En produktsida lovar. Dokumentation beskriver. Den som läser en manual, en API-referens eller en changelog läser inte vad en konkurrent säger sig kunna, utan vad en användare faktiskt måste göra för att få produkten att fungera. Den skillnaden gör dokumentation till en av de få källor som säger något om jämförelsen på en dimension, inte om den upplevda mognaden hos ett företag.
Anledningen till att detta är relevant nu är inte att dokumentationen har förändrats. Det är att de dimensioner där konkurrenter slår varandra förändras så snart AI tar över en del av det underliggande arbetet. Leveranstid var länge en fråga om bemanning: fler personer i planeringen, kortare genomloppstid. Om en planeringsprocess till stor del drivs av en modell och en människa endast bedömer undantag, är leveranstid inte längre en bemanningsfråga utan en modellfråga. Den som inte inser detta jämför fortfarande konkurrenter på den gamla skalan medan den vinnande dimensionen har förskjutits.
Tre typer av ledtrådar återkommer i dokumentation som är värd att läsa:
Dessa ledtrådar är inte bevis på ett marknadsföringspåstående. De är bevis på ett produktbeslut, vilket gör dem mer värdefulla än ett pressmeddelande om samma ämne.
Dokumentation ligger ofta efter produkten. En funktion som har blivit AI-driven kan fortfarande beskrivas med de gamla, manuella stegen eftersom ingen har uppdaterat texten. Det omvända förekommer också: dokumentation som talar om "intelligent" eller "automatisk" bearbetning medan den underliggande logiken är en fast regeluppsättning utan något inlärande element. Ordet "automatisk" i dokumentation betyder inte AI; det betyder bara att ingen människa längre klickar på det.
En annan fallgrop är att förväxla skala med förekomst. Ett API som erbjuder en klassificeringsfunktion säger ingenting om hur stor del av den totala volymen som faktiskt går via den vägen jämfört med hur mycket som fortfarande går via manuell undantagshantering. Det beror på adoption inom konkurrentens kundbas, på storleken på det dataset modellen är tränad på, och på hur länge funktionen har varit tillgänglig. Utan den kontexten är en hittad parameter en ledtråd, inte en procentsats.
Dokumentation förändras långsamt. För de flesta produkter räcker en kontroll varje kvartal för att fånga strukturella förskjutningar; veckovis läsning ger sällan ny information eftersom utgåvor av dokumentation inte sker dagligen. Hos en konkurrent som just har tillkännagett en stor release är en direkt kontroll mer meningsfull än att vänta på den fasta cykeln, eftersom det är just kring releaser som manuella steg försvinner eller API:er utökas.
Dokumentation ger ett tekniskt lager, men säger ingenting om hur kunder upplever den funktionaliteten, vad de egna säljarna vet om det, eller hur marknaden reagerar på det vid köp. Samma mönster av AI som delvis tar över arbete, delvis lämnar det under tillsyn och delvis lämnar det hos människor, är synligt på andra platser: i kraven och poängsättningen i upphandlingar och anbud, i vad kundrecensioner säger om leveranshastighet och konsekvens, och i vad de egna säljarna redan länge har hört i telefon om konkurrenter. Den som efter en förvärv måste avgöra vilken av de två organisationerna som ligger före på vilken dimension, hittar ett liknande tillvägagångssätt i hur ni ställer de sammanslagna parternas position på en linje.
Den underliggande frågan är inte vad en konkurrent publicerar, utan vilket arbete i ert eget företag som verkligen kan tas över av AI; det besvaras per uppgift med arbetsskanningen från FTE TO AI.
Benämn de två eller tre dimensioner där ni tror att ni vinner över den konkurrent vars dokumentation ni just har läst. Leveranstid, noggrannhet, svarstid på förändringar: vad ni än nämner, undersök om det påståendet fortfarande ligger på den gamla skalan eller på den nya. Den kostnadsfria dimensionskontrollen visar vilka av dessa påståenden som kan försvaras med bevis och vilka som bygger på antaganden. Den fullständiga benchmarken, med bevismatris per dimension, är under uppbyggnad.