Att hantera ledighetsansökningar är inte en enda uppgift utan en rad steg, och dessa steg förändras inte alla i samma takt. Att kontrollera saldo och registrera en ansökan i systemet är numera ofta helt automatiserat. Att bedöma en ansökan som krockar med bemanningen — två personer från samma team som vill vara lediga samma vecka — förblir en avvägning som ligger hos en chef, eventuellt med ett system som signalerar konflikten men inte löser den. Och undantagen, som ledighet i samband med en omorganisation eller en medarbetare med en pågående sjukfrånvaroprocess, förblir mänskligt arbete utan diskussion. Denna sida förklarar varför uppgiften för närvarande huvudsakligen hamnar i det mellersta blocket: rpa som hanterar merparten av ansökningarna, med en människa som bedömer resten.
En ledighetsansökan har en fast form: en medarbetare, en period, ett saldo, en bemanningsnorm. Det gör att uppgiften får en hög poäng på skalan för strukturerad karaktär. Ett system kan pröva ansökan mot saldot och mot i förväg inställda bemanningsregler, och utifrån det godkänna en ansökan eller skicka den vidare till en människa. Det är också exakt varför rpa redan idag utför arbete här: reglerna kan fångas i logik, och volymen av ansökningar är i regel hög nog för att göra automatisering värt besväret. Hos ett företag med fasta arbetstider och en enkel ledighetspolicy ligger denna andel högre än hos ett företag med många skräddarsydda avtal per medarbetare, där reglerna är mindre tydligt fastställda.
Anledningen till att denna uppgift inte fullt ut övergår till AI ligger i bedömningsutrymmet. Så snart en ansökan krockar med bemanningen i ett team finns det inte längre ett fast svar. Vem får förtur: medarbetaren som frågade först, den med längst tjänstetid, eller den med ett medicinskt skäl? Det är en avvägning som ett system kan signalera men inte kan göra utan att någon kan förklara skälet bakom ett val. Det är också kärnan i godkännande med tillsyn: systemet lägger fram ansökan, en chef godkänner eller avslår och kan motivera beslutet. Hos ett företag med begränsad bemanning och mycket säsongsledighet — tänk vård eller restaurangbranschen — ligger denna andel högre än i en kontorsmiljö med gott om personalmarginal.
Volymen av ledighetsansökningar är ofta hög: varje medarbetare gör detta flera gånger per år, och hos större team leder det till ett betydande flöde av ansökningar per månad. Den upprepningen gör automatisering attraktiv, även om den enskilda ansökan inte är komplex. Samma mönster ser vi hos andra uppgifter med mycket upprepning och fasta regler, som beräkning av övertid baserat på arbetad tid eller hantering av schemaändringar efter sjukanmälningar eller bytesönskemål. I alla dessa fall är det inte komplexiteten hos ett enskilt fall som är skälet att automatisera, utan summan av många likartade fall.
Ett felaktigt ledighetsgodkännande går för det mesta att återkalla och leder inte till direkt ekonomisk förlust, vilket håller felkostnaderna måttliga. Ändå berör uppgiften compliance: ledighetssaldo hänger samman med anställningsvillkor, och vid systematiska avslag av ansökningar kan medarbetare bestrida detta. Därför behövs ett mänskligt steg vid avvikelser, inte eftersom systemet inte klarar den räknemässiga delen, utan eftersom konsekvenserna av ett felaktigt beslut kräver en avvägning som kan förklaras. För beslut som går längre än en ledighetsansökan — exempelvis när ledighetsmönster vägs in i personalbeslut — gäller egna lagkrav som denna sida inte tar ställning till.
Den fördelning som skisseras här gäller inte lika överallt. En organisation med tydliga, enhetliga godkännanderegler per team och ett ledighetssystem med aktuellt, kopplat saldo kan låta en större andel av ansökningarna gå utan mänsklig inblandning. En organisation med många undantag, manuell saldoregistrering eller inbördes avvikande avtal per team kommer att hålla en större andel hos en människa, helt enkelt eftersom grundvillkoren för automatisering — fasta regler och aktuell data — inte finns på plats. Det är samma beroende som återfinns i förberedelse av löneberäkning baserat på fasta poster och i upprättande av scheman inom bemanningsnormer: ju stramare reglerna är fastställda i förväg, desto större andel kan hanteras automatiskt.
AI kan inte hantera ledighetsansökningar självständigt och fullständigt. Den största delen av de rutinmässiga ansökningarna — saldot i ordning, ingen bemanningskonflikt — kan hanteras av ett system. Ansökningar som krockar med bemanningen eller avviker från normen kräver en chef som godkänner eller avslår med motivering. Det är inte en mellanfas på väg mot fullständig automatisering, utan en fördelning som hänger samman med undantagens natur: så länge de kräver en avvägning som måste kunna förklaras, förblir den delen mänskligt arbete.
För att se hur denna fördelning ser ut för er egen organisation är det bra att titta på de underliggande reglerna och systemen: är godkännandereglerna fastställda per team, och är ledighetssaldot tillgängligt i realtid i systemet. Den kostnadsfria snabbanalysen från FTE TO AI består av tolv frågor, kan genomföras utan konto och ger en indikation på vilken del av timmarna i den här typen av profiler som idag kan tas över av AI. Den fullständiga arbetsanalysen, som bryter ner ett företags arbete uppgift för uppgift och översätter det till fte-kapacitet, är fortfarande under utveckling.
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.