Kunstmatige intelligentie in personeelsbeheer

In een wereld die steeds digitaler wordt, gaat technologie al verder dan wat mensen kunnen op verschillende gebieden. We horen vaak over kunstmatige intelligentie (KI) in deze context, maar wat betekent dit eigenlijk en hoe kunnen bedrijven in human resources profiteren van deze slimme technologie?

Wat betekent kunstmatige intelligentie?

Kunstmatige intelligentie draait om het overbrengen van slim menselijk gedrag naar computers. Het doel van KI is om computers in staat te stellen zelfstandig problemen op te lossen die menselijke intelligentie vereisen. Machine learning is vaak geassocieerd met KI en is een subgebied ervan. Machine learning stelt computersystemen in staat patronen te herkennen in bestaande datasets en autonoom oplossingen voor problemen te ontwikkelen. De verworven kennis kan vervolgens worden gegeneraliseerd en gebruikt worden om andere problemen op te lossen. KI maakt voorspellingen nauwkeuriger en vereenvoudigt werkprocessen.

Hoe wordt kunstmatige intelligentie momenteel gebruikt?

De initiële zorg dat AI-systemen ongecontroleerd zouden opereren of dat banen verloren zouden gaan, is ontkracht. Volgens een studie van adviesbureau PricewaterhouseCoopers creëert KI juist efficiëntere en productievere banen. In dit kader gaf 71% van de 500 ondervraagde bedrijven aan dat ze KI niet wilden gebruiken als een autonoom systeem, maar juist ter ondersteuning van medewerkers. Data-analyse voor besluitvorming en optimalisatie van bestaande processen wordt al door meer dan de helft (60-70%) van de deelnemende bedrijven ondersteund met behulp van AI-toepassingen. Dit is waar ATOSS in beeld komt, met AI-ondersteunde functies in personeelsplanning.

Optimale planning op basis van vraag met behulp van AI

De basis voor succesvol personeelsbeheer is het bepalen van de personeelsbehoefte. Dit houdt in dat wordt bepaald welke werknemers met welke vaardigheden, waar, wanneer en tegen welke kosten moeten worden ingezet. In de regel kunnen deze behoeften direct worden afgeleid van bedrijfsprocessen en doelstellingen. Dit kan ingewikkeld zijn.
Naast branche- en bedrijfsspecifieke vraagfactoren moet er rekening worden gehouden met seizoensgebonden en vraaggerelateerde fluctuaties. Daarnaast moeten de vereiste kwalificaties voor het uitvoeren van werkzaamheden worden meegenomen. Ondanks een diepgaande kennis van de branche stuiten planners regelmatig op complexiteit en worden ze vaak gedwongen om te vertrouwen op empirische waarden, wat het risico op onderbezetting of overbezetting vergroot. Hoe kan dit worden opgelost?

Op basis van voorspellingen van toekomstige werkvolume en nauwkeurige historische gegevens, zoals verkooppatronen, bestellingen of speciale evenementen, wordt er een voorspelling gemaakt. Deze voorspellingen vormen de basis voor het bepalen van de personeelsbehoefte. Maar waar komt AI in beeld? Zoals hierboven beschreven, herkent een systeem zoals ATOSS Workforce Management bepaalde patronen in dataverzamelingen. Op basis hiervan worden voorspellingen gedaan over toekomstige ontwikkelingen en worden vraagfluctuaties op kostenefficiënte wijze gecompenseerd.

Met één druk op de knop programmeren

Bij het maken van een werkrooster moeten niet alleen de personeelsbehoeften worden meegenomen, maar ook andere relevante factoren. Welke wettelijke vereisten moeten in acht worden genomen? Hoe kan rekening worden gehouden met de werkelijke beschikbaarheid van medewerkers, inclusief vakantie, ziekte of andere afwezigheidsredenen, terwijl tegelijkertijd wordt voldaan aan de personeelsbehoefte? Hoe kan het personeel zo kostenefficiënt mogelijk worden ingeroosterd en tegelijkertijd aan de vraag worden voldaan? Welke medewerkers hebben hoge werktijden en zouden hun uren moeten verminderen?

De automatische roosterplanning van ATOSS maakt deze complexe planning gemakkelijker. Op basis van wetten, tarieven en tal van bedrijfsspecifieke regels, bepaalt het bijna optimaal een werkrooster, volledig onafhankelijk. Op basis van algoritmes beslist het systeem automatisch welke optimalisatie-opties goed of slecht zijn. Lange en complexe planningsprocessen behoren tot het verleden en de kwaliteit van de planning neemt meetbaar toe.

Het potentieel van AI voor personeelsbeheer

Het verhogen van de intelligentie van HR-systemen opent deuren naar nieuwe mogelijkheden. Het is denkbaar dat de software bijvoorbeeld al suggesties doet voor acties in geval van onderbezetting of overbezetting tijdens het proces van personeelsbehoeftedeterminatie, om de kwaliteit van de planning te optimaliseren. Bovendien zouden het verzamelen en invoeren van informatie moeten worden vergemakkelijkt.

Een voorbeeld hiervan is de interactie in natuurlijke taal tussen de gebruiker en het systeem. In plaats van een formulier of lange correspondentie, zegt de medewerker bondig: "Ik wil volgende week van woensdag tot vrijdag vakantie." Door het systeem regelmatig te trainen met verschillende talen en zinnen voor vakantieverzoeken, begrijpt het automatisch steeds beter de intentie.