Kan kunstig intelligens forutsi hvem som blir syke i neste uke?

Mange drømmer om et system som forteller nøyaktig hvor mange vikarer du må ta inn for å dekke sykefravær i november. Men har vi gode nok data til at prediksjon faktisk virker? Vi tar en realitetssjekk.

Tanken er forlokkende: Tenk om turnusprogrammet kunne fortelle deg at "tirsdag i uke 42 kommer sykefraværet til å øke med 15 %, så du bør kalle inn to ekstra vikarer nå". Teknologien for å gjøre slike beregninger finnes, og vi har også fraværspredikering innlemmet i Dynamon. Utfordringen ligger i dataene vi mater den med.

Pandemien ødela statistikken

For å spå fremtiden, må vi se på fortiden. Problemet er at de siste årene har vært alt annet enn normale. Sykefraværsdata fra pandemiårene 2020–2022 er så fulle av unntak og anomalier at de har lav verdi for å spå 2026. I tillegg har forventede sykdomsutbrudd blitt forskjøvet etter pandeminen, og opptrådt på andre tider enn tidligere år. Historiske data har rett og slett blitt mindre pålitelige.

Fra spådom til beredskap

Selv om vi ikke kan spå nøyaktig hvem som blir syke, kan vi bruke data til å se trender. Vi vet at influensasesongen kommer. Vi vet at inneklemte dager i mai er utsatt. I stedet for å lete etter en krystallkule, bør ledere bruke verktøy som visualiserer risiko:

• Hvilke uker har vi historisk sett hatt høyt overforbruk?
• Hvor er turnusen vår mest sårbar for fravær (f.eks. helger med lav kompetansedekning)?
• Hvilken fleksibilitet bør vi ha i bemanning for å håndtere fravær med lavest mulig risiko?

God bemanningsplanlegging handler ikke om å vite alt om fremtiden, men om å bygge en turnus som er robust nok til å tåle at den treffer.