Produktová stránka slibuje. Dokumentace popisuje. Kdo čte manuál, referenci API nebo changelog, nečte, co konkurent tvrdí, že umí, ale co musí uživatel skutečně udělat, aby produkt fungoval. Tento rozdíl dělá z dokumentace jeden z mála zdrojů, které vypovídají o srovnání na dané dimenzi, nikoli o vnímané vyspělosti firmy.
Důvod, proč je to nyní relevantní, není v tom, že by se dokumentace změnila. Je to tím, že dimenze, na kterých se konkurenti navzájem předhánějí, se mění, jakmile AI přebírá část podkladové práce. Dodací lhůta byla dlouho otázkou obsazenosti personálu: více lidí v plánování, kratší doba realizace. Pokud plánovací proces z velké části řídí model a člověk už jen posuzuje výjimky, dodací lhůta už není otázkou obsazenosti, ale otázkou modelu. Kdo to nepochopí, srovnává konkurenty stále podle staré škály, zatímco vítězná dimenze se přesunula.
V dokumentaci, kterou se vyplatí číst, se opakují tři druhy indicií:
Tyto indicie nejsou důkazem marketingového tvrzení. Jsou důkazem produktového rozhodnutí, což je činí cennějšími než tisková zpráva na stejné téma.
Dokumentace často zaostává za produktem. Funkce, která se stala řízenou AI, může být stále popsána starými, manuálními kroky, protože nikdo text neaktualizoval. Platí i opak: dokumentace hovoří o „inteligentním“ nebo „automatickém“ zpracování, zatímco podkladová logika je pevná sada pravidel bez jakéhokoli učícího prvku. Slovo „automaticky“ v dokumentaci neznamená AI; znamená pouze, že už na to neklikne člověk.
Další nástraha je záměna škály s přítomností. API, které nabízí klasifikační funkci, nic neříká o tom, kolik z celkového objemu skutečně prochází touto cestou oproti tomu, kolik ještě jde přes manuální zpracování výjimek. To závisí na míře adopce mezi zákazníky konkurenta, na velikosti datové sady, na které byl model trénován, a na tom, jak dlouho je funkce už dostupná. Bez tohoto kontextu je nalezený parametr indicií, nikoli procentem.
Dokumentace se mění pomalu. U většiny produktů stačí kontrola jednou za čtvrtletí, aby se zachytily strukturální posuny; týdenní čtení jen zřídka přináší nové informace, protože vydání dokumentace neprobíhají denně. U konkurenta, který právě oznamuje velké vydání, je přímá kontrola smysluplnější než čekání na pravidelný cyklus, protože právě kolem vydání mizí manuální kroky nebo se rozšiřují API.
Dokumentace poskytuje technickou vrstvu, ale nic neříká o tom, jak zákazníci danou funkčnost vnímají, co o ní vědí vlastní obchodníci nebo jak na ni reaguje trh při nákupu. Stejný vzorec AI, která práci částečně přebírá, částečně nechává pod dohledem a částečně ponechává lidem, je vidět i jinde: v požadavcích a hodnocení výběrových a veřejných zakázek, v tom, co zákaznické recenze vypovídají o rychlosti a konzistenci dodávek a v tom, co vlastní obchodníci už dlouho slyší v telefonu o konkurentech. Kdo musí po akvizici určit, která ze dvou organizací v čem vede, najde srovnatelný přístup v tom, jak seřadit pozici dvou sloučených stran na jedné škále.
Základní otázkou není, co konkurent zveřejňuje, ale kterou práci ve vaší vlastní firmě lze skutečně převést na AI; to se zjišťuje po jednotlivých úkolech pomocí pracovního skenu FTE TO AI.
Pojmenujte dvě nebo tři dimenze, na kterých si myslíte, že vyhráváte nad konkurentem, jehož dokumentaci jste právě přečetli. Dodací lhůta, přesnost, doba reakce na změny: ať uvedete cokoli, ověřte, zda toto tvrzení stále platí podle staré škály, nebo podle nové. Bezplatná kontrola dimenzí ukáže, která z těchto tvrzení lze obhájit důkazy a která stojí na předpokladu. Kompletní benchmark s maticí důkazů pro každou dimenzi se připravuje.