Erogare qualità e dimostrare qualità non sono lo stesso lavoro. Il primo avviene sul campo, al telefono, nel codice. Il secondo avviene dopo: controllare, segnalare le deviazioni, correggere, documentare che tutto è conforme. È in questa seconda parte che ora nasce la differenza. Non perché l'AI sia migliore nel lavoro artigianale, ma perché il lavoro di controllo — la parte che determina se un errore viene notato prima che lo noti il cliente — può essere parzialmente automatizzato.
Un anno fa, il controllo qualità era una questione di campionamenti e attenzione umana. Chi aveva più capacità per il controllo, individuava più errori. Questo vale ancora per le aziende dove quel lavoro rimane interamente nelle mani delle persone. Ma dove i sistemi verificano continuamente ogni transazione, ogni consegna o ogni riga di codice invece di un campione, lo standard si sposta. Non perché le persone lì siano migliori, ma perché la copertura è maggiore.
Dietro ogni affermazione sulla qualità c'è una catena di compiti. Ispezione: questo prodotto, questa consegna, questa riga è conforme a quanto concordato. Rilevamento delle deviazioni: questo esula dalla norma, e qualcuno l'avrebbe notato senza il sistema. Retroazione: l'informazione arriva in tempo a chi può correggere. Documentazione: esiste una traccia che dimostra che è stato effettuato un controllo, non solo che il risultato è andato bene.
Questi compiti si dividono nelle tre categorie che ricorrono ovunque. Il rilevamento delle deviazioni basato su schemi in grandi set di dati è spesso qualcosa che un sistema può assumere, a condizione che i dati siano puliti e completi. La valutazione se una deviazione sia accettabile nel contesto di un cliente specifico rimane per lo più un compito con supervisione umana: il sistema segnala, qualcuno approva o rifiuta, con motivazione. E il vero giudizio professionale — questo lavoro è buono, non solo secondo la norma ma secondo la sensazione del committente — rimane lavoro umano. Nessuna di queste tre categorie è organizzata ovunque nello stesso modo, e questo è esattamente il motivo per cui il confronto tra aziende ora misura qualcosa di diverso rispetto a cinque anni fa.
Se il lavoro di controllo in un'azienda è largamente automatizzato e nell'altra no, non si stanno più confrontando due aziende con lo stesso impegno di qualità e un risultato diverso. Si confrontano due tipi diversi di copertura. L'azienda dove ogni riga viene verificata invece di un campione del cinque per cento, trova errori che l'altra manca strutturalmente — non per un lavoro migliore, ma per una maggiore osservazione.
Questo cambia il valore di un'affermazione sulla qualità. "Applichiamo un controllo qualità rigoroso" prima significava: ci dedichiamo persone. Ora può anche significare: da noi non si perde quasi nulla perché il controllo non dipende da quanti controllori erano disponibili quella settimana. È una promessa diversa, e il cliente che ascolta entrambe non sa quale delle due sta ascoltando senza chiedere come è esattamente organizzato il lavoro.
Lo spostamento è visibile anche in ciò che rimane per le persone. Dove il rilevamento è stato assunto dal sistema, la funzione qualità si sposta verso la valutazione: questa deviazione è un problema, e cosa ne facciamo. È un lavoro diverso dal contare e spuntare, e richiede competenze diverse. Le aziende dove questo spostamento non è ancora stato realizzato, affidano ancora quel giudizio professionale alle stesse persone che facevano anche il conteggio — con meno tempo per il giudizio perché il conteggio non è ancora venuto meno.
La velocità con cui questo lavoro si sposta non dipende dalla volontà di innovare. Dipende dal fatto che i dati sottostanti siano sufficientemente strutturati da poter essere verificati automaticamente, che il cliente abbia un processo facilmente monitorabile digitalmente, e che sia già stabilito cosa significhi esattamente "buono" per quel prodotto o servizio specifico. Un processo produttivo con specifiche fisse si presta più facilmente a una verifica automatizzata rispetto a un percorso di consulenza dove la qualità risiede in gran parte nella conversazione.
È anche per questo che la qualità raramente è isolata. Il vantaggio che l'AI produce sulla qualità è legato a come un'azienda ha organizzato il proprio servizio post-vendita, se i guasti vengono notati con la stessa rapidità con cui vengono risolti, e alla competenza tecnica necessaria per valutare correttamente una deviazione segnalata. Un sistema che segnala mille deviazioni al giorno non è un vantaggio senza persone che sappiano quale di esse conta davvero.
Se un concorrente ha già parzialmente trasferito il proprio lavoro di qualità a un sistema, non si può vedere dall'esterno guardando il risultato finale. Si può vedere però da come ne parla: in termini di copertura e tempi di elaborazione, oppure in termini di impegno e dispiego di persone. Quando lei stesso avanza un'affermazione sulla qualità che non può sostenere con un dato numerico, vale la pena verificare come sostenere un'affermazione sulla propria qualità prima che lo faccia un cliente o un concorrente al posto suo. E se risulta che lei è in ritardo su questa dimensione, esiste un approccio alla domanda cosa fare con un ritardo su una dimensione che non inizia con il panico ma con le prove.
La domanda di fondo — quale parte del lavoro di qualità nella sua azienda è realmente trasferibile all'AI, e quale parte rimane lavoro umano — trova risposta nella scansione del lavoro di FTE TO AI per singolo compito, non a livello dell'intero reparto.
Come primo passo può effettuare la verifica dimensionale gratuita: indica dove ritiene di essere in vantaggio, e verifica quali di queste affermazioni sono difendibili con prove concrete. Il benchmark completo, con la matrice delle prove per il suo settore, è in fase di realizzazione.