Il margine di errore è stato a lungo considerato una misura di qualità interna: quante correzioni, quanto rilavoro, quanti reclami dopo la consegna. I clienti ne vedevano poco, finché gli errori che incontravano rimanevano entro un margine accettabile. Il margine di errore era qualcosa su cui un fornitore si giudicava da sé, non qualcosa su cui un cliente metteva a confronto i fornitori tra loro.
Questo cambia nel momento in cui il lavoro dietro al margine di errore si sposta. Individuare le deviazioni — un importo inserito in modo errato, un passaggio dimenticato in un processo, un'incoerenza tra due documenti — è in gran parte lavoro di controllo: verificare qualcosa rispetto a un insieme fisso di regole o schemi. Questo è esattamente il tipo di compito che l'AI può in gran parte assumere, con un collaboratore che valuta il risultato e lo approva o respinge motivatamente. Dove ciò avviene, il margine di errore diminuisce non perché le persone prestano più attenzione, ma perché ci sono strutturalmente più momenti di controllo di quanto fosse prima possibile con lo stesso organico.
Non tutte le aziende impostano questo controllo allo stesso modo, e questo spiega perché un fornitore mostra un margine di errore sensibilmente più basso di un altro pur operando entrambi nello stesso mercato.
La differenza si trova in alcuni punti:
Un cliente vede raramente il margine di errore come un numero. Lo nota dal numero di volte in cui una fattura deve essere rispedita, dal fatto che una consegna sia corretta al primo tentativo, dal fatto che un rapporto sia utilizzabile senza un giro di correzioni. Presso un fornitore dove il controllo è stato in gran parte spostato verso l'AI con supervisione umana, questo schema è diverso: meno giri di feedback, meno "lo aggiustiamo ancora un po'", meno sorprese dopo la consegna.
Questo è anche il motivo per cui il margine di errore è difficile da rivendicare in una trattativa di vendita. "Lavoriamo con precisione" dice poco a un cliente; è la ragione per cui le vaghe promesse di qualità nei pitch di vendita spesso suonano intercambiabili tra fornitori. Il confronto diventa concreto solo quando è chiaro quale parte del controllo è stata effettivamente assunta, e su quale base.
Lo spostamento nel margine di errore incide su come un fornitore si posiziona su altri punti. Meno rilavoro significa spesso anche tempi di consegna più brevi, il che cambia il confronto sui tempi di consegna: si veda come tempi di consegna più brevi grazie alla pianificazione automatizzata spostano lo standard in un settore. Meno errori nell'esecuzione riduce anche l'assistenza post-vendita, il che incide su come i clienti valutano la velocità di risposta e il tasso di risoluzione del servizio post-vendita. E poiché meno rilavoro significa anche meno costi, il margine di errore incide indirettamente su come l'automazione cambia lo spazio per prezzi più competitivi. Chi valuta il margine di errore separatamente si perde questa connessione.
Poche aziende comunicano il proprio tasso di errore. Il margine di errore si può comunque desumere da segnali indiretti: quanto spesso un concorrente finisce sulle notizie per correzioni, come le recensioni parlano di lavori di ripristino, come è organizzato un processo di preventivo o consegna. Per i concorrenti che non pubblicano cifre, esiste un approccio per raccogliere segnali sui concorrenti senza che questi pubblichino cifre proprie.
Quanto diminuisca il margine di errore grazie al controllo supportato dall'AI dipende dal tipo di errore, dalla qualità dei dati sottostanti e dal grado di supervisione umana che un'organizzazione mantiene. Non è possibile indicare una percentuale fissa valida per ogni settore o azienda, e nessuno può garantire che un compito venga effettivamente assunto. Ciò che è possibile valutare è: quale parte del lavoro di controllo in una specifica azienda si presta a essere assunta, e quale parte resta lavoro umano.
La domanda su quale lavoro nella sua organizzazione possa effettivamente essere assunto dall'AI trova risposta nella werkscan di FTE TO AI, compito per compito. Per il confronto con il suo peer group esiste la dimensiecheck gratuita: lei indica su cosa pensa di vincere, e vede quali di queste affermazioni sono difendibili con prove. Il benchmark completo, con punteggi per dimensione e una matrice di prove, è in fase di sviluppo.