Vi på Pythagoras har alltid tyckt att det är viktigt att äga sin egen data gällande fastigheterna. Med AI blir den övertygelsen bara starkare. Har du redan koll på ytor, nyttjande och städhistorik? Då har du en bra grund och otroligt många möjligheter.
Det här inlägget handlar om vad AI faktiskt kan göra med data du redan har, och vad du skulle kunna testa redan i morgon.
Vad AI kan göra med data du redan har
AI för lokalvård är i praktiken redan här. I dag används det för att göra lokalvårdarens planering smartare, styra städningen efter faktiskt behov, effektivisera schemaläggningen och ge bättre beslutsunderlag. Utan onödigt tekniskt krångel. Det handlar om att ställa rätt frågor till den data du redan samlar in och låta svaren peka ut var du ska börja.
Vilken information behövs för att AI ska kunna göra nytta för lokalvårdsplaneringen?
Här är fem exempel på vad du kan hitta om du börjar gräva i din egen data redan i dag. Får du fram dessa så har du en riktigt bra grund för att AI ska kunna hitta effektivitetsvinster.
Orimligt mycket/lite tid för en viss yta. Ett rum eller objekt kan ha en tilldelad tid som inte hänger ihop med ytan eller rumstypen. Till exempel ett kontor som får orimligt mycket tid jämfört med liknande kontor på andra skolor eller förvaltningar. Det är ofta ett tecken på gamla scheman som aldrig justerats.
Frekvens som inte matchar nyttjandet. Städar du ett utrymme fem gånger i veckan, trots att det knappt används? Har du någon proxy för nyttjandegrad, till exempel bokningsdata eller besöksfrekvens, går det att se om frekvensen faktiskt är motiverad.
Kostnad som sticker ut. Kostnad per kvadratmeter eller per städtillfälle som avviker från resten av beståndet kan peka på ineffektiva rutter eller fel personalbemanning, snarare än på själva städtiden.
Restid som äter upp schemat. Restid och annan overhead mellan objekt tar ofta en större del av schemat än man tror. Mönstret syns tydligast om du har data per pass eller rond, inte bara per rum.
Kvalitet som inte hänger med. Har du någon kvalitetsuppföljning, till exempel enligt INSTA 800 eller egna revisioner, kan du ställa den mot tidsåtgången. Då ser du om det redan i dag finns rum där du lägger mindre tid än vad som krävs för godkänd kvalitet och undviker att spara in på fel ställe.
Vilka frågor skulle man kunna ställa?
Osäker på var du ska börja? Testa några av de här promptarna på din egen data. De är formulerade för att hitta samma typer av avvikelser som exemplen ovan:
- Visa alla rum där tilldelad städtid avviker mest från snittet för liknande rumstyper och ytor.
- Lista utrymmen som städas mer än tre gånger i veckan men har låg bokningsfrekvens eller besöksdata den senaste månaden.
- Räkna ut kostnad per kvadratmeter och per städtillfälle för varje objekt, och sortera efter vilka som avviker mest från beståndets snitt.
- Summera restid mellan objekt per pass, och visa vilka rondar där en stor andel av tiden går till förflyttning i stället för städning.
- Jämför tidsåtgången per rum med kravet för godkänd kvalitet enligt INSTA 800, och flagga rum som ligger under gränsen.
Prova en prompt i taget och utveckla i chatten om du får följdfrågor. Ju tydligare du är, desto bättre svar får du.
Träffa oss på Nordic Workplace och prata AI
Vill du prata mer om det här? I höst medverkar både på Nordic Workplace och på Lokalvårdsmässan och pratar om AI och lokalvård. Möt oss där!
