Marja de eroare a fost mult timp considerată o măsură internă a calității: câte corecții, câtă muncă refăcută, câte reclamații după livrare. Clienții observau puțin din asta, atâta timp cât erorile pe care le întâlneau se situau într-o marjă acceptabilă. Marja de eroare era ceva pe baza căruia un furnizor se evalua pe sine, nu ceva pe baza căruia un client punea furnizorii unul lângă altul.
Acest lucru se schimbă în momentul în care munca din spatele marjei de eroare se deplasează. Detectarea abaterilor — o sumă introdusă greșit, un pas uitat într-un proces, o inconsecvență între două documente — reprezintă în mare parte muncă de control: verificarea unui lucru în raport cu un set fix de reguli sau tipare. Acesta este exact tipul de sarcină din care AI poate prelua o parte semnificativă, un angajat evaluând rezultatul și aprobându-l sau respingându-l motivat. Unde se întâmplă acest lucru, marja de eroare nu scade pentru că oamenii sunt mai atenți, ci pentru că există structural mai multe momente de control decât era fezabil anterior cu aceeași capacitate de personal.
Nu toate companiile implementează acest control în același mod, iar acest lucru explică de ce un furnizor prezintă o marjă de eroare vizibil mai mică decât altul, în timp ce ambii operează pe aceeași piață.
Diferența se află în câteva locuri:
Un client vede rar marja de eroare ca un număr. O observă în numărul de ori în care o factură trebuie returnată, în faptul dacă o livrare este corectă din prima, în faptul dacă un raport este utilizabil fără o rundă de corecții. La un furnizor unde controlul a fost în mare parte deplasat către AI cu supraveghere umană, acest model este diferit: mai puține runde de feedback, mai puține „mai ajustăm puțin”, mai puține surprize după livrare.
Acesta este și motivul pentru care marja de eroare se pretează cu dificultate la a fi revendicată într-o discuție de vânzare. „Noi lucrăm cu precizie” spune puțin unui client; acesta este motivul pentru care promisiunile vagi de calitate din pitch-urile de vânzare sună des interschimbabile între furnizori. Comparația devine concretă abia atunci când este clar ce parte din control a fost efectiv preluată și pe ce bază.
Schimbarea în marja de eroare afectează felul în care un furnizor se situează pe alte aspecte. Mai puțină muncă refăcută înseamnă adesea și termene de livrare mai scurte, ceea ce schimbă comparația privind termenul de livrare: vedeți cum termenele de livrare mai scurte prin planificarea automatizată deplasează norma într-un sector. Mai puține erori în execuție reduc și costurile de asistență post-vânzare, aspect care influențează modul în care clienții evaluează viteza de reacție și gradul de soluționare al serviciului post-vânzare. Și pentru că mai puțină muncă refăcută înseamnă și mai puține costuri, marja de eroare influențează indirect modul în care automatizarea schimbă spațiul pentru prețuri mai competitive. Cel care evaluează marja de eroare separat pierde din vedere această corelație.
Puține companii își raportează propriul procent de erori. Marja de eroare poate fi totuși citită din semnale indirecte: cât de des apare un concurent în presă cu corecții, cum vorbesc recenziile despre lucrări de remediere, cum este structurat un proces de ofertare sau livrare. Pentru concurenții care nu publică cifre, există o abordare pentru a colecta semnale despre concurenți fără ca aceștia să publice cifre proprii.
Cât de mult scade marja de eroare prin controlul asistat de AI depinde de tipul erorii, de calitatea datelor de bază și de gradul de supraveghere umană pe care o organizație îl menține. Nu se poate indica un procent fix valabil pentru fiecare sector sau fiecare companie, și nimeni nu poate garanta că o sarcină va fi efectiv preluată. Ce se poate evalua este: ce parte din munca de control dintr-o companie specifică se prestează pentru preluare și ce parte rămâne muncă umană.
Întrebarea ce muncă din propria dvs. organizație poate fi realmente preluată de AI este răspunsă de scanul de muncă al FTE TO AI, pe sarcină. Pentru comparația cu grupul dvs. de referință există verificarea gratuită a dimensiunilor: numiți unde credeți că aveți un avantaj și vedeți care dintre aceste afirmații poate fi susținută cu dovezi. Benchmark-ul complet, cu scoruri pe dimensiune și o matrice de dovezi, este în curs de realizare.