Virhemarginaali -- tila, jonka organisaatio jättää sen välille, mitä jokin maksaa ja mitä siitä laskutetaan, tai arvion ja todellisen tuloksen välille -- määräytyi pitkään sen henkilön mukaan, joka teki laskelman. Kokenut laskija tai asiakasvastuullinen tiesi, missä tarjouksen riskit sijaitsivat, ja laski niiden varalle marginaalin. Tämä tieto oli päissä, jakautuneena ihmisille, jotka olivat vuosia työskennelleet tiettyjen tuotteiden tai asiakastyyppien kanssa. Kaksi samassa yrityksessä työskentelevää laskijaa saattoi siksi päätyä eri marginaaleihin vertailukelpoisissa toimeksiannoissa. Tämä ero ei näkynyt asiakkaalle, mutta näkyi tuloslaskelmassa.
Vertailu kilpailijoiden välillä tapahtui siis lopputuloksen perusteella: kuka pystyi hinnoittelemaan tarkemmin joutumatta tappiolle. Ei sen kysymyksen perusteella, miten marginaali määritettiin, koska tämä laskelma pysyi näkymättömissä.
Siellä missä virhemarginaali lasketaan historiallisen datan perusteella -- poikkeamat laskelman ja jälkilaskennan välillä, läpimenoajat, materiaalihintojen vaihtelut -- suuren osan tästä laskutyöstä voi ottaa hoitaakseen AI. Ei päätöstä lopullisesta marginaalista, vaan sen taustalla olevan työn: tuhansien valmistuneiden projektien läpilaskennan sen selvittämiseksi, missä poikkeamat toistuivat rakenteellisesti, ja tuon kuvion soveltamisen uuteen tarjoukseen. Yrityksissä, joissa tätä tehdään, laskelma on lähempänä todellisia riskejä kuin yrityksissä, joissa se nojaa vielä yksittäisen henkilön kokemukseen.
Tämä muuttaa vertailua tietyllä tavalla. Organisaatio, joka perustaa virhemarginaalinsa tuhansiin datapisteisiin, voi laskea tarkemmin riskin kasvamatta, kun taas kilpailija, joka luottaa muutaman ihmisen ammattitaitoon, joutuu edelleen pitämään laajemman marginaalin kattaakseen samaa epävarmuutta. Ensin mainittu voi siis tarjota alemman hinnan samalla riskillä, tai saman hinnan pienemmällä riskillä. Molemmat ovat kilpailuetu, ja molemmat näkyvät tuloksessa, ei prosessissa.
Muutos voidaan jakaa kolmeen työn lajiin, ja ne kietoutuvat toisiinsa käytännössä kaikissa yrityksissä.
Historiallisten poikkeamien läpilaskenta -- laskelma versus toteuma sadoissa tai tuhansissa toimeksiannoissa -- on työtä, jonka AI voi useimmissa tapauksissa ottaa hoitaakseen. Se on kuvioiden tunnistamista rakenteellisesta datasta, ja juuri siinä tämä teknologia on vahva.
Näiden kuvioiden kääntäminen konkreettiseksi tarjoukseksi on osittain työtä, joka vaatii inhimillistä valvontaa. Järjestelmä voi tarjota riskiarvion uudelle projektille, mutta joku, jolla on tietoa asiakkaasta, markkinasta tai poikkeustilanteesta, arvioi, pitääkö arvio paikkansa tässä tapauksessa ja hyväksyy tai hylkää marginaalin perustellusti.
Päätös mennä tietoisesti lasketun marginaalin alle tietyssä kaupassa -- strategisista syistä, asiakkaan saamiseksi, markkinalle pääsemiseksi -- pysyy ihmistyönä. Se ei ole laskentakysymys vaan punninta riskistä ja tavoitteista, ja tämä vastuu ei siirry.
Yritysten välinen ero ei ole pääsyssä AI:hin, vaan siinä, mitä dataa ja kurinalaisuutta laskelman takana on. Yrityksellä, joka kirjaa jälkilaskennan rakenteellisesti -- mitä projekti todella maksoi, missä poikkeama syntyi, johtuiko se hankinnasta, suunnittelusta vai toteutuksesta -- on perusta, josta malli voi oppia. Yrityksellä, joka tekee jälkilaskentaa satunnaisesti tai vain suurten ylitysten yhteydessä, ei ole tätä perustaa, käytti se AI:hin kuinka paljon budjettia tahansa. Jälkeenjääneisyys ei siis piile teknologiassa, vaan kysymyksessä, onko koskaan kirjattu ylös, mitä todella tapahtui.
Tämä tekee virhemarginaalista ulottuvuuden, jolla muutos etenee epätasaisesti toimialojen välillä ja saman toimialan yritysten välillä. Urakoitsijalla, jolla on viisitoista vuotta jälkilaskentadataa, on eri lähtökohta kuin kilpailijalla, joka aloitti rakenteellisen kirjaamisen vasta viime vuonna. Sen, joka harkitsee henkilöstövaikutuksia tämän muutoksen seurauksena, on syytä huomata, että siihen sovelletaan omia lakisääteisiä vaatimuksia; tämä sivu käsittelee sitä, mitä työlle tapahtuu, ei sitä, mitä työnantaja sillä tekee.
Virhemarginaali on harvoin irrallinen tekijä. Tarkempi laskelma liittyy etumatkaan, jonka AI tuo hinnoittelussa, koska pienempi tarvittava marginaali antaa liikkumavaraa hinnoittelussa. Se koskettaa myös etumatkaa, jonka AI tuo toimitusajassa, koska osa virhemarginaalista johtuu suunnitteluepävarmuudesta. Sen selvittäminen, onko oma lähestymistapa virhemarginaaliin todella parempi kuin vertailukelpoisten yritysten, edellyttää ensin selvyyttä siitä, keitä nämä vertailukelpoiset yritykset ovat; siksi miten peer group kootaan on ensimmäinen kysymys, ei viimeinen.
Kysymykseen, mikä osa juuri tästä laskentaprosessista tässä nimenomaisessa yrityksessä on jo AI:n hoidettavissa, ja mikä osa odottaa jälkilaskentadataa, jota ei vielä ole, vastataan FTE TO AI:n työskannauksella tehtävittäin.
Maksuttoman ulottuvuustarkistuksen avulla voitte nimetä sen, missä uskotte voittavansa -- virhemarginaali, hinta, toimitusaika tai jokin muu -- ja se näyttää, mitkä näistä väitteistä voidaan perustella näytöllä ja mitkä ei vielä voida. Täydellinen benchmark, jossa on mukana näyttömatriisi ja vertailu omaan peer groupiin, on rakenteilla.