Möjligheter och utmaningar i AI-genererad schemaläggning

I vår förstudie ”AI och kompetensförsörjning inom välfärden i Göteborgsregionen” lyfts resursallokering och planering, bland annat schemaläggning med hjälp av AI, som en av de nio olika potentialer där AI kan bidra till kommunernas kompetensförsörjning. 

För att utforska denna potential arrangerade vi tillsammans med AllAgeHub en presentationsträff där företag bjöds in för att visa sina lösningar kopplat till AI och schemaläggning inom hemtjänsten. Vi har även mött verksamheter som jobbar med schemaplanering för att få deras perspektiv. Erfarenheterna vi har dragit efter detta bekräftar att intresset är stort, men också att vägen till praktisk användning är komplex. 

Schemat kräver mer än ett system, det kräver samspel 

För att lägga ett fungerande schema inom hemtjänsten är vi idag beroende av ett ekosystem av system: 

1. Lönesystem: hanterar arbetstimmar och löneunderlag.

2. Detaljplaneringssystem: planerar insatser i minutprecision.

3. Bemanningssystem: hanterar över- och underkapacitet i personalstyrkan.

4. Schemaplaneringssystem: bygger själva schemat, ofta med mycket manuell handpåläggning. 

När ett AI-baserat schemaläggningssystem förs in i denna struktur, behöver det kunna kommunicera med samtliga dessa system, förslagsvis via API:er (programmeringsgränssnitt). Det är först då schemaläggningen kan ta hänsyn till alla relevanta parametrar som finns i respektive system. Men i praktiken uppstår ofta hinder, stora systemleverantörer vill inte alltid öppna upp sina system eller tillåter endast begränsad dataåtkomst. Detta skapar merarbete där manuell handpåläggning blir nödvändig och där nyttan av AI-systemets potential begränsas. 

Olika kommuner får olika effekt 

Även kommunernas arbetssätt spelar en avgörande roll för resultatet. Vissa har under lång tid arbetat aktivt med att organisera sin verksamhet och effektivisera sina interna processer. Hos dessa kommuner är förutsättningarna för AI-implementering ofta goda, men effekten upplevs inte alltid som lika genomgripande då de redan har ”ordning på torpet”. Det betyder dock inte att AI är överflödigt, utan att värdet snarare ligger i finjusteringar och optimering. 

Hos andra kommuner, där processer fortfarande är manuella och där systemen inte är integrerade, blir implementeringen mer omfattande. Men där finns också möjligheten till att få ut ett mycket större nytta, då AI-systemet även fungerar som en katalysator för att se över och förbättra arbetsprocessen 

Ingen enkel väg framåt – när systemlandskapet hindrar utveckling 

Den verkliga utmaningen ligger inte i AI-tekniken i sig, utan i det systemlandskap som AI ska verka inom. För att moderna, AI-drivna lösningar, som t.ex. automatiserad schemaläggning, ska skapa verkligt värde krävs interoperabilitet: system måste kunna kommunicera med varandra, dela data och bygga vidare på varandras funktionalitet. 

Men här ser vi en strukturell låsning. Många av de största leverantörerna av system har byggt slutna miljöer där de delvis begränsar eller i vissa fall helt blockerar integration via öppna API:er. Det gör det svårt för mindre aktörer som kommer med nya idéer och tekniskt avancerade lösningar. Innovation hålls ute, inte för att den inte fungerar, utan för att den inte släpps in. Resultatet blir att kommuner som vill testa nya vägar fastnar i dubbelarbete och manuella insatser, oavsett om det handlar om schemaläggning med stöd av AI eller något helt annat.