Hur vi byggde ett AI-system för frånvaroplanering — från idé till drift
Vi tog ICA från manuell planering till AI-prognoser med 95% träffsäkerhet. Så här gjorde vi det utan att öka komplexiteten.
Utmaningen
ICA Helsingborg och ICA Göteborg hade en gemensam utmaning: personalplanering baserad på magkänsla. Med över 1 200 anställda innebar varje felbedömning av frånvaron antingen överbemanning (onödiga kostnader) eller underbemanning (sämre kundupplevelse och stress). De behövde ett system som kunde förutsäga frånvaron — inte bara för veckan, utan dag för dag.
Lösningen
Vi byggde ett maskininlärningssystem som tränas på historisk frånvarodata, säsongsvariation, veckodagar, helgdagar och andra relevanta faktorer. Systemet levererar dagsprognoser och morgondagsprognoser som personalplanerarna kan använda direkt i sin schemaläggning. Modellen uppdateras löpande med ny data för att behålla sin träffsäkerhet.
Resultatet
Dagsprognosen håller 95–96 % träffsäkerhet mätt över 31 dagar, och morgondagsprognosen 93 %. Systemet är operativt i drift och täcker samtliga 1 200+ anställda. Personalplanerarna sparar timmar varje vecka och kan planera proaktivt istället för att reagera på oväntad frånvaro. Färre vikarier behöver kallas in akut, vilket minskar kostnader och förbättrar arbetsmiljön.
Tekniken bakom
Vi använde Python, scikit-learn och XGBoost för modellutveckling. Data hämtas via API från ICA:s personalsystem. Prognoserna presenteras i ett enkelt dashboard där personalplanerare ser frånvaroprediktion per dag, vecka och avdelning. Allt hostas i Google Cloud med automatiserad omträning och övervakning.
Vill ni se liknande resultat?
Boka en kostnadsfri genomgång — vi visar hur en liknande lösning kan fungera i er verksamhet.