Hasta hace poco, preguntarse cuán madura es la IA de un competidor era sobre todo una curiosidad. Ahora es una pregunta con peso comercial, porque la IA en partes del trabajo asume tareas de forma efectiva: algunas por completo, algunas con una persona que aprueba o rechaza, y algunas todavía nada en absoluto. Donde eso ocurre, no solo cambia el precio de coste de un competidor. Cambia en qué sigue ganándose. El plazo de entrega fue durante mucho tiempo una función de la dotación de personal: más personas en la planificación, plazos más cortos. Si en un competidor la planificación se hace en gran parte sola, el plazo de entrega ya no es una cuestión de personal sino de software, y eso cambia quién va por delante en esa dimensión. Precisamente por eso tiene sentido medir desde fuera: no para saber cuánta IA usa un competidor, sino para saber qué dimensiones de la comparación están desplazándose por ello.
Desde fuera no ve sistemas, ni prompts, ni descripciones internas de procesos. Ve comportamiento y consecuencias: tiempos de respuesta que bajan mientras el equipo no crece, textos de vacantes que pasan de ser ejecutivos a ser de control, plazos de entrega que se acortan con anuncios de personal que se mantienen igual, fijaciones de precios que se vuelven algo más flexibles de lo que la estructura de costes explicaría. Ninguna de estas señales prueba por sí sola el uso de IA. Juntas, en varias dimensiones, forman un patrón que sí dice algo. El método, por tanto, no consiste en leer un porcentaje de IA de un competidor, algo que no existe como cifra observable externamente. El método consiste en puntuar las dimensiones en las que realmente se gana en su mercado, y preguntar en cada puntuación cuál es la base y cuán sólida es esa base.
Cada puntuación en un benchmark competitivo aparece junto a la evidencia en la que se basa: un texto de vacante, una señal de cliente, un plazo de entrega observado, un cambio de precio. Eso hace que la puntuación sea comprobable y, al menos igual de importante, refutable. Una puntuación sin fuente trazable es una suposición con un número encima. En una reunión de dirección, esa diferencia se hace evidente enseguida: la pregunta "¿en qué se basa esto?" debe tener una respuesta concreta, de lo contrario la comparación es ruido. Esa misma prueba se aplica, por cierto, a la propia organización. Antes de compararse con el exterior, es útil saber qué es un peer group y cómo se compone, porque una puntuación junto al grupo de comparación equivocado es tan engañosa como una puntuación sin fuente.
Una estimación externa de la madurez en IA tiene límites que no se pueden eliminar. Un competidor puede estar ejecutando un piloto que aún no ha generado ninguna señal externa, y por tanto obtener una puntuación injustamente baja. Un competidor también puede lanzar una afirmación sobre IA en material de marketing que no se refleja en el trabajo ejecutivo, y por tanto obtener una puntuación injustamente alta hasta que esa afirmación se compruebe. Las cifras de personal que se mantienen iguales dicen poco si parte de ese personal está contratado de forma estructural a través de terceros. Y un tiempo de respuesta rápido puede ser tanto el resultado de un servicio adicional como de la automatización. Por eso el método trabaja con márgenes y con márgenes de incertidumbre explícitos por dimensión, no con una única cifra que sugiera una certeza que no existe. Una puntuación que descansa sobre una única señal débil también se marca como tal en la matriz.
El resultado dice poco si la dimensión en sí ya no es distintiva. Si el uso de IA en una determinada dimensión se ha vuelto habitual en todo el mercado, entonces ya nadie gana con eso, y puntuarlo es un ejercicio sin consecuencia comercial. Esa es una de las razones por las que el benchmark comienza con la pregunta qué dimensiones pierden valor cuando todos usan IA, antes de dedicar tiempo a puntuar dimensiones que ya no influyen en la respuesta. Lo mismo se aplica a una ventaja que hoy es real: esta desaparece en cuanto los competidores asumen el mismo trabajo, y la pregunta de cuánto tiempo se mantiene una ventaja en IA forma parte, por tanto, de la interpretación por defecto, no como algo accesorio.
La estimación externa de un competidor es una mitad. La otra mitad es la pregunta de qué trabajo dentro de su propia empresa puede realmente ser asumido por la IA, y esa pregunta se responde por tarea con el escáner de trabajo de FTE TO AI. Esa misma distinción, qué asume la IA, qué ocurre con supervisión y qué sigue siendo trabajo humano, es también aquello en lo que aún puede competir cuando el trabajo ejecutivo ha sido asumido en gran parte, y esa es una pregunta que no solo se plantea externamente: véase en qué sigue compitiendo cuando la IA hace el trabajo ejecutivo. Un competidor con menos personas en nómina no es por ello automáticamente la parte más barata, tal como se expone en por qué un competidor con menos personas no es automáticamente más barato. Si alguna de estas preguntas afecta a decisiones de personal dentro de su propia organización, se aplican para ello requisitos legales propios; esta página no ofrece fundamento para tales decisiones.
Puede empezar sin esperar al benchmark completo. Identifique las dimensiones en las que cree ganar, y compruébelas con la verificación gratuita de dimensiones: verá cuáles de esas afirmaciones se pueden defender con evidencia y cuáles descansan sobre suposiciones. Quien quiera mirar más allá de la propia posición puede dirigir la misma prueba hacia dónde queda espacio sin aprovechar entre los competidores mediante un análisis de white space. El benchmark competitivo completo está en construcción; la verificación de dimensiones ya está disponible ahora.
Vraag maar waarop er in uw markt gewonnen wordt. Ik vergelijk liever dan dat ik uitleg.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.