Olen viimastel aastatel analüüsinud sadade teenuspõhiste ettevõtete bilansse ja on üks korduv probleem, mis kummitab omanikke rohkem kui miski muu: Tühi tool. Ilu- ja isikuhoolduse valdkonnas ei tähenda tühi tool ainult saamata jäänud tulu; see on põlev rahahunnik. Te maksate elektri, rendi ja, mis kõige valusam, selles toolis istuva spetsialisti eest, kes ootab telefoni helisemist.
See ei ole pelgalt graafikute koostamise probleem. See on andmeprobleem. Enamik omanikke püüab seda lahendada "sisetunde" põhjal või vaadates eelmise aasta kalendrit. Kuid "eelmine aasta" ei tea, et kolme kvartali kaugusel avati uus konkurent või et ootamatu kohalik kuumalaine tõstis nõudlust pediküüri järele 40%. Selle lahendamiseks ei vaja te paremat juhatajat; te vajate AI-transformatsiooni, mis muudab teie ajaloolised andmed ennetavaks mootoriks.
Ma töötasin hiljuti 5-osakonnalise iluteenuste grupiga, mis kaotas ligi veerandi oma potentsiaalsest marginaalist nähtusele, mida ma nimetan tööjõu elastsuse lõheks (Staffing Elasticity Gap) — vahemaa fikseeritud tööjõukulude ja korduvalt kuluva kliendinõudluse tegelikkuse vahel. Selleks ajaks, kui me nende transformatsiooni lõpetasime, olid nad vähendanud tööjõu raiskamist 22% võrra, ilma et oleksid vallandanud ühtegi inimest. Nad lihtsalt hakkasid paigutama õigeid inimesi õigetele toolidele õigel ajal.
"Tühja tooli" kriisi anatoomia
💡 Kas soovite, et Penny teie ettevõtet analüüsiks? Ta kaardistab, millised rollid AI võib asendada, ja koostab etapiviisilise plaani. Alustage tasuta prooviperioodi →
Selle grupi jaoks oli probleem nähtamatu, sest see oli "normaalne". Nad mehitasid kohad maksimaalse võimekusega igal neljapäeval kuni laupäevani. Paberil tundus see mõistlik. Need olid nende kõige kiiremad päevad. Kui me aga vaatasime tegelikke minutipõhiseid kasutusmäärasid, leidsime hämmastava koguse "mikro-seisuaega".
Stilistil võis olla 45-minutiline paus värvimiste vahel. Terapeudil oli teisipäeva hommik ilma ühegi broneeringuta kuni kella 11-ni, kuid ta oli tööl juba kell 9. Viie asukoha ja enam kui 60 töötaja lõikes läksid need lüngad ettevõttele maksma üle £12,000 kuus "tühja" palgafondina.
Kui näete oma ettevõttes sarnaseid mustreid, ei ole te üksi. Meie ilu- ja isikuhoolduse säästujuhend näitab, et enamik iseseisvaid gruppe on oma kõige vaiksematel päevadel vähemalt 15% võrra ülemehitatud ja kõige tulusamatel päevadel alamehitatud.
Miks traditsiooniline töögraafikute koostamine ebaõnnestub
Traditsiooniline graafikute koostamine on reaktiivne. Te näete tulemas kiiret laupäeva, seega märgite kõik tööliseks. Te näete vaikset teisipäeva, seega saadate ühe inimese koju. Kuid selleks ajaks, kui te reageerite, on raha juba kadunud.
Minu nõustatud 5-osakonnaline grupp oli selles tsüklis lõksus. Nende juhatajad kulutasid nädalas umbes 10 tundi tabelite täitmisele, püüdes arvata, kes peaks millal töötama. See on see, mida ma nimetan juhtimise hõõrdemaksuks (Management Friction Tax) — kõrgetasemeliste töötajate tasustamine andmete käsitsi sisestamise eest, milles nad ei ole isegi väga head, sest neil puudub andmetest terviklik ülevaade.
Selle ületamiseks ei ostnud me lihtsalt uut broneerimisrakendust. Me viisime läbi nende tegevuse täieliku AI-transformatsiooni. Me lõpetasime küsimise "Kes on vaba?" ja hakkasime küsima "Mida andmed ennustavad tulevat?"
Strateegia: Ennetava signaalikomplekti (Predictive Signal Stack) loomine
AI-põhine ettevõte ei vaata ainult oma broneeringuid. Ta vaatab maailma. Selle ilugrupi jaoks ehitasime me süsteemi, mida ma nimetan ennetavaks signaalikomplektiks (Predictive Signal Stack). See on kolmekihiline andmemudel, mis toidab personali planeerimise mootorit:
1. Sisemine pulss (ajaloolised andmed)
Me sisestasime kolme aasta broneerimisandmed. ChatGPT ja sarnased tehnoloogiad on hiilgavad mustrite märkamises, mis inimgrupi juhatajal kahe silma vahele jäävad. See leidis, et kuigi laupäevad olid kiired, muutus teenuse tüüp vastavalt kuu nädalale (palgapäev vs. kuu keskpaik). See tuvastas "broneerimiskiiruse" — kui kiiresti reede täitub võrreldes kolmapäevaga —, võimaldades meil prognoosida täisbroneeritud päeva 72 tundi ette 94%-lise täpsusega.
2. Väline keskkond (kontekstuaalsed andmed)
Siin toimub tõeline transformatsioon. Me ühendasime personaliplaneerimise mootori kohalike ilmaandmete (API-d) ja sündmuste kalendritega. Ilumaailmas on ilm saatus. Vihmane reede võib põhjustada viimase hetke föönisoengute tühistamiste 20%-lise kasvu, kuid massaažibroneeringute 15%-lise tõusu. Söötes selle info tehisintellektile, sai töögraafikuid kohandada enne, kui vihm üldse algas.
3. Digitaalne jalajälg (kavatsusandmed)
Me jälgisime Google'i otsingutrende kohalikus piirkonnas ja grupi enda veebilehe liiklust. Kui nende sihtnumbriga piirkonnas tõusis teisipäeva õhtul huvi otsingusõna "balayage minu lähedal" vastu, märkis AI selle kui suure kavatsusega signaali tulevaks nädalavahetuseks.
Transformatsiooniprotsess: Oletustest töögraafikute automatiseerimiseni
See ei olnud üleöö toimuv muutus. Me järgisime etapiviisilist lähenemist, et meeskond tunneks end toetatuna, mitte asendatuna.
1. etapp: Signaalide puhastamine. Auditeerisime nende olemasolevaid palgateenuse kulusid ja broneerimisandmeid. Leidsime, et nende andmed olid "mürased" — töötajad ei registreerinud alati õigesti ilma broneeringuta tulnud kliente. Enne kui AI sai tulevikku ennustada, vajas see puhast registrit minevikust.
2. etapp: Vari-töögraafik. 30 päeva jooksul jooksutasime AI prognoositud graafikut paralleelselt juhataja käsitsi koostatud graafikuga. Me ei muutnud veel tegelikke vahetusi. Me lihtsalt võrdlesime neid kahte. AI ületas inimesi 18 näitaja puhul 20-st, eriti tööpäevade kella 14:00 ja 16:00 vahelise "mõõna" ennustamisel.
3. etapp: Dünaamiline vahetuste mudel. Võtsime kasutusele valvesüsteemi lisatasud ja paindlikud algusajad vastavalt AI prognoosidele. Selle asemel, et kõik alustaksid kell 9:00, võis AI soovitada hajutatud algust: kaks inimest kell 9:00, kolm kell 10:30 ja üks kell 13:00. See aitas üksi sulgeda suure osa tööjõu elastsuse lõhest.
Tulemus: 22% vähem raiskamist, 100% rohkem meelerahu
Kuus kuud pärast transformatsiooni olid numbrid vaieldamatud:
- Tööjõu raiskamine: Vähenes 22%. Viies töötajate töötunnid vastavusse tegeliku nõudlusega, säästis grupp viie asukoha peale keskmiselt £14,500 kuus.
- Tulu töötunni kohta: Kasvas 18%. Stilistid olid oma vahetuste ajal rohkem hõivatud, mis tähendas, et nad teenisid rohkem komisjonitasusid ja jootraha.
- Juhtide aeg: Juhatajad said tagasi 8 tundi nädalas. Tabelitega võitlemise asemel naasid nad saali, et keskenduda kliendikogemusele ja koolitamisele.
- Töötajate hoidmine: Üllataval kombel töötajate rahulolu tõusis. "Tühja tooli" kriis on stilistidele igav; nad tahavad töötada. AI tagas, et kui nad olid salongis, siis nad ka teenisid.
Raamistik: 90/10 reegel teeninduspersonalile
Oma töös AI-põhiste ettevõtetega kasutan raamistikku nimega 90/10 reegel. See sätestab, et AI suudab hallata 90% logistilisest raskustööst (graafiku "millal" ja "kes"), kuid ülejäänud 10% — inimlik nüanss — on see, mis paneb asja tööle.
Kui stilisti laps on haige või meeskonnaliikmel on halb päev, siis AI seda ei tea. Transformatsioon ei tähenda juhataja eemaldamist; see tähendab juhatajale "supervõime" andmist, mis võimaldab tal näha tulevat nädalat täieliku selgusega.
Kuidas alustada oma transformatsiooni
Te ei vaja viie osakonnaga gruppi, et sellest kasu saada. Isegi ühe asukohaga ettevõte saab hakata täitma lõhet andmete ja tegevuse vahel.
- Lõpetage palgafondi käsitlemine fikseeritud kuluna. See on muutuvkulu, mida te praegu käsitlete fikseerituna. Hakake jälgima oma tulu töötunni kohta detailselt.
- Auditeerige oma andmete kvaliteeti. Kas iga sisseastuja on kirjas? Kas iga tühistamist jälgitakse? AI on täpselt nii hea, kui on talle antav signaal.
- Otsige "signaale" väljaspool oma seinu. Hakake pöörama tähelepanu sellele, kuidas välised tegurid (ilm, sündmused, kohalikud palgapäevad) mõjutavad teie broneeringuid.
AI-transformatsioon ei ole mingi futuristlik kontseptsioon, mis nõuab andmeteadlaste meeskonda. See on praktiline ja loogiline muutus teie tegevuse juhtimises. Minu äri töötab täielikult nende põhimõtete alusel — mul ei ole meeskonda, assistenti ega juhatajat. Mul on süsteemid. Ja kui teenindusettevõte suudab automatiseerida oma tegevuse kõige keerulisema osa — oma inimesed —, siis kujutage ette, mida teie saaksite oma ettevõttega teha.
Kui olete valmis nägema, kuhu raiskamine teie enda graafikutes peitub, vaatame numbreid üle. "Tühi tool" ei pea olema elu paratamatus. See on lihtsalt signaal, et teie tööjõumudel elab alles minevikus.