Det gængse svar var: årligt, eller ved en strategisk revurdering. Det svar gik ud fra en antagelse, der ikke længere gælder overalt: at de dimensioner, virksomheder konkurrerer på, selv er stabile. Leveringstid, responstid, prisstabilitet, sagsbehandlingstid for et tilbud — dette var resultater af bemanding og proces, og de forandrer sig langsomt. En årlig måling gav derfor mening.
Når AI overtager arbejdet bag en dimension, ændrer dimensionen selv karakter. Leveringstid, der afhang af hvor mange planlæggere der var, bliver leveringstid, der afhænger af hvor godt et planlægningssystem er indrettet. Det kan forskyde sig på måneder, ikke år. En sammenligning, der fortsat bruger antagelsen om stabilitet, måler noget, der ikke længere findes.
Ikke alle dimensioner forskyder sig lige hurtigt, og det afgør hvor ofte en sammenligning skal revideres.
Ved dimensioner, hvor AI i vid udstrækning kan overtage opgaven — planlægning, førstelinjerespons, tilbudsberegning — kan konkurrencepositionen vende om på kort tid. En konkurrent, der i dag indretter dette arbejde anderledes, vinder om et par måneder på en dimension, hvor han sidste år stadig lå bagefter. Disse dimensioner kræver en kortere cyklus, ikke fordi metoden kræver det, men fordi den underliggende virkelighed selv bevæger sig hurtigere.
Ved dimensioner, hvor mennesker arbejder med AI-støtte og fører tilsyn — rådgivningskvalitet, kompleks sagsbehandling — forskyder positionen sig mere gradvist. Støtten ændrer hastigheden og konsistensen af arbejdet, men bedømmelsen ligger stadig hos mennesker, og den proces ændrer sig ikke fra måned til måned.
Ved dimensioner, der forbliver menneskeligt arbejde — relationsstyring, forhandling, opbygning af tillid i en lang salgscyklus — er rytmen fra før stadig stort set intakt. Her er et årligt eller toårigt blik ofte tilstrækkeligt, fordi det underliggende arbejde ikke fundamentalt ændrer form.
Spørgsmålet "hvor ofte" har derfor ikke ét svar. Svaret er: pr. dimension, afhængigt af hvilken af de tre kategorier den dimension i dag befinder sig i.
Dette er ikke et fremtidsscenarie. I nogle virksomheder er planlægningsfunktionen allerede stort set automatiseret, og leveringstid-dimensionen forskyder sig målbart; i andre virksomheder ligger den samme funktion stadig helt hos mennesker, og dimensionen forbliver stabil. Forskellen ligger ikke i branchen, men i de valg, en virksomhed og dens konkurrenter allerede har truffet om, hvilket arbejde de overlader til systemer, og hvilket arbejde de holder hos mennesker med tilsyn, der godkender eller afviser. En benchmark, der ikke kortlægger den forskel separat pr. dimension, går glip af, hvor den faktiske bevægelse ligger.
Det er også derfor, hvorfor dine kunder ser forskellen før dig er relevant: kunder oplever ofte en hurtigere leveringstid eller mere konsistent respons måneder, før en intern måling registrerer det. Sammenligningen kommer da bagefter markedet, ikke foran.
En bevismatrix gør scorer sporbare, men sporbarhed er ikke det samme som sikkerhed. En række begrænsninger er indbygget i metoden, ikke i udførelsen.
Offentligt bevis om en konkurrent er altid et forsinket spejlbillede af den faktiske tilstand. En påstand på en hjemmeside, en anmeldelse, en årsrapport: de siger noget om et tidspunkt, der allerede er forbi. Hvor nyt og hvor direkte beviset er, afgør hvor meget vægt en score bør have; gammelt bevis på en hurtigt forskydende dimension siger meget lidt.
En score på en dimension, hvor du aldrig kommer til at vinde, siger heller ikke noget brugbart, med mindre den dimension vejer tungt i din kundes købsbeslutning. Hvordan den vægtning fungerer, og hvorfor en lav score der ikke automatisk er et problem, er uddybet i hvordan vægter du en dimension, du aldrig vinder på.
Og en stærk side i dag er ingen garanti for i morgen. Hvis en påstand bygger på arbejde, der nu også kan leveres af et system, forsvinder forskellen, så snart konkurrenter indfører det samme system. Hvad det betyder for en stærkeste side, der bliver almindeliggjort af AI, står på hvad gør du, når din stærkeste side bliver almindeliggjort af AI.
Disse begrænsninger er ikke en grund til ikke at udarbejde en benchmark. De er en grund til ved hvert resultat at angive, hvor gammelt beviset er, og hvor følsom dimensionen er for forskydning gennem automatisering. En score uden disse to oplysninger er svær at tolke, også for en ledelse, der gerne vil håndtere den forsvarligt.
Hvor ofte en sammenligning skal revideres, hænger derfor sammen med et spørgsmål, der ikke besvares af markedet, men af virksomheden selv: hvilket arbejde kan her rent faktisk overtages af AI, hvilket arbejde sker med tilsyn, og hvilket arbejde forbliver menneskeligt arbejde. Det spørgsmål besvares opgave for opgave med arbejdsscanningen fra FTE TO AI. Den, der ved det, ved også på hvilke dimensioner den egen position hurtigt kan forskyde sig, og på hvilke den ikke kan.
Hvis en af disse resultater berører beslutninger om personale, gælder der egne lovkrav herfor; denne side og den underliggende metode giver ikke rådgivning om det.
En peer group, der er sammensat forkert, gør ethvert opfølgende spørgsmål om gentagelsesrytme meningsløst; se hvad er en peer group, og hvordan sammensætter du den for hvordan den udvælgelse fungerer. Den, der vil se hvor der i markedet stadig er plads, som ingen har indtaget, finder fremgangsmåden i hvad er en white space-analyse.
Den gratis dimensionscheck er et første skridt: du angiver, hvad du tror, du vinder på, og ser hvilke af disse påstande der kan forsvares med bevis. Den fulde benchmark er under opbygning.
Vraag maar waarop er in uw markt gewonnen wordt. Ik vergelijk liever dan dat ik uitleg.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.