Restaurationsbranchen er bygget op omkring gulvet, ikke om dashboardet. Hvor andre sektorer i årevis har investeret i ERP-systemer, datawarehouses og standardiserede processer, drejer restaurationsbranchen sig om erfaring, improvisation og direkte kontakt. Det er ikke en mangel, det er fagets natur. Men det betyder, at det fundamentale lag under AI — organiseret data, faste processer, en IT-infrastruktur der registrerer ting i stedet for at lade dem forsvinde — i mange restaurationsvirksomheder aldrig er blevet lagt. Ikke fordi man ikke tænkte på det, men fordi driften aldrig krævede det.
Det forklarer en del af det forhold, man ofte ser i denne sektor: stor entusiasme for AI-anvendelser på kundesiden — chatbots til reservationer, dynamiske priser, personaliserede tilbud — og lidt fundament derunder. Rækkefølgen stemmer så ikke. Kundeorienteret AI læner sig op ad data om belægning, lager, personaleplanlægning og omsætning. Hvis den data er spredt over et kassesystem, et reservationsværktøj og et regneark, som ingen længere holder ved, har den mest avancerede chatbot ikke noget at bygge på.
Et andet kendetegn ved sektoren er det konstante personalepres: høj personaleudskiftning, meget deltidsarbejde, sæsonpres. Det gør AI attraktivt for mange som løsning på en mangel, ikke som redskab til at organisere arbejdet smartere. Den indramning er risikabel. Den, der primært ser AI som en erstatning for mennesker, der ikke er der, springer over spørgsmålet om, hvorvidt organisationen omkring det — måden man planlægger, kommunikerer, registrerer på — allerede er indrettet, så AI kan tilføje noget der. Ofte er det endnu ikke tilfældet. Vagtplaner laves ad hoc, viden ligger i hovederne på erfarne medarbejdere i stedet for i systemer, og beslutninger om indkøb eller personaleindsats tages på mavefornemmelse. Det er ikke kritik, det er en beskrivelse af, hvordan sektoren har fungeret i årtier. Men det betyder, at de fundamentale dimensioner — organisation, infrastruktur, datahåndtering — i restaurationsbranchen oftere er knastepunktet end i sektorer med en længere historie inden for digitalisering.
Det billede, mange ledere i restaurationsbranchen genkender: et pilotprojekt med et AI-værktøj til menuoptimering eller personaleplanlægning, der starter godt og så går i stå. Ikke fordi teknologien svigter, men fordi organisationen ikke kan bruge outputtet. Dataen er ikke konsistent nok, de mennesker, der skal arbejde med det, er ikke involveret i indretningen, eller infrastrukturen kan ikke fortsætte med at fodre værktøjet, når pilotprojektet er overstået. Det er præcis det mønster, som modenhedsmålingen fra hybridresourcing afdækker: fem niveauer, fra baseline til intelligence, over syv dimensioner, der sammen afgør, om en organisation kan bære AI. Ikke om AI virker, men om grunden under den er stabil nok.
Plot-runden inden for denne måling er ofte afslørende for restaurationsvirksomheder. Når en ejer, en filialchef og en person fra gulvet hver for sig scorer på de samme syv dimensioner, opstår en spredning, der siger noget om, hvor forskelligt organisationen opleves. Ejeren ser måske en virksomhed, der er klar til det næste skridt; filialchefen ser dagligt, at basale processer stadig hænger løst sammen. Den uoverensstemmelse er præcis, hvor målingen giver værdi: ikke som en bedømmelse, men som udgangspunkt for en samtale om, hvad der egentlig står.
De fundamentale dimensioner går forud for de afhængige, og det er ikke et råd, men en teknisk rækkefølge. Datahåndtering afgør, om AI har noget troværdigt at arbejde på. IT-infrastruktur afgør, om systemer kan tale med hinanden. Organisation afgør, om mennesker ved, hvad der forventes af dem, når AI får en rolle i processen. Først derefter kommer de dimensioner, der læner sig op ad dette fundament. Den, der vil vide mere om, hvorfor denne rækkefølge ligger fast og ikke kan omvendes, kan læse det på siden om den rækkefølge, hvori de fundamentale dimensioner først skal være i orden.
Restaurationsbranchen står ikke alene i denne henseende. Andre sektorer med en stærk operationel, menneskedrevet kerne viser tilsvarende mønstre. Den, der vil sammenligne situationen med en sektor, der ligeledes læner sig op ad fysiske processer og skiftende arbejdsforhold, finder det på siden om AI-modenheden i landbrugssektoren. Den, der derimod vil se, hvordan en sektor med traditionelt tungere IT-infrastruktur står, kan læse det på siden om AI-modenheden i IT-sektoren. Og for den, der undrer sig over, hvordan streng regulering påvirker modenheden, er der siden om AI-modenheden i den finansielle sektor.
Modenhedsmålingen fra hybridresourcing besvarer spørgsmålet om, hvorvidt en organisation kan bære AI. Det er et andet spørgsmål end, hvilken del af arbejdet AI faktisk kan tage over. For restaurationsvirksomheder, der først har fundet ud af, hvor deres fundament står, er det andet spørgsmål det logiske næste skridt: hvilken del af opgaverne på gulvet, i køkkenet eller bag baren kan oversættes til AI-understøttelse, og hvilken del kan ikke. Den beregning, opgave for opgave og uden forudgående antagelser, foretager arbejdsscanen fra FTE TO AI. Hvor denne side kortlægger grunden under organisationen, beregner arbejdsscanen, hvad der kan bygges på den grund.
Modenhedsmålingen for restaurationssektoren er under udvikling. Den, der vil bruge de syv dimensioner, de fem niveauer og plot-runden, så snart de er tilgængelige, kan tilmelde sig ventelisten. Der bliver ikke tilbudt noget, der allerede står klar nu; der sendes kun besked, så snart værktøjet er færdigt.
Vraag maar wat er moet staan voordat AI in uw organisatie kan landen.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.