Un client care ezită între doi furnizori pune la un moment dat o întrebare specifică. Funcționează asta cu cealaltă aplicație? Ce se întâmplă la această sarcină, acest protocol, această excepție? Răspunsul din acel moment decide adesea mai mult decât oferta deja depusă. Cunoștințele tehnice nu reprezintă, în majoritatea piețelor b2b, cunoașterea în sine, ci viteza și precizia cu care acea cunoaștere ajunge la momentul potrivit la persoana potrivită. Un furnizor care oferă un răspuns fundamentat în decurs de o oră câștigă în fața unui furnizor care are nevoie de trei zile, chiar dacă cunoștințele de bază sunt identice la ambele părți.
Acesta este motivul pentru care cunoștințele tehnice figurează ca dimensiune în acest benchmark: nu pentru că cel mai isteț cap câștigă, ci pentru că timpul de parcurs de la cunoaștere la răspuns câștigă.
În spatele fiecărui răspuns tehnic există un lanț. Cineva recunoaște întrebarea, caută specificația sau experiența relevantă, traduce asta în situația clientului și verifică dacă răspunsul este corect înainte ca acesta să iasă pe ușă. La multe companii, acest lanț trece printr-un număr mic de persoane care dețin cunoștințele în cap și nu sunt mereu disponibile. La alte companii, acest lanț este consemnat în documentație, istoric de cazuri și reguli de decizie care pot fi consultate și de altcineva.
Această diferență determină cât de mult din muncă se poate prelua. Ceea ce există ca text consemnat poate fi căutat și rezumat de un sistem. Ceea ce se află doar în capul unui inginer senior nu poate, până când cineva îl scrie.
Cele trei categorii care revin peste tot se aplică și aici fără excepție. Căutarea și rezumarea specificațiilor existente, manualelor și răspunsurilor anterioare este o muncă pe care un sistem o poate prelua, cu condiția ca documentația de bază să existe și să fie ținută la zi. Traducerea unui răspuns generic în situația specifică a unui client, inclusiv evaluarea dacă o excepție se aplică sau nu, este o muncă în care un sistem poate face o propunere, dar un specialist aprobă sau respinge cu motivație. Evaluarea unei situații pentru care nu există precedent rămâne muncă umană.
Schimbarea nu se află în cunoașterea în sine, ci în cine face astăzi deja primele două categorii cu sprijinul unui sistem și cine încă le face complet manual. O companie unde prima întrebare a unui client primește în decurs de un sfert de oră un răspuns-schiță pe care un inginer doar îl mai verifică, concurează la o altă viteză decât o companie unde aceeași întrebare ajunge în coada de așteptare a unui singur specialist. Aceasta nu este o diferență de cunoaștere. Este o diferență în cât de mult din munca pregătitoare a fost deja preluată.
Diferența rareori stă în voința de a se schimba și mai des în starea informației de bază. Un sistem poate răspunde rapid și fiabil doar dacă există ceva de căutat: documentație structurată, un istoric consistent de întrebări și răspunsuri anterioare, reguli de decizie clare pentru cazurile limită. Companiile care păstrează deja de ani de zile aceste informații pentru că erau necesare intern pentru integrarea angajaților sau asigurarea calității, au astfel pregătită, din întâmplare, și baza pentru accelerare cu AI. Companiile unde această cunoaștere se transmite mai ales verbal au nevoie mai întâi de un efort de consemnare înainte ca un sistem să poată face ceva cu ea.
Acest lucru nu are nicio legătură cu mărimea companiei sau cu numărul de specialiști angajați. O echipă mică cu cunoștințe bine documentate poate reacționa mai rapid decât un departament mare unde cunoașterea este fragmentată în capetele oamenilor. Asta face ca aceasta să fie și o dimensiune pe care ordinea în piață se poate schimba, independent de cine avea istoric cel mai mare renume tehnic.
Clientul nu vede cine folosește AI și cine nu. Clientul observă doar rezultatul: cât de repede primește o întrebare tehnică un răspuns concret și corect, și cât de consecvent este acel răspuns atunci când întrebarea este pusă a doua oară unei alte persoane de contact. O companie care se bazează pe un specialist individual obține scoruri variabile, în funcție de cine este disponibil în ziua respectivă. O companie unde răspunsul provine dintr-o bază de cunoștințe comună, căutabilă, obține scoruri mai stabile, cu sau fără intervenția unui sistem.
Această stabilitate poate fi făcută măsurabilă alături de alte aspecte ale comparației, precum timpul de reacție la întrebări ca avantaj competitiv, gradul în care procesele digitale sunt deja aliniate între ele, și ce trădează textele de angajare ale unui concurent despre unde acesta investește intern. Cunoștințele tehnice rareori stau de sine stătător; ele câștigă sau pierd în combinație cu restul terenului de joc.
Întrebarea dacă AI preia deja parțial răspunsul la întrebări într-o companie spune, în sine, puțin despre calitatea forței de muncă existente și nimic despre ce ar trebui să facă un angajator cu asta în privința funcțiilor individuale; pentru aceasta se aplică cerințe legale proprii care nu sunt tratate aici. Ce se poate răspunde este: ce parte din traficul de întrebări tehnice dintr-o companie specifică se poate accelera, având în vedere starea documentației. Această întrebare este răspunsă pe sarcină cu scanul de muncă al FTE TO AI.
Înainte ca benchmark-ul complet cu scoruri comparative să fie disponibil, puteți verifica dacă afirmația pe care o faceți deja acum despre cunoștințele tehnice este susținută. Cine folosește precizia sau viteza ca element de diferențiere poate verifica dacă diferențierea este într-adevăr demonstrabilă și o poate compara cu alți factori concreți precum certificările ca dovadă demonstrabilă a calității. Verificarea gratuită pe dimensiuni vă permite să denumiți unde credeți că câștigați și arată care dintre aceste afirmații poate fi apărată cu dovezi. Benchmark-ul complet este în construcție.