Maskinlæring ga kommunen 80 mrd. mer i takstgrunnlag

I 2019 møtte to IT-konsulenter, der den ene var meg, opp hos Trondheim kommune med en pitch: «Takser eiendommer ved hjelp av maskinlæring».

Nå, i mars 2023 er det nettopp dette kommunen har gjort. Dette er en liten historie om hvordan dette gikk til.

Boligmassen i Trondheim omfatter i overkant av 60.000 eiendommer. Den siste allmenne takseringen av boligmassen ble gjort i 2004. Nå var disse såpass utdaterte at det var på tide å gjennomføre ny allmenn taksering av boligmassen.

Det var to åpenbare alternativer som presenterte seg:

• De kunne bruke SSBs modell for beregning av boligformue. Denne er i bruk hos 80 prosent av kommunene i dag, men ga ikke særlig gode estimater for Trondheim.
• De kunne gjennomføre fysisk besiktigelse av 60.000 eiendommer. Dette hadde en estimert kostnad på over 50 millioner kroner, og ville vært en krevende prosess å organisere.

Og i 2019 kom det nå altså to konsulenter med et forslag om et tredje alternativ: Å taksere boligmassen ved hjelp av maskinlæring.

Konsulentene fikk gjennomføre en konseptutprøving med tester på historiske data. Resultatene var gode nok til at dette alternativet ble forfulgt videre.

Bruk av maskinlæring seilte opp som et realistisk alternativ for boligtaksering. Det viste seg likevel ikke å være enkelt. Lover og forskrifter ble saumfart. Jurister og sakkyndige ble involvert. Det var mange kamper. Heldigvis for Trondheim kommune hadde de noen som sammen var villig til å ta disse kampene.

Etter mye arbeid med å forbedre og kvalitetssikre maskinlæringsmodellen, var «alt» som gjensto å få utviklet en integrasjon mot et fagsystem for eiendomsskatt. Dette skulle vise seg å by på mer trøbbel enn først antatt. Etter å ha forsøkt å få denne integrasjonen levert hos to ulike leverandører, begynte det å haste.

Nå hadde året blitt 2022. I desember måtte alt være klart for taksering for 2023. Løsningen ble å lyse ut en ny konkurranse. Denne gang måtte tjenesten rundt maskinlæringsmodellen videreutvikles til et helt saksbehandlersystem med integrasjoner mot MinSide og matrikkel.

Trondheim kommune måtte selv ta ansvar for å utvikle funksjonaliteten som leverandører av fagsystemene ikke greide å levere.

Sopra Steria vant oppdraget, og det var noen smått anspente representanter fra Trondheim kommune som møtte meg i oppstartsmøtet i juni i fjor.

«Dere er vårt siste håp! Vi må ha dette systemet slik, og det må være klart innen 1. desember», lød utsagnet fra Astrid Sofie Øie, avdelingsleder for eiendomsskatt og matrikkel i Trondheim kommune.

Vi tok utfordringen, og vi greide å levere systemet til 1. desember, mye takket være et godt samarbeid med Trondheim kommune, ledet med smidig hånd av Stine Borge Nordskag, jurist og prosjektleder TK.

På grunn av dette arbeidet er eiendomsskatten i Trondheim vesentlig mer rettferdig enn dersom SSBs modell hadde blitt brukt. For de som er glade i tall, ligger estimeringene fra maskinlæringsmodellen utenfor +/- 20 prosent av reell omsetningsverdi for kun 4,22 prosent av kjente salg. For SSBs modell er det samme tallet 29,74 prosent.

Ved å gå over fra SSBs modell til kommunal taksering har kommunen fått takstgrunnlag på et større antall boliger. Dette har resultert i et økt takstgrunnlag på 80 milliarder kroner.

Dette er penger som går til skoler, barnehager og omsorgstjenester, friluftsområder og idrettsanlegg.

Jeg tror ikke Trondheim kommer til å være den siste kommunen som gjennomfører taksering av boliger ved hjelp av maskinlæring. Det blir spennende å se om andre følger i deres fotspor, nå som løypa er tråkket opp.