Rekreationsföretag drivs av en kombination som sällan möts på samma sätt i andra sektorer: säsongstoppar, en stor andel flexibla och tillfälliga medarbetare, gästkontakt som är själva produkten, och ett backoffice som måste fungera året runt medan fronten arbetar på halv kraft halva året. Timmarna ligger till stor del i front-office-arbete — incheckning, informationsgivning, ändring av bokningar, hantering av klagomål — och i planering: scheman, kapacitetsfördelning över boenden eller attraktioner, samt underhåll som toppar kring säsongsväxlingen. Därtill kommer det administrativa arbetet som löper oberoende av säsongen: fakturering, avtalshantering, rapportering till ägare eller franchisegivare.
Den omständighet som mest styr utfallet är fördelningen av arbetet mellan fast kärna och flexibel skal. En organisation med en liten fast kärna och ett stort säsongsskal har andra flaskhalsar än ett företag som arbetar med ett fast team året runt. Den skillnaden avgör inte bara var timmarna ligger, utan även var upprepningen finns — och upprepning är just där AI griper in.
Hos en del av rekreationsföretagen hanteras en bokningsändring, en standardfråga om öppettider eller en första reaktion på ett klagomål numera av ett system, utan att en medarbetare ser det innan det skickas. Hos andra företag går exakt samma uppgift fortfarande helt via en medarbetare, med samma upprepning, samma standardfråga, samma tidspress under säsongen. Skillnaden ligger inte i arbetets art — det är jämförbart — utan i om de underliggande uppgifterna (bokningssystem, kunskapsbank, klagomålshistorik) är i ordning och sammankopplade. Där det inte är fallet förblir uppgiften mänskligt arbete, inte för att arbetet kräver det, utan för att förutsättningen saknas.
Samma tre kategorier löper genom säsongen. En del av arbetet kan ett system ta över: rutinbokningar, standardkommunikation, första triage av frågor. En del görs delvis, med en medarbetare som godkänner eller avslår och anger en anledning: ett utkast till svar på ett klagomål, ett förslag till schemajustering vid sjukdom, ett planeringsscenario för en hektisk vecka. Och en del förblir mänskligt arbete: gästen som har ett problem på plats, avvägningen vid ett gränsfall i ett avtal, samtalet med en ägare om en investering. Den fördelningen förskjuts med säsongen — under högsäsongen förskjuts ofta mer mot systemet, helt enkelt eftersom volymen kräver det, medan under lågsäsongen finns mer utrymme för mänsklig hantering.
"AI-ambition" fylls i rekreationsföretag ofta med olika innebörd på olika nivåer utan att det sägs uttryckligen. Den ena direktören menar en chatbot för webbplatsen, den andra menar ett system som räknar igenom hela säsongsplaneringen, den tredje tänker på automatiserad fakturering gentemot ägare. Det är inte gradskillnader av samma ambition — det är olika ambitioner med olika krav. En chatbot kräver en väl fylld kunskapsbank; ett planeringssystem kräver tillförlitliga historiska data om beläggning och personal; automatiserad fakturering kräver standardiserade avtal. Utan den översättningen uppstår samma mönster som förekommer även utanför denna sektor: varför människor menar olika saker med samma ord, och ett beslut som av den ena uppfattas som ett "litet projekt" och av den andra som en "grundläggande förändring".
Detta krockar även med befintliga avdelningsmål. Ett front-office-team som bedöms utifrån gästbetyg upplever ett automatiserat första svar annorlunda än en planeringsavdelning som styr mot kostnadsbesparing. Vad man ska göra när dessa mål motverkar varandra är en fråga som sträcker sig längre än rekreationsbranschen och behandlas separat på sidan om motstridiga avdelningsmål.
Beredskap för en AI-ambition inom rekreation beror starkt på dataflöden som ofta är splittrade mellan bokningssystem, kassasystem och personalplanering, på hur många säsongsanställda som är utbildade i att känna igen avvikelser från ett systemförslag, samt på om beslutsbefogenheter är tydligt fördelade mellan anläggning och huvudkontor. En ambition att automatisera schemaplanering är först realistisk när det är klart vem som får överrida ett systemförslag och på vilken grund. Det påverkar inte frågan om någon behåller sin anställning — där gäller egna lagstadgade krav, separat från denna bedömning — men det påverkar frågan om organisationen redan har utformat arbetet så att det kan förflyttas.
Rekreationsbranschen står inte ensam i detta: liknande flaskhalsar kring toppbelastning och flexibla skal återfinns hos de AI-ambitioner som förekommer inom städbranschen och, med en annan toppstruktur men samma frågeställning kring planering och tillsyn, hos AI-ambitionerna inom vården.
Frågan om vilket arbete i ert företag som verkligen kan tas över av AI besvaras inte generellt utan per uppgift — det är precis vad FTE TO AI:s arbetsanalys är utformad för. För en första bild, utan att behöva vänta på det, finns den kostnadsfria beredskapskontrollen: åtta korta frågor, en per dimension, som visar var er organisation ligger längst fram och var den ligger minst långt fram. Den fullständiga ambitionsbedömningen, med de fyra lagren och fem confidence gates, är under uppbyggnad.
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.