Produktová stránka sľubuje. Dokumentácia popisuje. Kto číta návod, referenciu API alebo changelog, nečíta o tom, čo konkurent tvrdí, že vie, ale o tom, čo musí používateľ skutočne urobiť, aby produkt fungoval. Tento rozdiel robí z dokumentácie jeden z mála zdrojov, ktoré vypovedajú o porovnaní na určitej dimenzii, nie o vnímanej vyspelosti firmy.
Dôvod, prečo je to teraz relevantné, nie je ten, že sa dokumentácia zmenila. Je to tým, že dimenzie, na ktorých konkurenti navzájom vyhrávajú, sa menia, akonáhle AI prevezme časť podkladovej práce. Dodacia lehota bola dlho otázkou personálneho obsadenia: viac ľudí v plánovaní, kratší priebežný čas. Ak je plánovací proces prevažne riadený modelom a človek posudzuje už len výnimky, dodacia lehota už nie je otázkou obsadenia, ale otázkou modelu. Kto si to neuvedomí, porovnáva konkurentov ešte na starej škále, zatiaľ čo víťazná dimenzia sa medzitým presunula.
V dokumentácii, ktorú sa oplatí čítať, sa opakujú tri druhy náznakov:
Tieto náznaky nie sú dôkazom marketingového tvrdenia. Sú dôkazom produktového rozhodnutia, čo ich robí hodnotnejšími ako tlačovú správu na rovnakú tému.
Dokumentácia často zaostáva za produktom. Funkcia, ktorá sa stala riadenou pomocou AI, môže byť stále popísaná starými, manuálnymi krokmi, pretože nikto text neaktualizoval. Vyskytuje sa aj opak: dokumentácia, ktorá hovorí o „inteligentnom“ alebo „automatickom“ spracovaní, zatiaľ čo podkladová logika je pevná sada pravidiel bez akéhokoľvek učiaceho prvku. Slovo „automaticky“ v dokumentácii neznamená AI; znamená len to, že už na to neklika človek.
Ďalšou pascou je zamieňanie rozsahu s prítomnosťou. API, ktoré ponúka klasifikačnú funkciu, nič nehovorí o tom, koľko z celkového objemu skutočne prechádza touto cestou oproti tomu, koľko ešte ide cez manuálne riešenie výnimiek. To závisí od adopcie medzi zákazníkmi konkurenta, od veľkosti dátovej sady, na ktorej bol model trénovaný, a od toho, ako dlho je funkcia už k dispozícii. Bez tohto kontextu je nájdený parameter náznakom, nie percentom.
Dokumentácia sa mení pomaly. Pre väčšinu produktov stačí kontrola raz za štvrťrok na zachytenie štrukturálnych posunov; týždenné čítanie zriedka prináša nové informácie, pretože vydania dokumentácie sa nedejú denne. Pri konkurentovi, ktorý práve oznámil veľké vydanie, má priama kontrola väčší zmysel než čakanie na pravidelný cyklus, pretože práve okolo vydaní manuálne kroky miznú alebo sa API rozširujú.
Dokumentácia poskytuje technickú vrstvu, ale nič nehovorí o tom, ako túto funkcionalitu vnímajú zákazníci, čo o nej vedia vlastní predajcovia, ani ako na ňu reaguje trh pri nákupe. Rovnaký vzor AI, ktorá prácu čiastočne preberá, čiastočne necháva pod dohľadom a čiastočne ponecháva ľuďom, je viditeľný aj inde: v požiadavkách a hodnoteniach tendrov a verejných obstarávaní, v tom, čo zákaznícke recenzie hovoria o rýchlosti a konzistentnosti dodávok, a v tom, čo vlastní predajcovia už dávno počujú v telefóne o konkurentoch. Kto musí po akvizícii určiť, ktorá z dvoch organizácií na ktorej dimenzii vedie, nájde podobný prístup v tom, ako umiestniť pozíciu dvoch zlúčených strán na jednu líniu.
Podkladová otázka nie je to, čo konkurent publikuje, ale ktorú prácu vo vašej vlastnej firme možno skutočne prebrať pomocou AI; to sa zodpovedá po jednotlivých úlohách pomocou pracovného skenu FTE TO AI.
Pomenujte dve alebo tri dimenzie, na ktorých si myslíte, že vyhrávate nad konkurentom, ktorého dokumentáciu ste práve prečítali. Dodacia lehota, presnosť, rýchlosť reakcie na zmeny: nech uvediete čokoľvek, overte, či toto tvrdenie stále stojí na starej škále, alebo na novej. Bezplatná kontrola dimenzie ukáže, ktoré z týchto tvrdení možno obhájiť dôkazmi a ktoré sú založené len na domnienke. Kompletný benchmark s maticou dôkazov pre každú dimenziu sa pripravuje.