搶救一線缺工潮

服務業是社會上的重要產業，從業人數眾多，更與我們的生活息息相關。但也長期面對一個巨大痛點，就是第一線人員的流動率居高不下，本期的封面故事，試圖為此找出解方。作者針對美國20家主要零售連鎖店進行研究，發現一線員工的平均留任率僅52％，而在職時間的中位數，最短甚至只有5個月。

當然，造成服務業員工高流動率的原因很多，除了薪資偏低外，為數不少的「奧客」對於服務業的不尊重，也常讓第一線人員感到心累，甚至有些企業本身就容忍高流動率，將一線人力視為可替換資源。

在這些因素的交互影響下，結果就是人手長期不足、培訓管道持續空轉，更糟糕的是，由於急就章將人員推上前線，無法提供顧客高品質的服務。

根據這篇文章的研究，其實服務業可以透過一項相對簡單的工作提升留任率，就是透過數據來分析、改善員工的「班表」。為什麼這件事特別值得投入呢？因為相較於提高薪資、增聘人手等其他方式，改進排班的實務同樣能有效提升留任率，而且不會增加成本。

具體的做法是以數據為基礎，先找出不同營運模式與人力現實之間的需求，再進行排班的調整。

舉例來說，在超商這類的服務業，身體疲勞與班次間休息時間不足，常造成員工流動；然而在時尚和美妝零售業，員工的收入高低，常與佣金及顧客關係連動，這時員工最在意的排班需求，變成能否排在黃金時段，以及班表與同事相比是否公平等因素。

雇主在找出員工在意的排班因素後，還必須因地制宜，並授權一線主管針對不同區域的分店需求，找出各地最適化的排班設計，而且要建立回饋機制，檢討及調整，藉此提高員工的士氣及滿意度。

除了封面故事外，本期我還想推薦另一篇有趣的文章，是針對全美國2,500名18至28歲年輕人的調查，試圖了解Z世代如何看待生成式AI，以及如何應用在職場上。令人意外的是，Z世代並非只將生成式AI當成省時省力的工具，他們其實更擔心AI會排擠實作學習的機會，失去批判性思考的訓練，甚至會讓人變懶……

在生成式AI全面來襲的趨勢下，掌握Z世代對生成式AI的想法，當能更快地找到更好的人機協作模式。

至於本期的其他精彩文章，就留待讀者們細細閱讀及品味。

面對服務業居高不下的流動率，解方可能藏在最基礎的「班表」中。本期揭示如何利用數據優化排班，在不增加成本下提升留任率；同時深入Z世代內心，解析年輕人才對生成式AI的期待與焦慮。