Klient, który waha się między dwoma dostawcami, w pewnym momencie zadaje konkretne pytanie. Czy to działa z tamtą inną aplikacją? Co się dzieje przy tym obciążeniu, tym protokole, tym wyjątku? Odpowiedź w tym momencie decyduje często bardziej niż oferta, która już leży na stole. Wiedza techniczna w większości rynków b2b to nie sama wiedza, lecz szybkość i precyzja, z jaką ta wiedza trafia we właściwym momencie do właściwej osoby. Dostawca, który w ciągu godziny udziela uzasadnionej odpowiedzi, wygrywa z dostawcą, który potrzebuje trzech dni, nawet jeśli wiedza leżąca u podstaw jest u obu stron taka sama.
Dlatego wiedza techniczna figuruje jako wymiar w tym benchmarku: nie dlatego, że wygrywa najbystrzejsza głowa, ale dlatego, że wygrywa czas przejścia od wiedzy do odpowiedzi.
Za każdą techniczną odpowiedzią stoi łańcuch działań. Ktoś rozpoznaje pytanie, wyszukuje odpowiednią specyfikację lub doświadczenie, tłumaczy to na sytuację klienta i sprawdza, czy odpowiedź jest poprawna, zanim opuści firmę. W wielu przedsiębiorstwach ten łańcuch przebiega przez niewielką liczbę osób, które mają tę wiedzę w głowie i nie zawsze są dostępne. W innych przedsiębiorstwach ten łańcuch jest utrwalony w dokumentacji, historii przypadków i regułach decyzyjnych, do których może sięgnąć również ktoś inny.
Ta różnica decyduje o tym, jaka część pracy daje się przejąć. To, co istnieje jako utrwalony tekst, system może przeszukać i podsumować. To, co siedzi wyłącznie w głowie starszego inżyniera, nie da się przejąć, dopóki ktoś tego nie zapisze.
Trzy kategorie, które powracają wszędzie, obowiązują tu bez zastrzeżeń. Wyszukiwanie i podsumowywanie istniejących specyfikacji, instrukcji i wcześniejszych odpowiedzi to praca, którą system może przejąć, pod warunkiem że dokumentacja bazowa istnieje i jest aktualizowana. Przekładanie ogólnej odpowiedzi na konkretną sytuację klienta, wraz z oceną, czy dany wyjątek ma zastosowanie, czy nie, to praca, w której system może przygotować propozycję, ale ekspert ją zatwierdza lub odrzuca z uzasadnieniem. Ocena sytuacji, dla której nie istnieje precedens, pozostaje pracą ludzką.
Przesunięcie nie dotyczy samej wiedzy, lecz tego, kto już dziś wykonuje pierwsze dwie kategorie ze wsparciem systemu, a kto robi to jeszcze całkowicie ręcznie. Firma, w której pierwsze pytanie klienta w ciągu kwadransa otrzymuje wersję roboczą odpowiedzi, którą inżynier musi już tylko sprawdzić, konkuruje z inną prędkością niż firma, w której to samo pytanie ląduje w kolejce jednego specjalisty. To nie jest różnica w wiedzy. To różnica w tym, jaka część pracy przygotowawczej została już przejęta.
Różnica rzadko tkwi w chęci zmiany, a częściej w stanie leżącej u podstaw informacji. System może odpowiadać szybko i wiarygodnie tylko wtedy, gdy jest coś, co można wyszukać: uporządkowana dokumentacja, spójna historia wcześniejszych pytań i odpowiedzi, jasne reguły decyzyjne dla przypadków granicznych. Firmy, które prowadzą tę informację od lat, ponieważ była potrzebna wewnętrznie do wdrażania nowych pracowników lub zapewniania jakości, mają dzięki temu przypadkowo gotową podstawę do przyspieszenia dzięki AI. Firmy, w których ta wiedza jest przekazywana głównie ustnie, potrzebują najpierw etapu utrwalania, zanim system będzie mógł z niej cokolwiek zrobić.
Nie ma to nic wspólnego z wielkością firmy ani liczbą zatrudnionych specjalistów. Mały zespół z dobrze udokumentowaną wiedzą może reagować szybciej niż duży dział, w którym wiedza jest rozproszona po głowach. To sprawia również, że jest to wymiar, na którym kolejność na rynku może się zmienić, niezależnie od tego, kto historycznie miał największe nazwisko techniczne.
Klient nie widzi, kto korzysta z AI, a kto nie. Klient zauważa jedynie wynik: jak szybko pytanie techniczne otrzymuje konkretną, poprawną odpowiedź i jak spójna jest ta odpowiedź, gdy to samo pytanie zostanie zadane po raz drugi innej osobie kontaktowej. Firma opierająca się na pojedynczym specjaliście osiąga zmienne wyniki, zależnie od tego, kto danego dnia jest dostępny. Firma, w której odpowiedź pochodzi ze wspólnej, przeszukiwalnej bazy wiedzy, osiąga bardziej stabilne wyniki, z udziałem systemu lub bez niego.
Tę stabilność można zmierzyć obok innych aspektów porównania, takich jak czas reakcji na pytania jako przewaga konkurencyjna, stopień, w jakim procesy cyfrowe są już ze sobą powiązane, oraz co teksty ofert pracy konkurenta zdradzają o tym, na co stawia wewnętrznie. Wiedza techniczna rzadko istnieje w oderwaniu; wygrywa lub przegrywa w połączeniu z resztą pola gry.
Pytanie, czy AI w danej firmie już częściowo przejmuje odpowiadanie na pytania, samo w sobie niewiele mówi o jakości zatrudnionego personelu i nic o tym, co pracodawca powinien z tym zrobić w odniesieniu do poszczególnych stanowisk; obowiązują tu odrębne wymogi prawne, które nie są tu omawiane. Odpowiedzieć można natomiast na pytanie: jaka część technicznego ruchu pytań w konkretnej firmie, biorąc pod uwagę stan dokumentacji, daje się przyspieszyć. Na to pytanie odpowiada się zadanie po zadaniu za pomocą skanu pracy FTE TO AI.
Zanim pełny benchmark z ocenami rówieśniczymi będzie dostępny, można sprawdzić, czy twierdzenie, które już teraz formułuje się na temat wiedzy technicznej, da się utrzymać. Kto stawia na precyzję lub szybkość jako wyróżnik, może sprawdzić, czy ta różnica jest również wykazywalna i zestawić ją z innymi twardymi czynnikami, takimi jak certyfikaty jako wykazywalny dowód jakości. Bezpłatny test wymiarowy pozwala wskazać, na czym, jak Państwo sądzą, wygrywają, i pokazuje, które z tych twierdzeń da się obronić dowodami. Pełny benchmark jest w budowie.