Strona produktowa obiecuje. Dokumentacja opisuje. Kto czyta instrukcję, referencję API czy changelog, nie czyta tego, co konkurent twierdzi, że potrafi, lecz to, co użytkownik faktycznie musi zrobić, aby produkt zadziałał. Ta różnica sprawia, że dokumentacja jest jednym z niewielu źródeł, które mówią coś o porównaniu na danym wymiarze, a nie o postrzeganej dojrzałości firmy.
Powód, dla którego jest to teraz istotne, nie polega na tym, że dokumentacja się zmieniła. Chodzi o to, że wymiary, na których konkurenci się prześcigają, zmieniają się w momencie, gdy AI przejmuje część leżącej u podstaw pracy. Czas dostawy był długo kwestią obsady personalnej: więcej ludzi w planowaniu, krótszy czas realizacji. Jeśli proces planowania jest w dużej mierze prowadzony przez model, a człowiek ocenia już tylko wyjątki, czas dostawy nie jest już kwestią obsady, lecz kwestią modelu. Kto tego nie dostrzega, wciąż porównuje konkurentów na starej skali, podczas gdy zwycięski wymiar się przesunął.
W dokumentacji, którą warto przeczytać, powtarzają się trzy rodzaje wskazówek:
Te wskazówki nie są dowodem na twierdzenie marketingowe. Są dowodem na decyzję produktową, co czyni je cenniejszymi niż komunikat prasowy na ten sam temat.
Dokumentacja często nie nadąża za produktem. Funkcja, która stała się sterowana przez AI, może wciąż być opisana starymi, ręcznymi krokami, ponieważ nikt nie zaktualizował tekstu. Zdarza się też odwrotnie: dokumentacja mówi o „inteligentnym” lub „automatycznym” przetwarzaniu, podczas gdy leżąca u podstaw logika to stały zestaw reguł bez żadnego elementu uczącego się. Słowo „automatyczny” w dokumentacji nie oznacza AI; oznacza jedynie, że nikt już na to nie klika.
Inną pułapką jest mylenie skali z samą obecnością. API oferujące funkcję klasyfikacji nic nie mówi o tym, jaka część całkowitego wolumenu faktycznie przechodzi tą ścieżką w porównaniu z tym, ile nadal trafia do ręcznej obsługi wyjątków. Zależy to od poziomu wdrożenia wśród klientów konkurenta, od wielkości zbioru danych, na którym wytrenowano model, oraz od tego, jak długo funkcja jest już dostępna. Bez tego kontekstu znaleziony parametr jest wskazówką, a nie odsetkiem.
Dokumentacja zmienia się powoli. Dla większości produktów kontrola co kwartał wystarczy, by wychwycić strukturalne przesunięcia; cotygodniowe czytanie rzadko przynosi nowe informacje, ponieważ wydania dokumentacji nie odbywają się codziennie. Gdy konkurent właśnie ogłasza duże wydanie, bezpośrednia kontrola jest bardziej sensowna niż czekanie na stały cykl, ponieważ to właśnie wokół wydań znikają ręczne kroki lub rozszerzają się API.
Dokumentacja daje warstwę techniczną, ale nic nie mówi o tym, jak klienci doświadczają tej funkcjonalności, co na ten temat wiedzą własni handlowcy, ani jak reaguje na to rynek przy zakupie. Ten sam wzorzec AI, która częściowo przejmuje pracę, częściowo pozostawia ją pod nadzorem, a częściowo zostawia ludziom, jest widoczny w innych miejscach: w wymaganiach i punktacji przetargów i zamówień publicznych, w tym, co recenzje klientów mówią o szybkości i spójności dostaw, oraz w tym, co własni handlowcy od dawna słyszą przez telefon o konkurentach. Kto po przejęciu musi ustalić, która z dwóch organizacji przoduje na danym wymiarze, znajdzie podobne podejście w tym, jak ustawić na jednej linii pozycję dwóch połączonych podmiotów.
Podstawowe pytanie nie dotyczy tego, co publikuje konkurent, lecz tego, jaka praca w Państwa własnej firmie naprawdę może zostać przejęta przez AI; na to pytanie odpowiada się zadaniowo za pomocą skanu pracy FTE TO AI.
Proszę wskazać dwa lub trzy wymiary, na których Państwa zdaniem wygrywają Państwo z konkurentem, którego dokumentację właśnie Państwo przeczytali. Czas dostawy, dokładność, czas reakcji na zmiany: cokolwiek Państwo wymienią, warto sprawdzić, czy to twierdzenie wciąż opiera się na starej skali, czy już na nowej. Bezpłatna kontrola wymiarów pokazuje, które z tych twierdzeń da się obronić dowodami, a które opierają się na założeniach. Pełny benchmark, z macierzą dowodową dla każdego wymiaru, jest w przygotowaniu.