Čiščenje je v veliki meri izvedbeno delo na lokaciji: čiščenje prostorov, dopolnjevanje materiala, izvajanje kontrol, prijavljanje incidentov. Poleg tega obstaja plast načrtovalnega dela, ki je manj vidna, a odločilno vpliva na stroške: izdelava urnikov, urejanje nadomestnih delavcev, obravnava pritožb, načrtovanje kakovostnih kontrol in poročanje naročnikom. Razmere na lokaciji močno usmerjajo izid: nekje je fiksna jutranja ekipa z malo menjavami, drugje se dela z izmenjujočimi se ekipami, kratkimi pogodbami in veliko priložnostnimi nadomestnimi delavci. Ta razlika določa, kateri del dela se lahko zajame v vzorec in kateri del ostaja odvisen od tega, kaj nekdo zatekе na kraju samem.
Ti dve plasti — izvedba na lokaciji in načrtovanje na daljavo — se na AI odzivata različno. Ne gre za to, da bi bila ena plast "pametnejša" od druge; gre za to, da se ena lažje zajame v podatke kot druga.
Znotraj plasti načrtovanja je razvidno, da se je del dela že premaknil. Urniki na podlagi fiksnih vzorcev, evidenca ur, fakturiranje in osnovno poročanje o kakovosti so naloge, ki jih lahko AI prevzame, takoj ko so temeljni podatki strukturirani. Ocenjevanje nenadnega kadrovskega primanjkljaja zaradi bolezni, presoja pritožbe, ki ne ustreza formatu, ali pogajanje z naročnikom o spremembi pogodbe: to ostaja delo za ljudi, ali delo, kjer AI pripravi predlog, ki ga vodja nato potrdi ali zavrne z utemeljitvijo.
Na terenu je stvar drugačna. Senzorska tehnologija, ki sporoča, kdaj je bil prostor dejansko uporabljen in ga je zato treba očistiti, je oblika AI-podpore, ki že obstaja, vendar zahteva vlaganje v opremo in stavbo, ki je za to primerna. Veliko lokacij tega nima. Samo čiščenje ostaja, z izjemo uporabe robotov v specifičnih okoljih, delo za ljudi.
Zakaj to pri enem podjetju za čiščenje že deluje in pri drugem ne? Razlika redko izhaja iz same ambicije — skoraj vsako podjetje želi bolj učinkovito načrtovati in izgubljati manj časa z ročnimi urniki. Razlika je v tem, kaj se skriva pod to ambicijo: ali ima podjetje ure, bolniško odsotnost in pritožbe že v sistemu, ki ga lahko AI-rešitev prebere, ali pa to še vedno tiči v glavah načrtovalcev in v ločenih preglednicah po regijah.
Podjetje za čiščenje, ki pravi "želimo avtomatizirati urnike", ima pri enem podjetju v mislih: sistem, ki samostojno generira popoln urnik. Pri drugem: pripomoček, ki pripravi prvi predlog, ki ga nato načrtovalec prilagodi. To sta dve različni ambiciji z različnimi zahtevami glede podatkov, glede pooblastil načrtovalcev in glede tega, v kolikšni meri se morajo naročniki strinjati s spremembami. Dokler vodstvena ekipa te razlike ne obravnava med seboj, govori o avtomatizaciji, ne da bi vedela, katero različico ima v mislih.
Ravno tu naredi razliko ambicija razdeljena v plasti — od vizije do konkretnega ciljnega stanja: sili k opredelitvi, kaj se spremeni glede tega, kdo lahko sprejme odločitev in kdo za to ostane odgovoren. Za primerjavo: v drugih panogah z veliko izvedbenega dela na lokaciji se pojavlja podoben vzorec: kdor prebere, kako se to izraža v gradbeništvu ali v inštalacijski panogi, zazna isto ločnico med načrtovalnim in izvedbenim delom, le da izhaja iz drugih virov podatkov.
Najpogosteje omenjena ovira ni tehnika, temveč zajemanje podatkov. Delovne ure, bolniška odsotnost, pritožbe in poraba materiala so pogosto razpršeni po regionalnih sistemih, papirnih obrazcih in ustnih dogovorih med načrtovalcem in vodjo lokacije. AI-rešitev, ki prevzame urnike ali kakovostne kontrole, potrebuje te podatke v obliki, ki je berljiva. Brez te osnove ambicija ostane izjava brez temelja.
Poleg tega se postavlja vprašanje, kdo lahko potrdi ali zavrne predlog AI. Pri podjetjih, kjer ima načrtovalec zdaj popolno pristojnost nad spremembami urnikov, AI-rešitev, ki sama že izdeluje urnike, dejansko spremeni vlogo tega načrtovalca v vlogo nadzornika. To vpliva na ureditev delovnih mest in delovne pogoje; za odločitve, ki zadevajo osebje, veljajo lastne zakonske zahteve, ki se tukaj ne obravnavajo.
Vprašanje, ki je v ozadju vseh ambicij v tej panogi, ni "lahko AI prevzame čiščenje", temveč "katere od naših nalog so že tako dobro zajete, da jih lahko AI-rešitev prebere, in katere še niso". To se razlikuje po podjetju, po regiji in celo po naročniku, in se ne da odgovoriti v splošnih izrazih. Kaj to konkretno pomeni za vašo organizacijo po posamezni nalogi, prikaže delovni sken FTE TO AI: pregled, katero delo se že zdaj ponuja za prevzem, kateri del zahteva nadzor in kateri del ostaja delo za ljudi. Kdor želi najprej razumeti, kako se ambicija prevede v operativni model, to razloženo najde v ciljnem operativnem modelu v preprostih besedah, in kdor želi izvedeti, katere zmogljivosti zahteva določena ambicija, to lahko prebere v zmogljivostih, ki jih vaša organizacija potrebuje za to ambicijo.
Oblikovanje ambicije za AI pri čistilnem delu se začne z ugotovitvijo, kje organizacija dejansko stoji, ne kje si vodstvo želi, da bi stala. Brezplačni preizkus pripravljenosti podjetja FTE TO AI vsebuje osem kratkih vprašanj, eno na dimenzijo, in prikaže slikо o tem, kje je organizacija najbolj napredovala in kje je še največ korakov, ki jih je treba narediti. Popolni preizkus ambicij, s štirimi plastmi in petimi confidence gates, je še v izdelavi.
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.