Städning är för det överväldigande största delen utförande arbete på plats: fasta team, växlande objekt, scheman som dagligen justeras för att hantera sjukdom, no-shows och säsongstoppar. Timmarna sitter inte bara i städningen själv, utan också i planeringen av den, i kontrollen av att arbetet är utfört enligt specifikation, i klagomålshanteringen och i rapporteringen till uppdragsgivaren. Den som i denna bransch vinner eller förlorar en upphandling, vinner eller förlorar ofta inte på priset per timme, utan på frågan om tjänsteleveransen påvisbart är i ordning: inga hål i schemat, snabb uppföljning av klagomål, kontrollerbar kvalitet. Det är den miljö där AI redan idag tar över delar av arbetet, och där jämförelsen mellan leverantörer därför förskjuts.
I en del av företagen gör mjukvaran grundschemat, håller koll på bemanning och frånvaro och tar fram ett ersättningsförslag. En planerare bedömer det förslaget och godkänner eller avslår det, med motivering. Det är den andra kategorin: AI levererar arbetet, en människa förblir ansvarig för beslutet. I andra företag planeras det fortfarande helt manuellt, med telefonsamtal och en whatsappgrupp. Båda formerna existerar sida vid sida, och skillnaden ligger inte i företagets storlek utan i om den underliggande datan — objekt, timmar, medarbetare, tillgänglighet — redan är strukturerad nog för att ett system ska kunna göra något med den. Där det inte är i ordning förblir planeringen manuellt arbete, hur gärna man än skulle vilja automatisera.
Samma mönster finns i kvalitetskontrollen. Foton av ett levererat utrymme, checklistor som automatiskt jämförs med normen, avvikelser som signaleras innan kunden ringer om dem: det är arbete som ett system kan förbereda, varefter en arbetsledare godkänner eller ingriper. Själva den fysiska städningen förblir i den tredje kategorin: mänskligt arbete, och det ändras inte på kort sikt.
Så länge planering och kontroll till stor del är manuellt arbete, vinner ett städföretag på de dimensioner som har att göra med bemanning: hur många planerare det finns, hur erfarna de är, hur snabbt de kan täcka ett hål. Det var länge kärnan i erbjudandet gentemot uppdragsgivare: vi har kapaciteten att lösa detta. I det ögonblick en konkurrent låter planeringen och kontrollen till stor del skötas av ett system med mänsklig tillsyn, förskjuts vad jämförelsen landar på. Bemanningen av backoffice är då inte längre det som särskiljer; hastigheten i uppföljningen, konsekvensen i kvalitetskontrollen och graden av påvisbara avvikelser blir det istället.
Detta påverkar även hur en upphandling bedöms. En uppdragsgivare som frågar om kvalitetssäkring får från det ena företaget en beskrivning av procedurer, från det andra en dashboard med kontrollerade leveransdata. Båda påståendena kan vara sanna; bara det andra är påvisbart vid frågetillfället. Den som i upphandlingen påstår sig svara snabbare på klagomål eller kontrollera mer konsekvent, kan låta det påståendet prövas mot underliggande data, precis som redan sker på andra håll: se hur det fungerar vid vad ni kan utläsa ur en konkurrents jobbannonser om vad de satsar på och vid hur ni prövar om särskiljningsförmåga verkligen finns eller huvudsakligen bara påstås.
Förskjutningen sker inte lika snabbt överallt, och det har föga att göra med ambition. Ett företag med många lösa objekt, korta kontrakt och manuell tidsregistrering har helt enkelt mindre användbar data för att bygga upp ett system än ett företag som redan i flera år arbetat med fast mjukvara. Liknande skillnader i tempo ser vi i andra sektorer med mycket planeringsarbete och fysiskt utförande, som beskrivs i vad som förändras inom byggbranschen nu när AI tar över delar av det förberedande arbetet och i hur installationsbranschen hanterar AI inom planering och störningshantering. Jämförbarheten ligger inte i sektorn, utan i arbetets struktur: mycket utförande på plats, mycket schemaläggning, mycket beroende av mänsklig bedömning vid undantag.
Det är viktigt att detta inte är en personalfråga som besvaras här. Om och hur ett företag anpassar sin bemanning till följd av vad AI tar över, faller under de egna lagkrav som gäller för det. Vad denna sida däremot säger något om, är vilket arbete som lämpar sig för övertagande och vilket som inte gör det, och vad det gör med jämförelsen mellan leverantörer.
Frågan om vilket arbete i just ert företag som verkligen kan tas över av AI låter sig inte besvaras i allmänna ordalag; det är precis det som arbetsskanningen från FTE TO AI besvarar per uppgift. Oberoende av det kan ni redan nu granska vilka påståenden ni faktiskt gör i upphandlingar och offerter om er egen tjänsteleverans. Den kostnadsfria dimensionskontrollen låter er ange på vilka punkter ni tror er vinna, och visar vilka av dessa påståenden som kan försvaras med bevis. Den fullständiga benchmarken, med er peer groups poäng på samma dimensioner, är under uppbyggnad.