Under de senaste två åren har covid-19-pandemin omformat arbetsstyrkan på många sätt. Fler och fler människor arbetar hemifrån eller andra avlägsna platser, vilket innebär att när och hur de gör sitt arbete har förändrats dramatiskt. Och vikarier och gig-anställda har också blivit en större del av arbetsstyrkan, vilket innebär utmaningar och möjligheter för organisationer.
Med fler människor som arbetar i flera organisationer samtidigt och väljer att byta jobb som en del av Great Quit, har företag kämpat för arbetare och för nya sätt att hantera en hybrid-, deltids- och kontraktsarbetskraft som vill ha mer flexibilitet och bättre arbetskraft. liv balans.
Tidigare system för ledning av arbetskraft utförde enkla schemaläggnings- och rapporteringsuppgifter. Men många av dessa verktyg var inte konfigurerade för att hantera en dynamisk arbetsstyrka, flexibla scheman och till och med en kompetensbrist när det gäller att hantera hybridarbetsstyrkor. (Det senare genererar användningen av distansutbildning och övervakningsverktyg genom AR-plattformar.)
Problemet är verkligt och “det är stort”, enligt Ritu Jyoti, vicepresident för Global Automation and Artificial Intelligence (AI) Research vid IDC.
siled mjukvara
“Organisationer letar efter anslutna funktioner,” sa Jyoti. “De letar efter en helhetslösning. De vill ha något som fungerar i ett offentligt moln, i en fleranvändarmiljö, med modernt webb- och mobilstöd. Just nu sätter folk ihop saker här och där.”
Det har varit ett problem på Amazon, till exempel. Den använder olika typer av programvara och algoritmer för att spåra anställdas tid och närvaro, övervaka arbetarnas prestationer och hålla reda på anställdas funktionshinder. Men de systemen fungerar inte alltid bra tillsammans.
Förra året lärde sig Amazon en hård läxa när anställda började få uppsägningsvarsel, trots att de inte tidigare hade fått sparken eller sagt upp sig. En manuell patch som företaget implementerade för att möjliggöra kommunikation mellan dess algoritm för övervakning av tid och närvaro och dess tjänstledighetssystem misslyckades med att integrera de två systemen.
“Vi håller just nu på att fullt ut implementera en patch som kopplar samman de två systemen,” sa Amazons talesperson Kelly Nantel nyligen.
Rapporter om Amazons mjukvarualgoritmer eller “botar” som användes för att anställa och kvalificera anställda väckte anklagelser om att samma automatiserade system “avskedade miljontals människor med liten eller ingen mänsklig tillsyn.” Inte sant, sa Nantel. Sammantaget är en stor andel av Amazons 1,4 miljoner anställda uppsagda på grund av att jobbet lämnas, inte prestationsproblem, enligt Nantel.
Han hävdade att företagets teknik för personalhantering stöder och förbättrar kandidatens och anställdas upplevelse. Det är inte tänkt att ersätta chefer, utan att hjälpa dem att fatta beslut med data och information, enligt Nantel.
Men de systemen fungerar inte alltid bra tillsammans, erkände han. “Vi är inte unika i vissa av dessa utmaningar, och när du är ett företag så stort som Amazon och du skalar och växer så snabbt som vi är, har vi verkligen stött på vissa situationer där vår teknik och våra system har hamnat Jag höll inte jämna steg, sa han. Nantel.
“Vi håller just nu på att fullt ut implementera en patch som kopplar samman de två systemen,” tillade han. ”Vi vet att det finns utmaningar, men vi bär också våra väskor dit vi tycker att vi ska. Men vi blir också arga över påståendet att … vi styrs enbart av robotar.”
Ett problem är att vissa verktyg för personalhantering är integrerade i ERP-systemprogramvaran, andra är fristående applikationer och molntjänster. Och i ett stort företag kan det finnas många olika utbildnings- och personalhanteringsapplikationer, varav många inte kommunicerar med varandra.
AI/ML-aktiverad Workforce Management-programvara lär sig när du är på språng
Enligt IDC förväntas användningen av AI/ML-baserad hanteringsprogramvara (dessa algoritmer och bots) öka från 150 miljarder dollar till mer än 500 miljarder dollar under de kommande fem åren.
“Organisationer letar efter verktyg som förser dem med hela livscykeln för personaladministration,” sa Jyoti.
Programvara för digital personalhantering användes redan före pandemin, främst för att hjälpa till att hantera lastbilsflottor, detaljhandelsarbetare, servicearbetare och andra “uppgiftsorienterade” jobb. Till exempel möjliggjorde spelningsekonomin flexibla scheman för leveranstjänster, vilket möjliggjorde leverans samma dag av detaljhandelsprodukter och dagligvaror. Leveransbilar var inte längre packade dagar i förväg.
År 2023 kommer 60 % av världens 2 000 främsta företag att implementera AI- och maskininlärningsaktiverade plattformar för att stödja de anställdas livscykel från introduktion till pensionering. enligt IDC. Och år 2024 kommer 80 % av dessa företag att använda AI/ML-aktiverade “digitala chefer” för att hjälpa till att anställa, utbilda och avskeda arbetare. Ändå förväntar sig IDC att bara en av fem ska inse värde utan mänsklig inblandning.
Det är inte förvånande att en stugindustri växer runt problemet med olika system för ledning av arbetskraft. Jyoti pekade på flera nystartade företag och etablerade mjukvaru- eller tjänsteleverantörer som erbjuder omfattande AI-drivna plattformar för arbetskraftshantering som kan ge anställdas vägledning och/eller rekommendationer, prognoser och utbildningsmöjligheter.
I listan över leverantörer finns startups som t.ex Legion, öka, fem9, octuple.aioch Reflexer samt etablerade företag som t.ex Chronos, en leverantör av molntjänster för personaladministration och humankapitalhantering. Många startups är bättre rustade att implementera API:er som ansluter till befintliga ERP- och HR-system eftersom deras plattformar är mer formbara än etablerade leverantörers.
”Ur ett innovationsperspektiv är det dessa företag som kommer att driva och skaka om branschen. Det här är några av företagen med AI-driven arbetsstyrka, säger Jyoti. ”Det handlar om hur de ser på humankapitalförvaltning. Den ska vara uppkopplad och helst köras i molnet. Legion ansluter till exempel till Genesys moln plattform. Genesys är känt för sina kontaktcenterlösningar. I grund och botten är den mer dynamisk, datadriven och AI-driven.”
Nystartade företag har redan fått några stora kunder, inklusive AthenaHealth, Cisco, Colgate-Palmolive Co., Dollar General Corp., Claires, Pizza Hut och Six Flags Entertainment Corp.
Detaljhandel och tillverkning är två av de största vertikalerna som dras mot nya AI-drivna, molnanslutna plattformar för hantering av arbetskraft eftersom deras anställda tenderar att ha de mest varierande arbetsscheman.
Jyoti förklarade vilka typer av problem plattformarna är utformade för att lösa: “Vilken person kan jag skicka till den här platsen idag? Vilken person dyker inte upp på jobbet och hur kan jag boka om för det? Hur gör jag automatisk schemaläggning? Hur automatiserar man tid och närvaro?”
Leverantören av arbetskraftshanteringstjänster Legion, till exempel, fokuserar på kunder med timanställda i tillverknings- och detaljhandelsmiljöer.
En av de främsta användningsområdena för AI/ML-driven programvara för personalhantering är efterfrågeprognoser. Återförsäljare säljer online och i butik och erbjuder leverans samma dag av produkter. Om ett företag har 100 butiker och tre detaljhandelskanaler så är det 300 inköpskanaler från vilka kundernas efterfrågan kan komma.
“Innan maskininlärning var det svårt att göra exakta prognoser”, säger Sanish Mondkar, VD och grundare av Legion. “Du vill se till att du anställer tillräckligt med arbetskraft för att möta efterfrågan, varken mer eller mindre. Om du har 100 butiker bör du ha säljare i varje butik vid rätt tidpunkt. Du kan ha olika dagar i veckan och tider med hög efterfrågan.”
Samtidigt styr en mängd statliga och lokala bestämmelser hur företag kan schemalägga arbetet. San Francisco har till exempel förutsägbara lönelagar De dikterar hur långt i förväg ett företag måste lägga upp arbetsscheman och hur många förändringar företaget kan göra. Programvara för personalhantering bör ta hänsyn till det.
AI och maskininlärningsalgoritmer måste också ta hänsyn till feedback från anställda om huruvida de gillar sina scheman eller hur pålitliga de är på att dyka upp vid vissa dagar och tider.
“Det är vanligt att anställda arbetar mer än ett jobb nuförtiden,” sa Mondkar. “Våra kunder försöker lösa dessa tre problem: effektiv verksamhet, regelefterlevnad och i allt högre grad hur man ser till att anställda är nöjda och kan behållas längre.”
Hög avgångsnivå för anställda leder till schemaläggnings- och utbildningsutmaningar
För utkontrakterade arbetare är avgångshastigheten, anställningsfrekvensen och arbetsuppgiftsanpassningen mycket hög, vilket innebär att uppgiftskraven kan förändras drastiskt från dag till dag, vilket kräver en smidig mjukvaruplattform.
Företag behöver också utbildningsplattformar som kan hålla jämna steg med en mindre personalstyrka och fler nyanställningar.
Under de senaste två åren har personalomsättningen varit en av de stora frågorna för Hunter Industries, en tillverkare av landskapsbelysning och bevattningsprodukter med cirka 3 500 anställda. Enkelt uttryckt hade företaget färre anställda för att utföra löpande band, övervaka driften och underhålla maskiner.
Hunter är inte ensam; 82 % av tillverkarna nämner brist på arbetskraft som den största affärsrisken för närvarande och förväntar sig fortsatta problem med rekrytering och kvarhållande av arbetskraft. Som ett resultat är praktiskt taget alla tillverkningssegment intresserade av en digitalt aktiverad arbetsstyrka, enligt en Deloitte-studie 2021.
På Hunter hade företaget använt en grundläggande app på Apple iPads som avslöjade om en arbetare hade slutfört elektroniska handledningar eller framgångsrikt utfört en tillverkningsuppgift i flera steg. Men det lärandehanteringssystemet gav ingen information om hur lång tid det tog för anställda att slutföra utbildning eller uppgifter, om de hade problem på vägen eller om de hade förslag på hur man skulle förbättra en tillverkningsprocess.
“Låt oss säga att en enkel procedur kräver en checklista. Det var bara pappersbaserat och en anställd kunde komma in och fylla i checklistan, men det finns ingen tidsspårning eller uppgiftsspårningsanalys med det, säger Yunior Murillo, chef för operationsutbildning på Hunter Industries.
Ännu värre, frontlinjearbetare behövde ofta hjälp från underhållsarbetare vid felsökning av utrustningshaveri, och underhållsarbetare var också en bristvara.
Nästa utmaning: Träning
År 2020 började Hunter Industries testa Augmentirs AI-baserade programvara för personalhantering. Programvaran möjliggör utbildning av frontlinjearbetare, erbjuder fjärrsupportverktyg för maskinunderhåll och felsökning och möjliggör feedback från anställda.
Hittills har Murillos team skapat hundratals video- och elektroniska utbildningsmoduler för att få nya anställda att komma igång och hjälpa veteranarbetare att följa steg-för-steg-processer för att reparera utrustning som går sönder eller behöver underhåll.
Augmentir-appen gör att Murillos team kan skapa en checklista och använda instruktörsledd utbildning som matar slutförandedata till det interna inlärningshanteringssystemet.
”För närvarande fokuserar vi på medarbetarnas ansvarighet och ger utbildning till anställda där det behövs på verkstadsgolvet. Senare… skulle vi vilja ansluta den till vår automatiseringsprogramvara och sedan ansluta den [that] i våra system för lärande, säger Murillo. ”Något vi verkligen ser fram emot är den här styrelsen när det gäller kompetens och certifieringar. Det kommer att knytas mer till ledningssystemet för lärande.”
Sedan första testandet av Augmentirs mjukvara har Hunter Industries ökat antalet tjänster till 50 och planerar att fördubbla det antalet i år. “Med Augmentir kan jag se om utbildningen som vårt team arbetar med är effektiv genom all analys som bryter ner den,” sa Murillo. “Det är vad jag ser fram emot.”
Fältserviceledning har också påverkats av brist på utbildade medarbetare och företag vänder sig till AI-driven programvara, kombinerat med förstärkt verklighet och datorseende, för att möjliggöra fjärrhjälp.
Symphony IndustrialAI säljer en bärbar smartklocka-liknande enhet som inkluderar en kamera och låter anställda följa en digital checklista medan chefer övervakar deras prestationer på distans. Klockan kan användas av kvalitetskontrollpersonal, frontlinjearbetare eller underhålls- och reparationspersonal, och organisationer kan ladda upp steg-för-steg-instruktioner om hur man utför uppgifter.
Smartklockan är särskilt användbar för starkt reglerade branscher som läkemedels- och kemisk produktion och hälsovård, där smartwatchplattformen tillhandahåller en bild och elektronisk revisionsspår av utfört arbete.
“Låt oss säga att jag behöver installera en ny kompressor, och killen som har gjort det de senaste 20 åren har precis gått i pension. Så nu kommer en ny person in och de är den enda som kan göra det. Hur vet du exakt vad du ska göra? sa Dominic Gallello, VD för Symphony IndustrialAI. “När någon går ut för att utföra underhåll vill jag att de ska göra det rätt, och vår produkt ger bästa praxis och en revisionsspår för att göra det.”
I december förvärvade Symphony IndustrialAI Google Glass industripartner Proceedix; Det sistnämnda företagets digitala arbetsinstruktioner och inspektionsplattform fungerar som smartwatch-teknik, men använder AR-glasögon.
