A hibamarge -- az a tér, amelyet egy szervezet beépít aközött, amibe valami kerül, és amit felszámolnak, vagy egy becslés és a tényleges eredmény között -- hosszú ideig azt a személyt jellemezte, aki a kalkulációt készítette. Egy tapasztalt kalkulátor vagy accountmanager tudta, hol vannak a kockázatok egy ajánlatban, és ehhez számolt egy marge-ot. Ez a tudás fejekben ült, szétszórva olyan emberek között, akik évekig dolgoztak egy termékportfólióval vagy egy adott ügyféltípussal. Két kalkulátor ugyanannál a cégnél emiatt eltérő marge-okra jutott hasonló megbízásoknál. Ez a különbség az ügyfél számára nem volt látható, az eredménykimutatás számára viszont igen.
A versenytársak közötti összehasonlítás így az eredményen keresztül zajlott: ki tudott élesebben árazni anélkül, hogy veszteséget termelt volna. Nem azon a kérdésen keresztül, hogyan határozták meg azt a marge-ot, mert az a számítás rejtve maradt.
Ott, ahol a hibamarge-ot történeti adatok alapján számítják -- eltérések kalkuláció és utókalkuláció között, átfutási idők, anyagár-ingadozások -- ennek a számítási munkának jelentős része átvehető az AI által. Nem a végső marge-ról szóló döntés, hanem a mögöttes munka: több ezer lezárt projekt átszámítása aszerint, hol voltak strukturálisan az eltérések, és ennek a mintának az alkalmazása egy új ajánlatra. Azoknál a cégeknél, ahol ez történik, a kalkuláció közelebb áll a tényleges kockázatokhoz, mint azoknál a cégeknél, amelyek még mindig egy egyén tapasztalatára támaszkodnak.
Ez sajátos módon változtatja meg az összehasonlítást. Egy szervezet, amely hibamarge-ját több ezer adatponton alapítja, élesebben tud kalkulálni anélkül, hogy a kockázat nőne, míg egy versenytárs, amely néhány ember szakértelmére támaszkodik, továbbra is szélesebb marge-ot kell tartania ugyanazon bizonytalanság lefedésére. Az egyik tehát alacsonyabban tud ajánlatot tenni azonos kockázat mellett, vagy ugyanannyit tud ajánlani alacsonyabb kockázat mellett. Mindkettő versenyelőny, és mindkettő az eredményben látszik, nem a folyamatban.
Ez az elmozdulás három munkatípusra bontható, és ezek szinte minden cégnél átfedik egymást.
A történeti eltérések átszámítása -- kalkuláció versus megvalósulás több száz vagy több ezer megbízáson keresztül -- olyan munka, amelyet az AI sok esetben átvehet. Ez mintafelismerés strukturált adatokon, és pontosan ebben erős ez a technológia.
Ezeknek a mintáknak egy konkrét ajánlatra való lefordítása részben emberi felügyelettel járó munka. Egy rendszer felkínálhat egy kockázatbecslést egy új projekthez, de valaki, aki ismeri az ügyfelet, a piacot vagy a kivételes helyzetet, megítéli, hogy ez a becslés itt is helytálló-e, és jóváhagyja vagy elutasítja a marge-ot, indoklással.
Az a döntés, hogy egy konkrét ügyletben tudatosan a kalkulált marge alá menjenek -- stratégiai okokból, egy ügyfél megszerzéséhez, egy piacra való belépéshez -- emberi munka marad. Ez nem számítási kérdés, hanem kockázatról és ambícióról szóló mérlegelés, és ez a felelősség nem tolódik el.
A cégek közötti különbség nem az AI-hoz való hozzáférésben rejlik, hanem abban, hogy mennyi adat és fegyelem áll egy kalkuláció mögött. Egy cég, amely strukturáltan rögzíti az utókalkulációt -- mibe került egy projekt valójában, hol keletkezett az eltérés, hogy ez a beszerzésnek, a tervezésnek vagy a kivitelezésnek volt-e köszönhető -- olyan alapokkal rendelkezik, amelyekből egy modell tanulhat. Egy cég, amely az utókalkulációt esetlegesen vagy csak nagy túllépéseknél végzi, nem rendelkezik ezzel az alappal, bármennyi költségvetést is fordít AI-ra. A lemaradás ekkor nem a technológiában rejlik, hanem abban a kérdésben, hogy valaha is rögzítették-e, mi történt valójában.
Ez teszi a hibamarge-ot olyan dimenzióvá, amelyen az elmozdulás egyenlőtlenül zajlik ágazatok között és ugyanazon ágazaton belüli cégek között. Egy vállalkozó, akinek tizenöt éves utókalkulációs adata van, más kiindulóponttal rendelkezik, mint egy versenytárs, aki csak tavaly kezdte el a strukturált rögzítést. Aki személyzeti következményeket fontolgat ezen elmozdulás kapcsán, annak egyébként tudatában kell lennie, hogy erre saját törvényi követelmények vonatkoznak; ez az oldal arról szól, mi történik a munkával, nem arról, mit tesz ezzel egy munkáltató.
A hibamarge ritkán áll önmagában. Egy élesebb kalkuláció összefügg az árban rejlő AI-előnnyel, mivel egy alacsonyabb szükséges marge teret ad az árazásban. Kapcsolódik a szállítási időben rejlő AI-előnyhöz is, mivel a hibamarge egy része tervezési bizonytalanságból ered. Ahhoz, hogy tudja, az Ön hibamarge-megközelítése valóban jobb-e, mint a hasonló cégeké, először azt kell tisztázni, kik ezek a hasonló cégek; ezért hogyan áll össze egy peer group az első kérdés, nem az utolsó.
Azt a kérdést, hogy ennek a konkrét kalkulációs folyamatnak melyik része vehető már át AI által ennél a konkrét cégnél, és melyik része vár még olyan utókalkulációs adatra, amely még nincs meg, az FTE TO AI munkaszkennje válaszolja meg feladatonként.
Az ingyenes dimenzióellenőrzés lehetővé teszi, hogy megnevezze, mire véli, hogy nyer -- hibamarge, ár, szállítási idő vagy valami más --, és megmutatja, ezen állítások közül melyik védhető bizonyítékkal, és melyik még nem. A teljes benchmark, a bizonyítékmátrixszal és a peer groupon belüli összehasonlítással, jelenleg épül.