Почистването е до голяма степен изпълнителска работа на място: почистване на помещения, зареждане с материали, извършване на проверки, докладване на инциденти. Около това стои слой планиране, който е по-малко видим, но е определящ за разходите: съставяне на графици, уреждане на заместници, обработка на оплаквания, планиране на проверки на качеството и отчитане пред възложителите. Условията на място силно определят резултата: една сграда има постоянен екип за сутрешна смяна с малко промени, друга работи с редуващи се екипи, кратки договори и много временни заместници. Тази вариация определя коя част от работата може да бъде уловена в модел и коя част остава зависима от това, което някой заварва на място.
Тези два слоя — изпълнение на място и планиране от разстояние — реагират различно на AI. Не е така, че единият слой е „по-умен" от другия; по-скоро единият по-лесно се улавя в данни от другия.
В рамките на слоя за планиране се вижда, че част от работата вече е изместена. Графици на база фиксирани модели, регистрация на часове, фактуриране и основно отчитане на качеството са задачи, които AI може да поеме, щом основните данни са структурирани. Преценката на внезапен недостиг на персонал при болест, оценката на оплакване, което не се вписва във формата, или преговорите с възложител за промяна на договор: това остава човешка работа, или работа, при която AI прави предложение, а ръководител го одобрява или отхвърля с обосновка.
На терен нещата стоят различно. Сензорна техника, която сигнализира кога дадено помещение действително е било използвано и следователно трябва да бъде почистено, е форма на AI подкрепа, която вече съществува, но изисква инвестиция в оборудване и сграда, подходяща за това. Много обекти нямат това. Самото почистване остава, с изключение на използването на роботи в специфични среди, човешка работа.
Защо това работи вече при едно почистващо предприятие, а при друго не? Разликата рядко е в самата амбиция — почти всяко предприятие иска да планира по-ефективно и да губи по-малко време за ръчни графици. Разликата е в това, което стои под тази амбиция: дали предприятието вече има часовете, отсъствията по болест и оплакванията в система, която AI приложение може да прочете, или това все още стои в главите на планьорите и в отделни таблици по региони.
Почистващо предприятие, което казва „искаме да автоматизираме графиците", има предвид при една организация: система, която самостоятелно генерира пълен график. При друга: помощно средство, което прави първоначално предложение, след което планьор го коригира. Това са две различни амбиции с различни изисквания към данните, към правомощията на планьорите и към степента, в която възложителите трябва да одобряват промени. Докато управленски екип не е обсъдил тази разлика помежду си, той говори за автоматизация, без да знае кой вариант има предвид.
Точно тук амбиция, разгърната на слоеве — от визия до конкретно целево състояние — прави разлика: тя принуждава да се назове какво се променя в това кой има право да взема решение и кой остава отговорен за него. За сравнение, в други сектори с много изпълнителска работа на място се наблюдава сходна закономерност: който прочете как това се проявява в строителството или в инсталационния бранш, вижда същата разделителна линия между планиране и изпълнение, само с други източници на данни.
Най-често споменаваната пречка не е технологията, а фиксирането на данни. Работни часове, отсъствия, оплаквания и използване на материали често са разпръснати по регионални системи, хартиени формуляри и устни договорености между планьор и мениджър на обект. AI приложение, което поема графици или проверки на качеството, се нуждае от тези данни във форма, която може да бъде прочетена. Без тази основа амбицията остава изявление без фундамент.
Освен това стои въпросът кой има право да одобрява или отхвърля AI предложение. При предприятия, където планьорът в момента има пълен контрол над промените в графика, AI приложение, което само вече планира, на практика променя ролята на този планьор в контрольор. Това засяга начина, по който са устроени функциите, и трудовите условия; за решения, засягащи персонал, важат собствени законови изисквания, които тук не се разглеждат.
Въпросът, който стои под всички амбиции в този сектор, не е „може ли AI да поеме почистването", а „кои от нашите задачи вече са фиксирани дотолкова, че AI приложение да може да ги прочете, и кои все още не". Това се различава по предприятие, по регион и дори по възложител и не може да получи отговор в общи термини. Какво това конкретно означава за вашата организация по задача, показва работният скен на FTE TO AI: преглед на това коя работа вече се поддава на поемане, коя част изисква надзор и коя част остава човешка работа. Който иска първо да разбере как една амбиция се превежда в оперативен модел, намира обяснение в целевия оперативен модел на обикновен език, а който иска да знае какви способности изисква конкретна амбиция, го намира чрез способностите, от които вашата организация се нуждае за тази амбиция.
Формулирането на амбиция за AI в почистваща работа започва с установяване къде организацията действително се намира, не къде ръководството се надява да се намира. Безплатната проверка на готовността на FTE TO AI се състои от осем кратки въпроса, по един на измерение, и дава представа къде организацията е най-напреднала и къде има най-много стъпки за правене. Пълният тест за амбиция, с четирите слоя и петте confidence gates, е в процес на изграждане.
Vertel wat u wilt bereiken, dan kijken we samen wat daarvoor moet staan.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.