L'Ufficio per il Welfare giovanile di Landratsamt Augsburg, un client IBM, ha il compito di sostenere e proteggere i bambini, gli adolescenti e le famiglie di tutto il distretto. Gli assistenti sociali di questo gruppo si occupano di questioni legali e finanziarie relative all'assistenza ai giovani nonché di assistenza all'integrazione e di spese di custodia dei bambini. Per determinare il contributo ai costi appropriato per ogni caso di loro competenza, prima di iniziare a lavorare su ogni situazione, gli operatori conducono ricerche approfondite da una serie di fonti di dati diverse, come riferimenti legali online, documenti presentati dai cittadini e altra documentazione supplementare. Se da un lato l'attuale processo garantisce che ogni caso sia studiato a fondo, dall'altro richiede molto tempo e a volte può essere soggetto a errori. Inoltre, vi è una carenza di professionisti specializzati che siano in grado di condurre questo tipo di ricerca.​

Per risolvere queste sfide, Landratsamt Augsburg ha iniziato a collaborare con IBM Client Engineering e IBM Consulting. Nel corso di una serie di workshop, il team ha identificato i punti critici più urgenti e ha delineato una visione su come aiutare gli assistenti sociali a concentrarsi sui loro casi, anziché sul processo di ricerca manuale. Il team del Landratsamt Augsburg sapeva di voler essere più efficiente, ma data la natura delicata di questo lavoro, era comprensibilmente cauto nell'adottare nuove tecnologie che avrebbero potuto introdurre nuove domande e sfide. Alcuni membri del team non vedevano l'ora di esplorare l'AI generativa (gen AI) come possibile soluzione, mentre altri erano più scettici. Per verificarne il potenziale, il team ha partecipato a un hackathon di tre giorni con IBM.

Durante i tre giorni dell'evento, 8-10 ingegneri si sono riuniti per creare un'applicazione Web personalizzata integrata con IBM watsonx Assistant e supportata da IBM watsonx.ai e IBM Watson Discovery. È stato progettato per interrogare più fonti di dati disparate stabilite dal cliente e riassumere i risultati per ogni caso. I test condotti durante l'evento hanno dimostrato un miglioramento fino al 91% del tempo necessario per compilare i dati dei casi. Prima del progetto pilota, poteva essere necessaria fino a un'ora per compilare tutti i vari dati che informano un caso, mentre durante il progetto pilota il team ha osservato che potevano essere necessari anche solo cinque minuti per compilare questi dati. A livello aneddotico, il team ha anche osservato un significativo miglioramento della qualità e dell'accuratezza dei riepiloghi dei casi generati dalla nuova soluzione. L'entusiasmo che ha seguito il pilota è stato innegabile. Il team è ansioso di continuare a esplorare i settori in cui è possibile migliorare l'efficienza e le prestazioni del gruppo utilizzando l'intelligenza artificiale.