Yritys, joka erottui laadulla, teki sen pitkään ihmisten avulla: enemmän tarkastajia, enemmän otantoja, enemmän kokemusta, joka tunnisti poikkeamat ennen kuin asiakas näki niitä. Se, joka pystyi käyttämään enemmän laatutyöhön, toimitti rakenteellisesti vähemmän virheitä. Tämä yhteys joutuu paineen alle sitä mukaa kuin osan tästä tarkastustyöstä tekee AI, sillä silloin laatuväite ei ole enää kytköksissä tarkastusryhmän kokoon.
Laatutyö ei koostu yhdestä tehtävästä, vaan vaiheiden ketjusta, ja nämä vaiheet eivät siirry samanaikaisesti.
Poikkeamien tunnistaminen strukturoidusta datasta — mittausarvot, sensoridata, toistettavat tarkastukset — on osa, jonka AI voi nykyisin jo ottaa hoitaakseen. Kuvioita, joiden tunnistamiseen aiemmin tarvittiin harjaantunutta silmää, tarkastaa malli yhtä johdonmukaisesti ja huomattavasti useammin, väsymättä työvuoron loppua kohti.
Rajatapausten arviointi — onko tämä poikkeama hyväksyttävä, on tämä valitus perusteltu, tulisiko tämä erä hylätä — on osa, jossa AI tekee ehdotuksen ja ihminen hyväksyy tai hylkää sen perustellusti. Tässä ratkaisee mittaustuloksen ohella myös konteksti: asiakashistoria, sopimusehdot, kausivaihtelu. Tämän kontekstin punnitseminen pysyy toistaiseksi asiana, jota valvotaan.
Vastuun ottaminen, kun laatu menee pieleen — virheen selittäminen asiakkaalle, takuuvaateen arviointi, toimittajan puhutteleminen — pysyy ihmistyönä. Ei siksi, että malli ei kykenisi sitä muotoilemaan, vaan siksi, että asiakas haluaa tässä kohdata henkilön, jota voi puhutella.
Ero yritysten välillä ei ole ambitiossa, vaan siinä, millaista laatutyötä niillä on. Yritys, jolla on paljon strukturoituja, toistettavia tarkastuksia — kiinteät spesifikaatiot, digitaalinen mittausdata, selkeä normi — voi antaa suuremman osan ensimmäisestä kerroksesta koneen hoidettavaksi. Yritys, jossa laatu perustuu ensisijaisesti ainutlaatuisten tilanteiden, räätälöinnin tai subjektiivisen maun arviointiin, pitää suuremman osan työstä ihmisten käsissä, AI:n toimiessa korkeintaan toisena parina silmiä. Tämä ei ole jälkeenjääneisyyttä, vaan työn erilaista luonnetta. Sen, joka kytkee henkilöstöpäätökset tähän siirtymään, on noudatettava omia lakisääteisiä vaatimuksiaan; se ei ole osa tätä vertailua.
Niin kauan kuin laatu oli ensisijaisesti tarkastustuntien kysymys, pienempi toimija ei voinut mitata itseään kilpailijaan, jolla oli kymmenen laatutyöntekijää lattialla. Kun merkittävä osa tästä tarkastuksesta tapahtuu AI:n avulla, siirtyy erottava tekijä siitä, kuinka paljon tarkastuskapasiteettia jollain on, siihen, miten hyvin poikkeustapausten valvonta on järjestetty. Kaksi yritystä voivat väittää samaa virhemarginaalia; ero on silloin siinä, kuka päättää nopeammin ja paremmin rajatapauksesta, josta malli epäröi.
Tämä tekee laadusta vertailukohtana vaikeamman todentaa etäältä, sillä sertifikaatti tai tyytyväisyysluku ei kerro mitään siitä, mikä vaihe tehdään koneella ja mikä kontekstin tuntevalla ihmisellä. Samanlainen siirtymä koskee muitakin ulottuvuuksia: se, miten kilpailija järjestää jälkihoidon ja valitusten käsittelyn, riippuu samanlaisesta valvonnasta, ja sen, joka haluaa arvioida laatua väitteenä, kannattaa ensin selvittää miten kilpailijaa arvioidaan tekemättä oletuksia.
Laatuväite on vasta jotain arvokasta, kun se voidaan johtaa jäljitettäväksi mitattavaan asiaan: virheprosentteihin, palautuslukuihin, poikkeamien korjausaikaan tai tapaan, jolla valitus käsitellään. Tämän perustelun puuttuessa ”meillä laatu on tärkeää” on lause, jota mikä tahansa kilpailija käyttää yhtä helposti. Tämä pätee myös läheisiin väitteisiin — tekninen osaaminen tiimissä mainitaan usein samassa yhteydessä laadun kanssa, mutta se on erillinen ulottuvuus omalla näyttötaakallaan. Sen, joka haluaa tietää, mikä osa omasta laatutyöstä on todellisuudessa AI:n hoidettavaksi siirrettävissä ja mikä osa vaatii jatkossakin valvontaa, saa siihen tehtäväkohtaisen vastauksen FTE TO AI:n työskannauksella.
Sen tietämiseksi, seisooko kilpailija laadun osalta vahvemmalla pohjalla, ei riitä tietää, mitä hän väittää. Tarvitaan näyttöä ulottuvuus kerrallaan, punnittuna sitä vasten, mikä tällä markkinalla todellisuudessa ratkaisee kaupat — ja tätä käsitellään sivulla miten benchmarkkaatte yrityksenne kilpailijoita vastaan.
Nimetkää laatuväitteet, joilla uskotte voittavanne, ja selvittäkää, mitkä niistä ovat puolustettavissa näytöllä ja mitkä perustuvat oletukseen. Juuri tätä tekee FTE TO AI:n ilmainen ulottuvuustarkistus: ilmoitatte, millä uskotte voittavanne, ja näette, mitkä väitteet kestävät. Täydellinen kilpailijabenchmark, jossa on näyttömatriisi kaikista ulottuvuuksista, on rakenteilla.