Klients, kurš svārstās starp diviem piegādātājiem, kādā brīdī uzdod konkrētu jautājumu. Vai tas strādā ar to citu lietojumprogrammu? Kas notiek pie šādas slodzes, šī protokola, šī izņēmuma? Atbilde tajā brīdī bieži izšķir vairāk nekā jau iesniegtais piedāvājums. Tehniskās zināšanas lielākajā daļā b2b tirgu nav pašas zināšanas, bet gan ātrums un precizitāte, ar kādu šīs zināšanas īstajā brīdī nonāk pie īstās personas. Piegādātājs, kurš stundas laikā sniedz pamatotu atbildi, uzvar pret piegādātāju, kuram vajag trīs dienas, pat ja abu pušu pamatzināšanas ir vienādas.
Tieši tāpēc tehniskās zināšanas ir iekļautas šajā salīdzinošajā vērtēšanā kā dimensija: ne tāpēc, ka uzvar gudrākā galva, bet tāpēc, ka uzvar laiks, kas nepieciešams, lai zināšanas kļūtu par atbildi.
Aiz katras tehniskās atbildes slēpjas ķēde. Kāds atpazīst jautājumu, atrod attiecīgo specifikāciju vai pieredzi, pārtulko to klienta situācijā un pārbauda, vai atbilde ir pareiza, pirms tā tiek nosūtīta. Daudzos uzņēmumos šī ķēde iet caur nelielu skaitu cilvēku, kuriem zināšanas ir galvā un kuri ne vienmēr ir sasniedzami. Citos uzņēmumos šī ķēde ir nostiprināta dokumentācijā, gadījumu vēsturē un lēmumu pieņemšanas noteikumos, kurus var izmantot arī kāds cits.
Šī atšķirība nosaka, cik lielu daļu no darba var pārņemt. To, kas pastāv kā fiksēts teksts, sistēma var izmeklēt un apkopot. To, kas ir tikai vecākā inženiera galvā, tā nevar, kamēr kāds to nepieraksta.
Trīs kategorijas, kas atkārtojas visur, šeit ir spēkā pilnībā. Esošu specifikāciju, rokasgrāmatu un iepriekšēju atbilžu meklēšana un apkopošana ir darbs, ko sistēma var pārņemt, ja vien pamatā esošā dokumentācija pastāv un tiek uzturēta aktuāla. Vispārīgas atbildes pārtulkošana konkrētā klienta situācijā, tostarp izvērtējums, vai izņēmums attiecas vai nē, ir darbs, kurā sistēma var izteikt priekšlikumu, bet speciālists to apstiprina vai noraida, pamatojot. Tādas situācijas izvērtēšana, kurai nav precedenta, joprojām ir cilvēka darbs.
Pārmaiņas nenotiek pašās zināšanās, bet gan tajā, kurš pirmās divas kategorijas jau šodien veic ar sistēmas atbalstu un kurš to joprojām dara pilnīgi manuāli. Uzņēmums, kurā klienta pirmais jautājums ceturtdaļstundas laikā saņem melnrakstu-atbildi, ko inženierim jau tikai jāpārbauda, konkurē citā ātrumā nekā uzņēmums, kurā tas pats jautājums nonāk viena speciālista rindā. Tā nav atšķirība zināšanās. Tā ir atšķirība tajā, cik liela daļa no sagatavošanas darba jau ir pārņemta.
Atšķirība reti slēpjas gribā mainīties un biežāk – pamatā esošās informācijas stāvoklī. Sistēma var atbildēt ātri un uzticami tikai tad, ja ir kaut kas, ko meklēt: strukturēta dokumentācija, konsekventa iepriekšējo jautājumu un atbilžu vēsture, skaidri lēmumu pieņemšanas noteikumi robežgadījumiem. Uzņēmumiem, kas šo informāciju jau gadiem uztur, jo tā bija nepieciešama iekšēji ievadīšanai darbā vai kvalitātes nodrošināšanai, tādējādi nejauši jau ir gatavs pamats paātrinājumam ar AI. Uzņēmumiem, kur šīs zināšanas galvenokārt tiek nodotas mutiski, vispirms ir nepieciešams fiksācijas posms, pirms sistēma ar tām var kaut ko darīt.
Tam nav nekāda sakara ar uzņēmuma lielumu vai nodarbināto speciālistu skaitu. Neliela komanda ar labi dokumentētām zināšanām var reaģēt ātrāk nekā liela nodaļa, kurā zināšanas ir sadrumstalotas pa galvām. Tas padara šo arī par dimensiju, kurā var mainīties secība tirgū, neatkarīgi no tā, kam vēsturiski bija lielākais tehniskais vārds.
Klients neredz, kas izmanto AI un kas ne. Klients pamana tikai rezultātu: cik ātri tehnisks jautājums saņem konkrētu, pareizu atbildi, un cik konsekventa šī atbilde ir, ja jautājums otrreiz tiek uzdots citam kontaktpersonai. Uzņēmums, kas balstās uz individuālu speciālistu, gūst mainīgus rezultātus atkarībā no tā, kurš tajā dienā ir pieejams. Uzņēmums, kurā atbilde nāk no koplietotas, izmeklējamas zināšanu bāzes, gūst stabilākus rezultātus – ar sistēmas iesaisti vai bez tās.
Šo stabilitāti var izmērīt līdzās citiem salīdzinājuma aspektiem, piemēram, reakcijas laikam uz jautājumiem kā konkurences priekšrocībai, pakāpei, kādā digitālie procesi jau ir savstarpēji saskaņoti, un tam, ko konkurenta vakanču teksti atklāj par to, uz ko tas iekšēji liek uzsvaru. Tehniskās zināšanas reti pastāv pašas par sevi; tās uzvar vai zaudē kombinācijā ar pārējo spēles lauku.
Jautājums, vai uzņēmumā AI jau daļēji pārņem atbilžu sniegšanu, pats par sevi maz ko pasaka par pamatā esošā personāla kvalitāti un neko – par to, ko darba devējam ar to būtu jādara attiecībā uz konkrētiem amatiem; tam ir savas juridiskas prasības, kas šeit netiek aplūkotas. Uz ko gan var atbildēt: kāda daļa no tehnisko jautājumu plūsmas konkrētā uzņēmumā, ņemot vērā dokumentācijas stāvokli, ir paātrināma. Uz šo jautājumu par katru uzdevumu atsevišķi atbild FTE TO AI darba skenēšana.
Pirms pilna salīdzinošā vērtējuma ar līdzinieku vērtējumiem ir pieejams, varat pārbaudīt, vai apgalvojums, ko jūs jau tagad izsakāt par tehniskajām zināšanām, ir noturīgs. Kas izmanto precizitāti vai ātrumu kā atšķirības priekšrocību, var šo apgalvojumu pārbaudīt, vai atšķirība ir arī pierādāma un salīdzināt ar citiem stingriem faktoriem, piemēram, sertifikācijām kā pierādāmu kvalitātes apliecinājumu. Bezmaksas dimensiju pārbaude ļauj jums nosaukt, kur jūs domājat gūstam uzvaru, un parāda, kuri no šiem apgalvojumiem ir aizstāvami ar pierādījumiem. Pilnais salīdzinošais vērtējums tiek veidots.