Artificiell intelligens, eller kort och gott AI, är något du förmodligen hört allt mer om under de senaste åren. Det är inte konstigt att det är så stor hype runt detta eftersom potentialen inom området är minst sagt överväldigande. På Azets strävar vi alltid efter att dra nytta av den bästa möjliga teknologin och därför har vi självklart också undersökt AI och hur detta kan användas för att förbättra för våra kunder och deras verksamheter. I den här artikeln berättar jag om ett av våra första AI-initiativ som syftar till att underlätta för våra kunder.
En självklar utgångspunkt i projektet var vår kundportal Azets Work. Vi ställde oss frågan “hur vi kan hjälpa användarna i deras dagliga arbete?”. På Azets vill vi nämligen inte tillämpa en ny häftig teknologi bara för sakens skull. Det är viktigt för oss att de teknologier vi väljer att använda medför ett påtagligt värde för våra kunder.
Leta efter felaktigheter
I Azets Work godkänner nästan 6 300 chefer runt 55 000 tidrapporter varje månad runt om i Norden. Du känner kanske igen dig, eller håller säkert med om, att chefer ofta är väldigt upptagna och låt oss vara ärliga, att godkänna tidrapporter är kanske inte den roligaste arbetsuppgiften. Det är helt förståeligt att tidrapporter som innehåller fel ibland går chefen förbi och godkänns av misstag.
De här felen kan bero på att en anställd gjort ett misstag, men kan också vara ett faktiskt bedrägeriförsök. Det kan vara svårt för en chef att märka om en anställd har lagt till 11 arbetstimmar övertid av misstag eller medvetet, fast det egentligen bara var 1 timme extra som hade arbetats.
När du outsourcar din lönehantering till Azets kommer våra lönekonsulter i stor utsträckning att upptäcka dessa fel. Men självklart finns alltid den mänskliga faktorn och saker kan förbigås. Ett fel kanske inte upptäcks förrän efter den felaktiga lönen har blivit utbetald, eller i vissa fall aldrig. Vi kan såklart enbart mäta och följa upp kostnader som uppstår vid de fel som vi upptäcker. Efter att ha gjort detta kan vi konstatera att ju tidigare misstag hittas, desto billigare blir det att rätta till.
Identifiera felaktiga tidrapporter
Vi kom alltså fram till att vi skulle försöka utnyttja AI för att underlätta för cheferna att hitta dessa felaktiga tidrapporter innan de hann godkänna dem. Då kan chefen skicka tillbaka rapporten till den anställde för korrigering innan den godkänns. Potentiellt skulle detta kunna reducera mängden felaktiga rapporter som godkänns, vilket i sin tur skulle spara mycket tid.
I Azets Works app, tid- och avvikelserapportering, har vi över 50 miljoner (!) rapporterade aktiviteter (övertid, föräldraledighet, semester mm.) så man kan lugnt säga att vi hade gott om data att testa och analysera på.
Ifall någon undrar, så följer vi på Azets självklart dataskyddsförordningens regler (GDPR) när det kommer till att lagra och använda personlig information. Vi anonymiserar också all data som vi inte längre behöver lagra.
Det här kom vi fram till
Efter att ha testat olika AI-algoritmer och metoder, analyserat resultatet och funderat över detta i några veckor kom vi fram till att vi skulle implementera en “avvikelsedetekterings-algoritm”. Detta innebär att algoritmen letar efter rapporterade aktiviteter som är ovanliga (något som inte verkar vara normalt för en anställd) och synliggör detta för den godkännande chefen.
Det här visade sig vara svårare än vad vi först trott eftersom att en “normal” rapporterad aktivitet kunde skilja sig mycket mellan olika användare. Tidrapportering ser också väldigt olika ut i olika länder, branscher och företag. När vi istället valde att applicera AI-algoritmen på den enskilda medarbetarens historik blev träffsäkerheten betydligt bättre!
Klicka här om du vill läsa i detalj hur arbetet gick till
Denna lösning har vi nu börjat rullat ut till våra kunder. Runt hundra chefer har fått hjälp av AI när de godkänt tidrapporterna för februari. Utrullningen har sedan fortsatt under mars och målet är att alla våra kunder ska få hjälp av AI i april. Vi kommer på nära håll att utvärdera hur vår AI beter sig “på riktigt” och hur mycket hjälp våra kunder upplever att de får.
När jag blickar framåt så ser jag att det hade varit intressant att undersöka hur vi kan utnyttja maskininlärning för att ytterligare förbättra vår AI’s effektivitet. Jag hoppas att jag får möjlighet att berätta mer om detta i en artikel längre fram!
Läs mer om Azets och våra tjänster eller kontakta oss direkt!
