Om två konkurrenter använder samma AI-tillämpning för offerter, leveranstider eller kundkontakt, försvinner den skillnad som den dimensionen en gång gav upphov till. Det som tidigare var ett försprång eftersom det var sällsynt — en snabb planering, en korrekt offert, en dygnet-runt-bemannad helpdesk — blir en grundförutsättning så snart den underliggande uppgiften övertas av AI. Inte för att dimensionen blir oviktig för kunden, utan för att alla presterar lika bra på den.
Frågan är alltså inte om AI gör dimensioner värdelösa. Det sker redan, uppgift för uppgift, i företaget ni tittar på idag. Frågan är vilka dimensioner det gäller, och vilka som i stället vinner värde eftersom de blir kvar som det enda man fortfarande kan göra skillnad på.
Hastigheten med vilken en dimension töms beror på hur mycket av det underliggande arbetet AI kan ta över, och hur mycket av det som fortsätter att drivas med mänsklig tillsyn. En planeringsdimension som helt kan drivas av AI urholkas snabbare än en rådgivningsdimension där en specialist fortfarande bedömer och korrigerar resultatet. Och arbete som förblir mänskligt arbete — förhandling, hantering av undantag, att bygga förtroende — förblir en särskiljande dimension, just för att det inte låter sig kopieras med samma programvara.
Detta förklarar också varför ett företag redan märker att en dimension inte längre ger något, medan ett annat fortfarande hävdar ett försprång på något som redan är allmänt förekommande någon annanstans. Det handlar inte om branschen, det handlar om vad som redan har övertagits per företag. Den som ser hur en nykomling utan personal bygger upp en position i marknaden ser ofta att den nykomlingen exakt hoppar över de dimensioner som hos etablerade aktörer fortfarande kräver bemanning, och direkt startar med AI på dimensioner där etablerade parter fortfarande tror sig vinna.
Benchmarken poängsätter er position och den för er peer group på de dimensioner som avgör affärerna i er marknad. Varje poäng kan härledas till en bevismatris: observationer, inte antaganden. Det är kärnan i metoden, och även dess gräns.
Metoden fastställer om en dimension för närvarande är särskiljande inom den jämförda gruppen. Den fastställer inte om det fortfarande är fallet om ett år. Om konkurrenter i er marknad nu fortfarande till stor del arbetar manuellt på en dimension, kan den dimensionen tömmas i morgon så snart en av dem använder AI för det underliggande arbetet. Poängen är en ögonblicksbild, inte en garanti för den ögonblicksbildens hållbarhet. Det är också därför upprepning behövs: hur ofta en jämförelse med konkurrenter behöver göras om beror på hur snabbt AI tar över arbetet bakom de uppmätta dimensionerna i er bransch, inte på en fast kalender.
Det finns ytterligare en gräns. En dimension kan få lågt poäng i bevismatrisen utan att det säger något om kvaliteten på det underliggande arbetet. Det säger att det finns otillräckligt externt observerbart bevis för att underbygga ett påstående. Det är ett annat problem än en svag utförande, och det kräver ett annat tillvägagångssätt: hur ni underbygger ett påstående om er egen kvalitet handlar om att samla bevis, inte om att förbättra själva arbetet.
Kommersiellt ansvariga förlorar ofta affärer inte för att en dimension är svag, utan för att ett påstående om den dimensionen inte längre håller medan säljargumentet ändå har blivit stående. "Vi är snabbare" var sant när hastigheten berodde på bemanning. Så snart en konkurrent låter planeringen drivas av AI med en medarbetare som endast bedömer undantag, är samma påstående inte längre sant, även om inget har förändrats i vad ert företag gör.
Påståendetestet lägger varje vinstanspråk bredvid det bevis som finns tillgängligt för peer group. Det förhindrar att en jämförelse byggs på ett antagande som fortfarande lever internt men redan är föråldrat externt. Svaret på vad man fortfarande kan konkurrera på när AI utför det verkställande arbetet skiljer sig därför per företag, och förändras så snart något förskjuts i peer group.
Om en dimension blir värdelös eftersom hela marknaden presterar lika på den, är den första frågan inte hur ni ska vinna på den igen. Ofta är det inte längre möjligt, och energin är bättre spenderad på en dimension som fortfarande särskiljer. Vad man gör med ett underläge på en dimension beror på om den dimensionen fortfarande går att påverka, eller om marknaden redan har vuxit förbi den.
Detta berör oundvikligen frågan om vilket arbete i ert eget företag som redan kan övertas av AI och vilket arbete som förblir mänskligt arbete. Den frågan besvarar arbetsscanen från FTE TO AI per uppgift. Där ett resultat berör personalbeslut gäller egna lagstadgade krav för det; scanen och benchmarken levererar fakta om arbete, inget underlag för dessa beslut.
Benämn de två eller tre dimensioner som ni tror att ni vinner på. Gå för var och en igenom om den vinsten fortfarande vilar på något sällsynt, eller på något som numera går lika snabbt överallt. Den kostnadsfria dimensionskontrollen visar vilka av dessa påståenden som för närvarande kan försvaras med bevis inom er peer group. Den fullständiga benchmarken, med den kompletta bevismatrisen per dimension, är under uppbyggnad.