Chybová marža -- priestor, ktorý organizácia zabuduje medzi to, čo niečo stojí, a to, čo sa za to počíta, alebo medzi odhadom a skutočným výsledkom -- bola dlho určovaná človekom, ktorý robil kalkuláciu. Skúsený kalkulant alebo account manažér vedel, kde v ponuke sú riziká, a na to počítal maržu. Táto znalosť bola uložená v hlavách, rozptýlená medzi ľuďmi, ktorí roky pracovali s produktovým portfóliom alebo s určitým typom klienta. Dvaja kalkulanti v tej istej firme tak pri porovnateľných zákazkách prichádzali na odlišné marže. Tento rozdiel nebol viditeľný pre klienta, ale bol viditeľný vo výsledovke.
Porovnanie medzi konkurentmi tak prebiehalo cez výsledok: kto vedel ponúknuť ostrejšiu cenu bez toho, aby skončil v strate. Nie cez otázku, ako sa táto marža určovala, pretože tento výpočet zostával mimo dohľadu.
Ak sa chybová marža počíta na základe historických dát -- odchýlok medzi kalkuláciou a následnou kalkuláciou, dodacích lehôt, výkyvov cien materiálu -- veľkú časť tejto výpočtovej práce môže prevziať AI. Nie rozhodnutie o konečnej marži, ale podkladovú prácu: prepočítať tisíce ukončených projektov na to, kde odchýlky vznikali systematicky, a tento vzor uplatniť na novú ponuku. Vo firmách, kde sa to deje, je kalkulácia bližšie k skutočným rizikám než vo firmách, ktoré sa ešte spoliehajú na skúsenosť jednotlivca.
Toto mení porovnanie konkrétnym spôsobom. Organizácia, ktorá svoju chybovú maržu opiera o tisíce dátových bodov, môže kalkulovať ostrejšie bez toho, aby sa zvýšilo riziko, zatiaľ čo konkurent, ktorý sa spolieha na zručnosť pár ľudí, potrebuje širšiu maržu, aby pokryl rovnakú neistotu. Ten prvý teda môže podať nižšiu ponuku pri rovnakom riziku, alebo rovnakú ponuku pri nižšom riziku. Oboje je konkurenčná výhoda a oboje je viditeľné vo výsledku, nie v procese.
Tento posun sa dá rozdeliť na tri druhy práce, ktoré sa v takmer každej firme prelínajú.
Prepočítavanie historických odchýlok -- kalkulácia versus realizácia pri stovkách alebo tisíckach zákazok -- je práca, ktorú AI vo väčšine prípadov môže prevziať. Je to rozpoznávanie vzorov v štruktúrovaných dátach, a to je presne to, v čom je táto technológia silná.
Prenášanie týchto vzorov do konkrétnej ponuky je čiastočne práca s ľudským dohľadom. Systém môže ponúknuť odhad rizika pre nový projekt, ale niekto so znalosťou klienta, trhu alebo výnimočnej situácie posúdi, či tento odhad platí aj tu, a maržu schváli alebo zamietne, s odôvodnením.
Rozhodnutie vedome ísť v konkrétnej zákazke pod vypočítanú maržu -- zo strategických dôvodov, aby sa získal klient, aby sa vstúpilo na trh -- zostáva prácou pre človeka. To nie je výpočtová otázka, ale zváženie rizika a ambície, a táto zodpovednosť sa neposúva.
Rozdiel medzi firmami nie je v prístupe k AI, ale v tom, koľko dát a disciplíny stojí za kalkuláciou. Firma, ktorá systematicky zaznamenáva následnú kalkuláciu -- čo projekt skutočne stál, kde vznikla odchýlka, či to bolo v nákupe, plánovaní alebo realizácii -- má základ, na ktorom sa model môže učiť. Firma, ktorá robí následnú kalkuláciu ad hoc alebo len pri veľkých prekročeniach, tento základ nemá, nech investuje do AI akýkoľvek rozpočet. Zaostávanie potom nie je v technológii, ale v otázke, či sa vôbec niekedy zaznamenávalo, čo sa skutočne stalo.
Toto robí z chybovej marže rozmer, na ktorom sa posun odohráva nerovnomerne medzi odvetviami a medzi firmami v rámci toho istého odvetvia. Stavebná firma s pätnástimi rokmi dát z následnej kalkulácie má iný východiskový bod než konkurent, ktorý so štruktúrovaným zaznamenávaním začal až minulý rok. Kto v súvislosti s týmto posunom uvažuje o personálnych dôsledkoch, mal by si uvedomiť, že na to platia vlastné zákonné požiadavky; táto stránka sa venuje tomu, čo sa deje s prácou, nie tomu, čo s tým robí zamestnávateľ.
Chybová marža málokedy stojí osamotene. Ostrejšia kalkulácia súvisí s náskokom, ktorý AI prináša pri cene, pretože nižšia potrebná marža dáva priestor v cenotvorbe. Súvisí aj s náskokom, ktorý AI prináša pri dodacej lehote, pretože časť chybovej marže pramení z neistoty v plánovaní. Aby sa dalo zistiť, či je váš prístup k chybovej marži skutočne lepší než u porovnateľných firiem, treba najprv vedieť, kto sú tieto porovnateľné firmy; preto je ako sa zostavuje peer group prvou otázkou, nie poslednou.
Otázka, akú časť tohto konkrétneho kalkulačného procesu v tejto konkrétnej firme už teraz môže prevziať AI, a ktorá časť čaká na dáta z následnej kalkulácie, ktoré ešte neexistujú, sa zodpovedá pomocou pracovného skenu FTE TO AI, po jednotlivých úlohách.
Bezplatná kontrola dimenzií vám umožní pomenovať, v čom si myslíte, že vyhrávate -- chybová marža, cena, dodacia lehota alebo niečo iné -- a ukáže, ktoré z týchto tvrdení sa dajú obhájiť dôkazmi a ktoré ešte nie. Úplný benchmark, s maticou dôkazov a porovnaním vo vašej peer group, sa pripravuje.
Vraag maar waarop er in uw markt gewonnen wordt. Ik vergelijk liever dan dat ik uitleg.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.