Det vedertagna svaret var: årligen, eller vid en strategisk omprövning. Det svaret utgick från ett antagande som inte längre gäller överallt: att de dimensioner som företag konkurrerar på i sig är stabila. Leveranstid, svarstid, priskonsistens, genomloppstid för en offert — dessa var resultat av bemanning och process, och de förändras långsamt. En årlig mätning var därför meningsfull.
När AI tar över arbetet bakom en dimension förändras dimensionens karaktär i sig. Leveranstid som var beroende av hur många planerare som fanns, blir leveranstid som är beroende av hur väl ett planeringssystem är inrättat. Det kan skifta inom månader, inte år. En jämförelse som fortsätter använda antagandet om stabilitet mäter något som inte längre existerar.
Inte alla dimensioner förändras lika snabbt, och det avgör hur ofta en jämförelse bör revideras.
För dimensioner där AI till stor del kan ta över uppgiften — planering, förstalinjes respons, offertkalkylering — kan konkurrenspositionen vändas på kort tid. En konkurrent som idag organiserar detta arbete annorlunda vinner om några månader på en dimension där denne för ett år sedan fortfarande låg efter. Dessa dimensioner kräver en kortare cykel, inte eftersom metoden kräver det, utan eftersom den underliggande verkligheten i sig rör sig snabbare.
För dimensioner där människor arbetar med AI-stöd och utövar tillsyn — rådgivningskvalitet, komplex ärendehantering — förskjuts positionen gradvis. Stödet förändrar hastigheten och konsekvensen i arbetet, men bedömningen förblir hos människor, och den processen förändras inte från månad till månad.
För dimensioner som förblir mänskligt arbete — relationshantering, förhandling, förtroendebyggande i en lång säljcykel — är den gamla rytmen fortfarande till stor del intakt. Här räcker ofta en årlig eller vartannat-års granskning, eftersom det underliggande arbetet inte fundamentalt förändrar form.
Frågan "hur ofta" har alltså inget enda svar. Svaret är: per dimension, beroende på vilken av de tre kategorierna den dimensionen tillhör idag.
Detta är inget framtidsscenario. I vissa företag är planeringsfunktionen redan till stor del automatiserad och dimensionen leveranstid förskjuts mätbart; i andra företag ligger samma funktion fortfarande helt hos människor och dimensionen förblir stabil. Skillnaden ligger inte i branschen, utan i de val som ett företag och dess konkurrenter redan har gjort om vilket arbete de lämnar åt system och vilket arbete de behåller hos människor med tillsyn som godkänner eller avslår. En benchmark som inte kartlägger den skillnaden separat per dimension missar var den faktiska rörelsen finns.
Det är också varför varför era kunder ser skillnaden innan ni gör det är relevant: kunder upplever ofta en snabbare leveranstid eller mer konsekvent respons månader innan en intern mätning fångar upp det. Jämförelsen ligger då efter marknaden, inte före.
En bevismatris gör poäng spårbara, men spårbarhet är inte samma som säkerhet. Ett antal begränsningar är inneboende i metoden, inte i utförandet.
Offentligt bevis om en konkurrent är alltid en fördröjd avspegling av det verkliga tillståndet. Ett påstående på en webbplats, en recension, en årsredovisning: dessa säger något om ett ögonblick som redan har passerat. Hur färskt och hur direkt beviset är avgör hur mycket vikt en poäng bör få; gammalt bevis på en snabbt föränderlig dimension säger inte mycket.
En poäng på en dimension där ni aldrig kommer att vinna säger heller inget användbart, om inte den dimensionen väger in i er kunds köpbeslut. Hur den vägningen fungerar, och varför en låg poäng där inte automatiskt är ett problem, beskrivs i hur väger ni en dimension där ni aldrig kommer att vinna.
Och en styrka idag är ingen garanti för imorgon. Om ett påstående vilar på arbete som numera även kan levereras av ett system, upphör skillnaden så snart konkurrenter inför samma system. Vad det innebär för en starkaste punkt som blir vanlig genom AI beskrivs på vad gör ni när er starkaste punkt blir vanlig genom AI.
Dessa begränsningar är inget skäl att inte göra en benchmark. De är ett skäl att vid varje resultat ange hur gammalt beviset är och hur känslig dimensionen är för förskjutning genom automatisering. En poäng utan dessa två uppgifter är svår att tolka, även för en ledning som vill hantera den ansvarsfullt.
Hur ofta en jämförelse bör revideras hänger alltså samman med en fråga som inte besvaras av marknaden utan av det egna företaget: vilket arbete kan här verkligen tas över av AI, vilket arbete sker med tillsyn, och vilket arbete förblir mänskligt arbete. Den frågan besvaras per uppgift med arbetsanalysen från FTE TO AI. Den som vet det vet också på vilka dimensioner den egna positionen snabbt kan förskjutas och på vilka den inte kan det.
Om något av dessa resultat berör beslut om personal gäller egna lagstadgade krav för det; denna sida och den underliggande metoden ger inga råd om detta.
En peer group som är felaktigt sammansatt gör varje följdfråga om revideringsrytm meningslös; se vad är en peer group och hur sätter ni den samman för hur det urvalet fungerar. Den som vill se var på marknaden det fortfarande finns utrymme som ingen har tagit finner tillvägagångssättet i vad är en white space-analys.
Den kostnadsfria dimensionskontrollen är ett första steg: ni anger var ni tror att ni vinner, och ser vilka av dessa påståenden som kan försvaras med bevis. Den fullständiga benchmarken är under uppbyggnad.