Et udbud tvinger en konkurrent til præcision. Der skal en tidsplan på bordet, en gennemløbstid, en underbygning af kapacitet. Det er præcis den type information, der normalt er dækket af en marketingtekst. I et udbudsdokument ligger det blottet: hvad kan denne part levere, på hvilken tid, og med hvilken sikkerhed vover man at skrive det.
Grunden til at dette afslører mere nu end for fem år siden, er at AI har taget over en del af arbejdet bag det løfte. Ikke alle steder, og ikke i samme grad. Men hvor en planlægningsproces i store træk er automatiseret, sidder den forskel i teksten.
Leveringstid var længe en funktion af personalebemanding. Mere kapacitet, kortere gennemløbstid. Den sammenhæng gjorde et udbudsløfte forudsigeligt: den, der var knap bemandet, lovede forsigtigt.
Hvis en del af planlægningen, kalkulationen eller risikoanalysen udføres af AI, ændrer den logik sig. Et mindre team kan da love en gennemløbstid, der tidligere krævede en større bemanding. Den, der stadig bruger den sammenhæng til at bedømme en konkurrent, måler med en forkert målestok. Sammenligningen handler ikke længere om, hvor mange mennesker der er, men om hvilken del af arbejdet, der ikke længere kræver mennesker.
Det er også grunden til, at dette forløber forskelligt fra virksomhed til virksomhed og fra opgave til opgave. Et tilbudsforløb, hvor AI udfører den første kalkulation og et menneske godkender eller afviser den, er noget andet end et forløb, hvor en planlægger stadig regner alt igennem manuelt. Begge kan resultere i den samme tekst. Kun underbygningen bag den er forskellig.
Der er nogle få indikationer, der forekommer oftere i udbud fra parter, der har overdraget arbejde til AI.
Gennemløbstider, der ikke længere skalerer med volumen. Hvis en konkurrent lover samme leveringstid ved en større opgave som ved en lille, tyder det på en proces, der ikke længere hænger lineært sammen med mandtimer.
Detaljeringsgrad i scenarier og varianter. Hvor der tidligere blev udarbejdet én hovedvariant, fordi flere varianter kostede for meget beregningsarbejde, ser man nu oftere flere gennemregnede alternativer i udbud. Det tyder på et beregningstrin, der er automatiseret.
Reaktionshastighed på opfølgende spørgsmål. En part, der leverer en revideret kalkulation inden for en dag på et ændret krav, har sandsynligvis et system, der genberegner, i stedet for et team, der starter forfra.
Konsistens mellem udbud. Genkommende formuleringer, identiske risikoafsnit, sammenlignelige fejlmargener over forskellige opgaver. Det tyder på en skabelon, der udfyldes af et system, ikke på skræddersyet arbejde hver gang.
Ingen af disse signaler er i sig selv bevis. De er indikationer, der kræver bekræftelse fra andre kilder.
Den største fejltolkning er, at et ambitiøst udbudsløfte læses som bevis på et teknologisk forspring, mens det også kan være et risikoskøn, der simpelthen er mere optimistisk. En part kan love en kort leveringstid uden nogen form for automatisering, bare ved at acceptere en større risiko for en forsinkelsesbod.
Det omvendte gælder også: et forsigtigt, konservativt udbudsløfte siger intet om et fravær af AI-anvendelse. Nogle virksomheder holder bevidst en margin i deres løfter, også selvom deres underliggende proces kan gå hurtigere end det, der står på papiret.
Et udbud er også et øjebliksbillede af én opgave, med ét sæt krav. Det er ikke en repræsentativ stikprøve af, hvordan en konkurrent normalt arbejder. Den, der på baggrund af et enkelt udbudsdokument danner sig et billede af en konkurrents samlede AI-anvendelse, drager en konklusion, som dokumentet ikke bærer.
Udbud er ikke løbende tilgængelige og ikke relevante hele tiden. De er værd at kigge på i nogle bestemte situationer: efter tab af et udbud, ved en strukturel ændring i en fast konkurrents tilbud, eller når tabte tilbud viser et mønster, der kræver en forklaring. Uden for disse situationer bidrager løs udbudsovervågning kun lidt, fordi signalerne først får betydning i kombination med andre kilder.
Det hjælper desuden at kombinere det med, hvad jobopslag fra samme konkurrent viser om de funktioner, der søges eller lige er forsvundet, og med hvad de egne sælgere i praksis får tilbage fra kunder, der har henvendt sig til den pågældende konkurrent. Én kilde giver et signal, tre kilder sammen giver et mønster.
For at afgøre om et hurtigere eller billigere tilbud i et udbud peger på en reel differentieringsfordel eller på noget andet, er en objektiv test mere nyttig end en formodning; se hvordan De tester, om en differentieringsfordel holder.
Spørgsmålet, der gemmer sig bag en analyse af en konkurrents udbud, er egentlig et spørgsmål om Dem selv: hvilken del af Deres eget tilbudsforløb kunne lige så godt udføres af AI, med et menneske, der godkender eller afviser resultatet. Det er et andet spørgsmål end, om det bør ske med personale; det valg har sine egne lovmæssige krav og ligger hos arbejdsgiveren. Men det faktuelle spørgsmål om, hvilket arbejde der kan overdrages, kan besvares opgave for opgave, og det er, hvad FTE TO AI's arbejdsscan gør.
Som første skridt: definer de dimensioner, hvor De mener at vinde over konkurrenter i udbud, hastighed, pris, præcision, og gennemfør den gratis dimensionscheck for at se, hvilke af disse påstande der kan forsvares med belæg. Den fulde benchmark, med Deres peer groups score på samme dimensioner, er under udarbejdelse.