Förra året forskade det oberoende forsknings- och konsultföretaget Verdantix på användningen av teknik vid outsourcing av Facility Management-tjänster. En av rekommendationerna för tjänsteleverantörer inom Facility Management var att de skulle använda teknik för att förbättra tjänstekvalitetsupplevelsen och kundlojaliteten.
Under 2020 utnämnde analysföretaget Gartner hyperautomation som en av de främsta strategiska tekniktrenderna för 2021. Andra analytiker och konsulter kallar samma trend för ”smart processautomatisering”. Hyperautomation kombinerar flera omstörtande tekniker i en enda IT-strategi för företag för att identifiera, analysera och förbättra affärsprocesser från början till slut.
Denna strategi underlättar beslutsfattande, minskar felrelaterade risker, förbättrar verksamhetseffektiviteten och möjliggör bättre medarbetarprestationer. Det avlägsnar inte nödvändigtvis människor från processen, utan hyperautomation gör det möjligt för personalen att fokusera på kundupplevelsen och svårare uppgifter med mervärde. I korta drag hjälper den här strategin tjänsteleverantörer att fokusera på det som är viktigast och förbättra resurskapaciteten.
Hyperautomation är beroende av tekniker som robotprocessautomation, maskininlärning, artificiell intelligens och processutvinning för att förbättra affärsarbetsflöden. När dessa tekniker ska implementeras är det viktigt att svara på frågor som:
Implementeringen av dessa tekniker och i vilka företagsprogram de ska användas måste övervägas ur ett övergripande perspektiv, inte utifrån varje enskilt fall. Dessutom måste organisationer undersöka de kvantitativa (kostnaderna) och de kvalitativa (användarupplevelsen) perspektiven på relevanta användningsfall för att utforma ett framgångsrikt verksamhetsfall.
Processutvinning är en teknik som är relaterad till datavetenskap och processhantering. Det används för att stödja analysen av driftsprocesser baserat på händelseloggar och ses av Gartner som en kategori av hyperautomation. När en tjänsteleverantör använder en enda plattform för all tjänsteverksamhet kan ett processutvinningsverktyg enkelt fastställa ineffektiviteter i processer och till och med upptäcka nya processer när de inträffar. Denna information kan bidra till att avgöra hur processer kan optimeras genom automatisering eller förbättras med andra smarta tekniker, som attitydanalys. Processutvinning bidrar till att avgöra var AI eller annan teknik kan ha störst mervärde som stöd för verksamhetsprocesser.
Ett övertygande AI-användningsfall för en tjänsteleverantör skulle vara ett som stöder processeffektivitet för att öka verksamhetsmarginalerna och kundlojaliteten. Den genomsnittliga vinstmarginalen för att tillhandahålla hårda tjänster är mellan 5 och 6 %, medan marginalen för mjuka tjänster är ännu lägre på 2–3 % enligt fastighets- och anläggningsförvaltaren Panorama. Med så snäva marginaler bör potentiella teknikinvesteringar stödja antingen intäktsöknings- eller kostnadsminskningsstrategier för att uppnå bästa möjliga effekt.
Ett exempel på var du kan bevisa fördelarna med och mervärdet i AI är hanteringen av servicenivåavtal, som varierar mellan olika kunder. Varje avtal är unikt med avtalsspecifika bonus- och malussatser på prestanda och ett varierat utbud av erbjudna tjänster. Detta skapar ett behov av att utvärdera varje inkommande arbetsbegäran mot dessa avtalsparametrar. Forskning från Verdantix visar att 56 % av tjänsteleverantörerna har svårigheter att bevisa avtalsefterlevnaden på grund av luckor i prestandaövervakningen.
Processen för att anpassa tjänster som levereras med enskilda kundavtal är en av de främsta utmaningarna som tjänsteleverantörer står inför när de ska skapa effektiva affärsprocesser. När denna process kan automatiseras ser man en direkt inverkan på lönsamheten. Ett sätt att göra detta på är med intelligent kapacitetsplanering och smart expediering, som beaktar både din organisations resurser och dina kunders servicenivåavtal. Artificiell intelligens kan vara ett stöd i den här processen genom att leverera planeringsscenarier som är optimerade för lönsamhet, tjänstekvalitet eller kundupplevelse.
När maskininlärning tillämpas på dataanalys möjliggör det identifiering av korrelationer som tidigare inte kunnat identifieras av människor. Här visar maskininlärning verkligen sitt affärsvärde. Maskininlärning kan identifiera problem i processer som människor inte var medvetna om. Detta används ofta för förutsägande analyser, som förutsäger utvecklingar medan de sker, och föreskrivande analyser, som ger lämpliga svar på utvecklingar.
Detta gör det möjligt för tjänsteleverantörer att få varningar och meddelanden när systemet till exempel förutsäger att ett enskilt avtal kan bli mer lönsamt om specifika åtgärder vidtas, eller att ett byte av en tillgång nu skulle spara pengar på lång sikt, eller att personalen skulle kunna optimeras bättre, eller att det finns åtgärder som skulle minska genomströmningstiden och göra processer mer effektiva.
Jag hoppas att detta har hjälpt dig att se några av de värdefulla användningsfallen och fördelarna med hyperautomation för tjänsteleverantörer inom Facility Management. Är du nyfiken på hur mogen din digitaliseringsstrategi är i nuläget och hur din organisation kan röra sig mot en hyperautomatiserad verksamhet? Gör vår interaktiva bedömning och få reda på det!
Om du vill utforska det här ämnet ytterligare kan du även delta i vårt kommande webbseminarium ”Hyperautomation: för ökad tillväxt inom FM-branschen” tisdagen den 6 juli kl. 11.00 (CEST). Du kan registrera dig för det evenemanget redan idag!
