Een klant merkt geografische dekking niet aan een stip op een landkaart, maar aan het antwoord op een paar concrete vragen. Kan deze leverancier morgen op locatie zijn. Kent hij de lokale regelgeving, taal en gewoonten. Is er iemand bereikbaar in de juiste tijdzone, op het juiste moment. Vroeger was het antwoord op die vragen direct gekoppeld aan waar een bedrijf mensen had zitten. Dekking was een gevolg van vestigingen, wagenparken en bezetting per regio. Wie meer gebieden wilde bedienen, moest daar meer mensen neerzetten of meer mensen inhuren die de regio kenden.
Dat verband tussen dekking en fysieke bezetting staat onder druk, niet omdat de fysieke aanwezigheid verdwijnt, maar omdat een deel van het werk dat dekking mogelijk maakt, niet meer aan een locatie gebonden is.
Achter elke claim van geografische dekking zit een stapel werk dat meestal onzichtbaar blijft voor de klant. Regelgeving per land of regio bijhouden en vertalen naar wat dat betekent voor een offerte. Lokale voorraadposities of servicepunten plannen. Vraag en aanbod per regio inschatten, zodat er niet te veel of te weinig capaciteit klaarstaat. Meertalige communicatie coördineren tussen een centraal team en lokale contacten. Rapportages samenstellen die laten zien welke regio's daadwerkelijk binnen de beloofde tijd bediend worden.
Dit werk valt in de drie categorieën die overal in doorlopen. Een deel kan AI overnemen: het combineren van regelgeving, vraagpatronen en logistieke gegevens tot een dekkingsvoorstel per regio is grotendeels rekenwerk op basis van gegevens die al bestaan. Een deel is deels, met toezicht: een AI-systeem stelt een indeling van regio's of een serviceniveau voor, een mens beoordeelt of dat past bij de specifieke situatie van een klant of markt en keurt goed of af, met reden. En een deel blijft mensenwerk: de daadwerkelijke aanwezigheid op locatie, het gesprek met een lokale partner, de beoordeling van een situatie die zich niet in gegevens laat vangen.
Zolang dekking vooral een kwestie van bezetting was, won meestal wie de meeste mensen op de meeste plekken had staan. Dat was een kostenbarrière: meer regio's bedienen kostte in verhouding evenveel meer capaciteit. Een klein bedrijf met een sterk regionaal netwerk kon zich onderscheiden, simpelweg omdat opschalen naar meer regio's voor een concurrent net zo duur was.
Als het combineren van regelgeving, vraag en logistiek grotendeels door AI gebeurt, verandert die rekensom. Een bedrijf dat dat werk al aan een systeem heeft overgedragen, kan een dekkingsvoorstel voor een nieuwe regio sneller op tafel leggen, met minder extra capaciteit dan een concurrent die dat werk nog handmatig per regio uitvoert. Het verschil zit dan niet meer in hoeveel mensen iemand in een regio heeft, maar in hoe snel en hoe onderbouwd iemand een claim over dekking kan maken en, belangrijker, kan waarmaken zodra een klant daar concreet op toetst.
Dat maakt dekking een dimensie waarop de vergelijking tussen aanbieders verschuift van "wie heeft de meeste vestigingen" naar "wie kan de dekking die hij claimt ook onderbouwen". Een aanbieder die claimt in twaalf landen te leveren, maar dat per land met verouderde aannames doet, verliest terrein aan een aanbieder die dezelfde claim met actuele, per regio onderbouwde gegevens kan staven. Hoe je zo'n claim toetst voordat een klant het zelf doet, staat beschreven op een pagina over het onderbouwen van een kwaliteitsclaim.
Het verschil tussen bedrijven die deze verschuiving al merken en bedrijven die er nog niets van zien, zit zelden in de sector en vaker in hoe het werk achter dekking is ingericht. Een bedrijf waar regionale planning nog in losse spreadsheets per vestiging staat, kan dat werk niet zomaar aan een systeem overdragen; de gegevens zijn er niet in de vorm die daarvoor nodig is. Een bedrijf waar die gegevens al gestructureerd samenkomen, kan met dezelfde AI-mogelijkheden veel sneller een stap zetten.
Dat maakt dekking geen dimensie die los staat van de rest. Ze hangt samen met hoe snel een offerte voor een nieuwe regio kan worden opgesteld, wat te lezen is op de pagina over wat AI verandert aan de snelheid waarmee offertes de deur uitgaan, en met hoe makkelijk een klant in een nieuwe regio zaken met een leverancier kan doen, behandeld op de pagina over wat AI verandert aan het gemak van zakendoen. Wie op dekking achterloopt bij de peer group, vindt op een pagina over wat te doen bij een achterstand op een dimensie een aanzet voor hoe die achterstand te duiden is, zonder dat dat neerkomt op advies over personeel; raakt een keuze daaraan, dan gelden daarvoor eigen wettelijke vereisten.
De vraag of een concurrent geografische dekking claimt die hij ook waarmaakt, is lastig te beantwoorden zonder een vergelijking op dezelfde dimensie, met dezelfde bewijslast. Welke rol AI daarin precies speelt, verschilt sterk per bedrijf en per regio, en hangt af van hoe gestructureerd de onderliggende gegevens al zijn en hoeveel toezicht op AI-voorstellen nog nodig is. Welk werk in een specifiek bedrijf werkelijk door AI is over te nemen, en welk werk mensenwerk blijft, beantwoordt de werkscan van FTE TO AI per taak.
Een dimensie als geografische dekking is pas nuttig in een vergelijking als de claim erachter te toetsen is. De gratis dimensiecheck is daar een eerste stap voor: u benoemt waarop u denkt te winnen, en ziet welke van die claims met bewijs te verdedigen is. De volledige benchmark, met de bewijsmatrix per dimensie, is in aanbouw.
Vraag maar waarop er in uw markt gewonnen wordt. Ik vergelijk liever dan dat ik uitleg.
Antwoorden komen uit de kennisbank van deze site. Geen advies op maat, en geen scan van uw bedrijf.