La facilità di fare affari è la dimensione che i clienti riescono a definire con maggiore difficoltà e percepiscono più rapidamente. Un'offerta che arriva senza intoppi, una modifica elaborata senza dover telefonare, una fattura corretta senza doverla richiamare. Nessuno la cita come motivo per vincere o perdere un affare, e tuttavia spesso incide sulla decisione. Fino ad ora questa facilità era in gran parte il risultato dello sforzo umano: persone che svolgevano il lavoro di coordinamento interno affinché il cliente non se ne accorgesse. Questo sforzo è esattamente il tipo di lavoro di cui l'AI ora rileva parti, e questo cambia il confronto.
Quando un cliente dice che fare affari con un determinato fornitore è agevole, dietro c'è di solito una mole di lavoro di coordinamento. Qualcuno che mette insieme le persone giuste quando una richiesta si discosta dal processo standard. Qualcuno che verifica lo stato di avanzamento prima che il cliente lo chieda. Qualcuno che elabora manualmente una modifica di un ordine in tre sistemi affinché il cliente debba comunicarla una sola volta. Questo lavoro non è visibile al cliente, ma determina se il contatto risulta agevole o macchinoso.
Si tratta di lavoro che rientra in tre categorie. Una parte è lavoro di routine che un sistema può rilevare: recuperare stati, trasferire dati, rispondere a una domanda standard. Una parte richiede una valutazione che l'AI può preparare ma che qualcuno con conoscenza del cliente deve approvare o respingere, con motivazione. E una parte resta lavoro umano: il cliente arrabbiato che vuole essere ascoltato, l'eccezione che non rientra in nessuna regola.
Nel momento in cui il lavoro di routine dietro la facilità di fare affari viene svolto dall'AI, cambia la fonte del vantaggio. In passato un'azienda poteva distinguersi mettendo più persone a contatto con il cliente rispetto al concorrente, o con personale meglio formato e più rapido. Si tratta di una questione di organico e costi, e qualsiasi azienda con budget sufficiente poteva copiarla assumendo altrettante persone.
Se gran parte di quel lavoro di routine si gestisce da sé, il vantaggio si sposta verso qualcos'altro: verso chi instrada meglio le eccezioni verso le persone, chi lascia la domanda giusta al collaboratore giusto, e chi ha organizzato il controllo sull'AI in modo tale che gli errori vengano intercettati prima che il cliente li noti. Non è più una questione di quante persone ci sono, ma di quanto bene il processo distingue tra ciò che un sistema può gestire e ciò che non può. Due aziende con lo stesso organico possono quindi ottenere punteggi molto diversi sulla facilità di fare affari, semplicemente in base a dove hanno posto quella distinzione.
Questo non avviene ovunque allo stesso ritmo. Nelle aziende con molti contatti clienti ripetibili — domande fisse, tipi fissi di modifiche, flussi documentali fissi — il lavoro di routine è relativamente facile da individuare e trasferire a un sistema, con persone che approvano o respingono in base a criteri chiari. Nelle aziende dove ogni contatto con il cliente è diverso, o dove la conoscenza risiede soprattutto nella testa di singoli collaboratori, questo trasferimento è più lento e più rischioso. La differenza quindi non risiede nell'ambizione, ma nel grado di riconoscibilità e ripetibilità del lavoro sottostante.
A questo si aggiunge: quanta capacità questo libera e cosa un'azienda ne fa è una decisione del datore di lavoro. Chi considera di basare decisioni relative al personale su ciò che l'AI rileva deve attenersi ai propri obblighi legali applicabili in materia. Questo non fa parte di questo confronto.
Confrontarsi sulla facilità di fare affari senza prove significa confrontarsi sulla percezione. Un'affermazione come "noi siamo facili da trattare" ha valore solo se si può dimostrare da dove proviene quella facilità: meno passaggi manuali, meno tempi di attesa in caso di deviazioni, meno errori che il cliente deve correggere da solo. Questo è misurabile, ed è esattamente ciò su cui devono basarsi i punteggi su questa dimensione.
Questo spostamento non è slegato dal resto del confronto. Chi offre più velocemente perché l'AI rileva in gran parte la stesura dell'offerta standard, vince anche sulla facilità, come si può leggere in come cambia la velocità di offerta grazie all'AI. Chi riduce gli errori nell'elaborazione perché il lavoro di controllo avviene in modo più sistematico, vince altrettanto sulla facilità, approfondito in come cambia il margine di errore come fattore competitivo. E le garanzie gestite più rapidamente e con meno intoppi toccano la stessa esperienza di facilità nel fare affari, come descritto in come cambiano garanzia e assunzione del rischio grazie all'AI. La facilità di fare affari non è quindi una dimensione isolata, ma la somma di ciò che accade sulle altre dimensioni.
La domanda di fondo — quale lavoro in questa specifica azienda può davvero essere rilevato dall'AI e quale no — viene risposta con la scansione del lavoro di FTE TO AI per singola attività, indipendentemente da questo benchmark. Per chi vuole sapere se la propria affermazione sulla facilità di fare affari resiste, o se si basa soprattutto sulla percezione, si tratta di una domanda diversa rispetto a chiedersi se i concorrenti ottengono punteggi più alti su questo aspetto, approfondito in come stabilire su cosa state davvero vincendo. E poiché l'AI continua costantemente a spostare questo tipo di lavoro, un punteggio di un anno fa non è automaticamente ancora valido, come illustrato in quanto spesso è necessario ripetere un'analisi competitiva.
La verifica dimensionale gratuita mostra esattamente dove si trova quella differenza tra affermazione e prova: indicate su cosa pensate di vincere in termini di facilità di fare affari, e vedete quali di queste affermazioni sono al momento sostenibili con prove concrete. Il benchmark completo, con il confronto rispetto al vostro peer group su tutte le dimensioni, è in fase di realizzazione.