Der er som regel én dimension, hvor en virksomhed skiller sig ud. Hurtigere levering, mere præcise tilbud, service der føles lidt mere personlig. Det forspring er opbygget med mennesker: planlæggere der er gode til at rykke rundt, rådgivere der er gode til at lytte, en backoffice der aldrig laver fejl. Problemet er ikke, at det forspring forsvinder. Problemet er, at grunden til, at det eksisterede, forsvinder.
Når AI overtager arbejdet bag en dimension, ændrer det, hvad den dimension egentlig måler. Leveringstid har længe været et spørgsmål om bemanding og erfaring: hvor mange dygtige planlæggere har man, og hvor gode er de. Hvis planlægningen for det meste kører sig selv, med et menneske der vurderer undtagelserne, er leveringstid ikke længere et personalespørgsmål, men et softwarespørgsmål. Den, der har systemet, har leveringstiden. Ikke den, der har de bedste medarbejdere.
Det er forskydningen. Ikke AI i al almindelighed, men det der sker med sammenligningen, i det øjeblik en konkurrent kan levere den samme dimension med mindre menneskeligt arbejde og det samme resultat.
AI's overtagelse af arbejde falder i tre kategorier, og de går på tværs af enhver branche. En del af arbejdet kan udføres fuldstændigt af AI. En del kan delvist, med et menneske der godkender eller afviser og kan begrunde det. Og en del forbliver menneskearbejde, fordi vurderingen, relationen eller konteksten ikke lader sig indfange i et system.
Hvor en virksomhed står, afhænger af, hvad slags arbejde den pågældende dimension egentlig kræver. Et tilbudsforløb der bygger på at kombinere faste regler og historiske data, egner sig lettere til overtagelse end et tilbudsforløb der bygger på at vurdere en kunde, som ikke siger, hvad han mener. To konkurrenter i samme marked kan derfor adskille sig kraftigt fra hinanden, ikke fordi den ene er mere fremskreden, men fordi deres underliggende arbejde er sat anderledes sammen. For dem, der ønsker at skelne dette pr. virksomhed, findes spørgsmålet om hvordan man måler en konkurrents AI-modenhed udefra uden adgang til deres interne systemer.
Dette siger intet om, hvad en virksomhed bør gøre med sine medarbejdere. Om og hvordan kapacitet omfordeles, er en beslutning for arbejdsgiveren, med egne lovkrav dér hvor det berører afskedigelse. Det, benchmarken leverer, er noget andet: antallet af timer, der kan frigøres af AI inden for en opgave, og den fte-kapacitet, det frigør til andet arbejde. Fakta om arbejde, ikke personalerådgivning.
Vurderingen af, hvor meget arbejde inden for en dimension der er modtageligt for AI, er aldrig et eksakt tal. Den afhænger af, hvordan arbejdet er tilrettelagt i dag, hvilke systemer der allerede er i brug, og hvor stor en del af arbejdet der består af undtagelser, som ikke lader sig automatisere. To virksomheder med sammenlignelig omsætning og personalestørrelse kan have et helt forskelligt resultat på samme dimension, og det er netop derfor, færre medarbejdere ikke automatisk betyder lavere omkostninger. Den antagelse uddybes i hvorfor en konkurrent med færre medarbejdere ikke automatisk arbejder billigere.
En score i benchmarken er altså et estimat med et interval, ikke en måling med to decimaler. Den er baseret på offentlige signaler: jobopslag, anvendt software, gennemløbstider der kan observeres udefra, virksomhedens egne udtalelser. Hvor disse signaler er tynde, er intervallet bredt, og det bliver ikke skjult. Et resultat siger primært noget inden for den bevismatrix, det indgår i: hver score kan spores tilbage til de signaler, den bygger på, og hvor de mangler, fremgår det også.
Lige så vigtigt er det, hvornår et resultat ikke siger noget. Et forspring, der holder stik i dag, findes måske ikke om et år, ikke fordi konkurrenten blev klogere, men fordi selve dimensionen skiftede karakter. Hvor længe et forspring holder, er derfor ikke en fast størrelse, men et spørgsmål der udfolder sig forskelligt fra dimension til dimension, uddybet i hvor længe et AI-forspring holder. Og ikke enhver dimension, der er distinkt i dag, forbliver det: nogle bliver helt værdiløse, i det øjeblik alle i markedet kan det samme, et spørgsmål der behandles for sig i hvilke dimensioner bliver værdiløse, når alle bruger AI.
Hvis den dimension, man vinder på i dag, bliver demokratiseret, står spørgsmålet tilbage om, hvad man så stadig vinder på. Det er ikke det samme spørgsmål som "hvad er vi gode til", for intern overbevisning og ekstern skelnekraft falder ofte ikke sammen. Det spørgsmål behandles i hvordan man ved, hvad man reelt vinder på, uafhængigt af hvad organisationen selv tror, den tilbyder.
Fordi den underliggende teknologi bliver ved med at bevæge sig, er en sammenligning ikke et øjebliksbillede, der forbliver gyldigt i årevis. Hvor ofte en revurdering er nødvendig, afhænger af, hvor hurtigt dimensionerne i et specifikt marked skifter karakter, noget der uddybes i hvor ofte en konkurrenceanalyse bør gentages.
Spørgsmålet om, hvilket arbejde i egen virksomhed der reelt kan overtages af AI, besvares ikke af benchmarken, men af FTE TO AI's arbejdsscan, som udreder det opgave for opgave.
De kan begynde med den gratis dimensionscheck: De angiver, hvad De mener at vinde på, og ser hvilke af disse påstande der kan forsvares med beviser, og hvilke der ikke kan. Den fulde benchmark, med bevismatrix pr. dimension, er under udarbejdelse.