Indspark: Logistikken omkring kørende teknikere står på tærsklen til en AI-revolution
I 2024 var vi vidne til en af de største hypes i årtier. Jeg tænker naturligvis på AI eller kunstig intelligens, som var på alles læber. Der var meget snak og nogle indledende forsøg med den nye teknologi, men det helt store gennembrud, hvor AI bruges i praksis og skaber konkrete resultater, mangler vi at se. Jeg tror, det kommer i løbet af de næste få år, og jeg tror, at Field Service er et af de områder, hvor AI virkelig vil flytte noget.
Især fire tendenser får definerende betydning for Field Service:
#1 75 procent af alle tekniske forespørgsler besvares med det samme
De fleste har stiftet bekendtskab med AI i form af copilots og chatbots. Begge medvirker til at øge produktiviteten og effektiviteten, men de kræver menneskeligt input og instruktioner for at udføre opgaverne. Den næste generation af AI (agentic AI) er betydeligt mere avanceret. De nye AI-agenter kan træffe begrundede beslutninger på baggrund af årsagslogik og kontekstforståelse og udføre opgaver uden menneskelig interaktion.
Virksomheder, der leverer teknisk service, kan få et stort udbytte af dette teknologiske tigerspring. Det gælder fx i håndteringen af kundehenvendelser. Beder en kunde om at få et tilbud på en servicekontraktopgradering på email, kan AI-agenten gennemgå kundens historiske data, de specifikke detaljer i den eksisterende servicekontrakt og de tekniske specifikationer på kundens udstyr og på baggrund heraf automatisk udarbejde og sende et tilbud.
Min forventning er, at 75 procent af de virksomheder, der arbejder med teknisk service, vil bruge AI på denne måde i 2027.
#2 80 procent af alle tekniske dokumenter skriver sig selv i 2026
Virksomheder, der yder teknisk service på udstyr fra mange forskellige leverandører, er afhængig af specialister inden for de forskellige kategorier. Manglen på arbejdskraft betyder imidlertid, at specialisterne bliver en større og større mangelvare, og at nye medarbejdere med mindre erfaring og specialistviden tager over. De er generalister og skal kunne servicere udstyr på tværs af leverandørskel, hvilket stiller væsentlig højere krav til tilgængeligheden af tekniske dokumenter.
Med AI kan virksomheder skabe deres egen vidensdatabase, hvor tekniske dokumenter og vidensartikler auto-genereres af AI-agenten på baggrund af observationer af reservedele og tekniske procedurer udført af serviceteknikere samt leverandørdata. AI-agenten opdaterer og forfiner løbende indholdet i databasen, og den kan også oversætte alt indholdet til forskellige sprog, så alle medarbejdere kan benytte det uanset nationalitet.
#3 Alt udstyr får en fuldtids AI-agent
Med IoT kan virksomheder forbinde udstyr og opsamle data fra det på afstand. Næste generations AI-agenter løfter IoT til et nyt niveau. De kan overvåge og analysere datastrømmene og proaktivt handle på deres observationer med henblik på at opretholde udstyrets performance. Sporer AI-agenten fx et fald i trykket på en gaskedel, kan den på baggrund af vidensdatabasen og modelspecifikationer sende en alarm til brugerens smartphone sammen med et link til en video, der viser, hvordan kedlen tryksættes igen. Et andet scenarie er, at AI-agenten i stedet for videolinket sender prisen for at booke en servicetekniker samt ledige tidspunkter, hvor et servicebesøg kan finde sted.
Der er utroligt mange fordele ved at bruge AI i denne kontekst, og jeg forventer derfor, at alt udstyr vil have en AI-agent, når vi rammer 2030.
Kim Bursøe
Der er utroligt mange fordele ved at bruge AI i denne kontekst, og jeg forventer derfor, at alt udstyr vil have en AI-agent, når vi rammer 2030.
#4 Dynamisk ressourceplanlægning demokratiseres i 2026
Selvom der i årevis har eksisteret planlægningsoptimeringsløsninger, opfattes de af mange virksomheder som komplicerede og for avancerede. Med AI indlejret i løsningerne bliver ressourceplanlægning selvlærende og autonom. Ligesom selvkørende biler kan trænes til at køre uden menneskelig indblanding, kan de nye AI-agenter trænes til at tilrettelægge arbejdsplanerne for kørende teknikere.
Det kræver ingen eller lille manuel indsats at optimere regler, og AI-agenten kan på baggrund af data lære den nødvendige beslutningsadfærd. Med AI som hjælpemotor bliver dynamisk beslutningsplanlægning således tilgængelig for alle virksomheder uanset størrelse, kompleksitet, ressourcer og volumen.
AI åbner for så mange nye muligheder i Field Service, hvor manuelle, tidskrævende opgaver kan varetages af en intelligent agent. Det vil frigive tid og ressourcer til andre opgaver, som kan bringe værdi ind i kunderelationerne. Derfor spår jeg, at AI får en betydelig rolle i den nære fremtid. Hidtil har vi kun kradset i overfladen.