 

Det er nødvendig å etablere en klar og pålitelig mappingprosess mellom de eksisterende modellene og den interne faktamodellen som beslutningstjenesten bruker. Denne mappingen bør gjøres i selve beslutningen (altså før og etter selve regelevalueringen skjer). 

Dokumentasjon og vedlikehold 

Effektiv dokumentasjon av beslutningslogikken og hvordan denne er implementert er kritisk for vedlikehold og fremtidige revisjoner. Dette inkluderer regeldokumentasjon, endringshistorikk og systemdokumentasjon. 

Testing og validering 

Systematisk testing og validering av beslutningstjenester er essensielt for å sikre at de fungerer som forventet under ulike scenarier. Dette inkluderer enhetstesting, integrasjonstesting og ende-til-ende testing. 

Oppsummering 

Samlet sett tilbyr SMARTS en robust, fleksibel og brukervennlig plattform for beslutningsstyring som kan tilpasses en rekke brukstilfeller, fra finansielle tjenester, detaljhandel, og mer. Og ikke minst for offentlig forvaltning hvor lovverk og forskrifter er grunnleggende i mange av systemene. SMARTS evne til å gjøre beslutninger tilgjengelig for ikke-teknisk personell, samtidig som systemet opprettholder høye standarder for sikkerhet og compliance, gjør det til en verdifull ressurs for enhver organisasjon som ser etter å optimalisere sine beslutningsprosesser.

Ved å følge prinsippene for implementering av beslutninger som jeg har beskrevet ovenfor, kan organisasjoner utvikle effektive og pålitelige beslutningsstyringssystemer som er både robuste og fleksible nok til å møte de stadig skiftende kravene i en dynamisk forretningsverden.

I mitt forrige innlegg skrev jeg om koblinger i programvare, hva de egentlig er og hvilke ulemper og fordeler de gir. I dette innlegget ser jeg videre på ulempene koblinger gir, og beskriver en modell for å vurdere hvor store disse er. Modellen er hentet fra Vlad Khononov sin presentasjon og kommende bok, Balancing Coupling in Software Design. 

I modellen klassifiseres koblinger i tre dimensjoner: styrke, avstand og endringstakt. Nedenfor beskrives disse dimensjonene, samt hvordan de kan brukes for å finne ut om ulempene med en kobling er store eller små.

Styrke

Styrken i en kobling mellom to moduler av programvare følger av hvilken av de fire beskrivelsene nedenfor som beskriver koblingen best. Modul kan her bety alt fra noe så lite som en metode i en klasse, til så store ting som hele IT-løsninger. 

Inngripende kobling (intrusive coupling) 

Dette er den sterkeste typen kobling. Her har koblingen gjort seg avhengig av interne detaljer i implementasjonen, bruker private funksjoner eller tilsvarende. Koblingen fra modul K til modul S bruker altså deler av modul S som det ikke er ment at noen andre skal bruke. Da er det stor fare for at det kan skje endringer i modul S som skaper store problemer for modul K. 

Funksjonell kobling 

Her har de to modulene fått en tett funksjonell kobling, altså at en funksjonell endring i en av modulene krever at den andre modulen også endrer sin funksjonalitet. Dette er et symptom på feil inndeling i moduler (low cohesion), og er en ganske sterk kobling. 

Modell-kobling 

I motsetning til en funksjonell kobling, er koblingen her bare mot datamodellen. Dette er en svakere kobling enn den funksjonelle, og kun endringer i selve datamodellen i den ene modulen kan medføre krav til endring i den andre modulen. Like fullt er datamodellen en svært sentral del av en modul, og det at andre moduler gjør seg avhengig av detaljer i den, vil gjøre det mer tungvint/risikabelt å gjøre endringer i modellen. 

Kontrakts-kobling 

I en kontrakts-kobling er det laget en egen modell, ofte kalt DTO, og et eget grensesnitt for integrasjon mot andre moduler. Da har modulen større frihet til å gjøre endringer i sin interne datamodell uten at det påvirker andre moduler, og tilsvarende med interne funksjoner. Dette er den svakeste koblingen av de fire. 

Avstand 

Avstanden mellom modulene som har en kobling kan ha stor praktisk betydning for hvor store ulemper koblingen gir. Avstand her er ikke fysisk avstand, men i stedet et uttrykk for hvor mye koordinering som må til for å få gjennomført endringer på begge sider av en kobling. 

Om koblingen er mellom to moduler i samme kodebase er avstanden veldig liten. Å endre i begge disse modulene samtidig er helt naturlig, og ingen koordinering trengs utover blant de som programmerer endringen.  

Hva om koblingen er mellom to mikrotjenester? Da kan det være at endringene i disse må koordineres, kanskje må det brukes expand-contract-pattern for å gjennomføre endringen på en trygg måte. Likevel er de som må koordinere arbeidet gjerne på samme team, og koordineringen er normalt ganske enkel å gjennomføre. 

Hva så om koblingen er mellom to forskjellige løsninger i samme organisasjon? Eller enda verre, mellom to løsninger i forskjellige organisasjoner? Sistnevnte kan være svært krevende å få gjennomført, og åpenbart svært mye tyngre enn å endre i moduler som ligger i samme kodebase. 

Endringstakt 

Ulempene med koblinger utløses gjerne når det skal gjøres endringer. Hvis endringer skjer svært sjeldent, kan en kobling ha både høy styrke og lang avstand, men likevel skape lite ulemper totalt sett. På samme måte kan en kobling ha både lav styrke og kort avstand, men likevel skape store problemer hvis den har veldig høy endringstakt. 

Smerten ved en kobling 

Hvordan skal så disse tre dimensjonene, styrke, avstand og endringstakt, brukes for å finne hvor uheldig en kobling er? Sentralt i Khononovs modell er følgende ligning: 

Smerte = Styrke * Avstand * Endringstakt 

Smerte er altså ulempen som koblingen gir, eller smerten ved å forvalte systemet som har koblingen. Styrke, endringstakt og avstand angis med en verdi mellom 0 og 1. Da ser vi at hvis en av faktorene er veldig nærme null, kan smerten være lav selv om de to andre faktorene er høye.  

Denne modellen synes jeg hjelper veldig med å kunne gjøre konkrete og gode vurderinger av koblinger i programvare, og slik også bidra til å avmystifisere disse koblingene som arkitekter snakker om hele tiden.

Om du vil lære mer om modellen anbefaler jeg å se en av presentasjonene til Khononov, f.eks. denne fra DDD Europe 2023.