Als twee concurrenten dezelfde AI-toepassing inzetten voor offertes, levertijden of klantcontact, verdwijnt het verschil dat die dimensie ooit veroorzaakte. Wat vroeger een voorsprong was omdat het schaars was — een snelle planning, een accurate offerte, een 24/7 bereikbare helpdesk — wordt een basisvoorwaarde zodra de onderliggende taak door AI wordt overgenomen. Niet omdat de dimensie onbelangrijk wordt voor de klant, maar omdat iedereen erop gelijk scoort.
De vraag is dus niet of AI dimensies waardeloos maakt. Dat gebeurt al, per taak, in het bedrijf waar u vandaag naar kijkt. De vraag is welke dimensies dat betreft, en welke juist waarde winnen omdat ze overblijven als het enige waarop nog verschil te maken is.
De snelheid waarmee een dimensie leegloopt hangt af van hoeveel van het onderliggende werk AI kan overnemen, en hoeveel daarvan met menselijk toezicht blijft draaien. Een planningsdimensie die volledig op AI kan draaien, holt sneller uit dan een adviesdimensie waarin een specialist de uitkomst nog beoordeelt en corrigeert. En werk dat mensenwerk blijft — onderhandeling, uitzonderingsafhandeling, vertrouwen opbouwen — blijft een onderscheidende dimensie, precies omdat het zich niet laat kopiëren met dezelfde software.
Dit verklaart ook waarom het ene bedrijf al merkt dat een dimensie niets meer oplevert, en het andere nog voorsprong claimt op iets dat elders al gemeengoed is. Het zit niet in de sector, het zit in wat er per bedrijf al is overgenomen. Wie ziet hoe een toetreder zonder personeel een positie in de markt opbouwt, ziet vaak dat die toetreder precies de dimensies overslaat die bij bestaande spelers nog bezetting vragen, en direct met AI start op dimensies waar gevestigde partijen nog denken te winnen.
De benchmark scoort uw positie en die van uw peer group op de dimensies die in uw markt de deals beslissen. Elke score is herleidbaar naar een bewijsmatrix: waarnemingen, niet aannames. Dat is de kern van de methode, en ook de grens ervan.
De methode stelt vast of een dimensie op dit moment onderscheidend is binnen de vergeleken groep. Ze stelt niet vast of dat over een jaar nog zo is. Als concurrenten in uw markt nu nog grotendeels handmatig werken op een dimensie, kan die dimensie morgen leeglopen zodra een van hen AI inzet voor het onderliggende werk. De score is een foto, niet een garantie voor de houdbaarheid van die foto. Dat is ook waarom herhaling nodig is: hoe vaak een vergelijking met concurrenten opnieuw moet hangt af van hoe snel AI het werk achter de gemeten dimensies overneemt in uw sector, niet van een vaste kalender.
Er is nog een grens. Een dimensie kan laag scoren in de bewijsmatrix zonder dat dit iets zegt over de kwaliteit van het onderliggende werk. Het zegt dat er onvoldoende extern waarneembaar bewijs is om een claim te onderbouwen. Dat is een ander probleem dan een zwakke uitvoering, en het vraagt een andere aanpak: hoe u een claim over uw eigen kwaliteit onderbouwt draait om bewijs verzamelen, niet om het werk zelf verbeteren.
Commercieel verantwoordelijken verliezen deals vaak niet omdat een dimensie zwak is, maar omdat een claim op die dimensie niet meer standhoudt terwijl het verkoopverhaal wel is blijven staan. "Wij zijn sneller" was waar toen snelheid van bezetting afhing. Zodra een concurrent de planning laat draaien op AI met een medewerker die alleen nog uitzonderingen beoordeelt, is diezelfde claim niet meer waar, ook al is er niets veranderd aan wat uw bedrijf doet.
De claim-toets legt elke aanspraak op winst naast het bewijs dat er voor de peer group beschikbaar is. Dat voorkomt dat een vergelijking wordt gebouwd op een aanname die intern nog leeft maar extern al is achterhaald. Het antwoord op waarop nog te concurreren is als AI het uitvoerende werk doet verschilt dan ook per bedrijf, en verandert zodra er in de peer group iets verschuift.
Als een dimensie waardeloos wordt omdat de hele markt er gelijk op scoort, is de eerste vraag niet hoe u er weer op gaat winnen. Vaak is dat niet meer mogelijk, en is de energie beter besteed aan een dimensie die nog wel onderscheidt. Wat te doen met een achterstand op een dimensie hangt af van of die dimensie nog beweegbaar is, of dat de markt er inmiddels overheen is gegroeid.
Dit raakt onvermijdelijk de vraag welk werk in uw eigen bedrijf al door AI over te nemen is en welk werk mensenwerk blijft. Die vraag beantwoordt de werkscan van FTE TO AI per taak. Waar een uitkomst raakt aan personeelsbeslissingen, gelden daarvoor eigen wettelijke vereisten; de scan en de benchmark leveren feiten over werk, geen onderbouwing voor die beslissingen.
Benoem de twee of drie dimensies waarop u denkt te winnen. Ga voor elk na of dat winnen nog steunt op iets schaars, of op iets dat inmiddels overal even snel gaat. De gratis dimensiecheck laat zien welke van die claims op dit moment met bewijs te verdedigen zijn binnen uw peer group. De volledige benchmark, met de complete bewijsmatrix per dimensie, is in aanbouw.