Įmonė, kuri išsiskyrė kokybe, tai ilgą laiką darė per žmones: daugiau kontrolierių, daugiau atrankinių patikrų, daugiau patirties, leidžiančios pastebėti nukrypimus anksčiau, nei juos pamato klientas. Kas galėjo skirti daugiau resursų kokybės darbui, tas struktūriškai turėjo mažiau klaidų. Šis ryšys atsiduria spaudimo zonoje, kai dalį šio kontrolės darbo perima AI, nes tuomet kokybės pareiškimas nebėra susietas su kontrolės komandos dydžiu.
Kokybės darbas nėra viena užduotis, tai grandinė žingsnių, ir šie žingsniai nesikeičia vienu metu.
Nukrypimų atpažinimas struktūruotuose duomenyse — matavimo reikšmėse, jutiklių duomenyse, pasikartojančiose patikrose — yra dalis, kurią AI jau šiandien gali perimti. Modelis tikrina tokius pačiai nuosekliai ir daug dažniau, be nuovargio pasibaigiančios pamainos metu, modelius, kuriuos anksčiau reikėjo įžvalgios akies aptikimui.
Ribinių atvejų vertinimas — ar šis nukrypimas priimtinas, ar šis skundas pagrįstas, ar šią partiją reikia atmesti — yra dalis, kur AI pateikia pasiūlymą, o žmogus jį patvirtina arba atmeta su pagrindimu. Čia svarbus ne tik matavimo rezultatas, bet ir kontekstas: kliento istorija, sutarties sąlygos, sezoniniai veiksniai. Šio konteksto svarstymas kol kas išlieka sritis, kurioje reikalingas žmogiškas priežiūra.
Atsakomybės prisiėmimas, kai kokybė nukrypsta — klaidos paaiškinimas klientui, garantinio skundo vertinimas, tiekėjo įspėjimas — išlieka žmogaus darbu. Ne todėl, kad modelis negalėtų to suformuluoti, bet todėl, kad klientas šiuo atveju nori turėti priešais save žmogų, į kurį galima kreiptis.
Skirtumas tarp įmonių nėra ambicijose, o tame, koks kokybės darbo tipas jose atliekamas. Įmonė, turinti daug struktūruotų, pasikartojančių patikrų — fiksuotos specifikacijos, skaitmeniniai matavimo duomenys, aiškus standartas — gali perleisti didesnę pirmojo lygmens dalį. Įmonė, kurioje kokybė daugiausia grindžiama unikalių situacijų vertinimu, individualiu darbu ar subjektyviu skoniu, didesnę darbo dalį paliks žmonėms, o AI veiks daugiausia kaip papildoma priežiūros akis. Tai nėra atsilikimas, tai kitokia darbo prigimtis. Kas su šiuo pokyčiu susieja personalo sprendimus, turi laikytis savo šalyje taikomų teisinių reikalavimų; tai nėra šio palyginimo dalis.
Kol kokybė buvo daugiausia kontrolės valandų klausimas, mažesnis dalyvis negalėjo lygiuotis su konkurentu, kuris turėjo dešimt kokybės darbuotojų gamybos vietoje. Kai reikšminga šios kontrolės dalis atliekama AI, skirtumas pasislenka nuo to, kiek kontrolės pajėgumo kas turi, prie to, kaip gerai organizuota išimčių priežiūra. Dvi įmonės gali skelbti tą pačią paklaidos ribą; skirtumas tada yra tame, kas sprendžia greičiau ir geriau ribinį atvejį, kuriuo modelis abejoja.
Dėl to kokybę kaip palyginimo tašką sudėtingiau įvertinti iš atstumo, nes sertifikatas ar pasitenkinimo rodiklis nieko nepasako apie tai, kurį žingsnį atlieka mašina, o kurį — žmogus, žinantis kontekstą. Tas pats pokytis vyksta ir kitose dimensijose: kaip konkurentas organizuoja aptarnavimą ir skundų sprendimą priklauso nuo tos pačios rūšies priežiūros, o kas nori vertinti kokybę kaip pareiškimą, pirmiausia turėtų žinoti kaip įvertinti konkurentą neremiantis prielaidomis.
Kokybės pareiškimas turi vertę tik tada, kai jį galima susieti su kuo nors išmatuojamu: klaidų procentu, grąžinimų skaičiumi, atkūrimo laiku nukrypimų atveju arba tuo, kaip yra sprendžiamas skundas. Be šio pagrindimo „mes stovime už kokybę“ yra sakinys, kurį lygiai taip pat lengvai naudoja kiekvienas konkurentas. Tas pats taikoma ir susijusiems pareiškimams — techninės žinios komandoje dažnai minimos vienu atodūsiu su kokybe, tačiau tai yra atskira dimensija su savo įrodinėjimo pareiga. Kas norėtų sužinoti, kurią savo kokybės darbo dalį iš tikrųjų galima perleisti AI, o kuriai daliai vis dar reikės priežiūros, gaus atsakymą pagal kiekvieną užduotį naudodamas FTE TO AI darbo skenerį.
Siekiant sužinoti, ar konkurentas stipresnis kokybės srityje, nepakanka žinoti, ką jis skelbia. Reikalingi įrodymai pagal kiekvieną dimensiją, sverti pagal tai, kas šioje rinkoje faktiškai sprendžia sandorius — ir tai aptariama puslapyje apie kaip lyginti savo įmonę su konkurentais.
Įvardykite kokybės pareiškimus, kuriais, jūsų manymu, laimite, ir patikrinkite, kuriuos iš jų galima apginti įrodymais, o kurie grindžiami prielaidomis. Tai lygiai tai, ką atlieka nemokamas FTE TO AI dimensijos patikrinimas: nurodote, kuo, jūsų manymu, laimite, ir pamatote, kurie pareiškimai išsilaiko. Visas konkurencijos etalonas su įrodymų matrica pagal visas dimensijas šiuo metu ruošiamas.