SamBob en vidareutveckling och implementering av ett AI baserat tvärsektoriellt arbetssätt för innovativa och träffsäkra brottsförebyggande insatser för barn och unga

Syfte och mål

SamBob innebär ett implementering av ett AI-baserat tvärsektoriellt arbetssätt som stärker träffsäkerheten av brottsförebyggande insatser för barn och unga som riskerar att dras in i organiserad brottslighet. Målet är proaktiva, individanpassade lösningar som leder till bättre effekter för barn och unga. I denna fas fördjupas och sprids arbetssättet till fler kommuner, med målet att skapa en nationell modell för datadrivet, tvärsektoriellt brottsförebyggande arbete.

Förväntade effekter och resultat

Kortsiktigt implementeras ett arbetssätt som stödjer datadrivna beslut/uppföljning. På medellång sikt stärks innovationsförmågan, vilket leder till mer individanpassade insatser och starkare samverkan. Detta skapar en kultur av lärande istället för metod fokus. På lång sikt minska rekryteringen till organiserad kriminalitet. Projektet lägger grunden för en nationell modell där AI-stöd och tvärsektoriella arbetssätt kombineras för att möta komplexa samhällsutmaningar.

Planerat upplägg och genomförande

Projektet drivs i nära samverkan mellan myndigheter, civilsamhälles organisationer, näringsliv, forskare. Kommuner, myndigheter och civilsamhälle bidrar med kunskap, erfarenheter och arbetsteam som implementerar och testar verktyget i praktiken. Forskarna ansvarar för analys, utvärdering och lärande på vetenskaplig grund, medan näringslivet utvecklar metod, AI-verktyg och arbetssätt. Alla aktörer engageras genom regelbundna workshops, digitala möten och löpande avstämningar