À medida que o trabalho híbrido continua a transformar o local de trabalho, as organizações procuram cada vez mais perceber como os seus escritórios são realmente utilizados. A medição da ocupação tornou-se um dos temas mais debatidos na estratégia de local de trabalho, no imobiliário e na gestão de instalações, mas nem todos os dados de ocupação têm o mesmo valor.

Medir se um posto ou uma sala está ocupado num dado momento é apenas parte do quadro. A pergunta mais importante é muitas vezes porque é que os espaços são usados da forma como são, que comportamentos ocorrem e se o local de trabalho está efetivamente a apoiar o desempenho da organização.

Hoje, as organizações usam vários métodos diferentes para medir a ocupação do local de trabalho, cada um com os seus pontos fortes, limitações, custos e nível de conhecimento que proporciona.

Estudos de observação

Os estudos de observação continuam a ser um dos métodos de medição do local de trabalho mais antigos (e ainda um dos mais eficazes). Nesta abordagem, observadores formados percorrem o local de trabalho a intervalos programados e registam manualmente a forma como os espaços estão a ser usados.

Isto pode incluir:

  • Ocupação dos postos de trabalho
  • Utilização das salas de reunião
  • Padrões de colaboração
  • Tipos de atividades de trabalho
  • Interações entre equipas
  • Adequação dos espaços
  • Observações comportamentais
  • Observações ambientais

Ao contrário das tecnologias puramente quantitativas, os estudos de observação dão contexto. Por exemplo, um sensor pode indicar que uma sala de reunião está ocupada, mas um observador consegue identificar se a sala está a ser usada para trabalho de concentração, colaboração ou interação social, ou se o espaço está sobrelotado ou subutilizado.

Vantagens

  • Conhecimento comportamental rico
  • Não exige instalação de equipamento
  • Baixo custo de implementação
  • Implementação rápida em vários locais
  • Envolvimento mínimo das TI
  • Mais respeitador da privacidade do que muitas abordagens baseadas em sensores

Limitações

  • Não é em tempo real
  • Exige trabalho manual
  • Normalmente realizado de forma periódica e não contínua

No entanto, para muitas organizações, uma medição contínua e em tempo real da ocupação não é de facto necessária para as decisões estratégicas sobre o local de trabalho.

Deteção profunda por Wi-Fi

A deteção profunda por Wi-Fi usa os sinais de radiofrequência da infraestrutura Wi-Fi da empresa para detetar a presença e o movimento de pessoas. Em vez de depender apenas dos dispositivos ligados, a tecnologia analisa as perturbações e os reflexos nos sinais Wi-Fi causados pelos corpos humanos que se deslocam no espaço.

Esta nova categoria de deteção pode potencialmente identificar:

  • Presença
  • Movimento
  • Densidade
  • Padrões de deslocação
  • Padrões respiratórios
  • Em alguns casos de utilização avançados, até o ritmo cardíaco e micromovimentos

Como a tecnologia pode muitas vezes aproveitar a infraestrutura Wi-Fi existente da empresa, os custos de implementação estão a tornar-se bastante inferiores aos das instalações tradicionais de sensores em grande escala. À medida que a tecnologia amadurece, é cada vez mais explorada como uma alternativa escalável e relativamente económica ao equipamento dedicado de medição da ocupação.

Vantagens

  • Não exige câmaras
  • Pode aproveitar a infraestrutura Wi-Fi existente
  • Custos de equipamento inferiores aos de muitas implementações IoT
  • Abordagem de deteção passiva
  • Pode dar informação quase em tempo real
  • Ampla área de cobertura com pouco equipamento adicional

Limitações

  • Ainda relativamente emergente nas aplicações para o local de trabalho
  • A precisão varia consoante o ambiente e a configuração do edifício
  • Exige calibração e otimização do sinal
  • Contexto comportamental limitado
  • Podem ainda surgir preocupações de privacidade e de perceção, consoante a implementação

Embora promissora, a deteção profunda por Wi-Fi continua a medir sobretudo a presença e o movimento, e não a intenção no local de trabalho, a qualidade da colaboração ou a eficácia comportamental.

Triangulação por Wi-Fi

A triangulação por Wi-Fi estima a ocupação localizando os dispositivos ligados, como smartphones e portáteis, através dos sinais dos pontos de acesso. Medindo a intensidade do sinal em vários pontos de acesso, as organizações podem estimar onde as pessoas se encontram no escritório.

Este método tornou-se popular porque muitas organizações já dispõem de redes Wi-Fi empresariais.

Vantagens

  • Usa a infraestrutura existente
  • Pode fornecer tendências contínuas de ocupação
  • Útil para a análise da utilização ao nível da carteira imobiliária
  • Escalável em grandes ambientes de escritório

Limitações

  • Depende de os utilizadores trazerem consigo dispositivos ligados
  • Uma pessoa pode trazer vários dispositivos
  • Algumas pessoas podem não trazer nenhum dispositivo
  • A precisão pode variar significativamente
  • Precisão limitada ao nível da sala em alguns ambientes
  • Oferece pouco conhecimento comportamental

A triangulação por Wi-Fi é geralmente mais útil para identificar tendências de ocupação em grande escala do que para tomar decisões detalhadas de estratégia de local de trabalho.

Tecnologias de beacons Bluetooth

Algumas organizações usam também tecnologias de beacons Bluetooth para posicionamento interior e análise da ocupação. Nestas configurações, os dispositivos móveis interagem com beacons instalados para estimar a proximidade e os padrões de deslocação no local de trabalho.

Os sistemas de beacons são frequentemente usados para:

  • Navegação interior
  • Orientação dos colaboradores no edifício
  • Serviços do local de trabalho baseados na localização
  • Estimativa da ocupação

Vantagens

  • Equipamento relativamente barato
  • Útil para o posicionamento interior
  • Pode apoiar aplicações móveis do local de trabalho
  • Implementação flexível

Limitações

  • Exige muitas vezes a adoção de uma aplicação móvel
  • A precisão depende da interação com os dispositivos
  • Exige instalação e manutenção de equipamento
  • Conhecimento comportamental limitado
  • Dificuldades de escala em grandes carteiras imobiliárias

Embora úteis para determinadas experiências no local de trabalho, as tecnologias de beacons são geralmente menos eficazes como solução isolada de medição da ocupação.

Sensores de ocupação IoT

Os sensores de ocupação IoT estão hoje entre as tecnologias de medição do local de trabalho mais adotadas. Podem incluir:

  • Sensores de secretária
  • Sensores de movimento
  • Sensores de infravermelhos
  • Sensores térmicos
  • Contadores de pessoas
  • Sensores ambientais

São normalmente instalados em todo o local de trabalho para medir de forma contínua a ocupação e a utilização.

Vantagens

  • Dados de ocupação em tempo real
  • Elevada granularidade
  • Recolha automática
  • Úteis para processos operacionais, como a limpeza e a libertação de salas

Limitações

  • Custos de instalação de equipamento
  • Manutenção contínua e substituição de baterias
  • Requisitos de TI e de cibersegurança
  • Avarias de sensores e problemas de calibração
  • Compreensão limitada do comportamento no local de trabalho
  • Podem tornar-se caros em grande escala

Para as organizações centradas sobretudo no conhecimento estratégico do local de trabalho, e não na automação operacional, a relação entre custo e valor pode por vezes ser difícil de justificar.

CCTV e visão computacional

Os sistemas de visão computacional combinam câmaras com modelos de IA para estimar a ocupação, o movimento e o comportamento espacial.

Estes sistemas podem fornecer:

  • Análise da afluência
  • Mapas de calor de densidade
  • Análise de filas
  • Mapeamento da colaboração
  • Seguimento de deslocações
  • Análise da utilização do espaço

Vantagens

  • Elevada precisão
  • Análise detalhada das deslocações
  • Visibilidade em tempo real
  • Úteis em ambientes complexos

Limitações

  • Preocupações significativas de privacidade
  • Questões legais e de conformidade
  • Maior complexidade de implementação
  • Infraestrutura e processamento de IA dispendiosos
  • Possíveis implicações na confiança dos colaboradores

Nos ambientes de trabalho, a privacidade e a perceção dos colaboradores tornam-se muitas vezes grandes obstáculos à adoção.

Dados de reserva de espaços

As plataformas de reserva de espaços de trabalho acrescentam outra camada importante de conhecimento sobre o local de trabalho. Os sistemas de reserva de postos e de salas de reunião geram dados sobre os padrões de utilização previstos.

Estes dados podem revelar:

  • Tendências da procura
  • Dias de maior presença
  • Comportamentos de coordenação das equipas
  • Zonas e áreas preferidas
  • Procura de salas de reunião

Contudo, os dados de reservas não devem ser tratados como dados de ocupação real. Um posto reservado não significa necessariamente que alguém foi ao escritório, e muitos colaboradores continuam a usar espaços sem os reservar formalmente.

Vantagens

  • Já disponíveis em muitos locais de trabalho
  • Úteis para prever a procura
  • Grande valor operacional
  • Ajudam a compreender o comportamento planeado

Limitações

  • Medem a intenção e não a utilização real
  • Muitas vezes incompletos ou imprecisos
  • Não captam a atividade sem reserva
  • Contexto comportamental limitado

Os dados de reservas funcionam melhor quando combinados com outros métodos de medição da ocupação.

Então, qual é o melhor método?

O método de medição da ocupação certo depende, em última análise, do objetivo.

Se o objetivo for:

  • a automação operacional
  • a disponibilidade de espaço em tempo real
  • a otimização da limpeza
  • ou a gestão do edifício em tempo real

então os sensores ou os sistemas baseados em Wi-Fi podem ser adequados.

Mas, se o objetivo for a estratégia de local de trabalho, perceber como as pessoas trabalham, colaboram e interagem com os espaços, e se o local de trabalho está efetivamente a apoiar o desempenho da organização, os estudos de observação continuam a ser uma das abordagens mais eficazes disponíveis.

Os estudos de observação oferecem algo que muitas tecnologias ainda têm dificuldade em captar: o contexto comportamental.

São também:

  • significativamente mais baratos
  • mais fáceis de implementar
  • menos invasivos
  • e não exigem instalação de equipamento nem integrações complexas

Acima de tudo, uma medição contínua e em tempo real da ocupação é muitas vezes desnecessária para as decisões estratégicas sobre o local de trabalho. Os padrões de utilização tendem a estabilizar ao longo do tempo, o que significa que as organizações podem obter conhecimento muito fiável através de medições periódicas, em vez de uma medição permanente.

Em muitos casos, realizar a cada seis meses um estudo de observação de duas semanas bem desenhado é mais do que suficiente para:

  • identificar tendências de utilização
  • compreender padrões de comportamento
  • validar mudanças no local de trabalho
  • apoiar grandes decisões imobiliárias

Ao mesmo tempo, um dos maiores desafios que as organizações enfrentam hoje não é a falta de dados de ocupação, mas a fragmentação dos dados do local de trabalho por vários sistemas e tecnologias. Uma mesma organização pode usar em simultâneo estudos de observação, análise de Wi-Fi, sensores IoT, plataformas de reserva e inquéritos à experiência dos colaboradores, mas estes conjuntos de dados raramente estão ligados num único quadro de decisão.

A Workplaced reúne dados do local de trabalho de várias fontes num único sistema de inteligência de decisão para o local de trabalho.

Isto permite às organizações analisar em conjunto, no mesmo ambiente, os dados de ocupação, de comportamento, de experiência dos colaboradores e de desempenho do local de trabalho, independentemente da forma como foram originalmente recolhidos.

Em última análise, o futuro da medição do local de trabalho não passará provavelmente por escolher um único método de medição da ocupação, mas por integrar várias fontes de dados numa compreensão unificada do desempenho do local de trabalho e dos resultados da organização. O valor da medição da ocupação não depende da quantidade de dados recolhidos, mas da eficácia com que esses dados apoiam melhores decisões sobre o local de trabalho.