Egy ügyfél, aki két beszállító között ingadozik, egy adott pillanatban konkrét kérdést tesz fel. Működik ez azzal a másik alkalmazással? Mi történik ennél a terhelésnél, ennél a protokollnál, ennél a kivételnél? Az adott pillanatban adott válasz gyakran többet dönt el, mint a már elkészült árajánlat. A technikai tudás a legtöbb b2b-piacon nem maga a tudás, hanem az a sebesség és pontosság, amellyel az adott tudás a megfelelő pillanatban a megfelelő személyhez ér el. Egy beszállító, aki egy órán belül alátámasztott választ ad, nyer egy olyan beszállítóval szemben, akinek három napra van szüksége, még akkor is, ha az alapul szolgáló tudás mindkét félnél egyenlő.
Ezért szerepel a technikai tudás mint dimenzió ezen a benchmarkon: nem azért, mert a legokosabb fej nyer, hanem azért, mert a tudástól a válaszig tartó átfutási idő nyer.
Minden technikai válasz mögött egy lánc áll. Valaki felismeri a kérdést, megkeresi a releváns specifikációt vagy tapasztalatot, ezt lefordítja az ügyfél helyzetére, és ellenőrzi, hogy a válasz helyes-e, mielőtt kimenne az ajtón. Sok vállalatnál ez a lánc néhány emberen keresztül fut, akiknek a fejében van a tudás, és nem mindig elérhetők. Más vállalatoknál ez a lánc dokumentációban, esettörténetben és döntési szabályokban van rögzítve, amelyeket másvalaki is meg tud nézni.
Ez a különbség határozza meg, mennyi munka vehető át. Amit rögzített szöveg formájában létezik, azt egy rendszer át tudja keresni és összefoglalni. Amit csak egy vezető mérnök fejében van, azt nem tudja, amíg valaki le nem írja.
A mindenhol visszatérő három kategória itt is teljes mértékben érvényes. A meglévő specifikációk, kézikönyvek és korábbi válaszok felkutatása és összefoglalása olyan munka, amelyet egy rendszer át tud venni, feltéve, hogy az alapul szolgáló dokumentáció létezik és naprakészen van tartva. Egy általános válasz lefordítása az ügyfél konkrét helyzetére, beleértve annak megítélését, hogy egy kivétel érvényes-e vagy nem, olyan munka, amelynél egy rendszer tehet javaslatot, de egy szakértő hagyja jóvá vagy utasítja el megfelelő indokkal. Egy olyan helyzet megítélése, amelyre nincs precedens, emberi munka marad.
Az elmozdulás nem a tudásban van, hanem abban, hogy az első két kategóriát ma ki végzi már rendszer támogatásával, és ki teszi ezt még teljesen kézzel. Egy vállalat, ahol az ügyfél első kérdésére negyed órán belül elkészül egy tervezet-válasz, amit egy mérnöknek már csak ellenőriznie kell, más sebességgel versenyzik, mint egy vállalat, ahol ugyanez a kérdés egyetlen szakértő várólistájára kerül. Ez nem a tudásban van különbség. Ez abban van különbség, hogy az előkészítő munka mekkora részét vették már át.
A különbség ritkán a változási hajlandóságban rejlik, gyakrabban az alapul szolgáló információ állapotában. Egy rendszer csak akkor tud gyorsan és megbízhatóan válaszolni, ha van mit felkeresni: strukturált dokumentáció, korábbi kérdések és válaszok konzisztens története, világos döntési szabályok a határesetekre. Azok a vállalatok, amelyek ezt az információt már évek óta karban tartják, mert belsőleg szükséges volt a betanításhoz vagy a minőségbiztosításhoz, ezáltal véletlenül máris megvan az alapjuk az AI-val történő gyorsításhoz. Azoknál a vállalatoknál, ahol ez a tudás főleg szóban terjed, előbb egy rögzítési lépésre van szükség, mielőtt egy rendszer bármit tudna kezdeni vele.
Ez semmilyen kapcsolatban nincs a vállalat méretével vagy az alkalmazott szakértők számával. Egy kis, jól dokumentált tudással rendelkező csapat gyorsabban tud reagálni, mint egy nagy részleg, ahol a tudás szétforgácsolva a fejekben van. Ez ezt egy olyan dimenzióvá is teszi, amelyen a piaci sorrend eltolódhat, függetlenül attól, hogy történelmileg kinek volt a legnagyobb technikai neve.
Az ügyfél nem látja, ki használ AI-t és ki nem. Az ügyfél csak az eredményt érzi meg: milyen gyorsan kap egy technikai kérdés konkrét, helyes választ, és mennyire konzisztens ez a válasz, ha a kérdést másodszor egy másik kapcsolattartónak teszik fel. Egy vállalat, amely egyetlen szakértőre támaszkodik, ingadozó eredményt ér el, attól függően, ki éppen elérhető azon a napon. Egy vállalat, ahol a válasz egy megosztott, átkereshető tudásbázisból származik, stabilabb eredményt ér el, egy rendszer közreműködésével vagy nélküle.
Ez a stabilitás mérhetővé tehető az összehasonlítás egyéb szempontjai mellett, mint például a kérdésekre adott válaszidő mint versenyelőny, az, hogy a digitális folyamatok már mennyire kapcsolódnak egymáshoz, és mit árulnak el egy versenytárs állásszövegei arról, mire fektetnek belsőleg hangsúlyt. A technikai tudás ritkán áll önmagában; a játéktér többi részével kombinálva nyer vagy veszít.
Az a kérdés, hogy egy vállalatnál az AI már részben átveszi-e a kérdésekre adott válaszadást, önmagában kevés információt ad az alapul szolgáló munkaerő minőségéről, és semmit arról, mit kellene ezzel egy munkaadónak tennie egyedi munkakörök esetében; erre saját jogi követelmények vonatkoznak, amelyeket itt nem tárgyalunk. Amire viszont válasz adható: adott vállalatnál, a dokumentáció állapotát figyelembe véve, a technikai kérdésforgalom mekkora része gyorsítható fel. Ezt a kérdést feladatonként válaszolja meg az FTE TO AI munkaszkennere.
Mielőtt a teljes benchmark peer-pontszámokkal elérhetővé válik, megvizsgálhatja, hogy a technikai tudásról most tett állítása tartható-e. Aki a pontosságot vagy a sebességet mint megkülönböztető erőt alkalmazza, ezt az állítást ellenőrizheti, hogy a megkülönböztetés bizonyíthatóan is fennáll-e, és összevethetji más kemény tényezőkkel, mint például a tanúsítványok mint a minőség bizonyítható igazolása. Az ingyenes dimenzióellenőrzés lehetővé teszi, hogy megnevezze, mely téren gondolja, hogy nyer, és megmutatja, mely állítások védhetők bizonyítékkal. A teljes benchmark még épül.
Vraag maar waarop er in uw markt gewonnen wordt. Ik vergelijk liever dan dat ik uitleg.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.