There is no such thing as an optimal schedule
Why applying AI to workforce management first requires defining what an optimal schedule really means.
Hay una frase que escucho constantemente cuando hablamos de #WorkforceManagement e #IA: “Quiero que el sistema me genere automáticamente la planificación óptima.”
Mi respuesta suele ser: Perfecto. Sólo tenemos un pequeño problema: ¿qué significa “óptima”? 😅
Porque generar una planificación de personal que cumpla unas restricciones es un problema técnico. Pero decidir cuál es la mejor planificación es bastante más complicado.
Imaginemos que tenemos que planificar 1.000 trabajadores. Podemos pedir al algoritmo que encuentre la planificación de turnos de menor coste. Seguramente encontrará una. Pero también podemos pedirle que:
→ cubra al máximo la demanda prevista
→ reduzca las horas extraordinarias
→ mejore la calidad del servicio
→ respete las preferencias de los trabajadores
→ reparta equitativamente noches y fines de semana
→ mejore la conciliación laboral y personal
→ reduzca cambios de turno de trabajo
→ aumente la estabilidad de los horarios
→ maximice la productividad
El problema es que no podemos maximizarlo todo a la vez. Podemos reducir costes disminuyendo cobertura, mejorar el nivel de servicio aumentando costes, conseguir una planificación de personal extremadamente eficiente que sea terrible para la conciliación o respetar prácticamente todas las preferencias de los trabajadores a costa de perder eficiencia operativa.
Por eso, cuando alguien pide una planificación “óptima”, en realidad falta una parte de la frase: Óptima… ¿para qué?
En investigación operativa hablamos de optimización multiobjetivo. Simplificando mucho, podríamos representar una planificación así:
Planificación = α·Coste + β·Cobertura + γ·Calidad + δ·Bienestar + ε·Productividad
La tecnología puede ayudarnos a encontrar la mejor combinación. Pero hay algo que el algoritmo no puede decidir por nosotros: ¿Cuánto vale α, β, γ, δ o ε?
Porque esos pesos representan las prioridades reales de la organización. Y esas prioridades pueden ser muy diferentes:
- Sector retail: un retailer puede priorizar ajustar al máximo la plantilla a la demanda.
- Sector sanitario o sociosanitario: Un hospital puede dar mucho más peso a la calidad asistencial y a determinados ratios de cobertura.
- Sector de fabricación e industrias: Una fábrica puede priorizar continuidad y productividad.
Una empresa con problemas de rotación de personal puede decidir dar más importancia a estabilidad, preferencias y conciliación, y las prioridades incluso pueden cambiar dentro de la misma empresa con el tiempo. Por eso creo que uno de los grandes retos de aplicar IA a Workforce Management no está realmente en la IA. Está en saber explicar a la IA qué queremos conseguir.
Los algoritmos pueden evaluar miles o millones de alternativas, pueden encontrar soluciones que un planificador difícilmente podría descubrir manualmente, pero antes alguien tiene que decidir qué significa que una solución sea buena. Quizá deberíamos dejar de pedir: “Dame la planificación óptima.” Y empezar a pedir: “Dame la mejor planificación posible teniendo en cuenta nuestras prioridades.”
Parece una diferencia pequeña, pero cambia completamente el problema. Porque en Workforce Management no existe una única planificación óptima, existen diferentes soluciones dependiendo de qué queramos priorizar. Y al final, lo más difícil de optimizar… es decidir qué queremos optimizar.
#ArtificialIntelligence #Optimización #Planificacionrrhh #RecursosHumanos #HRTech #Productividad