Ο καθαρισμός είναι σε μεγάλο βαθμό εκτελεστική εργασία επί τόπου: καθαρισμός χώρων, αναπλήρωση υλικών, εκτέλεση ελέγχων, αναφορά περιστατικών. Γύρω από αυτό υπάρχει ένα στρώμα εργασίας προγραμματισμού που είναι λιγότερο ορατό αλλά καθοριστικό για το κόστος: κατάρτιση προγραμμάτων εργασίας, οργάνωση αναπληρωτών, διαχείριση παραπόνων, προγραμματισμός ελέγχων ποιότητας και αναφορά προς τους πελάτες. Οι συνθήκες επί τόπου επηρεάζουν σημαντικά το αποτέλεσμα: το ένα κτίριο έχει σταθερή πρωινή ομάδα με λίγες αλλαγές, το άλλο λειτουργεί με εναλλασσόμενες ομάδες, βραχυπρόθεσμα συμβόλαια και πολλούς έκτακτους αναπληρωτές. Αυτή η διαφοροποίηση καθορίζει ποιο μέρος της εργασίας μπορεί να καταγραφεί σε ένα μοτίβο και ποιο μέρος παραμένει εξαρτημένο από αυτό που κάποιος συναντά επί τόπου.
Αυτά τα δύο στρώματα — εκτέλεση επί τόπου και προγραμματισμός εξ αποστάσεως — αντιδρούν διαφορετικά στην AI. Δεν είναι ότι το ένα στρώμα είναι «πιο έξυπνο» από το άλλο· είναι ότι το ένα καταγράφεται καλύτερα σε δεδομένα από το άλλο.
Στο στρώμα προγραμματισμού, φαίνεται ότι ένα μέρος της εργασίας έχει ήδη μετατοπιστεί. Προγράμματα εργασίας βάσει σταθερών μοτίβων, καταγραφή ωρών, τιμολόγηση και βασική αναφορά ποιότητας είναι εργασίες που η AI μπορεί να αναλάβει μόλις τα υποκείμενα δεδομένα είναι δομημένα. Η εκτίμηση μιας απότομης έλλειψης προσωπικού λόγω ασθένειας, η αξιολόγηση ενός παραπόνου που δεν εντάσσεται στη μορφή, ή η διαπραγμάτευση με έναν πελάτη για αλλαγή σύμβασης: αυτό παραμένει ανθρώπινη εργασία, ή εργασία όπου η AI κάνει μια πρόταση και ένας υπεύθυνος την εγκρίνει ή την απορρίπτει με αιτιολόγηση.
Στον χώρο εργασίας τα πράγματα είναι διαφορετικά. Η αισθητήρια τεχνολογία που ειδοποιεί όταν ένας χώρος έχει πράγματι χρησιμοποιηθεί και άρα χρειάζεται καθαρισμό είναι μια μορφή υποστήριξης AI που ήδη υπάρχει, αλλά απαιτεί επένδυση σε εξοπλισμό και ένα κτίριο κατάλληλο για αυτό. Πολλές τοποθεσίες δεν το διαθέτουν. Ο ίδιος ο καθαρισμός παραμένει, με εξαίρεση τη χρήση ρομπότ σε συγκεκριμένα περιβάλλοντα, ανθρώπινη εργασία.
Γιατί λειτουργεί αυτό ήδη σε μία εταιρεία καθαρισμού και όχι σε άλλη; Η διαφορά σπάνια βρίσκεται στην ίδια τη φιλοδοξία — σχεδόν κάθε εταιρεία θέλει να προγραμματίζει πιο αποτελεσματικά και να χάνει λιγότερο χρόνο σε χειρωνακτικά προγράμματα εργασίας. Η διαφορά βρίσκεται σε αυτό που υπόκειται σε αυτή τη φιλοδοξία: έχει η εταιρεία ώρες, απουσίες λόγω ασθένειας και παράπονα ήδη σε ένα σύστημα που μια εφαρμογή AI μπορεί να διαβάσει, ή βρίσκεται αυτό ακόμη στο μυαλό των υπευθύνων προγραμματισμού και σε ξεχωριστά υπολογιστικά φύλλα ανά περιοχή.
Μια εταιρεία καθαρισμού που λέει «θέλουμε να αυτοματοποιήσουμε τα προγράμματα εργασίας» εννοεί με αυτό, σε έναν οργανισμό: ένα σύστημα που δημιουργεί αυτόνομα ένα πλήρες πρόγραμμα εργασίας. Σε έναν άλλο: ένα εργαλείο που κάνει μια αρχική πρόταση, την οποία στη συνέχεια προσαρμόζει ένας υπεύθυνος προγραμματισμού. Αυτές είναι δύο διαφορετικές φιλοδοξίες με διαφορετικές απαιτήσεις όσον αφορά τα δεδομένα, τις αρμοδιότητες των υπευθύνων προγραμματισμού και τον βαθμό στον οποίο οι πελάτες πρέπει να συμφωνήσουν με αλλαγές. Όσο μια διοικητική ομάδα δεν έχει συζητήσει αυτή τη διαφορά μεταξύ της, μιλάει για αυτοματοποίηση χωρίς να γνωρίζει ποια παραλλαγή εννοεί.
Ακριβώς εκεί κάνει τη διαφορά μια φιλοδοξία διαρθρωμένη σε επίπεδα — από όραμα έως συγκεκριμένη επιθυμητή κατάσταση: αναγκάζει να προσδιοριστεί τι αλλάζει ως προς το ποιος επιτρέπεται να λαμβάνει μια απόφαση, και ποιος παραμένει υπεύθυνος για αυτήν. Για σύγκριση, σε άλλους κλάδους με πολλή εκτελεστική εργασία επί τόπου παρατηρείται παρόμοιο μοτίβο: όποιος διαβάζει πώς αυτό εκφράζεται στην οικοδομή ή στον κλάδο εγκαταστάσεων, βλέπει την ίδια διαχωριστική γραμμή μεταξύ εργασίας προγραμματισμού και εκτελεστικής εργασίας, με απλώς διαφορετικές πηγές δεδομένων.
Το πιο συχνά αναφερόμενο εμπόδιο δεν είναι η τεχνολογία αλλά η καταγραφή. Οι ώρες υπηρεσίας, οι απουσίες, τα παράπονα και η χρήση υλικών βρίσκονται συχνά διάσπαρτα σε περιφερειακά συστήματα, χάρτινες φόρμες και προφορικές συμφωνίες μεταξύ υπευθύνου προγραμματισμού και υπευθύνου τοποθεσίας. Μια εφαρμογή AI που αναλαμβάνει προγράμματα εργασίας ή ελέγχους ποιότητας χρειάζεται αυτά τα δεδομένα σε μορφή που μπορεί να διαβαστεί. Χωρίς αυτή τη βάση, μια φιλοδοξία παραμένει μια δήλωση χωρίς θεμέλιο.
Επιπλέον, υπάρχει το ερώτημα ποιος επιτρέπεται να εγκρίνει ή να απορρίπτει μια πρόταση AI. Σε εταιρείες όπου ο υπεύθυνος προγραμματισμού έχει σήμερα πλήρη εξουσία επί των αλλαγών προγράμματος εργασίας, μια εφαρμογή AI που καταρτίζει ήδη η ίδια το πρόγραμμα αλλάζει de facto τον ρόλο αυτού του υπευθύνου σε ελεγκτή. Αυτό επηρεάζει τον τρόπο διάρθρωσης των θέσεων εργασίας και τους όρους εργασίας· για αποφάσεις που αφορούν προσωπικό ισχύουν ίδιες νομικές απαιτήσεις και αυτές δεν εξετάζονται εδώ.
Το ερώτημα που βρίσκεται κάτω από όλες τις φιλοδοξίες σε αυτόν τον κλάδο δεν είναι «μπορεί η AI να αναλάβει τον καθαρισμό» αλλά «ποιες από τις εργασίες μας είναι ήδη τόσο καταγεγραμμένες ώστε μια εφαρμογή AI να μπορεί να τις διαβάσει, και ποιες όχι ακόμη». Αυτό διαφέρει ανά εταιρεία, ανά περιοχή και ακόμη και ανά πελάτη, και δεν μπορεί να απαντηθεί με γενικούς όρους. Τι σημαίνει αυτό συγκεκριμένα ανά εργασία για τον οργανισμό σας, το αναδεικνύει η σάρωση εργασίας (werkscan) της FTE TO AI: μια επισκόπηση του ποια εργασία είναι ήδη κατάλληλη για ανάληψη, ποιο μέρος απαιτεί εποπτεία και ποιο μέρος παραμένει ανθρώπινη εργασία. Όποιος θέλει πρώτα να κατανοήσει πώς μια φιλοδοξία μεταφράζεται σε λειτουργικό μοντέλο, το βρίσκει εξηγημένο στο target operating model σε απλή γλώσσα, και όποιος θέλει να μάθει ποιες δυνατότητες απαιτεί μια συγκεκριμένη φιλοδοξία, το διαβάζει στο οι δυνατότητες που χρειάζεται ο οργανισμός σας για αυτή τη φιλοδοξία.
Η διατύπωση μιας φιλοδοξίας για AI στην εργασία καθαρισμού ξεκινά με τον προσδιορισμό του πού πραγματικά βρίσκεται ο οργανισμός, όχι πού ελπίζει να βρίσκεται η διοίκηση. Ο δωρεάν έλεγχος ετοιμότητας της FTE TO AI αποτελείται από οκτώ σύντομες ερωτήσεις, μία ανά διάσταση, και προσφέρει μια εικόνα του πού ο οργανισμός βρίσκεται πιο μπροστά και πού απομένουν ακόμη τα περισσότερα βήματα. Η πλήρης δοκιμασία φιλοδοξίας, με τα τέσσερα επίπεδα και τις πέντε πύλες εμπιστοσύνης (confidence gates), βρίσκεται υπό κατασκευή.
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.