Συνήθως υπάρχει μία διάσταση στην οποία μια επιχείρηση ξεχωρίζει. Ταχύτερη παράδοση, ακριβέστερες προσφορές, εξυπηρέτηση που αισθάνεται λίγο πιο προσωπική. Αυτό το προβάδισμα έχει χτιστεί με ανθρώπους: σχεδιαστές προγράμματος που είναι καλοί στο να αναδιατάσσουν, συμβούλους που είναι καλοί στο να ακούν, ένα τμήμα υποστήριξης που δεν κάνει ποτέ λάθος. Το πρόβλημα δεν είναι ότι αυτό το προβάδισμα εξαφανίζεται. Το πρόβλημα είναι ότι εξαφανίζεται ο λόγος για τον οποίο υπήρχε.
Όταν η AI αναλαμβάνει τη δουλειά πίσω από μια διάσταση, αλλάζει αυτό που μετρά η συγκεκριμένη διάσταση. Ο χρόνος παράδοσης ήταν επί μακρόν ζήτημα στελέχωσης και εμπειρίας: πόσους καλούς σχεδιαστές προγράμματος έχετε, και πόσο καλοί είναι. Αν ο προγραμματισμός γίνεται σε μεγάλο βαθμό μόνος του, με έναν άνθρωπο να αξιολογεί τις εξαιρέσεις, ο χρόνος παράδοσης δεν είναι πια ζήτημα προσωπικού αλλά ζήτημα λογισμικού. Όποιος έχει αυτό το σύστημα, έχει τον χρόνο παράδοσης. Όχι όποιος έχει τους καλύτερους ανθρώπους.
Αυτή είναι η μετατόπιση. Όχι η AI γενικά, αλλά αυτό που συμβαίνει στη σύγκριση τη στιγμή που ένας ανταγωνιστής μπορεί να παραδώσει την ίδια διάσταση με λιγότερη ανθρώπινη εργασία και το ίδιο αποτέλεσμα.
Η ανάληψη της εργασίας από την AI εξελίσσεται σε τρεις κατηγορίες, και αυτές διατρέχουν κάθε κλάδο. Ένα μέρος της εργασίας μπορεί να γίνει εξ ολοκλήρου από την AI. Ένα μέρος γίνεται εν μέρει, με έναν άνθρωπο που εγκρίνει ή απορρίπτει και μπορεί να το τεκμηριώσει. Και ένα μέρος παραμένει ανθρώπινη εργασία, επειδή η κρίση, η σχέση ή το πλαίσιο δεν μπορούν να αποτυπωθούν σε ένα σύστημα.
Πού βρίσκεται μια επιχείρηση εξαρτάται από το τι είδους εργασία απαιτεί στην πραγματικότητα η εν λόγω διάσταση. Μια διαδικασία προσφορών που βασίζεται στον συνδυασμό σταθερών κανόνων και ιστορικών δεδομένων προσφέρεται ευκολότερα για ανάληψη από μια διαδικασία προσφορών που βασίζεται στην εκτίμηση ενός πελάτη που δεν λέει αυτό που εννοεί. Δύο ανταγωνιστές στην ίδια αγορά μπορούν επομένως να διαφέρουν σημαντικά, όχι επειδή ο ένας είναι πιο προοδευτικός, αλλά επειδή η υποκείμενη εργασία τους είναι δομημένη διαφορετικά. Για όποιον θέλει να το διακρίνει ανά επιχείρηση, υπάρχει το ερώτημα πώς μετράτε την ωριμότητα AI ενός ανταγωνιστή από έξω χωρίς πρόσβαση στα εσωτερικά τους συστήματα.
Αυτό δεν λέει τίποτα για το τι θα έπρεπε να κάνει μια επιχείρηση με το προσωπικό της. Το αν και πώς αναδιατάσσεται η δυναμικότητα είναι απόφαση του εργοδότη, με δικές της νομικές απαιτήσεις εκεί όπου αγγίζει απολύσεις. Αυτό που προσφέρει το benchmark είναι κάτι διαφορετικό: ο αριθμός ωρών που μπορεί να ελευθερωθεί από την AI εντός μιας εργασίας, και η δυναμικότητα σε ισοδύναμα πλήρους απασχόλησης που αυτό ελευθερώνει για άλλη εργασία. Στοιχεία για την εργασία, όχι συμβουλή για το προσωπικό.
Η εκτίμηση του πόσο ευάλωτη στην AI είναι η εργασία εντός μιας διάστασης δεν είναι ποτέ ένας ακριβής αριθμός. Εξαρτάται από το πώς είναι οργανωμένη η εργασία σήμερα, ποια συστήματα χρησιμοποιούνται ήδη, και πόσο από την εργασία αποτελείται από εξαιρέσεις που δεν αυτοματοποιούνται. Δύο επιχειρήσεις με παρόμοιο κύκλο εργασιών και μέγεθος προσωπικού μπορούν να έχουν πολύ διαφορετικό αποτέλεσμα στην ίδια διάσταση, και αυτός είναι ακριβώς ο λόγος για τον οποίο λιγότεροι άνθρωποι δεν σημαίνει αυτόματα λιγότερο κόστος. Αυτή η υπόθεση αναπτύσσεται στο γιατί ένας ανταγωνιστής με λιγότερους ανθρώπους δεν λειτουργεί αυτόματα φθηνότερα.
Ένα σκορ στο benchmark είναι επομένως μια εκτίμηση με ένα εύρος, όχι μια μέτρηση με δύο δεκαδικά ψηφία. Βασίζεται σε δημόσια σήματα: αγγελίες εργασίας, λογισμικό που χρησιμοποιείται, χρόνους διεκπεραίωσης που είναι εξωτερικά παρατηρήσιμοι, δηλώσεις της ίδιας της επιχείρησης. Όπου αυτά τα σήματα είναι λιγοστά, το εύρος είναι ευρύ, και αυτό δεν αποκρύπτεται. Ένα αποτέλεσμα λέει κυρίως κάτι εντός του πίνακα αποδεικτικών στοιχείων στον οποίο βρίσκεται: κάθε σκορ ανάγεται στα σήματα στα οποία βασίζεται, και όπου αυτά λείπουν, αυτό επίσης αναφέρεται.
Εξίσου σημαντικό είναι το πότε ένα αποτέλεσμα δεν λέει τίποτα. Ένα προβάδισμα που ισχύει σήμερα μπορεί σε έναν χρόνο να μην υπάρχει πια, όχι επειδή ο ανταγωνιστής έγινε πιο έξυπνος, αλλά επειδή η ίδια η διάσταση άλλαξε χαρακτήρα. Το πόσο καιρό διατηρείται ένα προβάδισμα δεν είναι επομένως σταθερή προθεσμία αλλά ερώτημα που διαφέρει ανά διάσταση, όπως αναπτύσσεται στο πόσο καιρό διατηρείται ένα προβάδισμα AI. Και όχι κάθε διάσταση που είναι τώρα διακριτική παραμένει έτσι: κάποιες γίνονται ακριβώς άχρηστες τη στιγμή που όλοι στην αγορά μπορούν το ίδιο, ένα ζήτημα που εξετάζεται χωριστά στο ποιες διαστάσεις γίνονται άχρηστες όταν όλοι χρησιμοποιούν AI.
Αν η διάσταση στην οποία κερδίζετε τώρα γίνει κοινό αγαθό, παραμένει το ερώτημα σε τι κερδίζετε τότε πραγματικά. Αυτό δεν είναι το ίδιο ερώτημα με το «σε τι είμαστε καλοί», γιατί η εσωτερική πεποίθηση και η εξωτερική διακριτική δύναμη συχνά διαφέρουν. Αυτό το ερώτημα εξετάζεται στο πώς γνωρίζετε σε τι κερδίζετε πραγματικά, ανεξάρτητα από το τι πιστεύει η ίδια η οργάνωση ότι προσφέρει.
Επειδή η υποκείμενη τεχνολογία συνεχίζει να εξελίσσεται, μια σύγκριση δεν είναι μια στιγμιαία εικόνα που παραμένει έγκυρη για χρόνια. Το πόσο συχνά χρειάζεται επαναξιολόγηση εξαρτάται από το πόσο γρήγορα αλλάζουν χαρακτήρα οι διαστάσεις σε μια συγκεκριμένη αγορά, κάτι που αναπτύσσεται περαιτέρω στο πόσο συχνά πρέπει να επαναλαμβάνεται μια ανάλυση ανταγωνισμού.
Το ερώτημα ποια εργασία στην ίδια σας την επιχείρηση μπορεί πραγματικά να αναληφθεί από την AI δεν απαντάται από το benchmark αλλά από τη σάρωση εργασίας της FTE TO AI, η οποία το αναπτύσσει ανά εργασία.
Μπορείτε να ξεκινήσετε με τον δωρεάν έλεγχο διαστάσεων: αναφέρετε σε τι πιστεύετε ότι κερδίζετε, και βλέπετε ποιοι από αυτούς τους ισχυρισμούς μπορούν να υποστηριχθούν με αποδεικτικά στοιχεία και ποιοι όχι. Το πλήρες benchmark, με τον πίνακα αποδεικτικών στοιχείων ανά διάσταση, βρίσκεται υπό κατασκευή.