AI’s næste frontlinje? Du sidder i den

Næsten hver AI-overskrift i år har handlet om et eller andet aspekt af arbejdets digitale lag, fra agenter der skriver kode, til modeller der tager noter på konferencetelefonopkald. Samtidig går de samme medarbejdere, som bruger AI til at blive bemærkelsesværdigt effektive på deres laptops, ind i deres fysiske kontorer, hvor ingen af den effektivitet findes. 

Problemet med AI-samtalen de sidste par år er, at den har holdt sig næsten udelukkende indenfor, og jeg mener det i en meget bogstavelig forstand. Det har handlet om skærme, chatvinduer og dokumenter – det, der sker mellem en person og en skærm. Og i al den tid har det fysiske kontor bare siddet der, behandlet som en fast omkostning, der skal styres, snarere end et system, der faktisk kan forstås og forbedres.

Moderne fleksible arbejdspladser, især, lider under dette misforhold mellem, hvem der burde være til stede, og hvem der faktisk dukker op, hvilket gør alting sværere at styre. Når medarbejderne ankommer, kan de have svært ved at finde et mødelokale, eller de kan vandre rundt på etagerne på jagt efter et ledigt skrivebord, som om de leder efter en parkeringsplads i indkøbscentret på juleaften. Selve plantegningen er sandsynligvis udarbejdet ud fra en persons bedste gæt i stedet for reelle beviser på, hvordan folk bruger rummet.

Denne manglende evne til at bruge pladsen effektivt er et større problem, end det ser ud til. Ejendom er ofte en virksomheds næststørste udgift, lige efter folk. Og, i en seneste undersøgelse udført af The Collab Collective, sagde seks ud af ti fagfolk inden for arbejdspladsdrift, at denne form for arbejdspladsfriktion – manglende evne til effektivt at styre kontorressourcer som skriveborde og mødelokaler – faktisk er blevet værre i det forløbne år. 

Den friktion har også en pris, og den er betydelig. Medarbejdere mister et sted mellem to og fire timer om ugen på at lede efter plads, jagte kolleger og arbejde rundt om forskellige kontorsystemer. Gør regnestykket med standardlønninger, så kan en virksomhed med tusind medarbejdere miste op til $9 million om året alene på arbejdspladsfriktion. 

Den blinde plet i ejendomsplanlægning

AI har betydeligt potentiale til at løse disse udfordringer. Ligesom AI kan forudsige efterspørgsel eller dirigere supportbilletter, kan den lære, hvilke skriveborde og lokaler der bruges af hvem og hvornår. Den kan bemærke, hvor AV-udstyret rutinemæssigt fejler, og identificere hvilke etager eller mødelokaler der ikke bliver brugt. 

Den gamle spillebog for at styre et kontor antog også en arbejdsstyrke, der for det meste dukkede op efter en forudsigelig tidsplan. I nutidens hybride arbejdsplads sker det sjældent. Belægningsdata viser, hvor bred denne svingning faktisk er. Ejendomsselskabet CBRE har fundet ud af, at de fleste organisationer kører på fuld kapacitet på deres travleste kontordag, men kun omkring en tredjedel af den kapacitet på en gennemsnitlig dag. Det hul er præcis grunden til, at blot antal ansatte er så upålidelig som metode til at planlægge plads. En etage bygget til mandagens spidsbelastning står for det meste tom torsdag, og ingen mængde af intuition fanger dette mønster, som brugsdata gør.

Værktøjerne selv forværrer dette, fordi de fleste virksomheder kører booking, besøgsindregistrering, pladsplanlægning, mødetjenester og analyser som separate systemer, der aldrig er designet til at kommunikere med hinanden. Et planlægningsværktøj, der ikke har nogen idé om, hvordan et rum faktisk bliver brugt, kan ikke give faciliteterne noget brugbart, når det er tid til at forhandle en lejekontrakt. Analyser, der sidder i et dashboard, kan ikke række ud og ombooke nogen til et andet rum, når deres reservation falder igennem.

Faktum er, at de fleste ejendomsbeslutninger i dag stadig i vid udstrækning træffes på instinkt og på nuværende ansættelse, ikke på faktisk brug. Den tilgang var holdbar, da kontorer kørte med ensartet, forudsigelig belægningsgrad. Det er meget sværere at retfærdiggøre i en hybrid verden, hvor tilstedeværelsen svinger efter ugedag og efter team.

Hvis AI anvendes korrekt i arbejdspladsen, udfører den to opgaver på én gang. For medarbejderne løser den logistikken ved at automatisk matche folk med tilgængelig plads, fremhæve hvilke ressourcer der er ledige i realtid og fjerne behovet for at flytte møder med kort varsel. For drifts- og facilitets‑teams, der styrer budgettet, kan AI analysere alle de små signaler – hvem der har booket hvad, hvornår, hvor ofte, og hvilke rum der står tomme – for at skabe et klart billede af, hvordan pladsen faktisk præsterer. 

Endnu bedre, når en virksomhed kan se, hvordan pladsen faktisk bliver brugt, kan ledere basere deres ejendomsbeslutninger på reel efterspørgsel, præcis som de ville gøre med enhver anden ressourcebeslutning. Med denne information i hånden kan de konsolidere de etager, som ingen bruger, gå ind i en lejefornyelse med reel forhandlingsstyrke og redesigne kontorlayoutet ud fra, hvordan deres teams faktisk samarbejder.

Hvor dataene er samlet, kommer gevinsten hurtigt specifikt. Lad os sige, at en organisation opdager, at 40 % af deres møder går gennem en lille del af deres konferencelokaler. Med denne information kan driftsledere for eksempel nemt afgøre, hvilke lokaler der skal have prioritet for AV‑opgraderinger, og hvilke af resten der har brug for en designrevurdering i stedet for rutinemæssig vedligeholdelse.

Virksomheder, der allerede har sat AI i arbejde på deres kode, deres support‑køer og deres indbakker, har allerede set, hvad der sker, når gode data erstatter gætteri. Kontoret er simpelthen det næste sted, hvor denne lektie kan anvendes. Endnu bedre er, at de organisationer, der kommer først, ikke kun vil bruge mindre på plads, de ikke bruger, men også give medarbejderne de timer tilbage, de stille og roligt har mistet til arbejdsplads‑friktion hele tiden.