Delvist. Håndtering af vagtplansændringer på grund af sygdom, bytte eller uforudsete omstændigheder er en opgave, som AI i dag som agent kan udføre, men ikke uden et menneske. Det drejer sig om gentagne, strukturerede handlinger i et planlægningssystem, og samtidig om beslutninger, der berører nogen, som ikke selv har bedt om det. Den kombination afgør billedet.
Tre akser er afgørende: skønsrum, volumen og fejlomkostninger.
Volumenet er højt. En planlægningsafdeling håndterer på en gennemsnitlig dag flere sygemeldinger, bytteanmodninger og ændringer i sidste øjeblik. Det er præcis den type arbejde, som et system uden træthed kan komme igennem: nogen melder sig syg, systemet tjekker, hvem der er tilgængelig, hvem der har de rette kvalifikationer, og hvem der endnu ikke er over det maksimale antal timer. Det er i høj grad struktureret arbejde, hvilket også forklarer den rimelige score på struktureringsgrad.
Men skønsrummet er lavt, og det trækker resultatet mod "delvist". Hvem får forrang, hvis tre personer samtidig vil bytte? Hvem må afvise en vagt, uden at det bliver opfattet som modvillighed? Det er afvejninger med en social komponent, ikke kun en regnemæssig. Et planlægningssystem kan vise mulighederne og stille et forslag; at skære igennem ved en konflikt er noget, en teamleder stadig sidder med i dag, og i mange virksomheder også bør blive ved med at sidde med.
Fejlomkostningerne vejer også tungt. En forkert vagtplan er ikke bare en ulempe på papiret. På en sundhedsinstitution betyder en manglende dækning på nattevagten en reel risiko for patienterne. I en butik betyder det en lukket dør på en travl lørdag. Jo højere disse omkostninger er, jo mere vil en organisation ønske, at et menneske giver det sidste blik, før en ændring bliver endelig.
Fysisk scorer højt gunstigt, ganske enkelt fordi der ikke er nogen fysisk handling i opgaven: det handler om at behandle data, ikke om at gå hen et sted eller tage fat i noget. Kundekontakt og kreativitet ligger i midten, fordi en vagtplansændring nogle gange kræver forklaring over for en medarbejder, der ikke er enig i den, og det er ikke et rent mekanisk trin. Compliance spiller ind, så snart der er overenskomstaftaler eller arbejdstidslovgivning involveret: et system skal vide, at en medarbejder ikke må tage to nattevagter i træk, og det er noget andet end blot at tilpasse vagtplaner til hinanden.
En sundhedsinstitution med skiftende vagter modtager en hverdagsmorgen en sygemelding. En agent tjekker straks, hvem der er tilgængelig, hvem der har de rette kvalifikationer, og hvem der ikke allerede er ved sit maksimale timeantal denne uge. Systemet foreslår tre kandidater, rangeret efter egnethed. En planlægger vælger, eller godkender det første forslag. Det er det mønster, der allerede anvendes i dag: AI udfører forarbejdet og beregningerne, et menneske sætter sin underskrift på resultatet.
I en virksomhed med en fast vagtplan og få ændringer - et kontor med faste arbejdstider, for eksempel - er der ganske enkelt lidt at automatisere, fordi volumenet er for lavt til at opsætte et system til det. I en organisation med en fleksibel arbejdsstyrke og mange tilkaldevikarer er volumenet derimod højere, og tidsbesparelsen ved en agent bliver større, forudsat at eskaleringen til et menneske er godt indrettet til de gange, det går galt. Og i brancher med strenge vagtplaner - sikkerhed, transport, sundhedsvæsen - vejer fejlomkostningerne og compliance-kravene tungere, hvilket betyder, at menneskeligt tilsyn ikke er noget, man på sigt kan afvikle, men forbliver en fast forudsætning.
To ting skal være på plads, før en agent kan gøre dette pålideligt. For det første: realtidsindsigt i tilgængelighed, altså et planlægningssystem, der er opdateret, og ikke et regneark, der opdateres én gang om ugen. For det andet: en eskaleringsvej til et menneske, så snart der opstår en konflikt, så det ikke er systemet, men en teamleder, der skærer igennem, når interesser støder sammen. Uden disse to forudsætninger er risikoen, at en agent gennemfører ændringer, der ser rigtige ud på papiret, men skaber uro i praksis.
Vagtplansændringer står ikke alene. De er en del af en klynge af hr- og planlægningsopgaver, der trin for trin bevæger sig mod et samarbejde mellem system og menneske. Sådan er også beregning af overarbejde en opgave, hvor en stor del af beregningsarbejdet kan overdrages, mens den endelige kontrol forbliver hos et menneske. Noget lignende gælder for registrering af fravær, hvor registreringen kan foregå automatisk, men vurderingen af en situation ikke kan. Og håndtering af ferieanmodninger følger samme mønster som vagtplansændringer: højt volumen, strukturerede trin, men en beslutning, der berører nogen, og som derfor forbliver under tilsyn.
Om den forskel er stor eller lille i din virksomhed, afhænger af, hvor mange ændringer der er pr. uge, hvor strenge reglerne er i din branche, og hvor tungt en fejl i vagtplanen reelt vejer. Det er forskelligt fra organisation til organisation, og det er netop derfor, at et generelt svar på dette spørgsmål altid forbliver et "delvist".
Hvis du vil vide, hvordan dette udfolder sig for din egen planlægning, giver den gratis quickscan fra FTE TO AI en første indikation: tolv spørgsmål, ingen konto nødvendig, med et resultat, der viser en indikation af, hvor stor en del af timerne i denne profil der i dag kan overtages af AI. Den fulde arbejdsscan, der gennemgår din virksomheds arbejde opgave for opgave, er stadig under udvikling. Indtil videre giver quickscanen en første retning, ikke en udarbejdet plan.
Vraag maar. Ik ken de kennisbank van deze site; wat ik niet weet, zeg ik erbij.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.