En kunde, der er i tvivl mellem to leverandører, stiller på et tidspunkt et konkret spørgsmål. Fungerer dette med den anden applikation? Hvad sker der ved denne belastning, denne protokol, denne undtagelse? Svaret på det tidspunkt afgør ofte mere end det tilbud, der allerede ligger. Teknisk viden er i de fleste b2b-markeder ikke selve viden, men den hastighed og præcision, hvormed den viden når den rette person på det rette tidspunkt. En leverandør, der giver et velunderbygget svar inden for en time, vinder over en leverandør, der har brug for tre dage, selv hvis den underliggende viden er lige stor hos begge parter.
Det er grunden til, at teknisk viden står som dimension i denne benchmark: ikke fordi det klogeste hoved vinder, men fordi gennemløbstiden fra viden til svar vinder.
Bag hvert teknisk svar ligger en kæde. Nogen genkender spørgsmålet, finder den relevante specifikation eller erfaring, oversætter det til kundens situation og tjekker, om svaret er korrekt, før det sendes ud. Hos mange virksomheder går denne kæde via et lille antal personer, der har viden i hovedet, og som ikke altid er tilgængelige. Hos andre virksomheder er denne kæde nedskrevet i dokumentation, sagshistorik og beslutningsregler, som også andre kan slå op i.
Denne forskel afgør, hvor meget af arbejdet der kan overtages. Det, der findes som nedskrevet tekst, kan et system gennemsøge og opsummere. Det, der kun findes i hovedet på en seniortekniker, kan det ikke, før nogen skriver det ned.
De tre kategorier, der går igen overalt, gælder også fuldt ud her. At slå op i og opsummere eksisterende specifikationer, manualer og tidligere svar er arbejde, et system kan overtage, forudsat at den underliggende dokumentation findes og holdes ajour. At oversætte et generisk svar til en kundes konkrete situation, herunder afvejningen af om en undtagelse gælder eller ikke, er arbejde, hvor et system kan komme med et forslag, men en fagperson godkender eller afviser med en begrundelse. At vurdere en situation, der ikke har en fortilfælde, forbliver menneskeligt arbejde.
Forskydningen ligger ikke i viden selv, men i hvem der i dag allerede udfører de første to kategorier med støtte fra et system, og hvem der stadig gør det fuldt manuelt. En virksomhed, hvor kundens første spørgsmål inden for et kvarter får et udkast til svar, som en tekniker kun skal kontrollere, konkurrerer på en anden hastighed end en virksomhed, hvor samme spørgsmål ender i køen hos én specialist. Det er ikke en forskel i viden. Det er en forskel i, hvor meget af det forberedende arbejde der allerede er overtaget.
Forskellen ligger sjældent i viljen til at ændre sig og oftere i den underliggende informations tilstand. Et system kan kun svare hurtigt og pålideligt, hvis der er noget at slå op i: struktureret dokumentation, en konsistent historik over tidligere spørgsmål og svar, klare beslutningsregler for grænsetilfældene. Virksomheder, der har ført denne information i årevis, fordi den var nødvendig internt til onboarding eller kvalitetssikring, har dermed tilfældigvis også grundlaget for acceleration med AI klar. Virksomheder, hvor denne viden primært gives mundtligt videre, har brug for en nedskrivningsindsats først, før et system kan gøre noget med den.
Det har intet at gøre med virksomhedens størrelse eller antallet af ansatte specialister. Et lille team med godt dokumenteret viden kan reagere hurtigere end en stor afdeling, hvor viden er spredt i hovederne. Det gør det også til en dimension, hvor rækkefølgen på markedet kan ændre sig, uafhængigt af hvem der historisk havde det største tekniske navn.
Kunden ser ikke, hvem der bruger AI, og hvem der ikke gør. Kunden bemærker kun resultatet: hvor hurtigt et teknisk spørgsmål får et konkret, korrekt svar, og hvor konsistent det svar er, når spørgsmålet stilles en anden gang til en anden kontaktperson. En virksomhed, der læner sig op af en enkelt specialist, scorer varierende, afhængigt af hvem der er til rådighed den dag. En virksomhed, hvor svaret kommer fra en delt, søgbar videnbase, scorer mere stabilt, med eller uden et systems mellemkomst.
Denne stabilitet kan gøres målelig sammen med andre aspekter af sammenligningen, såsom reaktionstid på spørgsmål som konkurrencefordel, graden af, hvor godt digitale processer allerede er forbundet, og hvad jobopslag fra en konkurrent afslører om, hvad de internt satser på. Teknisk viden står sjældent alene; den vinder eller taber i kombination med resten af spillefladen.
Spørgsmålet om, hvorvidt AI i en virksomhed allerede delvist overtager besvarelsen af spørgsmål, siger i sig selv ikke meget om kvaliteten af den underliggende medarbejderstab og intet om, hvad en arbejdsgiver bør gøre med det i forhold til individuelle stillinger; her gælder egne lovkrav, som ikke behandles her. Hvad der derimod kan besvares: hvilken del af den tekniske spørgsmålstrafik i en konkret virksomhed, givet dokumentationens tilstand, kan accelereres. Dette spørgsmål besvares opgave for opgave med arbejdsscanningen fra FTE TO AI.
Inden den fulde benchmark med peer-scores er tilgængelig, kan De undersøge, om den påstand, De allerede fremsætter om teknisk viden, holder. Den, der bruger præcision eller hastighed som særpræg, kan teste om forskellen også kan påvises og lægge den ved siden af andre hårde faktorer, såsom certificeringer som påviseligt bevis på kvalitet. Den gratis dimensionscheck lader Dem angive, hvor De tror, De vinder, og viser, hvilke af disse påstande der kan forsvares med bevis. Den fulde benchmark er under opbygning.