Fritidsvirksomheder drives af en kombination, der sjældent ses samlet i andre sektorer: sæsontoppe, en stor gruppe af flexible og tidsbegrænsede medarbejdere, gæstekontakt der er selve produktet, og en backoffice der skal fungere hele året, mens frontlinjen kører på halv kraft halvdelen af året. Timerne ligger for en stor del i front-office-arbejde — indtjekning, informationsgivning, ændring af bookinger, håndtering af klager — og i planlægning: vagtplaner, kapacitetsfordeling over overnatningssteder eller attraktioner, og vedligeholdelse der topper omkring sæsonskiftet. Derudover er der det administrative arbejde, der løber uafhængigt af sæsonen: fakturering, kontraktstyring, rapportering til ejere eller franchisegivere.
Den omstændighed, der i højeste grad styrer resultatet, er fordelingen af arbejdet mellem den faste kerne og den flexible skal. En organisation med en lille fast kerne og en stor sæsonskal har andre flaskehalse end en virksomhed, der arbejder med et fast team hele året. Denne forskel afgør ikke kun, hvor timerne ligger, men også hvor gentagelsen ligger — og gentagelse er præcis dér, hvor AI griber ind.
Hos en del af fritidsvirksomhederne bliver en ændring af en booking, et standardspørgsmål om åbningstider eller en første reaktion på en klage nu håndteret af et system, uden at en medarbejder ser det, før det er afsendt. Hos andre virksomheder løber nøjagtig samme opgave stadig fuldt igennem en medarbejder, med samme gentagelse, samme standardspørgsmål, samme tidspres i sæsonen. Forskellen ligger ikke i arbejdets karakter — det er sammenligneligt — men i, om de underliggende data (bookingsystemer, videnbase, klagehistorik) er i orden og koblet sammen. Hvor det ikke er tilfældet, forbliver opgaven menneskeligt arbejde, ikke fordi arbejdet kræver det, men fordi forudsætningen mangler.
De samme tre kategorier løber igennem hele sæsonen. En del af arbejdet kan et system tage over: rutinebookinger, standardkommunikation, første triage af forespørgsler. En del gøres delvist, med en medarbejder der godkender eller afviser og angiver en grund: et udkast til svar på en klage, et forslag til vagtplanjustering ved sygdom, et planlægningsscenarie for en travl uge. Og en del forbliver menneskeligt arbejde: gæsten der har et problem på stedet, afvejningen ved et grænsetilfælde i en kontrakt, samtalen med en ejer om en investering. Denne fordeling forskydes med sæsonen — i højsæsonen forskydes det ofte mere mod systemet, simpelthen fordi mængden kræver det, mens der i den stille periode er mere plads til menneskelig håndtering.
"AI-ambition" udfyldes i fritidsvirksomheder ofte på forskellige niveauer, uden at det bliver sagt højt. Den ene direktør mener en chatbot til hjemmesiden, den anden mener et system, der beregner hele sæsonplanlægningen, den tredje tænker på automatiseret fakturering til ejere. Det er ikke gradueringer af samme ambition — det er forskellige ambitioner med forskellige krav. En chatbot kræver en velfyldt videnbase; et planlægningssystem kræver troværdige historiske data om belægning og personale; automatiseret fakturering kræver standardiserede kontrakter. Uden denne oversættelse opstår det mønster, der også gør sig gældende uden for denne sektor: hvorfor folk mener forskellige ting med de samme ord, og en beslutning som den ene opfatter som et "lille projekt" og den anden som en "grundlæggende forandring".
Dette kolliderer også med eksisterende afdelingsmål. Et front-office-team, der bliver bedømt på gæstetilfredshed, oplever et automatiseret første svar anderledes end en planlægningsafdeling, der styrer efter besparelser. Hvad man skal gøre, når disse mål modarbejder hinanden, er et spørgsmål, der går videre end fritidsbranchen alene og behandles separat på siden om modstridende afdelingsmål.
Parathed for en AI-ambition i fritidsbranchen afhænger i høj grad af datakæder, der ofte er spredt over bookingsystem, kassesystem og personaleplanlægning, af hvor mange sæsonmedarbejdere der er oplært til at genkende afvigelser fra et systemforslag, og af om beslutningsretten er klart placeret mellem lokation og hovedkontor. En ambition om at automatisere vagtplanlægning er først realistisk, når det er klart, hvem der må overrule et systemforslag og på hvilket grundlag. Dette rører ikke ved spørgsmålet om, hvorvidt nogen beholder deres stilling — dertil gælder egne lovmæssige krav, uafhængigt af denne vurdering — men ved spørgsmålet om, hvorvidt organisationen allerede har indrettet arbejdet, så det kan flyttes.
Fritidsbranchen står ikke alene i dette: sammenlignelige flaskehalse omkring spidsbelastning og flexible skaller ses også hos de AI-ambitioner, der gør sig gældende i rengøringsbranchen og, med en anden topstruktur men samme spørgsmål om planlægning og tilsyn, hos AI-ambitionerne i sundhedssektoren.
Spørgsmålet om, hvilket arbejde i Deres virksomhed der reelt kan overtages af AI, besvares ikke i generelle termer, men pr. opgave — det er præcis, hvad FTE TO AI's arbejdsscan er indrettet til. For et første billede, uden at afvente det, er der den gratis parathedscheck: otte korte spørgsmål, ét pr. dimension, der viser, hvor Deres organisation er længst fremme, og hvor den er mindst fremme. Den fulde ambitionstest, med de fire lag og fem confidence gates, er under udarbejdelse.
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.