I fremstillingsindustrien ligger arbejdet for en stor del i tre strømme: forarbejdet med kalkulation og tilbud, planlægningen og produktionsstyringen på gulvet, og kvalitetskontrollen der afgør om en ordre er god nok til at sende. Derudover er der det arbejde, der hænger sammen med maskiner og materialer selv: vedligeholdelse, indkøb af råvarer, og administrationen omkring certificering og sporbarhed. Hvilken af disse strømme der opsluger flest timer, varierer fra virksomhed til virksomhed og fra produkttype til produkttype, men udfaldet af en handel bestemmes sjældent af den strøm med færrest timer.
De omstændigheder, der styrer udfaldet, er dels tekniske og dels menneskelige. Et tilbud skal stemme overens med den faktiske gennemløbstid, ikke med en fast margin, der tilfældigvis som regel går op. En leveringstid er kun så god som den planlægning, den udspringer af, og den planlægning er kun så god som de data, den kører på. Og kvalitet vurderes i fremstillingsindustrien ikke ud fra et gennemsnit, men ud fra afvigelserne: det ene parti med en fejl, som en kunde husker.
Spørgsmålet er ikke om AI overtager arbejde i fremstillingsindustrien, det sker allerede delvist. Spørgsmålet er, hvad det gør ved den dimension, som en kunde vælger mellem leverandører på. Så længe en leveringstid afhænger af en planlæggers kapacitet, vinder den part med de mest erfarne folk på gulvet. Så snart planlægningen for størstedelens vedkommende udføres af software, der beregner scenarier og kun lader et menneske godkende ved afvigelser, forskyder leveringstiden sig fra et kapacitetsspørgsmål til et dataspørgsmål: den, der har det bedste input, vinder, ikke den, der har flest planlæggere.
Det samme gælder for kalkulation. Et tilbud, der tidligere tog dage, fordi nogen skulle beregne tegninger, kan nu delvist udarbejdes automatisk, hvor en ingeniør vurderer resultatet for ulogiske afvigelser. Vinder da stadig den part, der tilbyder hurtigst, eller den part, der tilbyder mest præcist? Det er ikke det samme svar overalt, og det er netop derfor, sammenligningen mellem leverandører ændrer sig: den dimension, man tidligere vandt på, findes stadig, men det, der udfylder den dimension, er ikke længere det samme som før.
Kvalitetskontrol er det tredje eksempel. Visuel inspektion, som AI overtager, ændrer ikke spørgsmålet om, hvorvidt en kunde efterspørger kvalitet, men den ændrer, hvad det betyder at "score bedre på kvalitet". En virksomhed, der stadig udfører inspektion fuldstændig med mennesker, konkurrerer da ikke længere på øjets konsistens, men på noget andet: hastighed i korrigering, gennemsigtighed om afvigelser, eller garantiperioder. Den, der ikke gennemskuer det, bliver ved med at forsvare sig på en dimension, der ikke længere tæller, som den plejede at tælle.
Denne forskel mellem virksomheder ligger ikke i ambition, men i hvad der var muligt at automatisere givet deres produktmiks og deres data. En fremstillingsvirksomhed med meget serieproduktion og standardiserede tegninger har lettere ved at lade kalkulation blive overtaget end en virksomhed, der overvejende leverer skræddersyet arbejde, hvor hver ordre er en ny undtagelse. En virksomhed med mangeårige sensordata fra maskiner kan gøre vedligeholdelse forudsigende; en virksomhed uden disse data skal først investere, før AI kan overtage noget dér. Forskydningen rammer derfor ikke hver virksomhed i samme rækkefølge, og det betyder, at peer-gruppen på et givet tidspunkt både indeholder virksomheder, der allerede scorer på den nye dimension, og virksomheder, der stadig forsvarer sig på den gamle dimension.
Om AI-drevet kapacitetsgevinst også fører til færre årsværk, er en beslutning for arbejdsgiveren med egne lovmæssige krav; her handler det udelukkende om spørgsmålet om, hvilken dimension der afgør en handel, og hvem der scorer på den lige nu.
Denne forskydning gør sig ikke kun gældende i fremstillingsindustrien. Hvad leveringstid betyder, når planlægning overtager transportplanlæggeres arbejde viser et lignende mønster, ligesom spørgsmålet om hvorpå konsulentbureauer adskiller sig, når research og rapportering for størstedelens vedkommende er automatiseret. Genkender De en dimension, De tror De vinder på, er det næste spørgsmål, hvad De gør, hvis det viser sig, at en konkurrent i mellemtiden fører dér: hvad man gør ved et efterslæb på en dimension, der afgør handlen giver en fremgangsmåde til det.
Det underliggende spørgsmål om, hvilket arbejde i Deres virksomhed der reelt kan overtages af AI, besvares pr. opgave med arbejdsscanningen fra FTE TO AI.
Før De forsvarer Dem på en dimension, er det godt at vide, om den dimension stadig er, hvad den var, og om Deres påstand om den holder. En påstand som "vi er hurtigere" eller "vi er mere præcise" er først noget værd, hvis den kan underbygges; hvordan det fungerer, er beskrevet i hvordan De underbygger en påstand om Deres egen kvalitet. Med den gratis dimensionstjek angiver De, hvad De tror De vinder på, og De ser, hvilke af disse påstande der kan forsvares med bevis. Det fulde benchmark, med Deres position og Deres peer-gruppes position på hver dimension, er under udarbejdelse.