Een productpagina belooft. Documentatie beschrijft. Wie een handleiding, een API-referentie of een changelog leest, leest niet wat een concurrent zegt te kunnen, maar wat een gebruiker daadwerkelijk moet doen om het product te laten werken. Dat verschil maakt documentatie tot een van de weinige bronnen die iets zeggen over de vergelijking op een dimensie, niet over de gepercipieerde volwassenheid van een bedrijf.
De reden dat dit nu relevant is, is niet dat documentatie is veranderd. Het is dat de dimensies waarop concurrenten elkaar verslaan, veranderen zodra AI een deel van het onderliggende werk overneemt. Levertijd was lang een kwestie van personeelsbezetting: meer mensen in de planning, kortere doorlooptijd. Als een planningsproces grotendeels door een model wordt gedraaid en een mens alleen nog uitzonderingen beoordeelt, is levertijd geen bezettingsvraag meer maar een modelvraag. Wie dat niet doorheeft, vergelijkt concurrenten nog op de oude schaal terwijl de winnende dimensie is verschoven.
Drie soorten aanwijzingen komen terug in documentatie die het lezen waard maakt:
Deze aanwijzingen zijn geen bewijs van een marketingclaim. Ze zijn bewijs van een productbeslissing, wat ze waardevoller maakt dan een persbericht over hetzelfde onderwerp.
Documentatie loopt vaak achter op het product. Een functie die AI-gestuurd is geworden, kan nog beschreven staan met de oude, handmatige stappen omdat niemand de tekst heeft bijgewerkt. Andersom komt ook voor: documentatie die spreekt van "intelligente" of "automatische" verwerking terwijl de onderliggende logica een vaste regelset is zonder enig lerend element. Het woord "automatisch" in documentatie betekent niet AI; het betekent alleen dat er geen mens meer op klikt.
Een andere valkuil is schaal verwarren met aanwezigheid. Een API die een classificatiefunctie aanbiedt, zegt niets over hoeveel van het totale volume daadwerkelijk via die route loopt versus hoeveel nog via een handmatige uitzonderingsafhandeling gaat. Dat hangt af van adoptie binnen het klantenbestand van de concurrent, van de grootte van de dataset waarop het model getraind is, en van hoe lang de functie al beschikbaar is. Zonder die context is een gevonden parameter een aanwijzing, geen percentage.
Documentatie verandert traag. Voor de meeste producten is een controle elk kwartaal voldoende om structurele verschuivingen te signaleren; wekelijks lezen levert zelden nieuwe informatie op omdat releases van documentatie niet dagelijks plaatsvinden. Bij een concurrent die net een grote release aankondigt, is een directe check zinvoller dan wachten op de vaste cyclus, omdat juist rond releases handmatige stappen verdwijnen of API's uitbreiden.
Documentatie geeft een technische laag, maar zegt niets over hoe klanten die functionaliteit ervaren, wat de eigen verkoopmensen daarover weten, of hoe de markt er in aankoop op reageert. Datzelfde patroon van AI die werk deels overneemt, deels onder toezicht laat en deels bij mensen laat, is op andere plekken zichtbaar: in de eisen en scores van tenders en aanbestedingen, in wat klantreviews zeggen over snelheid en consistentie van levering, en in wat de eigen verkoopmensen al lang aan de telefoon horen over concurrenten. Wie na een overname moet bepalen welke van de twee organisaties op welke dimensie voorloopt, vindt een vergelijkbare aanpak in hoe u de positie van twee samengevoegde partijen op een lijn zet.
De onderliggende vraag is niet wat een concurrent publiceert, maar welk werk in uw eigen bedrijf werkelijk door AI is over te nemen; dat wordt per taak beantwoord met de werkscan van FTE TO AI.
Benoem de twee of drie dimensies waarop u denkt te winnen van de concurrent waarvan u zojuist de documentatie hebt gelezen. Levertijd, nauwkeurigheid, responstijd op wijzigingen: wat u ook noemt, ga na of die claim nog op de oude schaal staat of op de nieuwe. De gratis dimensiecheck laat zien welke van die claims met bewijs te verdedigen zijn en welke op aanname berusten. De volledige benchmark, met bewijsmatrix per dimensie, is in aanbouw.