Nu fiecare companie trebuie să fie în frunte pe fiecare dimensiune. Un furnizor care livrează mai lent dar consiliază mai precis își poate permite acest decalaj la timpul de livrare atâta timp cât clientul cântărește consilierea mai greu decât timpul de așteptare. Întrebarea nu este dacă câștigați pe toate dimensiunile. Întrebarea este dacă știți ce pondere are efectiv fiecare dimensiune în decizia de cumpărare și dacă acea pondere rezistă în timp.
Aici devine dificil. Ponderile nu sunt proprietăți fixe ale unei piețe. Ele se schimbă de îndată ce munca din spatele unei dimensiuni își schimbă caracterul.
O dimensiune cântărește greu atunci când este rară: puțini furnizori o pot livra bine, iar diferența este resimțită de client. Timpul de livrare a cântărit mult timp greu pentru că planificarea era muncă umană, iar greșelile erau costisitoare. De îndată ce o sarcină este preluată în mare parte de AI, cu sau fără supraveghere, o parte din acea raritate dispare. Ceea ce înainte era o capacitate distinctivă devine o facilitate de bază pe care majoritatea actorilor o egalează într-un termen previzibil.
Asta nu înseamnă că dimensiunea devine nesemnificativă. Înseamnă că ponderea pe care i-o acordați astăzi se bazează pe o raritate care poate fi pe cale să dispară. Un benchmark care nu ține cont de asta cântărește cu presupuneri învechite.
Munca din spatele unei dimensiuni se împarte în părți: sarcini pe care AI le poate gestiona independent, sarcini pe care AI le face cu supraveghere umană și sarcini care rămân muncă umană. Această împărțire determină dacă o pondere este stabilă sau în mișcare.
Acolo unde o sarcină este preluată aproape complet de AI, ponderea acelei dimensiuni scade de obicei, pentru că majoritatea concurenților pot ține pasul într-un termen comparabil. Acolo unde supravegherea rămâne necesară, diferența dintre companii rămâne mai mare și mai durabilă, deoarece calitatea acelei supravegheri este ea însăși o competență pe care nu toată lumea o dezvoltă la fel de repede. Acolo unde rămâne muncă umană, ponderea nu se schimbă mult pe termen scurt, deși raritatea de bază a specialiștilor înșiși se poate schimba.
Această împărțire diferă de la o companie la alta și de la un sector la altul, precum și între companii din același sector. O companie a implementat deja preluarea unei sarcini cu controale funcționale; alta abia începe cu o instalație de test. Această diferență este măsurabilă, nu o presupunere, și este exact ceea ce găsiți atunci când evaluați din exterior maturitatea AI a unui concurent.
O pondere într-un benchmark este o estimare, nu o măsurare a deciziei de cumpărare în sine. Estimarea se bazează pe semnale: ce spun cumpărătorii de pe piață că apreciază, cum se câștigă și se pierd tranzacțiile, cum s-au deplasat dimensiunile în perioada recentă. Este util, dar nu este o garanție că aceeași ponderare va mai fi valabilă peste un an, și nu spune nimic despre o tranzacție individuală cu condiții specifice.
Rezultatul nu spune nimic nici atunci când baza de dovezi este subțire: dacă un scor pe o dimensiune se bazează pe o singură afirmație nesusținută, sau pe informații învechite despre un concurent, atunci ponderarea este la fel de bună ca datele pe care se sprijină. De aceea, la fiecare scor există o matrice de dovezi: puteți verifica pe ce se bazează un scor și puteți evalua singur dacă acea dovadă este suficientă pentru situația dumneavoastră. Acolo unde dovada este slabă, scorul trebuie citit ca indicație, nu ca fapt cert.
Dacă o dimensiune cântărește puțin și dumneavoastră stați slab pe ea, întrebarea nu este automat cum rezolvați asta. Uneori ruta corectă este să recunoașteți slăbiciunea și să consolidați scorul pe o dimensiune care cântărește mai greu; alteori merită totuși să recuperați decalajul pentru că ponderea acelei dimensiuni crește pe măsură ce mai mulți concurenți lasă sarcina de bază pe seama AI. Ce anume justifică abordarea unui decalaj și ce puteți lăsa deoparte depinde de direcția în care se mișcă ponderea, iar aceasta este o întrebare diferită de ce faceți cu un decalaj pe o dimensiune.
Același lucru este valabil și invers, pentru o dimensiune pe care stați acum puternic: dacă munca de bază devine în mare parte preluabilă, întrebarea este ce faceți atunci când punctul dumneavoastră forte devine obișnuit prin AI, iar cât timp mai contează acel avans este o chestiune care se răspunde separat prin cât timp rezistă un avans AI.
Ce muncă din propria dumneavoastră companie poate fi într-adevăr preluată de AI și ce parte continuă să necesite supraveghere este o întrebare per sarcină, nu per funcție sau departament; scanarea muncii de la FTE TO AI răspunde la această întrebare la acel nivel.
Ponderarea unei dimensiuni nu este așadar un dat fix, iar un scor fără dovezi nu este un scor pe care să vă bazați. Ce se poate face: puneți alături afirmațiile pe care credeți că le câștigați și verificați care dintre ele pot fi efectiv apărate cu dovezi. Asta face verificarea gratuită a dimensiunilor. Numiți unde credeți că câștigați și vedeți care dintre acele afirmații rezistă, în același mod ca la fundamentarea unei afirmații despre propria calitate. Benchmark-ul complet, cu matricea integrală de dovezi despre grupul dumneavoastră de referință, este în construcție.