Talousjohtajan uusi etu: Miten tekoäly muuttaa työvoiman suunnittelun voittavaan konseptiin

Työvoiman suunnittelu kohdellaan usein vain HR-ongelmana – tavoitteena on varmistaa, että oikeat ihmiset ovat oikeissa rooleissa, ratkaista kilpailevat henkilöstöprioriteetit ja määritellä kunkin tiimin henkilöstötarve. Mutta kun työvoimakustannukset muodostavat jopa 70 prosenttia kaikista liiketoimintakuluista, kannattaa talousjohtajien ja heidän tiimien osallistua säännöllisesti työvoiman suunnitteluun – ja kohdella henkilöstöä ei pelkästään kustannuskeskuksena, jota on hallittava, vaan myös voitonlähteenä, jota voidaan hyödyntää.

Kun työvoiman suunnittelu tehdään hyvin, se voi vähentää toimintakuluja, laajentaa marginaaleja ja lopulta lisätä voittoa. Tekoälyn käyttö voi tuoda dramaattisen vaikutuksen tähän, sillä generatiivinen tekoäly voi parantaa henkilöstöennusteiden luotettavuutta ja agenteille tekoäly voi ottaa vastaan erikoistuneita tehtäviä, jolloin henkilöstön määrää ei tarvitse lisätä. Lisäksi talousjohtajat käyttävät yhä enemmän tekoälyä työssään, ja nämä trendit yhdistyvät tekemään tekoälyavusteisesta työvoiman suunnittelusta talousjohtajan uuden etun, joka johtaa kohti lisääntynyttä kannattavuutta liiketoiminnalle.

GenAI: Korkeista henkilöstökuluista EBITDA:n kasvuun

McKinsey on raportoinut, että tekoälypohjaiset ennustemallit voivat saavuttaa yli 90 prosentin tarkin työvoiman tarpeiden ennusteen joissakin yrityksissä, mikä leikkaa ylityöaikakustannuksia 15-20 prosentilla.

Työvoiman suunnittelun rooli on erityisen kriittinen sinisellä kauppiaalla, ja BSL, fyysinen turvallisuusyhtiö, joka lähettää kymmeniä tuhansia turvallisuusvartijoita tuhansiin kohteisiin globaaleille asiakkaille, kuten Nike ja Amazon, näki vastaavia tuloksia. Se kohtasi haasteen, joka on tuttu kaikille työvoimavaltaisille, vuoropohjaisille yrityksille: jatkuva ylityöaikakustannusten ja kalliiden viime hetken alihankkijoiden maksaminen. Kun kysyntä kasvoi tai kun käyttökatko syntyi, yhtiö usein maksoi korkean hinnan – joko olemassa oleville työntekijöille tai ulkopuolisille alihankkijoille.

BSL pystyi vähentämään ylityöaikakustannuksia 30 prosentilla ja samalla laskemaan alihankkijakustannuksia, kun se alkoi käyttää tarkempaa ja pidempiaikaisempaa tekoälyohjattua työvoiman suunnittelua. Sen jälkeen, kun tekoälytyökalut jäsivät työntekijöiden ja asiakkaiden sopimukset, käänsivät työlait ja -säännöt algoritmisiin rajoituksiin ja suorittivat monimutkaisen optimoinnin usean kierroksen attribuutioalgoritmin avulla, ne tuottivat nopeasti yhden vuoden liukuvan työvoiman suunnitelman. Aikaisemmin yhtiö oli viettänyt viikkoja rakentamassa henkilöstösuunnitelmia, jotka kattoivat vain yhden tai kolme kuukautta eteenpäin. Tämän seurauksena se lisäsi EBITDA:ta 200 pistettä, vähentämällä massiivisia ylityö- ja alihankkijakustannuksia, mikä on merkittävä parannus alalla, jossa marginaalit ovat mainittavasti ohuita.

BSL:ssä ja monissa muissa tapauksissa tekoälyn päärooli ei ollut vähentää työntekijöitä. Sen sijaan generatiiviset tekoälytyökalut vähensivät käännyttyä, paransivat suunnittelua ja auttoivat luomaan aikatauluja, jotka sekä asiakkaat että työntekijät pitivät tyytyväisinä. Esimerkiksi turvallisuusvartijoiden määrä, jotka asetettiin kiertoon tiettyyn asemaan, rajoitettiin kolmeen, mikä tyydytti asiakkaita, jotka halusivat pitää vartijoita, jotka erikoistuivat heidän yrityksensä tarpeisiin. Pitkien kommuutien vaatimien vuorojen määrä vähennettiin ja työvapait viikonloput jaettiin tasaisesti. Nämä muutokset paransivat työntekijöiden elämänlaatua, paransivat asiakastyytyväisyyttä ja vähensivät kustannuksia ja vaivaa, jotka liittyvät työntekijöiden käännytykseen yhtiölle pitkällä aikavälillä.

Agenteille tekoäly: Mittaamaton kasvu ilman henkilöstön lisäämistä

Toisinaan tekoälyavusteinen työvoiman suunnittelu mahdollistaa yritysten välttämisen henkilöstön lisäämistä, jotta yritys voi kasvaa edullisesti. Esimerkiksi, kun Zendata Cybersecurity valittiin käyttöön integroidun ratkaisun Dubai International Financial Centreen ja Abu Dhabin globaaliin markkinaan, yhtiö tarvitsi nopeasti keinoja varmistaa sujuva hallinnollinen ja tekninen perehdytys tuhansille uusille asiakkaille ja toteuttaa pakolliset turvallisuuden auditoinnit joka neljännesvuosi. Uusien insinöörien palkkaaminen tämän kasvun vuoksi olisi ollut kallista ja haastavaa, sillä 72 prosenttia työnantajista maailmanlaajuisesti ilmoitti, että heillä on vaikeuksia löytää tarvitsemaansa osaavaa työvoimaa.

Sen sijaan kyberturvalisuusyhtiö käytti konsultoivaa tekoälyagenttia rekrytoimaan 5 000 loppukäyttäjää kuudessa viikossa, välttäen tarpeen palkata uusia työntekijöitä tai asettaa lisäkuormitusta olemassa oleville tiimeille. Erilainen agenti mahdollisti Zendatalle toteuttaa neljännesvuosittaiset auditoinnit ja toimittaa henkilökohtaiset näkymät, diagnosoida ja toimintasuunnitelmat asiakkailleen. Sen sijaan, että Zendatan insinöörit olisivat viettäneet yhden viikon neljännesvuosittaisissa auditoissa, ihmisten tarkastus lyhennettiin keskimäärin vain yhteen tuntiin neljännesvuodessa. Tämä laski operatiivisen työtaakan ja nopeutti auditoimisprosessia samalla, kun se ratkaisi haasteen löytää riittävästi uusia insinöörejä auditoimaan suuren määrän uusia asiakkaita.

Mitä talousjohtajat tulisi ottaa huomioon

Yhteinen lanka näiden esimerkkien läpi on, että tekoäly ei vähennä ihmisten arvion roolia työvoiman päätöksissä. Sen sijaan tekoäly poistaa tehokkuudet ja monimutkaisuudet, jotka aiheuttivat merkittävää tulojen vuotaa olemassa oleviin työvoiman suunnitteluratkaisuihin.

Generatiivinen tekoäly voi jäsentää tuhansia sopimuksia, soveltaa satoja sääntöjä ja tuottaa ennusteita yhden vuoden aikajänteellä siinä ajassa, jonka ihmisryhmä tarvitsisi perustaa taulukon. Lopputulos on, että tekoäly sallii yritysten kasvaa nopeasti, absorboida huippukysynnän ilman johdonmukaisuutta ja parantaa hintakilpailukykyä ja kannattavuutta. Talousjohtajat ymmärtävät yhä enemmän tämän ja käyttävät käytettävissä olevia työkaluja tänään – ja tulokset näkyvät tuloksissa.