# AI如何改变旅行和物流公司的劳动力规划
2024年9月20日 | 文章
旅行和物流公司面临日益严峻的劳动力挑战，包括频繁的短缺、不断上升的成本和生产率下降。将AI工具与新的工作方式相结合，可以提高效率。
**对许多旅行和物流提供商来说，**劳动力挑战已成为日益增加的焦虑来源。劳动力短缺频繁，劳动力成本上升。劳动力规划失误可能导致利润率下降和客户服务质量下降。这些劳动力问题影响了在40家顶级旅行和物流公司中就职的超过三百万人。
## 关于作者
这篇文章是Jorge Amar、Neal Parikh、Sal Arora、Scott McConnell和Taylor Cornwall的合作成果，代表了McKinsey的旅行、物流与基础设施实践的观点。
企业对未来劳动力成本和供应能做的控制有限，但适当的策略可以最大化前线员工的生产率，确保合适数量的员工在合适的时间和地点部署，从而增强应对意外事件的韧性。在旅行和物流公司（如航空公司、酒店、物流服务提供商等）中，通过改进劳动力管理，可以在长期、中期和日常目标的同时创造显著价值。
当前的挑战源于过去几十年做出的决策。尽管它们的数据很丰富，许多公司在基础设施和优化工具的投资上不足，导致它们无法有效利用这些数据进行更好的规划。由于视野有限，劳动力规划通常依赖过时的假设和方法，常常导致复杂的劳动力使用过于简单的模型和电子表格来管理。目前使用的工具通常缺乏处理当今复杂劳动力需求所需的精度和灵活性，尤其是在不断变化的操作环境中。
更新的解决方案，如生成式AI（gen AI），可以整合大量离散的数据集，从而生成新的能力和更大的劳动力灵活性。但仅有工具和分析是不够的。解决方案应满足组织的独特需求，不同业务单元的目标，以及现有的技术架构。即便是最好的劳动力工具，如果没有正确的流程变更和绩效管理，也可能无效。
公司应建立全面的流程和协作管理结构，以帮助前线员工灵活应对日常挑战。技术进步可以与心态和文化的转变相结合，激发持久的生产率增长。我们已经看到一些公司通过这些方法提高了运营利润率，实现了成本降低，并改善了客户服务评分。
随着婴儿潮一代的退休步伐加快，企业预计将失去数十年的专长。现在是时候为下一代员工刷新劳动力规划——使用新一代工具和策略。公司可以考虑这五个主题，作为开发全面劳动力管理方法的指南：数字需求减少、先进的资源和能力规划、招聘和人员发展、当天决策和持续改进。
## 该行业面临重大劳动力挑战
在旅行和物流领域，劳动力挑战层出不穷。例如，许多公司已经或即将遇到由于各种因素导致的劳动力短缺：
– 高离职率可能导致职位空缺。与COVID-19大流行前相比，物流员工的流动率上升了33%。
– 预计的婴儿潮一代退休浪潮可能导致许多领域合格员工的短缺。每年约有四百万婴儿潮一代退休。每年几乎有6000名飞行员达到了联邦航空管理局规定的65岁退休年龄。
– 各行业的培训瓶颈限制了公司提升工人技能以填补复杂角色的能力。航空业特别在应对后疫情需求的回归（需要更多工人），同时对飞行员和技师等重要员工的高度专业培训需求也在增加。
– 电商平台的快速增长——McKinsey的研究显示，每个电商美元中有10%到20%用于物流——正在提升对物流工人的总体需求。
劳动力需求的增加恰逢，甚至在某些情况下加剧了成本的上升。由于一系列发展——以通胀为首，劳动力成本通常起着主要作用。2018年至2023年间，旅行和物流领域的劳动力成本增加了多达40%。
与此同时，电子商务的兴起提升了消费者对服务速度（如当天到达）和体验（如无缝下单和追踪）的期望，增加了物流提供商的压力。虽然旅行和物流公司的劳动力需求和成本增加，但劳动力生产率并没有相应提高。2018年至2023年，前40大旅行和物流公司的生产率（以每名员工的收入衡量）增加了15%，但其他拥有类似大量分布劳动力的行业的生产率增长更快。
尽管这些趋势存在，许多旅行和物流公司仍依赖过时的劳动力规划方法。这些传统方法没有充分利用AI驱动的创新的全部价值。它们通常无法应对季节性高峰和意外复杂情况，这需要动态响应以保持运营顺利。一个航空公司的样本数据显示，使用静态规划模型可能导致劳动力安排不当，在高达60%的操作时间内，人员配置不足或过多。
## 五个通过AI提升劳动力生产率的行动
开发世界级的劳动力管理能力可以应用于各种工作群体。操作员（包括司机、飞行员和机组人员）、客户服务人员（包括呼叫中心员工和门口代理）、规划团队（如调度员和调度员）、以及商业和接单职能（如预订）都可以从AI驱动的方法中受益。
许多组织在劳动力管理的某些方面表现出色，这突显了识别仍需改进的具体缺口的重要性。通过在五个领域应用AI驱动的解决方案，旅行和物流公司可以最大限度地发挥现有劳动力的潜力，同时迈向创建理想劳动力的步骤。
### 数字需求减少
通过数字需求减少——利用自动化和自助服务——某些工作可以在到达前线员工之前被取消。解放前线人员的负担为组织创造了灵活性和敏捷性。它允许更多时间用于增加客户价值的关键任务。
领先的组织正在使用AI开发对客户问题发生时间和原因的理解——在它们发生之前。预测模型可以审查过去的客户互动，帮助预测未来客户需求，并通过主动干预在问题出现之前予以解决。这样组织就能够在客户投诉涌入之前进行调整。
在员工方面，自动化重复性任务可以让员工重新部署到更高影响的活动中。数字采集工具简化了信息收集，这些信息随后可以从多个系统整合为综合信息，提供给需要它们的员工。使用gen AI综合输出可以改善生产率和员工体验。当工作被快速分配到合适的位置时，它消除了延迟和重复工作订单的产生。
在客户方面，数字工具可以快速有效地解决问题。创建在线工具如AI聊天机器人和自助应用程序，处理订单管理和日程安排，给客户提供所需的信息，或向企业提供信息，而不产生前线员工的任务。我们看到公司通过数字化分流实现了15%到20%的呼叫量减少。
自动化和新数据工具的好处不会自动捕获。组织必须重新设计工作要求并优化基于需求减少的工作流程。但如果做得好，收益可以相当可观。许多旅行和物流公司由复杂的业务组成，通常通过几十年的并购和扩展到新服务模式中成长，可能导致工作流程中的冗余或低效。考虑到这些公司的规模，通过数字化减少对其大规模分布劳动队伍的需求，可以大大提高生产率并带来极大的回报。
一家物流公司在快递和分拣员工间的工作流冗余问题上苦苦挣扎。一个包裹会被多次扫描，同样的信息还会被手动输入到多个数据库中。通过随行观察、现场访问和技术、运营和商业团队领导参与的研讨会，公司发现了收集更好数据和生成新见解的机会。最终确定了通过AI解决方案集成扫描系统并消除不必要步骤的机会，从而减少了10%的处理时间。
### 资源和能力规划
旅行和物流公司必须导航复杂的运营环境，涉及大量设备和库存资产，同时还要考虑客户需求的不确定性。他们需要为长期和季节性规划周期进行优化。他们必须应对天气挑战、供应链纠缠和其他不可预见的干扰。所有这些挑战使得在地理区域和整个业务周期中，将劳动力能力与需求对齐变得至关重要但也很困难。
现代更细致的预测工具可以使用AI分析大量历史数据，更准确地预测人员需求，使公司能够根据具体工作职能和技能要求战略性地分配资源。基于AI的长期和短期预测模型通过频繁更新实现更灵活的人员调配和更高的准确性。在历史数据缺乏的环境中，现在可以从其他来源模拟数据。这有助于减少加班时间、最小化闲置时间和避免因预测不准确而造成的供应商罚款。
AI还可以实现动态安排，以适应每日需求波动和季节性不稳定。整合多个数据源提供了全面视图，提高了规划工具的准确性，并最终带来了更明智的决策。这些工具在规划和执行之间创建了一个连续的反馈回路，使公司能够灵活调整以适应不断变化的市场条件，并有效地调整工作流程。这种连续的回路也促进了自动化，大大减少了手动干预的需要。
一家航空公司需要更新其流程，以遵守有关飞行员班次最长时长的新法规（这创造了需要更多备用飞行员的情况）。该航空公司引入了改进飞行员需求预测准确度约8%的数字工具。通过更好的预测，资源规划变得更加精准。将数字工具仔细整合到航空公司的流程中，实现了快速部署和可扩展性。
在呼叫中心，基于AI的预测模型通过简化劳动力规划提供了显著价值。这些模型可以实现90%以上的准确性来预测人员需求，不论是在15分钟间隔还是长达18个月的未来预测中。通过这一改善，超时成本可以减少15%至20%。
### 招聘和人员发展
领先的组织使用数字解决方案管理从招聘到培训和留用的人才管道。AI可以帮助识别优秀候选人（尽管组织需要密切注意AI评估中引入偏见的风险），自动化申请流程和候选人筛选可以加速招聘。定制的培训计划可以加速入职和生产力增长。模拟模型通过识别在不同阶段的晋升培训候选人并测试不同潜在场景来指导学习和发展。
技术支持的深度分析员工特征、行为、绩效和商业结果，可以识别关键劳动力特性，从而成为有针对性的招聘策略的基础。AI驱动的工具帮助公司在考虑技能要求、工作职能和不同部门的人才需求节奏时，以详细级别预测劳动力需求。
一家航空公司面临严重的飞行员短缺，这主要是由于培训规划过程中的挑战。其培训范围涵盖了40多种不同的培训计划、十种类型的教练和六条晋升路径。公司实施了包含两个模块的数字双胞胎解决方案：一个是生成更精简的飞行员培训计划，另一个是引入破坏性事件（如教练生病）的模拟，测试计划对潜在现实情况的稳健性。这减少了5%至10%的培训瓶颈，减少了3%至5%的过度招聘，并通过更快速的情景分析减少了15%至20%的规划时间。
另一家航空公司面临紧迫的截止日期，需要为其地面操作招聘大量服务专业人员。为了满足这一目标，他们采用了数据驱动、敏捷框架来变革其招聘策略。通过逐步分析招聘过程，识别瓶颈并获得转化率的洞见。这种敏捷理念允许快速调整和测试，帮助航空公司通过简化流程和提高透明度，达成了招聘目标，同时创建了一个更具适应性的系统。
### 当天决策
一个典型的旅行和物流公司运营一个由成百上千个地点组成的分布式网络，每个地点必须无缝独立运行。为了使这些地点运作，当地团队每天需要做出数百个劳动力决策——例如在何时何地部署前线员工，以及在意外中断发生时如何调整计划。为了确保效率、一致性和与更广泛公司目标的对齐，组织必须通过提供标准、框架和工具来支持当地领导应对当天的操作挑战。
清晰定义和传达决策制定的政策是很重要的，使当地团队能够自行复制这些论点。但即使当地团队被赋予了这种权力，决策也不应孤立地做出频繁的会议，有助于组织了解地方操作面临的挑战类型，以及当前的政策和工具是否足以支持现场办公室。
企业可以针对特定情况开发恢复手册。但在未计划的员工缺勤、火车/卡车/飞机晚点、恶劣天气和其他意想不到的障碍之间，每天都带来了自己独特的劳动力挑战，并且意外的混乱总是潜伏不远。通过利用分析洞见——例如实时数据关于资源可用性和任务要求预测分析，可以帮助预测需求高峰和需求谷底，并将这些分析能力与恢复优化和实际执行相结合，团队可以实时适应不断变化的需求。
一家全球物流公司未能在其庞大的司机网络中看到生产率改进。分析显示，司机路线更改不够频繁，司机每次部署时依赖相同路线，没有根据变化环境做调整。当公司开始使用基于AI的日常路径优化以最小化行驶距离时，司机的行驶时间减少了15%，带来了显著的生产率提升。
### 持续改进
实施新工具和工作流程并雇用杰出个人都是好的第一步，但它们还不够。一个组织的文化——涵盖了共同的价值观，信仰，态度，行为——将是真正变革的引擎。持续改进能力是组织文化的重要部分通过明确的标准、有用的绩效管理和普遍的责任心促进。
清晰的工作标准将明确时间和质量期望，同时确定执行任务的合适人员。当由利用率、生产率和效率指标驱动时，实时绩效管理变为可能这一指标通过用户友好的数字仪表板，提供给所有相关员工。主管可以使用这些杠杆奖励或问责员工。货币和非货币激励措施对于激励员工并确保与组织目标的一致性都是必不可少的。
快速理解一个指标所揭示的过度或不足绩效背后的根本原因，允许快速行动和纠正，带来持续改进。数字解决方案可以帮助自动化根本原因分析。领先的组织还使用数字分析来改进反馈和辅导：一个AI推荐引擎可以发送个性化的提醒，建议员工需要改进的领域，并在出现辅导机会时提醒管理者。
一家铁路公司尽管进行了大量投资，但其自动路径规划工具的使用仍有限，主要原因在于前线员工的抵制。技术挑战和工作岗位取代的恐惧阻碍了员工采用。铁路公司通过加速推广和针对性干预措施做出了回应。根本原因分析指导了量身定制的举措，导致培训调度员的增加了40%到50%，自动路径规划的使用率上升了25到30个百分点，并且自动路径规划部分的网络覆盖范围增加了三倍。AI可以为前线员工带来下一个效率前沿，但要实现其全部潜力，需要工具、流程和变革管理的结合。
* * *
导航转型需要战略方法来进行变革管理。它包括建设能力，支持流程改进，并重新思考工作方式。没有有效的变革管理策略，即使是最好的设计工具和工作流程也可能面临抵制或未达到预期效果。
任何变革管理工作都可以从创建一个引人注目的变革故事开始，阐明对所有受影响者的需求和益处。它可以明确需要更改的内容以及新的工作方式的期望，也可以提供适当的培训以便员工能够采用这些改变。领导者可以以身作则，强化其重要性，帮助其团队渡过转型并在遇到挑战时进行干预。
公司在劳动力管理的某些领域可能具优势，但在其他关键领域依然存在空白。为了了解这些空白，公司可能会考虑问自己以下问题：
– 我们的政策和工作流程是否有效地简化了任务，减少了对员工的无谓负担？
– 我们是否拥有适当的技术基础设施和熟练团队成员，能够有效利用AI驱动的劳动力管理工具？
– 我们当前的招聘和培训渠道是否与运营需求对齐，确保劳动力准备就绪？
– 我们对当天的操作不确定性管理和响应的效果如何？
– 我们是否有透明和及时的绩效指标，这些指标是否得到适当的沟通以追踪绩效并识别改进机会？
一旦组织确定了机会，它该如何开始？最具创新精神的公司正在超越单点解决方案，转向集成方法，旨在不仅解决当前的痛点，还定义一个跨越组织的新绩效文化。这些努力将数据架构师和科学家与前线领导和工人结合在一起，重新思考工作方式，推动绩效和生活质量的改进。尽管更广泛的转型可能需要数年，概念验证和前线改变努力的影响可能只需几个月就能看到。成功需要将创新分析与运营专业知识结合的全面解决方案。但迈向全面、数据支持、AI驱动的劳动力规划是一个可以立即开始的旅程。
## 关于作者
**Jorge Amar** 是McKinsey迈阿
—
来源网站：McKinsey & Company
