W przemyśle wytwórczym praca w dużej mierze mieści się w trzech strumieniach: etapie wstępnym kalkulacji i oferty, planowaniu i sterowaniu produkcją na hali, oraz kontroli jakości, która decyduje, czy zamówienie jest wystarczająco dobre, by je wysłać. Poza tym jest praca związana z samymi maszynami i materiałami: konserwacja, zakup surowców oraz administracja wokół certyfikacji i identyfikowalności. To, który z tych strumieni pochłania najwięcej godzin, różni się w zależności od firmy i rodzaju produktu, ale wynik transakcji rzadko jest determinowany przez strumień z najmniejszą liczbą godzin.
Okoliczności, które kształtują wynik, są częściowo techniczne, a częściowo ludzkie. Oferta musi odpowiadać rzeczywistemu czasowi realizacji, a nie stałej marży, która przypadkowo zwykle się zgadza. Termin dostawy jest tak dobry, jak planowanie, które go wyznacza, a to planowanie jest tak dobre, jak dane, na których działa. A jakość w przemyśle wytwórczym oceniana jest nie na podstawie średniej, lecz odchyleń: tej jednej partii z odchyleniem, którą klient zapamięta.
Pytanie nie brzmi, czy AI przejmuje pracę w przemyśle wytwórczym, bo to już się dzieje częściowo. Pytanie brzmi, co to robi z wymiarem, na podstawie którego klient wybiera między dostawcami. Dopóki termin dostawy zależy od obłożenia planisty, wygrywa firma z największą liczbą doświadczonych ludzi na hali. Gdy planowanie w dużej mierze przejmuje oprogramowanie, które przelicza scenariusze i tylko przy odchyleniach prosi człowieka o zatwierdzenie, termin dostawy przesuwa się z kwestii pojemności do kwestii danych: wygrywa ten, kto ma najlepsze dane wejściowe, a nie ten, kto ma najwięcej planistów.
To samo dotyczy kalkulacji. Oferta, która kiedyś zajmowała dni, bo ktoś musiał przeliczyć rysunki, może teraz w części powstawać automatycznie, przy czym inżynier ocenia wynik pod kątem nielogicznych odchyleń. Czy wtedy nadal wygrywa firma, która najszybciej ofertuje, czy ta, która ofertuje najdokładniej? To nie wszędzie ta sama odpowiedź i właśnie dlatego zmienia się porównanie między dostawcami: wymiar, na którym wcześniej się wygrywało, nadal istnieje, ale to, co go wypełnia, nie jest już takie samo jak wcześniej.
Kontrola jakości to trzeci przykład. Inspekcja wizualna, którą przejmuje AI, nie zmienia pytania, czy klient wymaga jakości, ale zmienia to, co oznacza „lepiej wypadać pod względem jakości”. Firma, która inspekcję nadal wykonuje w pełni rękami ludzkimi, nie konkuruje już na spójności oka, lecz na czymś innym: szybkości korygowania, przejrzystości w zakresie odchyleń lub okresach gwarancyjnych. Kto tego nie dostrzega, nadal broni się na wymiarze, który nie liczy się już tak, jak się liczył.
Ta różnica między firmami nie tkwi w ambicji, lecz w tym, co dało się zautomatyzować, biorąc pod uwagę ich asortyment produktów i dane. Firma wytwórcza z dużą ilością pracy seryjnej i ustandaryzowanymi rysunkami ma większą podstawę do przekazania kalkulacji, niż firma dostarczająca głównie produkty na zamówienie, gdzie każde zlecenie to nowy wyjątek. Firma z wieloletnimi danymi z czujników maszyn może uczynić konserwację predykcyjną; firma bez takich danych musi najpierw zainwestować, zanim AI będzie mogła coś tam przejąć. Przesunięcie nie dotyka więc każdej firmy w tej samej kolejności, co oznacza, że grupa porównawcza w danym momencie zawiera zarówno firmy, które już punktują na nowym wymiarze, jak i firmy wciąż broniące się na starym wymiarze.
Czy zysk wydajności napędzany przez AI prowadzi też do zmniejszenia liczby etatów, to decyzja pracodawcy podlegająca własnym wymogom prawnym; tutaj chodzi wyłącznie o pytanie, który wymiar rozstrzyga transakcję i kto na nim obecnie punktuje.
To przesunięcie nie dotyczy wyłącznie przemysłu wytwórczego. To, co oznacza termin dostawy, gdy planowanie przejmuje pracę planistów transportu, pokazuje podobny wzorzec, podobnie jak pytanie na czym wyróżniają się firmy doradcze, gdy badania i raportowanie są w dużej mierze zautomatyzowane. Jeśli rozpoznają Państwo wymiar, na którym Państwa zdaniem wygrywają, kolejnym pytaniem jest, co zrobić, gdy okaże się, że konkurent obecnie w tym przoduje: co zrobić z zaległością na wymiarze, który rozstrzyga transakcję opisuje podejście do tego.
Na pytanie leżące u podstaw, jaka praca w Państwa firmie rzeczywiście nadaje się do przejęcia przez AI, odpowiada skan pracy FTE TO AI, zadanie po zadaniu.
Zanim zaczną się Państwo bronić na jakimś wymiarze, warto wiedzieć, czy ten wymiar nadal jest tym, czym był, oraz czy Państwa twierdzenie na jego temat jest obronne. Twierdzenie takie jak „jesteśmy szybsi” czy „jesteśmy dokładniejsi” ma wartość dopiero wtedy, gdy da się je poprzeć dowodami; jak to działa, opisano w jak uzasadnić twierdzenie o własnej jakości. Dzięki bezpłatnemu sprawdzeniu wymiarów określają Państwo, na czym Państwa zdaniem wygrywają, i sprawdzają, które z tych twierdzeń da się obronić dowodami. Pełny benchmark, z Państwa pozycją i pozycją Państwa grupy porównawczej na każdym wymiarze, jest w przygotowaniu.