Anvendelsen af kunstig intelligens, maskinlæring og algoritmiske systemer til at understøtte eksperters og professionelles vurderinger og beslutninger i det offentlige er kraftigt stigende. Et velkendt eksempel er IBM’s computersystem Watson, som skal understøtte læger i at genkende sygdomme ud fra scanningsbilleder. Nogle forskere og samfundsdebattører forudser, at professionel ekspertise kan automatiseres, mens andre peger på de store juridiske, etiske og politiske problemer, der opstår, når algoritmer træffer beslutninger, fx at fordomme reproduceres og forskelsbehandling forstærkes. De færreste studier undersøger imidlertid, hvordan softwareingeniører og andre fagfolk helt konkret arbejder sammen om at konstruere algoritmer, og hvad der sker i mødet mellem forskellige former for professionel viden. Hvilke udfordringer udgør forsøg på at automatisere ekspertise for fagområderne og de fagprofessionelle, og hvilke nye former for ekspertise, viden og ansvar opstår? Dette undersøges i nærværende forskningsprojekt gennem tre casestudier af offentlige tjenester, der udvikler kunstig intelligens inden for sundhed, uddannelse og byplanlægning. Projektet opfylder et videnskabeligt behov for at forstå transformationer af ekspertviden i udviklingen af kunstig intelligens. Det dækker desuden et samfundsmæssigt behov for at opnå viden om, hvordan kunstig intelligens kan udnyttes til at forbedre offentlige velfærdsydelser samtidigt med, at et højt niveau af ekspertise og dygtighed opretholdes.