No todas las empresas tienen que ir a la cabeza en todas las dimensiones. Un proveedor que entrega más lento pero asesora con más precisión puede permitirse ese retraso en el plazo de entrega siempre que el cliente valore el asesoramiento más que el tiempo de espera. La pregunta no es si usted gana en todas las dimensiones. La pregunta es si sabe qué peso tiene realmente cada dimensión en la decisión de compra, y si ese peso se mantiene.
Ahí es donde se complica la cosa. Los pesos no son propiedades fijas de un mercado. Cambian en cuanto el trabajo detrás de una dimensión cambia de carácter.
Una dimensión pesa mucho cuando es escasa: pocos proveedores pueden ofrecerla bien, y la diferencia se nota para el cliente. El plazo de entrega pesó mucho durante mucho tiempo porque planificar era trabajo humano y los errores resultaban costosos. En cuanto una tarea pasa a ser realizada en gran medida por IA, con o sin supervisión, parte de esa escasez desaparece. Lo que antes era una capacidad distintiva se convierte en una prestación básica que la mayoría de los actores igualará en un plazo previsible.
Eso no significa que la dimensión se vuelva irrelevante. Significa que el peso que le atribuye hoy se basa en una escasez que puede estar desapareciendo. Un benchmark que no tenga esto en cuenta pondera con supuestos obsoletos.
El trabajo detrás de una dimensión se divide en partes: tareas que la IA puede gestionar de forma autónoma, tareas que la IA realiza con supervisión humana, y tareas que siguen siendo trabajo humano. Esta división determina si un peso es estable o está desplazándose.
Donde una tarea es asumida casi por completo por la IA, el peso de esa dimensión suele descender, porque la mayoría de los competidores puede alcanzar ese nivel en un plazo comparable. Donde sigue siendo necesaria la supervisión, la diferencia entre empresas se mantiene mayor y más sostenible, porque la calidad de esa supervisión es en sí misma una capacidad que no todos desarrollan al mismo ritmo. Donde el trabajo sigue siendo humano, el peso apenas cambia a corto plazo, aunque la escasez subyacente de profesionales especializados sí puede empezar a desplazarse.
Esta clasificación difiere de una empresa a otra y de un sector a otro, e incluso entre empresas de un mismo sector. Una empresa ya ha organizado la asunción de una tarea con controles que funcionan; otra todavía está empezando con una prueba piloto. Esa diferencia es medible, no es una conjetura, y es exactamente lo que encuentra al evaluar desde fuera la madurez de IA de un competidor.
Un peso en un benchmark es una estimación, no una medición de la decisión de compra en sí. La estimación se basa en señales: lo que dicen valorar los compradores del mercado, cómo se ganan y se pierden los acuerdos, cómo se han desplazado las dimensiones en el último período. Eso es útil, pero no garantiza que la misma ponderación siga siendo válida dentro de un año, y no dice nada sobre un acuerdo individual con condiciones específicas.
El resultado tampoco dice nada cuando la base probatoria es escasa: si una puntuación en una dimensión se apoya en una sola afirmación sin fundamento, o en información obsoleta sobre un competidor, la ponderación es tan buena como los datos en los que se sustenta. Por eso, junto a cada puntuación figura una matriz de evidencias: puede comprobar en qué se basa una puntuación y evaluar usted mismo si esa evidencia es suficiente para su situación. Donde la evidencia es débil, la puntuación debe leerse como una indicación, no como un hecho establecido.
Si una dimensión pesa poco y usted está débil en ella, la pregunta no es automáticamente cómo solucionarlo. A veces la vía correcta es reconocer la debilidad y reforzar la puntuación en una dimensión que pese más; a veces vale la pena recuperar terreno de todos modos porque el peso de esa dimensión aumenta a medida que más competidores delegan la tarea subyacente en la IA. Qué retraso justifica actuar y cuál puede dejarse estar depende de hacia dónde se mueve el peso, y esa es una pregunta distinta de qué hacer con un retraso en una dimensión.
Lo mismo ocurre a la inversa, con una dimensión en la que ahora está fuerte: si el trabajo subyacente se vuelve en gran medida asumible por la IA, la pregunta es qué hacer cuando su punto más fuerte se vuelve común gracias a la IA, y cuánto tiempo seguirá marcando diferencia esa ventaja es una cuestión que se responde por separado a través de cuánto tiempo se mantiene una ventaja en IA.
Qué trabajo en su propia empresa puede realmente asumir la IA, y qué parte sigue requiriendo supervisión, es una pregunta por tarea, no por función o departamento; el escáner de trabajo de FTE TO AI responde esa pregunta a ese nivel.
La ponderación de una dimensión no es, por tanto, un dato fijo, y una puntuación sin evidencia no es una puntuación sobre la que apoyarse. Lo que sí se puede hacer es poner una junto a otra las afirmaciones con las que cree ganar y comprobar cuáles se sostienen realmente con evidencia. Eso es lo que hace la comprobación de dimensión gratuita. Usted indica en qué cree que gana, y ve cuáles de esas afirmaciones se mantienen, del mismo modo que en fundamentar una afirmación sobre la propia calidad. El benchmark completo, con la matriz de evidencias completa sobre su grupo de referencia, está en construcción.