Um cliente que hesita entre dois fornecedores acaba, a certa altura, por fazer uma pergunta específica. Isto funciona com aquela outra aplicação? O que acontece com esta carga, este protocolo, esta excepção? A resposta nesse momento decide muitas vezes mais do que a proposta que já foi apresentada. O conhecimento técnico, na maioria dos mercados b2b, não é o conhecimento em si, mas a rapidez e a precisão com que esse conhecimento chega à pessoa certa no momento certo. Um fornecedor que dá uma resposta fundamentada dentro de uma hora vence um fornecedor que precisa de três dias, mesmo que o conhecimento subjacente seja igual em ambas as partes.
Esta é a razão pela qual o conhecimento técnico consta como dimensão neste benchmark: não porque vence a cabeça mais brilhante, mas porque vence o tempo de percurso entre o conhecimento e a resposta.
Por detrás de cada resposta técnica existe uma cadeia. Alguém reconhece a pergunta, procura a especificação ou experiência relevante, traduz isso para a situação do cliente, e verifica se a resposta está correta antes de ser enviada. Em muitas empresas, essa cadeia passa por um pequeno número de pessoas que têm o conhecimento na cabeça e não estão sempre disponíveis. Noutras empresas, essa cadeia está registada em documentação, histórico de casos e regras de decisão que também podem ser consultadas por outra pessoa.
Essa diferença determina quanto do trabalho se pode transferir. O que existe como texto registado, um sistema pode pesquisar e resumir. O que existe apenas na cabeça de um engenheiro sénior, não pode, até que alguém o escreva.
As três categorias que se repetem em todo o lado aplicam-se aqui na íntegra. Procurar e resumir especificações existentes, manuais e respostas anteriores é trabalho que um sistema pode assumir, desde que a documentação subjacente exista e seja mantida atualizada. Traduzir uma resposta genérica para a situação específica de um cliente, incluindo a avaliação de se uma excepção se aplica ou não, é trabalho em que um sistema pode fazer uma proposta, mas um especialista aprova ou rejeita com fundamento. Avaliar uma situação para a qual não existe precedente continua a ser trabalho humano.
A mudança não está no conhecimento em si, mas em quem já hoje realiza as primeiras duas categorias com o apoio de um sistema e quem ainda o faz de forma totalmente manual. Uma empresa onde a primeira pergunta de um cliente recebe, dentro de um quarto de hora, uma resposta-conceito que um engenheiro apenas tem de verificar, concorre a uma velocidade diferente de uma empresa onde essa mesma pergunta entra na fila de espera de um único especialista. Isso não é uma diferença de conhecimento. É uma diferença na quantidade de trabalho preparatório já assumido.
A diferença raramente está na vontade de mudar e mais frequentemente no estado da informação subjacente. Um sistema só pode responder de forma rápida e fiável se houver algo para pesquisar: documentação estruturada, um histórico consistente de perguntas e respostas anteriores, regras de decisão claras para os casos-limite. As empresas que mantêm esta informação há anos, porque era internamente necessária para a integração de novos colaboradores ou para a garantia de qualidade, têm assim, por acaso, também a base pronta para uma aceleração com IA. As empresas onde esse conhecimento é transmitido principalmente de forma oral precisam primeiro de um esforço de registo antes de um sistema poder fazer algo com ele.
Isso não tem nada a ver com a dimensão da empresa ou o número de especialistas empregados. Uma equipa pequena com conhecimento bem documentado pode reagir mais rapidamente do que um departamento grande onde o conhecimento está fragmentado em cabeças diferentes. Isso torna-a também numa dimensão em que a ordem no mercado pode mudar, independentemente de quem historicamente tinha o maior nome técnico.
O cliente não vê quem usa IA e quem não usa. O cliente apenas percebe o resultado: com que rapidez uma pergunta técnica recebe uma resposta concreta e correta, e quão consistente é essa resposta quando a pergunta é feita uma segunda vez a outra pessoa de contacto. Uma empresa que depende de um especialista individual obtém resultados variáveis, dependendo de quem está disponível nesse dia. Uma empresa onde a resposta provém de uma base de conhecimento compartilhada e pesquisável obtém resultados mais estáveis, com ou sem a intervenção de um sistema.
Esta estabilidade pode ser tornada mensurável ao lado de outros aspetos da comparação, tais como o tempo de resposta a perguntas como vantagem competitiva, a medida em que os processos digitais já se articulam entre si, e o que os textos de recrutamento de um concorrente revelam sobre onde este aposta internamente. O conhecimento técnico raramente existe por si só; ganha ou perde em combinação com o resto do campo de jogo.
A pergunta sobre se numa empresa a IA já assume parcialmente a resposta a perguntas diz, por si só, pouco sobre a qualidade do quadro de pessoal subjacente e nada sobre o que um empregador deveria fazer com isso relativamente a funções individuais; para isso aplicam-se requisitos legais próprios que aqui não são tratados. O que é possível responder é: que parte do tráfego de perguntas técnicas numa empresa específica se deixa acelerar, dado o estado da documentação. Essa pergunta é respondida por tarefa através do scan de trabalho da FTE TO AI.
Antes de o benchmark completo com pontuações comparativas estar disponível, pode verificar se a afirmação que já faz atualmente sobre o conhecimento técnico é sustentável. Quem utiliza a precisão ou a rapidez como capacidade distintiva pode verificar se a distinção também é demonstrável e colocá-la ao lado de outros fatores concretos, como certificações como prova demonstrável de qualidade. A verificação gratuita de dimensão permite-lhe indicar em que aspetos pensa estar a ganhar, e mostra quais dessas afirmações podem ser defendidas com prova. O benchmark completo está em construção.