A szaktudás mint versenyelőny sokáig az emberekben rejlett: a senior munkatárs, aki pontosan tudja, melyik norma alkalmazandó, a mérnök, aki egy órán belül tud értelmezni egy ügyfélkérdést, a szakértő, aki ismeri a különbséget aközött, ami papíron működik, és ami a gyakorlatban is beválik. Az ügyfél ezt a különbséget a válaszra való várakozási időn, az ajánlat mélységén, azon érzékelte, hány kérdésre volt szükség, mielőtt egy megfelelő javaslat elkészült. Aki a legjobb embereket foglalkoztatta, az nyerte ezt az összehasonlítást.
A szaktudás mögött elsősorban annak feltárása és alkalmazása áll: dokumentáció átnézése, specifikációk összekapcsolása egy ügyfélkérdéssel, korábbi projektek visszakeresése, amelyek hasonlítanak a jelenlegi helyzetre, egy első koncepció-válasz elkészítése. Ez nagyrészt mintázatalapú munka — információ lekérdezése és összekapcsolása egy megismételhető logika szerint. A határeset megítélése, egy szokatlan alkalmazásnál a kockázat felmérése, valami olyasminek a mérlegelése, ami nem szerepel a dokumentációban: ez az a rész, amely tapasztalatra és megítélőképességre támaszkodik.
Ez a két rész most szétválik. A technikai információ lekérdezését és összekapcsolását nagyrészt egy rendszer végezheti; annak megítélése, hogy mit ad ez eredményül, emberi munka marad, olyan felügyelettel, amely indoklással jóváhagy vagy elutasít. Ahol ez már így működik, az összehasonlítás alapja eltolódik: már nem az számít, kinél van a legtöbb tudás, hanem ki tesz asztalra gyorsabban egy megalapozott választ, és ki tudja azt a választ ténylegesen megvédeni, ha az ügyfél tovább kérdez.
Ez megváltoztatja azt, amit az ügyfél lát. A technikai kérdésre adott válaszidő korábban a kapacitás és a tapasztalat jelzője volt; ha az első koncepció perceken belül elkészül, a válaszidő inkább arról árulkodik, mennyire jutott előre egy vállalat ennek a folyamatnak a kialakításában, nem pedig a rendelkezésre álló tudás mennyiségéről. Két, egyaránt sok senior mérnököt foglalkoztató vállalat így teljesen eltérő ügyfélélményt nyújthat, pusztán azért, mert az egyik a lekérdezési munkát egy rendszerre bízta, a másik pedig nem.
Az, hogy milyen gyorsan tolódik el ez a helyzet, attól függ, mennyire jól van rögzítve az alapul szolgáló tudás. Egy vállalat, amelynek átlátható, naprakész dokumentációja és strukturált projekttörténete van, viszonylag gyorsan tudja ezt a folyamatot rendszertámogatással ellátni; egy vállalatnak, ahol a tudás elsősorban fejekben él, és sehol sincs leírva, először ezt az alapot kell megteremtenie, mielőtt bármit is automatizálni lehetne. Ez a szervezet felépítéséhez kapcsolódik, nem magának a tudásnak a minőségéhez — egy vállalatnak lehetnek kiváló szakemberei, és mégis lassú lehet ebben az elmozdulásban, egyszerűen azért, mert nincs semmi lefektetve, amire építeni lehetne.
Ez a dimenzió más területekhez is kapcsolódik. A digitális érettség nagyrészt meghatározza, hogy ez az alap már megvan-e; aki azt szeretné megtudni, mennyire térnek el egymástól a vállalatok ebben, olvassa el, hogyan változtatja meg a digitális érettség a versenypozíciót. A tanúsítás is szerepet játszik ebben, mivel az ügyfél által keresett szaktudás egy része valójában igazolható megfelelésre vonatkozó kérdés; ezt tárgyalja mit jelent a tanúsítás, most hogy az AI átveszi az ellenőrzési munkát. És ahol a szaktudás már nem jelent megkülönböztetést, az összehasonlítás gyakran az ár felé tolódik el, ami összefügg azzal a kérdéssel, amelyet miért veszítenek a vállalatok egyre gyakrabban az áron dolgoz ki részletesen.
Az ügyfél ezt a különbséget érzékeli, anélkül hogy ismerné az okát. Egy ajánlat, amely kicsit pontosabban tér ki a saját helyzetére, egy technikai kérdés, amelyre kerülő út nélkül érkezik válasz, egy javaslat, amely egy évekkel korábbi hasonló projektre utal — ez tudásnak érződik, és az is, csak annak lekérdezése már nem feltétlenül annak a személynek a munkája, aki a választ aláírja. Amit az ügyfél nem lát, az a mögötte lévő felügyelet: ki ellenőrzi a koncepció-válaszokat, milyen indok alapján történik módosítás, és ki marad felelős, ha a válasz mégsem helytálló. Ez jogosan emberi munka marad, és arra vonatkozóan, hogyan alakítják ki ezt a felügyeletet egy szervezeten belül, saját jogi követelmények érvényesek, amelyeket itt nem tárgyalunk.
Hogy a saját technikai szolgáltatáson belül mely feladatok alkalmasak erre az elmozdulásra és melyek nem, vállalatonként eltérő, és ezt az FTE TO AI munkafelmérése méri fel feladatonként. Ez egy felvásárlás után is releváns, amikor két, eltérő mértékben rögzített tudással rendelkező tudásszervezet kerül össze, és pozíciójuk összehasonlítását újra el kell végezni, ahogyan azt hogyan hasonlítja össze két összeolvadt vállalat technikai pozícióját ismerteti.
Az a kérdés, amelyben egy vállalat úgy véli, hogy nyer a szaktudás terén, általában megfogalmazható; hogy ez az állítás megállja-e a helyét a peer csoporttal szemben, az már más kérdés. Az ingyenes dimenzióellenőrzéssel megnevezheti, miben véli úgy, hogy nyer, és megnézheti, mely állítások védhetők bizonyítékkal. A teljes benchmark, a peer csoporttal minden megkülönböztető dimenzióban és a mögöttes bizonyítékmátrixszal, jelenleg készül.