Nell'industria manifatturiera il lavoro si concentra in gran parte su tre flussi: la fase preliminare di calcolo e offerta, la pianificazione e la gestione della produzione in officina, e il controllo qualità che determina se un ordine è sufficientemente buono da essere spedito. Oltre a questo c'è il lavoro legato alle macchine e ai materiali stessi: manutenzione, acquisto di materie prime e l'amministrazione relativa a certificazione e rintracciabilità. Quale di questi flussi assorbe più ore varia da azienda ad azienda e da tipo di prodotto a tipo di prodotto, ma l'esito di un affare raramente viene deciso dal flusso con meno ore.
Le circostanze che determinano l'esito sono in parte tecniche e in parte umane. Un'offerta deve corrispondere al tempo di consegna effettivo, non a un margine fisso che per caso di solito funziona. Un tempo di consegna è tanto valido quanto la pianificazione che lo determina, e quella pianificazione è tanto valida quanto i dati su cui si basa. E la qualità nell'industria manifatturiera non viene valutata su una media, ma sulle anomalie: quel singolo lotto con una deviazione che un cliente ricorderà.
La domanda non è se l'AI si occupi del lavoro nell'industria manifatturiera, questo avviene già in parte. La domanda è cosa questo comporta per la dimensione su cui un cliente scelga tra fornitori. Finché il tempo di consegna dipende dalla disponibilità di un pianificatore, vince l'azienda con più persone esperte in officina. Non appena la pianificazione viene svolta in gran parte da software che calcola scenari e fa approvare da una persona solo in caso di anomalie, il tempo di consegna passa da una questione di capacità a una questione di dati: vince chi ha i migliori dati in ingresso, non chi ha più pianificatori.
Lo stesso vale per il calcolo dei costi. Un'offerta che prima richiedeva giorni perché qualcuno doveva elaborare i disegni, ora può essere generata in parte automaticamente, con un ingegnere che valuta il risultato per individuare eventuali anomalie illogiche. Vince allora ancora l'azienda che offre più velocemente, o quella che offre con maggiore precisione? Non è ovunque la stessa risposta, e proprio per questo il confronto tra fornitori cambia: la dimensione su cui prima si vinceva continua a esistere, ma ciò che riempie quella dimensione non è più quello che era.
Il controllo qualità è il terzo esempio. L'ispezione visiva di cui si occupa l'AI non cambia la domanda se un cliente richieda qualità, ma cambia ciò che significa "ottenere un punteggio migliore sulla qualità". Un'azienda che svolge ancora l'ispezione interamente con persone non compete più sulla coerenza dell'occhio umano, ma su qualcos'altro: velocità di correzione, trasparenza sulle deviazioni, o termini di garanzia. Chi non se ne rende conto continua a difendersi su una dimensione che non conta più come contava.
Questa differenza tra aziende non sta nell'ambizione ma in ciò che era possibile automatizzare data la loro combinazione di prodotti e i loro dati. Un'azienda manifatturiera con molto lavoro in serie e disegni standardizzati ha prima una base per far gestire il calcolo dei costi rispetto a un'azienda che fornisce prevalentemente lavori su misura in cui ogni ordine è una nuova eccezione. Un'azienda con anni di dati dei sensori delle macchine può rendere predittiva la manutenzione; un'azienda senza quei dati deve prima investire prima che l'AI possa occuparsene. Il cambiamento quindi non colpisce ogni azienda nello stesso ordine, e ciò significa che il gruppo di riferimento in un determinato momento contiene sia aziende che già ottengono un punteggio sulla nuova dimensione sia aziende che si difendono ancora sulla vecchia dimensione.
Se il guadagno di capacità guidato dall'AI porti anche a una riduzione di fte è una decisione del datore di lavoro con propri obblighi di legge; qui si tratta solo della domanda su quale dimensione decida un affare e chi in questo momento vi ottiene un punteggio.
Questo cambiamento non riguarda solo l'industria manifatturiera. Ciò che significa il tempo di consegna quando la pianificazione si occupa del lavoro dei pianificatori dei trasporti mostra uno schema simile, così come la domanda su cosa si distinguono le società di consulenza quando ricerca e reportistica sono in gran parte automatizzate. Se riconosce una dimensione su cui pensa di vincere, la domanda successiva è cosa fare se risulta che un concorrente in quel momento vi è già avanti: cosa fare in caso di ritardo su una dimensione che decide l'affare offre un approccio per questo.
La domanda sottostante su quale lavoro nella sua azienda sia effettivamente possibile far gestire dall'AI viene risposta per singola mansione con la scansione del lavoro di FTE TO AI.
Prima di difendersi su una dimensione, è bene sapere se quella dimensione è ancora quella che era, e se la sua affermazione al riguardo è sostenibile. Un'affermazione come "siamo più veloci" o "siamo più precisi" ha valore solo se può essere dimostrata; come funziona questo è descritto in come motivare un'affermazione sulla propria qualità. Con il controllo gratuito delle dimensioni individua su cosa pensa di vincere e vede quali di queste affermazioni possono essere difese con prove. Il benchmark completo, con la sua posizione e quella del suo gruppo di riferimento su ogni dimensione, è in fase di realizzazione.