Chybovost dlouho platila za interní míru kvality: kolik oprav, kolik přepracování, kolik stížností po dodání. Klienti z toho viděli málo, pokud chyby, na které naráželi, zůstávaly v přijatelném rozpětí. Chybovost byla něco, na základě čeho se dodavatel hodnotil sám, ne něco, na základě čeho klient srovnával dodavatele mezi sebou.
To se změní, jakmile se posune práce za chybovostí. Odhalování odchylek — chybně zadaná částka, zapomenutý krok v procesu, nesoulad mezi dvěma dokumenty — je z velké části kontrolní práce: srovnávání něčeho s pevnou sadou pravidel nebo vzorců. To je přesně typ úkolu, jehož velkou část může převzít AI, přičemž pracovník výsledek posuzuje a se zdůvodněním schvaluje nebo zamítá. Kde k tomu dochází, chybovost klesá ne proto, že by lidé dávali větší pozor, ale proto, že strukturálně existuje více kontrolních okamžiků, než bylo dříve dosažitelné při stejném počtu lidí.
Ne každá firma nasazuje tuto kontrolu stejným způsobem, a to vysvětluje, proč jeden poskytovatel vykazuje viditelně nižší chybovost než jiný, přestože oba působí na stejném trhu.
Rozdíl se skrývá na několika místech:
Klient chybovost jen zřídka vnímá jako číslo. Poznává ji podle toho, kolikrát musí faktura zpět, zda dodávka na první pokus odpovídá zadání, zda je zpráva použitelná bez kola oprav. U poskytovatele, kde se kontrola z velké části přesunula na AI s lidským dohledem, je tento vzorec jiný: méně kol zpětné vazby, méně „ještě to trochu upravíme", méně překvapení po dodání.
To je také důvod, proč se chybovost těžko dá tvrdit v obchodním rozhovoru. „Pracujeme přesně" klientovi mnoho neřekne; to je důvod, proč vágní sliby o kvalitě v obchodních prezentacích často znějí mezi poskytovateli zaměnitelně. Srovnání se stane konkrétním až tehdy, když je jasné, jaká část kontroly byla skutečně převzata a na základě čeho.
Posun v chybovosti se dotýká toho, jak si poskytovatel stojí v jiných ohledech. Méně přepracování znamená často také kratší dodací lhůty, což mění srovnání v dodací době: viz jak kratší dodací lhůty díky automatizovanému plánování posouvají normu v odvětví. Méně chyb v provedení také ušetří na následné péči, což se promítá do toho, jak klienti hodnotí rychlost reakce a míru vyřešení servisu po prodeji. A protože méně přepracování znamená také nižší náklady, dotýká se chybovost nepřímo toho, jak automatizace mění prostor pro nižší ceny. Kdo posuzuje chybovost samostatně, tuto souvislost přehlíží.
Málo firem uvádí vlastní míru chybovosti. Chybovost se přesto dá vyčíst z nepřímých signálů: jak často se konkurent objevuje ve zprávách s opravami, jak recenze mluví o nápravných pracích, jak je nastaven proces nabídky nebo dodání. Pro konkurenty, kteří nepublikují čísla, existuje přístup, jak shromáždit signály o konkurentech, aniž by tito zveřejňovali vlastní čísla.
O kolik chybovost klesá díky kontrole podporované AI, závisí na typu chyby, kvalitě podkladových dat a míře lidského dohledu, který organizace udržuje. Nelze uvést pevné procento platné pro každé odvětví nebo firmu, a nikdo nemůže zaručit, že úkol bude skutečně převzat. Co lze posoudit: která část kontrolní práce v konkrétní firmě se pro převzetí nabízí a která část zůstává prací lidí.
Otázku, jakou práci ve vaší vlastní organizaci je skutečně možné převést na AI, zodpoví pracovní scan FTE TO AI po jednotlivých úkolech. Pro srovnání s vaší peer group je k dispozici bezplatná kontrola dimenzí: pojmenujete, v čem si myslíte, že vyhráváte, a uvidíte, které z těchto tvrzení lze obhájit důkazem. Kompletní benchmark se skóre podle dimenzí a maticí důkazů se připravuje.