Čišćenje je velikim dijelom izvršni posao na lokaciji: čišćenje prostora, dopunjavanje materijala, provođenje kontrola, prijavljivanje incidenata. Oko toga postoji sloj planskog posla koji je manje vidljiv, ali ipak presudan za troškove: izrada rasporeda, organiziranje zamjena, rješavanje pritužbi, planiranje kontrola kvalitete i izvještavanje naručiteljima. Uvjeti na lokaciji snažno određuju ishod: jedan objekt ima stalnu jutarnju ekipu s malo izmjena, drugi radi s promjenjivim timovima, kratkim ugovorima i mnogo povremenih zamjena. Ta raznolikost određuje koji se dio posla može zabilježiti u obrascu, a koji dio ostaje ovisan o onome što netko zatekne na licu mjesta.
Ta dva sloja — izvršenje na lokaciji i planiranje na daljinu — različito reagiraju na AI. Ne radi se o tome da je jedan sloj "pametniji" od drugog; radi se o tome da se jedan bolje daje zabilježiti u podatke nego drugi.
Unutar sloja planiranja vidljivo je da je dio posla već premješten. Rasporedi na temelju fiksnih obrazaca, evidencija sati, fakturiranje i osnovno izvještavanje o kvaliteti zadaci su koje AI može preuzeti čim su temeljni podaci strukturirani. Procjenjivanje akutnog manjka osoblja zbog bolesti, ocjenjivanje pritužbe koja ne odgovara formatu, ili pregovaranje s naručiteljem o izmjeni ugovora: to ostaje ljudski posao, ili posao u kojem AI daje prijedlog, a rukovoditelj ga odobrava ili odbija uz obrazloženje.
Na terenu je to drugačije. Senzorska tehnologija koja javlja kada je prostor stvarno korišten i stoga treba biti očišćen oblik je AI podrške koja već postoji, ali zahtijeva ulaganje u opremu i zgradu koja je za to prilagođena. Mnoge lokacije to nemaju. Samo čišćenje, izuzev primjene robota u specifičnim okruženjima, ostaje ljudski posao.
Zašto to kod jedne tvrtke za čišćenje već funkcionira, a kod druge ne? Razlika rijetko leži u samoj ambiciji — gotovo svaka tvrtka želi učinkovitije planirati i manje vremena gubiti na ručno izrađene rasporede. Razlika leži u onome što se nalazi ispod te ambicije: ima li tvrtka sate, bolovanja i pritužbe već u sustavu koji AI aplikacija može pročitati, ili se to još uvijek nalazi u glavama planera i u zasebnim proračunskim tablicama po regiji.
Tvrtka za čišćenje koja kaže "želimo automatizirati rasporede" time kod jedne organizacije misli: sustav koji samostalno generira potpun raspored. Kod druge: pomagalo koje daje prvi prijedlog, nakon čega ga planer prilagođava. To su dvije različite ambicije s različitim zahtjevima glede podataka, glede ovlasti planera i glede stupnja u kojem naručitelji moraju odobriti izmjene. Sve dok upravni tim tu razliku nije međusobno raspravio, priča o automatizaciji a da ne zna o kojoj varijanti govori.
Upravo tu ambicija podijeljena u slojeve — od vizije do konkretnog ciljnog stanja — čini razliku: prisiljava na imenovanje onoga što se mijenja u tome tko smije donijeti odluku, i tko za to ostaje odgovoran. Za usporedbu, u drugim sektorima s puno izvršnog posla na lokaciji vidljiv je sličan obrazac: tko pročita kako se to odražava u građevinarstvu ili u instalacijskoj industriji, prepoznat će istu razdjelnicu između planskog i izvršnog posla, samo s drugim izvorima podataka.
Najčešće spomenuta prepreka nije tehnika nego evidentiranje. Radni sati, bolovanja, pritužbe i uporaba materijala često su raspršeni po regionalnim sustavima, papirnatim obrascima i usmenim dogovorima između planera i upravitelja lokacije. AI aplikacija koja preuzima rasporede ili kontrole kvalitete treba te podatke u obliku koji se može čitati. Bez te osnove ambicija ostaje izjava bez temelja.
Uz to postoji i pitanje tko smije odobriti ili odbiti AI prijedlog. Kod tvrtki gdje planer trenutno ima potpunu ovlast nad izmjenama rasporeda, AI aplikacija koja sama već izrađuje raspored de facto mijenja ulogu tog planera u ulogu kontrolora. To se dotiče toga kako su funkcije uređene i uvjeta rada; za odluke koje se tiču osoblja vrijede vlastiti zakonski zahtjevi koji se ovdje ne obrađuju.
Pitanje koje leži ispod svih ambicija u ovom sektoru nije "može li AI preuzeti čišćenje" nego "koji su naši zadaci već toliko evidentirani da ih AI aplikacija može pročitati, a koji još nisu". To se razlikuje po tvrtki, po regiji, pa čak i po naručitelju, i ne može se odgovoriti općenitim izrazima. Što to konkretno znači po zadatku za vašu organizaciju, prikazuje radna skenerska analiza tvrtke FTE TO AI: pregled toga koji se posao već sada daje preuzeti, koji dio zahtijeva nadzor i koji dio ostaje ljudski posao. Tko prvo želi razumjeti kako se ambicija prevodi u operativni model, to nađe objašnjeno u ciljnom operativnom modelu jednostavnim jezikom, a tko želi znati koje sposobnosti zahtijeva određena ambicija, to pročita putem sposobnosti koje vaša organizacija treba za ovu ambiciju.
Formuliranje ambicije za AI u poslu čišćenja počinje utvrđivanjem gdje se organizacija zaista nalazi, a ne gdje uprava nada da se nalazi. Besplatna provjera spremnosti tvrtke FTE TO AI sastoji se od osam kratkih pitanja, po jedno za svaku dimenziju, i daje sliku o tome gdje je organizacija najdalje odmakla, a gdje ima još najviše koraka za poduzeti. Potpuni test ambicije, s četiri sloja i pet kontrolnih točaka pouzdanosti (confidence gates), još je u izradi.
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.