Ekonomidirektörens nya fördel: Hur AI förvandlar personalplanering till en vinstmaskin

Personalplanering behandlas ofta som ett HR-problem – ett sätt att se till att rätt personer är på rätt platser, lösa konkurrerande personalprioriteringar och bestämma varje teams personalallokering. Men eftersom arbetskostnader utgör så mycket som 70 procent av de totala affärskostnaderna, så gynnar det resultatet när ekonomidirektörer och deras team regelbundet är involverade i personalplanering – och behandlar personalstyrka inte bara som en kostnadsenhet att hantera, utan som en intäktsförstärkare som de kan dra i.

När det görs väl, kan personalplanering inte bara minska driftskostnader utan också utöka marginaler och till slut öka vinsten. Användningen av AI kan ha en dramatisk inverkan på detta, med generativ AI som ökar tillförlitligheten i personalprognoser och agentic AI som kan ta på sig specialiserade uppgifter som förhindrar behovet av att öka personalstyrkan. Dessutom är ekonomidirektörer allt mer benägna att använda AI i sitt arbete, och dessa trender har kombinerats för att göra AI-stödd personalplanering till ekonomidirektörens nya fördel, vilket leder vägen mot ökad lönsamhet för företaget.

GenAI: Från höga personalkostnader till ökad EBITDA

McKinsey har rapporterat att AI-baserade prognosmodeller kan uppnå över 90 procents noggrannhet i förutsägelsen av personalbehov för vissa företag, vilket minskar övertidskostnaderna med 15-20 procent.

Personalplaneringens roll är särskilt kritisk i blåljusindustrin, och BSL, ett fysiskt säkerhetsföretag som skickar ut tiotusentals säkerhetsvakter till tusentals platser för globala kunder som Nike och Amazon, såg ännu bättre resultat än den här benchmarken. Företaget stod inför en utmaning som är bekant för alla arbetsintensiva, skiftbaserade företag: den konstanta blödningen av övertidsersättning och dyra sista-minuten-entreprenader. När efterfrågan sköt i höjden eller när en utplaceringsspricka uppstod, slutade företaget ofta med att betala en premie – antingen till befintlig personal eller till externa entreprenörer.

BSL kunde minska övertidskostnaderna med 30 procent samtidigt som de också minskade entreprenadkostnaderna, när de började använda mer exakta och långsiktiga AI-drivna personalplaneringsverktyg. Genom att analysera anställdas och kunders kontrakt, översätta arbetslagar och regler till algoritmiska begränsningar och genomföra en komplex optimering med en multi-round-attributionsalgoritm under dessa begränsningar, kunde AI-verktygen snabbt producera en rullande personalplan på ett år. Tidigare hade företaget lagt veckor på att bygga personalplaner som bara såg en till tre månader framåt. Som resultat ökade EBITDA med 200 baspunkter, genom en massiv minskning av övertids- och entreprenadkostnader, en betydande förbättring i ett område där marginalerna är notoriskt tunna.

På BSL och i många andra fall var AI:s huvudsakliga roll inte att minska antalet anställda. Istället minskade generativa AI-verktyg personalomsättningen, förbättrade planeringen och hjälpte till att bygga scheman som både kunder och anställda föredrar. Till exempel begränsades antalet säkerhetsvakter som placerades på rotation för en given position till tre, till kundernas tillfredsställelse som ville behålla vakter som specialiserat sig på deras företags behov. Antalet skift som krävde en lång resa minskades och arbetsfria helger fördelades jämnt. Förändringar som dessa ökar livskvaliteten för anställda samtidigt som de förbättrar kundtillfredsställelsen och minskar kostnaderna och besväret med personalomsättning för företaget på lång sikt.

Agentic AI: Skalning utan personalökning

Ibland möjliggör AI-stödd personalplanering att företag kan undvika att öka personalstyrkan, så att företaget kan skalas på ett ekonomiskt sätt. Till exempel när Zendata Cybersecurity valdes att distribuera en integrerad lösning inom Dubai International Financial Centre och Abu Dhabi Global Market, behövde företaget skalas snabbt. De behövde snabbt hitta ett sätt att säkerställa smidig administrativ och teknisk introduktion för tusentals nya kunder och genomföra obligatoriska säkerhetsrevisioner varje kvartal. Att anställa tillräckligt med nya ingenjörer för denna ökning skulle ha varit dyrt och utmanande, med 72 procent av arbetsgivarna globalt som rapporterar att de har svårt att hitta den kompetens de behöver.

Istället använde cybersäkerhetsföretaget en konsult-AI-agent för att introducera 5 000 slutanvändare på sex veckor, vilket undvek behovet av att rekrytera nya anställda eller lägga en extra börda på befintliga team. En annan agent möjliggjorde för Zendata att genomföra kvartalsvisa revisioner och leverera personliga insikter, diagnoser och handlingsplaner till deras kunder. Istället för att Zendatas ingenjörer tillbringade en vecka på revisionerna varje kvartal, minskades den mänskliga granskningen till i genomsnitt bara en timme per kvartal. Detta minskade den operativa arbetsbördan och påskyndade revisionsprocessen samtidigt som det löste utmaningen att hitta tillräckligt med nya ingenjörer för att genomföra revisionerna för det stora antalet nya kunder.

Vad ekonomidirektörer bör ta med sig

Den gemensamma tråden genom dessa exempel är inte att AI minskar den mänskliga bedömningens roll i personalbeslut. Det är att AI tar bort de ineffektiviteter och komplexiteter som skapade betydande intäktsläckage i befintliga personalplaneringslösningar.

Generativ AI kan analysera tusentals kontrakt, tillämpa hundratals regulatoriska begränsningar och producera prognoser över ett årshorisont i den tid det skulle ta en mänsklig grupp att ställa upp en kalkylblad. Resultatet är att AI låter företag skalas snabbt, absorbera toppbelastning utan fördröjning och förbättra priskonkurrens och lönsamhet. Ekonomidirektörer blir allt mer medvetna om detta och använder de verktyg som finns tillgängliga idag – och resultaten syns i vinstrapporterna.