Når to konkurrenter anvender den samme AI-løsning til tilbud, leveringstider eller kundekontakt, forsvinder den forskel, som denne dimension engang skabte. Det, der tidligere var et forspring, fordi det var sjældent — hurtig planlægning, et præcist tilbud, en 24/7 tilgængelig helpdesk — bliver en grundforudsætning, så snart den underliggende opgave overtages af AI. Ikke fordi dimensionen bliver uvigtig for kunden, men fordi alle scorer ens på den.
Spørgsmålet er altså ikke om AI gør dimensioner værdiløse. Det sker allerede, opgave for opgave, i den virksomhed, De ser på i dag. Spørgsmålet er hvilke dimensioner det gælder, og hvilke der netop vinder værdi, fordi de bliver tilbage som det eneste, der stadig kan gøre en forskel.
Hastigheden, hvormed en dimension tømmes for værdi, afhænger af hvor meget af det underliggende arbejde AI kan overtage, og hvor meget af det, der stadig kører med menneskeligt tilsyn. En planlægningsdimension, der fuldt ud kan køre på AI, udhules hurtigere end en rådgivningsdimension, hvor en specialist stadig vurderer og korrigerer resultatet. Og arbejde, der forbliver menneskearbejde — forhandling, håndtering af undtagelser, opbygning af tillid — forbliver en differentierende dimension, netop fordi det ikke lader sig kopiere med den samme software.
Dette forklarer også hvorfor den ene virksomhed allerede mærker, at en dimension ikke længere giver noget, mens den anden stadig hævder et forspring på noget, der andre steder allerede er almindeligt. Det ligger ikke i branchen, det ligger i hvad der allerede er overtaget pr. virksomhed. Den, der ser hvordan en nytilkommer uden personale opbygger en position i markedet, ser ofte, at denne nytilkommer netop springer de dimensioner over, som hos eksisterende aktører stadig kræver bemanding, og direkte starter med AI på dimensioner, hvor etablerede aktører stadig tror de vinder.
Benchmarken scorer Deres position og den for Deres peer group på de dimensioner, der afgør handlerne i Deres marked. Hver score kan spores tilbage til en bevismatrix: observationer, ikke antagelser. Det er kernen i metoden, og også dens grænse.
Metoden fastslår om en dimension på nuværende tidspunkt er differentierende inden for den sammenlignede gruppe. Den fastslår ikke om det stadig vil være tilfældet om et år. Hvis konkurrenter i Deres marked nu stadig for det meste arbejder manuelt på en dimension, kan den dimension være tømt i morgen, så snart en af dem anvender AI til det underliggende arbejde. Scoren er et øjebliksbillede, ikke en garanti for dette billedes holdbarhed. Det er også derfor gentagelse er nødvendig: hvor ofte en sammenligning med konkurrenter skal gentages afhænger af hvor hurtigt AI overtager arbejdet bag de målte dimensioner i Deres branche, ikke af en fast kalender.
Der er endnu en grænse. En dimension kan score lavt i bevismatrixen uden at dette siger noget om kvaliteten af det underliggende arbejde. Det betyder, at der er utilstrækkeligt eksternt observerbart bevis til at underbygge en påstand. Det er et andet problem end en svag udførelse, og det kræver en anden tilgang: hvordan De underbygger en påstand om Deres egen kvalitet handler om at indsamle bevis, ikke om at forbedre selve arbejdet.
Kommercielt ansvarlige mister ofte ikke handler fordi en dimension er svag, men fordi en påstand om den dimension ikke længere holder, mens salgshistorien er forblevet uændret. "Vi er hurtigere" var sandt, dengang hastighed afhang af bemanding. Så snart en konkurrent lader planlægningen køre på AI med en medarbejder, der kun vurderer undtagelser, er den samme påstand ikke længere sand, selvom der ikke er ændret noget ved det, Deres virksomhed gør.
Påstandstesten holder hver vindingsanspring op mod det bevis, der er tilgængeligt for peer group. Det forhindrer, at en sammenligning bygges på en antagelse, der internt stadig lever, men eksternt allerede er forældet. Svaret på hvad man stadig kan konkurrere på, når AI udfører det udførende arbejde varierer derfor fra virksomhed til virksomhed, og ændrer sig så snart der sker en forskydning i peer group.
Hvis en dimension bliver værdiløs, fordi hele markedet scorer ens på den, er det første spørgsmål ikke hvordan De skal vinde på den igen. Ofte er det ikke længere muligt, og energien er bedre brugt på en dimension, der stadig differentierer. Hvad man gør med et efterslæb på en dimension afhænger af om den dimension stadig kan flyttes, eller om markedet i mellemtiden er vokset forbi den.
Dette rører uundgåeligt ved spørgsmålet om hvilket arbejde i Deres egen virksomhed allerede kan overtages af AI, og hvilket arbejde forbliver menneskearbejde. Dette spørgsmål besvares af FTE TO AI's arbejdsscanning pr. opgave. Hvor et resultat berører personalebeslutninger, gælder der egne lovmæssige krav; scanningen og benchmarken leverer fakta om arbejde, ikke belæg for disse beslutninger.
Nævn de to eller tre dimensioner, De tror De vinder på. Undersøg for hver af dem om den vinding stadig bygger på noget sjældent, eller på noget der i mellemtiden går lige så hurtigt overalt. Den gratis dimensionscheck viser hvilke af disse påstande der på nuværende tidspunkt kan forsvares med bevis inden for Deres peer group. Den fulde benchmark, med den komplette bevismatrix pr. dimension, er under opbygning.