AI
AI szervizes beosztás: szakterület + helyismeret alapján
A „ki szabad most” beosztás drága: rossz szakterület, felesleges utazás, újra kiosztás. Az AI a profil és a helyismeret alapján javasol — a diszpécser dönt.
A jó szervizes beosztás nem az, hogy „aki épp szabad”, hanem az, akinek illik a szakterülete a hibához, és ismeri a telephelyet. Az AI a ticket→feladat átváltáskor a tag profilja (szakterület-leírás) és a helyismeret alapján javasol embert és idősávot — nem ajánl ugyanarra a napra a munkaidőn túl, és a diszpécser bármikor felülírhatja. A mérés egyszerű: elsőre jó kiosztás aránya és megtakarított utazási percek.
Miért rossz a „aki szabad” beosztás
A diszpécseri reflex érthető: jön a ticket, van egy szabad név a listán, kiosztod. Gyorsnak tűnik — valójában a legdrágább automatizmus. A szabad ember gyakran nem a megfelelő ember: a hűtős megy villamosra, a lift-szakember megy klímára, a „mindent csinálok” kolléga megy mindenre, amíg kiég.
A rossz kiosztás háromszor üt. Először a helyszínen: hosszabb diagnózis, hiányzó alkatrész, félkész javítás. Másodszor a naptárban: a munka átcsúszik, újra kell beosztani, a megbízó visszahív. Harmadszor a csapatban: a „mindent visz” emberek terhelése nő, a specialisták üresjáratban állnak — a kapacitás-tervezés torzul.
A rejtett költség a visszaküldés és az újra kiosztás. Ha a technikus nem tudja lezárni az ügyet első alkalommal, a második kiszállás + a második utazás + a diszpécser újabb döntése együtt gyakran drágább, mint az első, jól célzott beosztás. „Aki szabad” a mai napot rendezi — a heti tervet szétveri.
- →Szabad ≠ kompetens: a naptár üres sávja nem szakterület
- →Rossz match → hosszabb MTTR, hiányos lezárás, ismételt kiszállás
- →Egyenlőtlen terhelés: a „mindent tud” embereken fog a rendszer
- →Diszpécseri döntés memóriából: ha a vezető nincs, a minőség esik
Szakterület profil fontossága
Az AI nem varázslat: a javaslat annyira jó, amennyire a tag profilja. Ha a leírás mező üres vagy „karbantartó / 5 éve itt”, a rendszernek nincs miből illesztenie. A ticket szövege („klíma nem hűt, 3. emelet”) csak akkor találja meg a megfelelő embert, ha valakinél szerepel: split klíma, F-gáz, hűtőkör, épületgépészet.
A profil nem önéletrajz és nem HR-kártya. Egy diszpécsernek 10 másodperc alatt kell látnia: mit bízhat rá, mit nem, milyen eszközcsoportokon van rutinja. Írd konkrétan — márka, rendszer, jogosultság, tipikus hiba — ne szlogenekben. „Villamos” kevés; „erősáram, motorindító, frekvenciaváltó, 0,4 kV, LOTO” már illeszthető.
A checklist alább a minimum, amivel a match működik. Töltsd ki minden szervizesnél, ne csak az újaknál. Negyedévente frissítsd: új képesítés, új telephely-tapasztalat, kikerült szakterület (pl. már nem csinál gázt). Elavult profil rosszabb, mint a hiányzó — a rendszer magabiztosan rossz embert fog javasolni.
- →Szakterületek konkrétan: HVAC, erősáram, gyengeáram, hidraulika, lift, tűzjelző, épületgépészet — ne „általános”
- →Eszköz / rendszer példák: márka, típuscsalád, amihez van rutin (pl. Daikin VRV, Siemens PLC, Schindler lift)
- →Jogosultságok és korlátok: F-gáz, hegesztés, magasban, LOTO, amit nem vállal
- →Nyelv és ügyfél-kontakt: ha a megbízói oldalon kell beszélni, az is kompetencia
- →Szint: junior / önálló / mentor — a diszpécser és az AI is másképp súlyozza
- →Kerülendő: üres mező, „mindent csinálok”, csak beosztás-év, másolt sablon-szöveg mindenkinek
Helyismeret mint rejtett költség
A második match-dimenzió a helyismeret: ki járt már azon a telephelyen, melyik épületben, melyik gépházban. Aki először megy be egy irodaházba, 15–40 percet veszít a bejutáson, a portán, a kulcsokon, a gépészeti tér megtalálásán — még mielőtt a hibához érne. Aki ott volt tavaly a szivattyúnál, tudja a pince-bejáratot és a tartalék kapcsolót.
Ez nem „érzés”, hanem utazási és keresési idő. Egy több telephelyes szervizcégnél a rossz hely-match heti szinten órákat emészt fel: keresztbe küldött technikusok, visszaút, újra ütemezés. Ha a rendszer látja, hogy A személy 12 alkalommal zárta le az X telephely munkáit, B pedig egyszer sem, a javaslatnak ezt figyelembe kell vennie — szakterület mellett, nem helyette.
A helyismeret nem örök. Ha valaki fél éve nem járt ott, a súlya csökkenhet; ha új épületszárny nyílt, a „ismeri a házat” is frissül. A cél nem az, hogy mindig ugyanaz az ember menjen mindenre egy telephelyre (túlfókusz, kiégés), hanem hogy a diszpécser lássa a trade-offot: specialistát küldeni ismeretlen helyre vs. helyismerő generalistát — és tudatosan döntsön.
AI javaslat + emberi felülírás
A működő modell: a ticket feladatá alakításakor a rendszer javasol 1–3 embert (szakterület-profil + helyismeret + elérhető idősáv), a diszpécser elfogadja, módosítja vagy elveti. Nem automata kiosztás sötétben — javaslat emberi döntéssel. A naptár idősávokkal dolgozik; több felelős is rendelhető, ha a munka két szakmát igényel (pl. villamos + hűtős).
Kemény szabály, amit a jó rendszer betart: ne javasoljon ugyanarra a napra a munkaidőn túl. A „ma még befér” reflex a csapatot és a minőséget rombolja. Ha nincs nyitott sáv a napban, a javaslat más napra vagy más személyre mutat — nem tolja a műszak végére a tizenkettedik ügyet. A diszpécser továbbra is felülírhat, de a default ne legyen a túlóra-kultúra.
A SafetyPro AI a ticket→feladat átváltáskor a tag leírása és a telephely-tapasztalat alapján ad beosztási javaslatot; a diszpécser a naptárban idősávval és akár több assignee-vel zárja a döntést. A felülírás nem hiba — ha a helyi tudás (betegség, ügyfélpreferencia, „ma csak ő mehet be”) ütközik a modellel, a ember nyer. A cél a gyors, magyarázható javaslat, nem a felelősség áthárítása a szoftverre.
- →Javaslat a ticket→feladat pillanatában, nem utólagos „okos lista”
- →Input: szakterület-profil (leírás) + helyismeret + szabad idősáv
- →Nincs javaslat munkaidőn túli ugyanaznapi slotokra
- →Több assignee és naptár-idősáv a valós munkára
- →Emberi override mindig — a diszpécser a döntő
Mérés: elsőre jó kiosztás %
Ha nem méred a kiosztás minőségét, a „érzésem szerint jobb lett” három hónap múlva elpárolog. Az elsőre jó kiosztás aránya (first-time-right assignment): azon lezárt ügyek aránya, ahol nem kellett átadni másik szervizesnek, nem kellett második kiszállás kompetenciahiány miatt, és a lezárás nem „nem az én szakterületem” indokkal bukott el. Cél: 85–90%+ stabil csapatnál; 70% alatt a profilok vagy a diszpécseri rutin a gyenge láncszem.
A második mutató: megtakarított utazási / keresési percek telephelyenként. Egyszerű proxy: átlagos kiszállási idő + helyszíni „bejutás és megtalálás” a helyismerő vs. helyismeret nélküli kiosztásokon. 15–25 perc/ügy különbség nem ritka ismeretlen telephelyen; heti 20 ilyen ügynél ez 5–8 óra — egy fél műszak, amit nem a hibára, hanem a házra költöttél.
Kövesd még a felülírási arányt: ha a diszpécser az AI javaslat 40%+-át elveti, vagy a profilok gyengék, vagy a modell nem látja a valós korlátokat (ügyfél-preferencia, autó, alkatrész). 10–25% felülírás egészséges — azt jelenti, hogy van emberi ítélet, de a javaslat alapból használható. Hetente 10 perc: top 5 elvetett javaslat oka — abból frissül a profil és a szabály.
- →Elsőre jó kiosztás % — cél 85–90%+
- →Átlagos utazás + helyszíni keresés perc/ügy — helyismerő vs. új
- →Újra kiosztások száma / hét (kompetencia vagy hely miatt)
- →AI javaslat elfogadási / felülírási arány — 10–25% override normális
- →Terhelés-eloszlás: top 3 „mindent visz” ember részesedése a ticketekből
Bevezetési checklist
Ne az AI bekapcsolásával kezdd. Először a master data: profilok, telephelyek, naptár, munkaidő. Utána a javaslat, utána a mérés. Két hét pilot egy diszpécserrel és 5–10 szervizessel többet ér, mint a teljes cég „majtől AI”.
- →Minden szervizes profil-leírása kitöltve a fenti skill checklist szerint (nem sablon-másolat)
- →Telephelyek és tipikus eszközcsoportok rendben a ticket→feladat láncban
- →Munkaidő és naptár-idősávok beállítva — a „ne javasoljon túlórára” szabály érvényes
- →Diszpécseri rutin: javaslat megnyitása → elfogadás / felülírás → indok 1 mondatban ha elveted
- →Több assignee szabály: mikor kell két szakma egy ügyre
- →Baseline 2 hét: elsőre jó % és átlagos utazási perc AI nélkül
- →Pilot 2–4 hét: ugyanezek a mutatók AI javaslattal, heti 10 perces retrospektív
- →Profil-frissítés naptár: negyedévente vagy képesítés / telephely-váltás után
Összegzés és következő lépés
A cikkben összefoglalt gyakorlati lépések akkor működnek tartósan, ha egy központi rendszerben futnak a munkalapok, az eszköznyilvántartás, a preventív ütemezés és — ahol kell — a tűzvédelmi ellenőrzések is. A szétszórt Excel-fájlok és papír naplók hosszú távon nem adják az auditálhatóságot és a valós idejű átláthatóságot.
A SafetyPro CMMS ezeket egy platformon egyesíti: QR/NFC azonosítás, mobil app offline módban, riportok és emlékeztetők. A Basic csomag 24 900 Ft/hó-tól indul; 14 napos ingyenes próba egyeztethető személyesen, a bemutató után.
Ha a témában leírt folyamatokat szeretnéd élesben látni a saját telephelyed példáján, kérj bemutatót — az értékesítési csapat általában 1 munkanapon belül válaszol.
Gyakori kérdések
Mitől „AI” a szervizes beosztás, ha a diszpécser dönt?+
A javaslat automatikus a ticket→feladat átváltáskor: a rendszer a tag szakterület-leírása, a helyismeret és a szabad idősávok alapján rangsorol. A döntés emberi marad — elfogadás, módosítás vagy elvetés. Az AI a keresést és a shortlistet gyorsítja, nem a felelősséget veszi át.
Miért nem elég a „szabad a naptárban” szabály?+
A szabad idősáv szükséges, de nem elégséges feltétel. Kompetencia nélküli szabad ember hosszabb helyszíni időt, hiányos javítást és gyakran második kiszállást jelent. A jó match: szakterület + helyismeret + elérhető sáv — ebben a sorrendben érdemes gondolkodni.
Hogyan írjunk jó szakterület-profilt a matchhez?+
Konkrét rendszerek, eszközcsoportok, jogosultságok és korlátok — nem általános címke. Példa: „split és multi split klíma, F-gáz, Daikin/Mitsubishi, irodaház gépház; liftet nem vállal”. Kerüld az üres mezőt és a „mindent csinálok” szöveget; frissítsd negyedévente.
Mit jelent a helyismeret a beosztásban?+
Hogy a szervizes korábban dolgozott-e az adott telephelyen / épületben, ismeri-e a bejutást és a gépészeti tereket. Ez 15–40 percet is spórolhat ügyenként a keresésen és a beléptetésen. A rendszer a korábbi lezárt munkák alapján súlyozhatja, ki „helyismerő”.
Javasolhat az AI munkaidőn túli időpontot ugyanarra a napra?+
Nem — a helyes viselkedés, hogy ugyanarra a napra ne ajánljon a munkaidőn túl. Ha nincs szabad sáv, más személyt vagy más napot javasol. A diszpécser felülírhatja (sürgős ügy), de a default ne legyen a túlóra.
Mi az elsőre jó kiosztás aránya, és mi a reális cél?+
Azon ügyek aránya, ahol nem kellett kompetencia vagy helyismeret miatt újra kiosztani / újra kiszállni. Stabil csapatnál 85–90%+ reális cél. 70% alatt először a profilokat és a diszpécseri szabályokat javítsd, ne a „több AI”-t várd.
Lehet több szervizest is rendelni egy feladathoz?+
Igen. A naptár idősávokkal és több assignee-vel kezeli a valós helyzetet: pl. villamos és hűtős ugyanarra az ügyre, vagy junior + mentor. A javaslat tipikusan az elsődleges embert rangsorolja; a második felelőst a diszpécser adja hozzá.
Mennyi idő a bevezetés, amíg a javaslat használható?+
Ha a profilok és a telephelyek rendben vannak: 1–2 nap beállítás + 2 hét baseline, majd 2–4 hét pilot. A szűk keresztmetszet ritkán a szoftver — általában az üres vagy sablonos profil-leírások. A SafetyPro AI modul a ticket→feladat láncra épül; a minőség a master datán múlik.