Η Επόμενη Σειρά του AI; Είστε ήδη Μέσα Σε Αυτή

Σχεδόν κάθε τίτλος AI φέτος αφορά κάποιον τομέα του ψηφιακού επιπέδου της εργασίας, από πράκτορες που γράφουν κώδικα, μέχρι μοντέλα που σημειώνουν σημειώσεις σε τηλεδιασκέψεις. Εν τω μεταξύ, οι ίδιοι εργαζόμενοι που χρησιμοποιούν AI για να γίνουν εξαιρετικά αποδοτικοί στους φορητούς υπολογιστές τους, περπατούν στα πραγματικά τους γραφεία όπου δεν υπάρχει καθόλου αυτή η αποδοτικότητα.

Το πρόβλημα με τη συζήτηση γύρω από το AI τα τελευταία λίγα χρόνια είναι ότι παρέμεινε σχεδόν εξ ολοκλήρου εσωτερικά, και το εννοώ με πολύ κυριολεκτικό τρόπο. Αφορούσε οθόνες, παράθυρα συνομιλίας και έγγραφα — τα πράγματα που συμβαίνουν μεταξύ ενός ατόμου και μιας οθόνης. Και όλο αυτό το διάστημα, το φυσικό γραφείο απλώς υπήρχε, αντιμετωπιζόμενο ως σταθερό κόστος που πρέπει να διαχειριστεί κανείς, αντί για σύστημα που θα μπορούσε πραγματικά να κατανοηθεί και να βελτιωθεί.

Τα σύγχρονα ευέλικτα εργασιακά περιβάλλοντα, ειδικά, υποφέρουν από αυτή τη διαφορά μεταξύ του ποιος υποτίθεται ότι πρέπει να είναι εκεί και του ποιος πραγματικά εμφανίζεται, κάτι που κάνει τη διαχείριση πιο δύσκολη. Όταν οι εργαζόμενοι φτάνουν, μπορεί να μην βρουν αίθουσα συσκέψεων ή να περιπλανιούνται στον όροφο ψάχνοντας για ένα ελεύθερο γραφείο, όπως ψάχνουν για θέση στάθμευσης σε εμπορικό κέντρο την παραμονή των Χριστουγέννων. Το σχέδιο ορόφου πιθανότατα δημιουργήθηκε με βάση μια εικαστική εκτίμηση κάποιου, αντί για πραγματικά δεδομένα για το πώς οι άνθρωποι χρησιμοποιούν τον χώρο.

Αυτή η αδυναμία να χρησιμοποιείται ο χώρος αποδοτικά είναι ένα μεγαλύτερο πρόβλημα από ό,τι φαίνεται. Τα ακίνητα είναι συχνά το δεύτερο μεγαλύτερο έξοδο μιας εταιρείας, ακριβώς μετά το ανθρώπινο δυναμικό. Και, σε μια πρόσφατη έρευνα που διεξήχθη από το The Collab Collective, έξι στους δέκα επαγγελματίες λειτουργιών εργασιακού χώρου ανέφεραν ότι αυτό το είδος τριβής στον χώρο εργασίας — η αδυναμία διαχείρισης των πόρων του γραφείου όπως γραφεία και αίθουσες συσκέψεων — έχει στην πραγματικότητα επιδεινωθεί κατά το τελευταίο έτος. 

Αυτή η τριβή έχει επίσης κόστος, και είναι σημαντικό. Οι εργαζόμενοι χάνουν μεταξύ δύο και τεσσάρων ωρών την εβδομάδα ψάχνοντας χώρο, κυνηγώντας συναδέλφους και αντιμετωπίζοντας ασυνεπή συστήματα γραφείου. Κάντε τους υπολογισμούς με βάση τα τυπικά δεδομένα αμοιβών, και μια εταιρεία με χίλιους εργαζόμενους μπορεί να χάσει έως και $9 million ετησίως μόνο από την τριβή στον χώρο εργασίας.

Το Σκοτεινό Σημείο του Σχεδιασμού Ακινήτων

Το AI έχει σημαντικό δυναμικό να αντιμετωπίσει αυτές τις προκλήσεις. Όπως το AI μπορεί να προβλέψει τη ζήτηση ή να δρομολογήσει αιτήματα υποστήριξης, μπορεί να μάθει ποια γραφεία και αίθουσες χρησιμοποιούνται από ποιον και πότε. Μπορεί να παρατηρήσει πού αποτυγχάνει συστηματικά ο εξοπλισμός AV και να εντοπίσει ποιοι όροφοι ή χώροι συσκέψεων δεν χρησιμοποιούνται.

Το παλιό εγχειρίδιο διαχείρισης ενός γραφείου υποθέτει επίσης ένα εργατικό δυναμικό που κυρίως εμφανίζεται σε προβλέψιμο πρόγραμμα. Στο σημερινό υβριδικό εργασιακό περιβάλλον, σπάνια συμβαίνει. Τα δεδομένα πληρότητας δείχνουν πόσο ευρύ είναι πραγματικά αυτό το φάσμα. Η εταιρεία εμπορικών ακινήτων CBRE διαπίστωσε ότι οι περισσότερες οργανώσεις λειτουργούν με πλήρη χωρητικότητα στην πιο πολυάσχολη ημέρα του γραφείου, αλλά μόνο περίπου το ένα τρίτο αυτής της χωρητικότητας σε μια μέση ημέρα. Αυτό το χάσμα είναι ακριβώς ο λόγος που ο μόνος αριθμός προσωπικού είναι τόσο αναξιόπιστος για τον προγραμματισμό χώρου. Ένας όροφος που χτίστηκε για την κορυφαία ζήτηση της Δευτέρας παραμένει κυρίως άδειος μέχρι την Πέμπτη, και καμία ένστικτη εκτίμηση δεν εντοπίζει αυτό το μοτίβο όπως τα δεδομένα χρήσης.

Τα ίδια τα εργαλεία το επιδεινώνουν, επειδή οι περισσότερες εταιρείες λειτουργούν το σύστημα κράτησης, το check‑in επισκεπτών, τον προγραμματισμό χώρου, τις υπηρεσίες συσκέψεων και την ανάλυση ως ξεχωριστά συστήματα που ποτέ δεν σχεδιάστηκαν να επικοινωνούν μεταξύ τους. Ένα εργαλείο προγραμματισμού που δεν ξέρει πώς χρησιμοποιείται πραγματικά μια αίθουσα δεν μπορεί να δώσει κάτι χρήσιμο στις υπηρεσίες εγκαταστάσεων όταν ήρθε η ώρα να διαπραγματευτεί μια μίσθωση. Η ανάλυση που βρίσκεται σε έναν πίνακα ελέγχου δεν μπορεί να επεμβεί και να μεταφέρει κάποιον σε διαφορετική αίθουσα όταν η κράτησή του ακυρώνεται.

Το γεγονός είναι ότι οι περισσότερες αποφάσεις ακινήτων σήμερα εξακολουθούν να λαμβάνονται κυρίως με βάση το ένστικτο και την τρέχουσα απασχόληση, όχι την πραγματική χρήση. Αυτή η προσέγγιση ήταν βιώσιμη όταν τα γραφεία λειτουργούσαν με σταθερή, προβλέψιμη πληρότητα. Είναι πολύ πιο δύσκολο να δικαιολογηθεί σε έναν υβριδικό κόσμο όπου η παρουσία κυμαίνεται ανά ημέρα της εβδομάδας και ανά ομάδα.

Όταν εφαρμόζεται σωστά, το AI στον εργασιακό χώρο εκτελεί δύο εργασίες ταυτόχρονα. Για τους εργαζόμενους, λύνει τη λογιστική της εργασίας αντιστοιχίζοντας αυτόματα τους ανθρώπους με διαθέσιμο χώρο, εμφανίζοντας σε πραγματικό χρόνο ποιοι πόροι είναι ελεύθεροι και εξαλείφοντας την ανάγκη μετακίνησης συναντήσεων με σύντομη προειδοποίηση. Για τις ομάδες λειτουργιών και εγκαταστάσεων που διαχειρίζονται τον προϋπολογισμό, το AI μπορεί να αναλύσει όλα αυτά τα μικρά σήματα — ποιος κράτησε τι, πότε, πόσο συχνά και ποιες αίθουσες παραμένουν κενές — για να δημιουργήσει μια σαφή εικόνα του πώς λειτουργεί πραγματικά ο χώρος.

Ακόμη καλύτερα, μόλις μια εταιρεία μπορεί να δει πώς χρησιμοποιείται πραγματικά ο χώρος, οι διαχειριστές μπορούν να βασίσουν τις αποφάσεις ακινήτων τους σε πραγματική ζήτηση, όπως θα έκαναν με οποιαδήποτε άλλη απόφαση πόρων. Με αυτές τις πληροφορίες στα χέρια τους, μπορούν να ενοποιήσουν τους όροφους που δεν χρησιμοποιούνται, να προχωρήσουν σε ανανέωση μίσθωσης με πραγματικό μοχλό διαπραγμάτευσης και να σχεδιάσουν εκ νέου τη διάταξη του γραφείου γύρω από το πώς οι ομάδες τους συνεργάζονται στην πράξη.

Όταν τα δεδομένα ενοποιούνται, η απόδοση γίνεται συγκεκριμένη γρήγορα. Ας πούμε ότι μια οργάνωση διαπίστωσε ότι το 40% των συναντήσεών της περνούν από ένα μικρό ποσοστό των αιθουσών συνεδριάσεων. Με αυτές τις πληροφορίες, οι διαχειριστές λειτουργιών μπορούν, για παράδειγμα, να καθορίσουν εύκολα ποιες αίθουσες πρέπει να προτεραιοποιηθούν για αναβαθμίσεις AV, και ποιες από τις υπόλοιπες χρειάζονται επανασχεδιασμό αντί για τυπική συντήρηση.

Οι εταιρείες που έχουν ήδη εφαρμόσει την τεχνητή νοημοσύνη στον κώδικά τους, στις ουρές υποστήριξης και στα εισερχόμενά τους έχουν ήδη δει τι συμβαίνει όταν τα καλά δεδομένα αντικαθιστούν τις εικασίες. Το γραφείο είναι απλώς το επόμενο μέρος για να εφαρμοστεί αυτό το μάθημα. Ακόμη καλύτερα, οι οργανισμοί που θα φτάσουν πρώτοι δεν θα ξοδεύουν μόνο λιγότερο χώρο που δεν χρησιμοποιούν, θα επιστρέψουν επίσης στους εργαζόμενους τις ώρες που είχαν σιωπηρά χάσει εξαιτίας της τριβής στον χώρο εργασίας όλο αυτό το διάστημα.