Klient, který se rozhoduje mezi dvěma dodavateli, v určitém okamžiku vznese konkrétní otázku. Funguje to s touto jinou aplikací? Co se stane při této zátěži, tomto protokolu, této výjimce? Odpověď v tomto okamžiku často rozhoduje víc než nabídka, která už leží na stole. Technické znalosti nejsou ve většině b2b trhů znalostmi samotnými, ale rychlostí a přesností, s jakou se tyto znalosti dostanou ve správný okamžik ke správné osobě. Dodavatel, který během hodiny poskytne podloženou odpověď, vyhrává nad dodavatelem, který potřebuje tři dny, i když jsou znalosti obou stran na stejné úrovni.
Z tohoto důvodu jsou technické znalosti jako dimenze součástí tohoto benchmarku: nevítězí nejchytřejší hlava, ale doba mezi znalostí a odpovědí.
Za každou technickou odpovědí stojí řetězec. Někdo rozpozná otázku, vyhledá relevantní specifikaci nebo zkušenost, přeloží to do situace klienta a zkontroluje, zda je odpověď správná, než opustí firmu. U mnoha firem prochází tento řetězec přes malý počet lidí, kteří mají znalosti v hlavě a nejsou vždy k dispozici. U jiných firem je tento řetězec zaznamenán v dokumentaci, historii případů a rozhodovacích pravidlech, ke kterým se může dostat i někdo jiný.
Tento rozdíl určuje, kolik z práce se dá převzít. Co existuje jako zaznamenaný text, může systém prohledat a shrnout. Co existuje pouze v hlavě seniorního inženýra, to nemůže, dokud to někdo nezapíše.
Tři kategorie, které se objevují všude, platí i zde beze zbytku. Vyhledávání a shrnování existujících specifikací, manuálů a dřívějších odpovědí je práce, kterou může systém převzít, pokud existuje a je aktualizována podkladová dokumentace. Převedení obecné odpovědi do konkrétní situace klienta, včetně zvážení, zda výjimka platí, či nikoli, je práce, u které může systém navrhnout řešení, ale odborník je schvaluje nebo zamítá s odůvodněním. Posouzení situace, pro kterou neexistuje precedens, zůstává prací lidí.
Posun nespočívá ve znalostech samotných, ale v tom, kdo dnes první dvě kategorie už dělá s podporou systému a kdo je dělá stále zcela ručně. Firma, kde první dotaz klienta obdrží do čtvrt hodiny koncept odpovědi, který inženýr už jen zkontroluje, soutěží v jiné rychlosti než firma, kde stejný dotaz skončí v pořadníku jednoho specialisty. To není rozdíl ve znalostech. Je to rozdíl v tom, kolik z přípravné práce už bylo převzato.
Rozdíl málokdy tkví ve vůli ke změně a častěji ve stavu podkladových informací. Systém může odpovídat rychle a spolehlivě pouze tehdy, když existuje něco, co lze vyhledat: strukturovaná dokumentace, konzistentní historie dřívějších dotazů a odpovědí, jasná rozhodovací pravidla pro hraniční případy. Firmy, které tyto informace udržují už roky, protože je interně potřebovaly pro zaškolování nebo řízení kvality, tím náhodou už mají připraven základ pro zrychlení pomocí AI. Firmy, kde se tyto znalosti předávají hlavně ústně, potřebují nejprve krok zaznamenávání, než s tím systém může něco udělat.
To nemá nic společného s velikostí firmy nebo počtem zaměstnaných specialistů. Malý tým s dobře zdokumentovanými znalostmi může reagovat rychleji než velké oddělení, kde jsou znalosti rozptýlené v hlavách jednotlivců. Díky tomu jde i o dimenzi, na které se může pořadí na trhu měnit, bez ohledu na to, kdo historicky měl největší technické jméno.
Klient nevidí, kdo AI používá a kdo ne. Klient pozná pouze výsledek: jak rychle technický dotaz získá konkrétní, správnou odpověď a jak konzistentní je tato odpověď, pokud je dotaz podruhé zadán jiné kontaktní osobě. Firma, která se opírá o jednotlivého specialistu, dosahuje proměnlivých výsledků, podle toho, kdo je toho dne k dispozici. Firma, kde odpověď vychází ze sdílené, prohledávatelné znalostní báze, dosahuje stabilnějších výsledků, se zásahem systému nebo bez něj.
Tuto stabilitu lze měřit společně s dalšími aspekty srovnání, jako je reakční doba na dotazy jako konkurenční výhoda, míra, do jaké na sebe digitální procesy již navazují, a co texty pracovních nabídek konkurenta odhalují o tom, na co interně sázejí. Technické znalosti málokdy stojí samostatně; vítězí nebo prohrávají v kombinaci se zbytkem hřiště.
Otázka, zda AI ve firmě už zčásti převzala zodpovídání dotazů, sama o sobě málo vypovídá o kvalitě podkladového personálu a nic o tom, co by s tím měl zaměstnavatel dělat u jednotlivých pozic; pro to platí vlastní zákonné požadavky, které se zde neřeší. Co lze zodpovědět: která část technického dotazového provozu v konkrétní firmě se, vzhledem ke stavu dokumentace, dá zrychlit. Na tuto otázku odpovídá po jednotlivých úkolech pracovní skenování FTE TO AI.
Předtím, než bude k dispozici úplný benchmark s hodnocením konkurence, můžete zjistit, zda je tvrzení, které o technických znalostech nyní uvádíte, udržitelné. Kdo používá přesnost nebo rychlost jako rozlišovací schopnost, může toto tvrzení ověřit, zda je rozlišení také prokazatelné a porovnat je s jinými tvrdými faktory, jako jsou certifikace jako prokazatelný důkaz kvality. Bezplatná kontrola dimenzí vám umožní pojmenovat, v čem si myslíte, že vítězíte, a ukáže, které z těchto tvrzení lze obhájit důkazy. Úplný benchmark se připravuje.