La margine di errore -- lo spazio che un'organizzazione integra tra ciò che qualcosa costa e ciò che viene fatturato, o tra una stima e il risultato effettivo -- è stata a lungo determinata dalla persona che effettuava il calcolo. Un calcolatore o account manager esperto sapeva dove si trovavano i rischi in un'offerta e vi calcolava un margine di conseguenza. Quella conoscenza risiedeva nelle teste, distribuita tra persone che avevano lavorato per anni con un portafoglio prodotti o un tipo di cliente. Due calcolatori nella stessa azienda arrivavano quindi a margini diversi per incarichi comparabili. Quella differenza non era visibile per il cliente, ma lo era per il conto economico.
Il confronto tra concorrenti passava quindi attraverso il risultato: chi riusciva a offrire prezzi più competitivi senza andare in perdita. Non attraverso la domanda su come veniva determinato quel margine, poiché quel calcolo si sottraeva alla vista.
Là dove la margine di errore viene calcolata sulla base di dati storici -- scostamenti tra calcolo preventivo e calcolo a consuntivo, tempi di consegna, oscillazioni dei prezzi dei materiali -- gran parte di quel lavoro di calcolo può essere assunta dall'AI. Non la decisione sul margine finale, ma il lavoro sottostante: elaborare migliaia di progetti conclusi per individuare dove si trovavano strutturalmente gli scostamenti, e applicare quel modello a una nuova offerta. Nelle aziende dove questo avviene, il calcolo è più vicino ai rischi reali rispetto alle aziende dove ci si affida ancora all'esperienza di un individuo.
Questo cambia il confronto in un modo specifico. Un'organizzazione che basa la propria margine di errore su migliaia di punti dati può calcolare con maggiore precisione senza che il rischio aumenti, mentre un concorrente che si affida alla competenza professionale di poche persone deve continuare a mantenere un margine più ampio per coprire la stessa incertezza. Il primo può quindi offrire prezzi più bassi a parità di rischio, oppure offrire lo stesso prezzo con un rischio minore. Entrambi sono un vantaggio competitivo, ed entrambi sono visibili nel risultato, non nel processo.
Lo spostamento si può suddividere in tre tipi di lavoro, che si intrecciano in praticamente ogni azienda.
L'elaborazione degli scostamenti storici -- calcolo preventivo rispetto a realizzazione su centinaia o migliaia di incarichi -- è un lavoro che l'AI può assumere in molti casi. È riconoscimento di pattern su dati strutturati, e questo è esattamente il punto forte di questa tecnologia.
La traduzione di quei pattern in un'offerta concreta è in parte lavoro con supervisione umana. Un sistema può proporre una stima del rischio per un nuovo progetto, ma qualcuno con conoscenza del cliente, del mercato o della situazione eccezionale valuta se quella stima sia corretta anche in questo caso, e approva o respinge il margine, con motivazione.
La decisione di scendere consapevolmente sotto il margine calcolato in un affare specifico -- per motivi strategici, per acquisire un cliente, per entrare in un mercato -- resta lavoro umano. Non è una questione di calcolo ma una valutazione su rischio e ambizione, e quella responsabilità non si sposta.
La differenza tra aziende non sta nell'accesso all'AI, ma in quanti dati e quanta disciplina ci sono dietro un calcolo. Un'azienda che registra sistematicamente il calcolo a consuntivo -- quanto costava davvero un progetto, dove si è generato lo scostamento, se questo dipendeva dagli acquisti, dalla pianificazione o dall'esecuzione -- dispone di una base su cui un modello può imparare. Un'azienda che effettua il calcolo a consuntivo in modo occasionale o solo in caso di grandi sforamenti non dispone di quella base, indipendentemente da quanto budget dedichi all'AI. Il ritardo non sta quindi nella tecnologia, ma nella domanda se sia mai stato registrato ciò che è realmente accaduto.
Questo rende la margine di errore una dimensione in cui lo spostamento avviene in modo disomogeneo tra settori e tra aziende dello stesso settore. Un'impresa di costruzioni con quindici anni di dati di calcolo a consuntivo ha un punto di partenza diverso da un concorrente che ha iniziato a registrare in modo strutturato solo l'anno scorso. Chi considera conseguenze sul personale in seguito a questo spostamento deve peraltro rendersi conto che a tal fine si applicano requisiti legali propri; questa pagina riguarda cosa succede al lavoro, non cosa ne fa un datore di lavoro.
La margine di errore raramente è isolata. Un calcolo più preciso è collegato a il vantaggio che l'AI produce sul prezzo, poiché un margine richiesto più basso lascia spazio nella determinazione del prezzo. Riguarda anche il vantaggio che l'AI produce sui tempi di consegna, poiché parte della margine di errore deriva dall'incertezza nella pianificazione. Per sapere se il vostro approccio alla margine di errore sia effettivamente migliore di quello di aziende comparabili, occorre prima stabilire chi siano quelle aziende comparabili; ecco perché come si compone un peer group è la prima domanda, non l'ultima.
La domanda su quale parte di questo specifico processo di calcolo, in questa specifica azienda, sia già assumibile dall'AI, e quale parte attenda dati di calcolo a consuntivo che ancora non esistono, viene risposta task per task dalla werkscan di FTE TO AI.
Il controllo dimensionale gratuito vi permette di indicare su cosa pensate di vincere -- margine di errore, prezzo, tempi di consegna o altro -- e mostra quali di queste affermazioni sono difendibili con prove e quali non lo sono ancora. Il benchmark completo, con la matrice delle prove e il confronto all'interno del vostro peer group, è in fase di sviluppo.