A.I. en roostersoftware: waar liggen de echte kansen?

De afgelopen twee jaar is kunstmatige intelligentie (AI) in vrijwel elke sector een gespreksonderwerp geworden. Van marketing tot medische diagnostiek, van logistiek tot softwareontwikkeling, overal wordt gekeken waar AI processen slimmer, sneller of eenvoudiger kan maken. Ook in personeelsplanning en roostersoftware groeit de belangstelling snel. Zeker in sectoren waar planning complex is, zoals de zorg, ligt de vraag voor de hand. Kan AI helpen om roosters beter te maken?

Het korte antwoord is ja, maar waarschijnlijk niet op de manier die veel mensen verwachten. Om te begrijpen waar AI daadwerkelijk waarde toevoegt, is het eerst belangrijk om te kijken hoe moderne roostersoftware eigenlijk werkt.

Hoe roostersoftware vandaag de dag werkt

De meeste professionele roosterprogramma’s werken met een algoritmische planning engine. Dat betekent dat het systeem op basis van een set regels automatisch een rooster kan genereren. Die regels, vaak business rules of constraints genoemd, kunnen bijvoorbeeld zijn:

• contracturen van medewerkers
• rusttijden volgens CAO of wetgeving
• kwalificaties of functies
• beschikbaarheid en verlof
• voorkeuren van medewerkers
• minimale bezetting per dienst

Wanneer een planner kiest voor automatisch roosteren, probeert het systeem een oplossing te vinden waarin al deze regels zo goed mogelijk samenkomen. Dat is in essentie een wiskundig optimalisatieprobleem: een combinatie van constraint solving, heuristieken en optimalisatie-algoritmes. Dit soort systemen zijn de afgelopen jaren enorm verbeterd. Ze kunnen binnen seconden een rooster genereren waar een planner vroeger uren of zelfs dagen aan werkte. Toch loopt de praktijk, zeker in de zorg, vaak tegen dezelfde uitdaging aan.

Waar roosteren in de zorg complex wordt

Een rooster genereren is één ding. Een rooster werkbaar maken voor echte mensen is iets anders. In de zorg spelen vaak factoren die lastig volledig in regels te vangen zijn:

• onverwachte ziekte of uitval
• persoonlijke voorkeuren of situaties van medewerkers
• informele afspraken binnen teams
• plotselinge drukte of veranderende zorgvraag
• vakantieverzoeken die elkaar overlappen

Het gevolg is dat het werk van een planner eigenlijk pas begint nadat het eerste conceptrooster klaar is. Daarna volgt vaak een proces van:

• analyseren van de verdeling van diensten
• bijsturen van werkdruk
• reageren op feedback van medewerkers
• het doorrekenen van alternatieve scenario’s
• het verwerken van last-minute wijzigingen

Veel roostersoftware, inclusief systemen die sterk zijn in automatisch roosteren, spreken vooral over het “zware werk” als het gaat om het genereren van het rooster. In de praktijk weten planners dat het werk daarna nog lang niet klaar is. Daar zit in onze ogen precies een interessante rol voor AI.

Waar AI wél het verschil kan maken

Binnen Fastis kijken we op dit moment hoe AI een rol kan spelen in personeelsplanning. Wat daarbij opvalt, is dat de grootste winst voorlopig niet zit in het vervangen van bestaande roosteralgoritmes. Sterker nog, een goed algoritme kan vaak betrouwbaarder een goed (basis)rooster maken. Daar is in de basis geen AI voor nodig. Waar AI naar ons idee wél een groot verschil kan maken, is aan de analyse- en optimalisatiekant van het proces. Met andere woorden, in de fase waarin de planner het rooster verder verfijnt. Een planner kijkt bijvoorbeeld naar een rooster en stelt vragen als:

• Is de werkdruk eerlijk verdeeld?
• Waarom heeft iemand meerdere nachtdiensten achter elkaar gekregen?
• Kunnen we deze vakantiewens toch nog inpassen?
• Wat gebeurt er als we deze dienst verschuiven?
• Wie is eigenlijk de beste kandidaat voor deze open dienst?

Het beantwoorden van dat soort vragen kost vandaag de dag vaak veel handmatig werk. Planners moeten zoeken, vergelijken, doorrekenen en verschillende scenario’s proberen. AI kan juist daar enorm helpen.

Een AI-assistent voor de planner

In plaats van roosters volledig door AI te laten genereren, ontstaat een interessant model waarin AI fungeert als analytische assistent voor de planner. Denk bijvoorbeeld aan een systeem waarin je vragen kunt stellen over het rooster, zoals:

• “Waarom heeft Pieter drie nachtdiensten achter elkaar?”
• “Zijn alle feestdagen ingevuld en hoe verhoudt dat zich tot vorig jaar?”
• “Welke medewerkers hebben significant meer weekenddiensten dan gemiddeld?”
• “Kunnen we deze week vakantie voor iemand toevoegen zonder de bezetting te breken?”

In plaats van dat een planner zelf door het rooster moet zoeken, kan een AI-engine:

• het rooster analyseren
• afwijkingen signaleren
• mogelijke verbeteringen voorstellen
• scenario’s doorrekenen

En misschien nog belangrijker, het systeem kan die inzichten direct begrijpelijk uitleggen. Voor planners kan dat een enorme tijdsbesparing betekenen.

De rol van AI binnen Fastis

Ook binnen Fastis onderzoeken we hoe AI deze rol kan vervullen. Op dit moment zetten we de eerste stappen met een AI-planner binnen het platform. En analyse tool die de planner helpt met het sneller begrijpen van het rooster en om betere aanpassingen te kunnen maken.

We bevinden ons nog in een bètafase, waarin we experimenteren met een eerste MVP (minimum viable product). Het doel daarvan is om te testen hoe AI planners kan ondersteunen bij het analyseren en verbeteren van roosters. Het idee is dus niet dat AI het hele planningsproces overneemt, maar juist dat AI de planner helpt om sneller inzicht te krijgen in het rooster. Dit kan door bijvoorbeeld automatisch analyses te presenteren, zoals:

• verdeling van werkdruk
• afwijkingen in diensttypes
• mogelijke knelpunten in de planning
• verschuivingen en wisselingen
• kansen om het rooster nog iets te verbeteren

Daarnaast werken we aan een AI-interface waarin planners het systeem simpelweg vragen kunnen stellen over het rooster. Daarmee verandert roostersoftware langzaam van een puur administratief systeem naar een interactieve planningstool.

De eerste stap van AI binnen personeelsplanning software

Wij zien AI op dit moment vooral niet als vervanger van de bestaande planningstechniek, maar als versterking van de planner zelf. Een rooster maken blijft deels een rationeel proces, gebaseerd op regels en optimalisatie. Maar het beoordelen en bijsturen ervan vraagt vaak menselijke interpretatie. AI kan daarbij dus helpen met het inzichtelijk maken van complexe patronen in het rooster. En dat is uiteindelijk waar planners dagelijks mee bezig zijn.

De toekomst van AI in personeelsplanning

De komende jaren zal AI waarschijnlijk een steeds grotere rol spelen in planningssoftware. Het zal allemaal steeds verder gaan en uiteindelijk geloven wij dat AI het grootste deel van het proces op zich zal nemen. De eerste stap is dus analyse, daarna het aanpassen van het rooster op basis van de analyse, daarna kan AI zelfs een voorspellende waarde zijn om de blauwdruyk van het rooster te maken op basis van historische data en toekomstige inschattingen en tot slot kan AI ook gewoon het rooster maken.

In de dagelijkse business van aanpassingen en veranderingen kan AI al een hele grote bijdrage leveren door het helpen van de planners met allerhande kleine tools en taken. Voor nu denken wij dat de eerste en beste winst te behalen is in het analyseren van het rooster. In plaats van een volledig autonoom roostersysteem zal AI dus eerder functioneren als een intelligente assistent die planners helpt met:

• sneller inzicht te krijgen
• betere afwegingen te maken
• en minder tijd kwijt te zijn aan handmatige analyse

Er worden natuurlijk ook altijd, terechte, kanttekeningen geplaatst bij het inzetten van AI om mensen te vervangen. Binnen Fastis zien we AI niet als een vervanging van de planner, maar als een hulpmiddel om het werk inzichtelijker, sneller en uiteindelijk ook leuker te maken. De eerste experimenten laten in ieder geval zien dat er veel mogelijk is. We staan nog maar aan het begin, leuk hè!