competitivebenchmark Na listu čekanja

Kennisbank

Što AI mijenja u konkurenciji na temelju tehničkog znanja

Što ova dimenzija znači u praksi

Tehničko znanje kao konkurentska prednost dugo je bilo u ljudima: senior koji točno zna koja norma vrijedi, inženjer koji klijentovo pitanje može razjasniti u roku od sat vremena, specijalist koji zna razliku između onoga što je moguće na papiru i onoga što funkcionira u praksi. Klijent je tu razliku primjećivao po vremenu čekanja na odgovor, po dubini ponude, po broju pitanja koja su bila potrebna prije nego što je došlo do odgovarajućeg prijedloga. Tko je imao najbolje ljude, taj je pobjeđivao u toj usporedbi.

Gdje se nalazi taj posao

Iza tehničkog znanja krije se prije svega njegovo otključavanje i primjena: pretraživanje dokumentacije, povezivanje specifikacija s klijentovim upitom, pronalaženje prethodnih projekata koji su slični trenutnoj situaciji, izrada prvog nacrta odgovora. To je u velikoj mjeri rad prema obrascu — dohvaćanje i kombiniranje informacija prema logici koja se može ponavljati. Procjena rubnog slučaja, procjena rizika kod neobične primjene, uzimanje u obzir nečega što nije u dokumentaciji: to je dio koji se temelji na iskustvu i procjeni.

Što se mijenja kada AI preuzme taj posao

Ta dva dijela sada se razdvajaju. Dohvaćanje i kombiniranje tehničkih informacija velikim dijelom vremena može obavljati sustav; procjena onoga što to donosi ostaje ljudski posao, s nadzorom koji odobrava ili odbija s razlogom. Gdje to već funkcionira tako, usporedba se pomiče: ne više tko ima najviše znanja u kući, već tko brže na stol stavlja utemeljen odgovor i tko taj odgovor stvarno može obraniti kada klijent postavi dodatna pitanja.

To mijenja ono što klijent vidi. Vrijeme odgovora na tehničko pitanje bilo je pokazatelj popunjenosti i iskustva; ako je prvi nacrt spreman za nekoliko minuta, vrijeme odgovora prije svega govori nešto o tome koliko je poduzeće daleko s uređenjem tog procesa, a ne više o količini znanja koje kolа unutar njega. Dva poduzeća s jednakim brojem senior inženjera mogu zbog toga pružiti sasvim drugačije iskustvo klijentu, samo zato što je jedno taj posao dohvaćanja prepustilo sustavu, a drugo nije.

Zašto to ne ide svugdje jednako brzo

Brzina kojom se to pomiče ovisi o tome koliko je dobro temeljno znanje zabilježeno. Poduzeće s jasnom, aktualnom dokumentacijom i strukturiranom povijesti projekata taj proces relativno brzo može podržati; poduzeće u kojem znanje uglavnom sjedi u glavama i nigdje nije zapisano, prvo treba taj temelj prije nego što ima što automatizirati. To se tiče toga kako je organizacija uređena, a ne kvalitete samog znanja — poduzeće može imati izvrsne specijaliste i ipak biti sporo u ovom pomaku, jednostavno zato što nema ništa zabilježeno na čemu bi se moglo graditi.

Tu se ova dimenzija dotiče i drugih područja. Digitalna zrelost velikim dijelom određuje je li taj temelj već postavljen; onaj koji želi znati koliko se poduzeća u tome razlikuju, može pročitati kako digitalna zrelost mijenja konkurentski položaj. Certifikacija se ovdje isto isprepliće, jer je dio tehničkog znanja koji klijent traži zapravo pitanje o dokazivoj usklađenosti; to se obrađuje u što certifikacija znači sada kada AI preuzima posao provjere. A gdje tehničko znanje više ne čini razliku, usporedba se često pomiče prema cijeni, što se povezuje s pitanjem obrađenim u zašto poduzeća češće gube na cijeni nego prije.

Što klijent već sada primjećuje, a što ne

Klijent primjećuje tu razliku bez da poznaje njezin uzrok. Ponuda koja se malo konkretnije odnosi na vlastitu situaciju, tehničko pitanje na koje se odgovara bez zaobilaznih putova, prijedlog koji se poziva na sličan projekt od nekoliko godina unatrag — to se osjeća kao znanje, i to je zaista znanje, samo dohvaćanje tog znanja nije nužno više posao osobe koja potpisuje odgovor. Ono što klijent ne vidi jest nadzor iza toga: tko provjerava nacrte odgovora, na temelju kojeg razloga se nešto prilagođava, i tko ostaje odgovoran ako se odgovor ipak pokaže netočnim. To s pravom ostaje ljudski posao, a za odluke o tome kako se taj nadzor uređuje unutar organizacije vrijede posebni zakonski zahtjevi koji se ovdje ne obrađuju.

Koji zadaci unutar vlastite tehničke usluge odgovaraju tom pomaku a koji ne, razlikuje se po poduzeću i utvrđuje se putem radne analize (werkscan) FTE TO AI, po zadatku. To je relevantno i nakon preuzimanja, kada se dvije znanjske organizacije s različitim stupnjem zabilježenog znanja spajaju i usporedba njihovog položaja mora se ponovno napraviti, kao što je opisano u kako uspoređujete tehnički položaj dva spojena poduzeća.

Što možete učiniti sada

Pitanje na temelju kojeg poduzeće smatra da pobjeđuje na tehničkom znanju obično se može formulirati; hoće li ta tvrdnja izdržati usporedbu s peer grupom, drugo je pitanje. Besplatnom provjerom dimenzije (dimensiecheck) navodite na čemu smatrate da pobjeđujete i vidite koje se od tih tvrdnji mogu dokazati. Cjeloviti benchmark, s peer grupom na svim prepoznatljivim dimenzijama i matricom dokaza u pozadini, u izradi je.