En kund som tvekar mellan två leverantörer ställer vid ett tillfälle en specifik fråga. Fungerar det med den andra applikationen? Vad händer vid denna belastning, detta protokoll, detta undantag? Svaret i det ögonblicket avgör ofta mer än offerten som redan ligger på bordet. Teknisk kunskap är i de flesta b2b-marknader inte kunskapen i sig, utan hastigheten och precisionen med vilken den kunskapen når rätt person vid rätt tidpunkt. En leverantör som ger ett underbyggt svar inom en timme vinner mot en leverantör som behöver tre dagar, även om den underliggande kunskapen är likvärdig hos båda parter.
Det är anledningen till att teknisk kunskap finns som dimension i denna benchmark: inte för att det skarpaste huvudet vinner, utan för att genomloppstiden från kunskap till svar vinner.
Bakom varje tekniskt svar finns en kedja. Någon känner igen frågan, letar upp den relevanta specifikationen eller erfarenheten, översätter det till kundens situation och kontrollerar att svaret är korrekt innan det skickas ut. Hos många företag går den kedjan via ett litet antal personer som har kunskapen i huvudet och inte alltid är tillgängliga. Hos andra företag är den kedjan dokumenterad i dokumentation, fallhistorik och beslutsregler som även andra kan konsultera.
Den skillnaden avgör hur mycket av arbetet som går att ta över. Det som finns som dokumenterad text kan ett system genomsöka och sammanfatta. Det som bara finns i huvudet hos en senior ingenjör kan det inte, förrän någon skriver det ner.
De tre kategorierna som återkommer överallt gäller fullt ut även här. Att söka upp och sammanfatta befintliga specifikationer, manualer och tidigare svar är arbete som ett system kan ta över, förutsatt att den underliggande dokumentationen finns och hålls aktuell. Att översätta ett generiskt svar till en kunds specifika situation, inklusive avvägningen om ett undantag gäller eller inte, är arbete där ett system kan lägga fram ett förslag men en expert godkänner eller avslår med motivering. Att bedöma en situation som saknar prejudikat förblir mänskligt arbete.
Förskjutningen ligger inte i kunskapen i sig, utan i vem som redan idag utför de två första kategorierna med stöd av ett system och vem som fortfarande gör det helt manuellt. Ett företag där kundens första fråga inom en kvart får ett utkast till svar som en ingenjör bara behöver kontrollera, konkurrerar med en annan hastighet än ett företag där samma fråga hamnar i kön hos en ensam specialist. Det är ingen skillnad i kunskap. Det är en skillnad i hur mycket av det förberedande arbetet som redan har tagits över.
Skillnaden ligger sällan i viljan att förändras och oftare i tillståndet hos den underliggande informationen. Ett system kan bara svara snabbt och tillförlitligt om det finns något att söka i: strukturerad dokumentation, en konsekvent historik av tidigare frågor och svar, tydliga beslutsregler för gränsfallen. Företag som har underhållit denna information i flera år, eftersom den behövdes internt för introduktion eller kvalitetssäkring, har därmed av en slump även grunden för acceleration med AI redan på plats. Företag där den kunskapen främst förs vidare muntligt behöver först en dokumentationsinsats innan ett system kan göra något med den.
Det har inget att göra med företagets storlek eller antalet anställda specialister. Ett litet team med väldokumenterad kunskap kan reagera snabbare än en stor avdelning där kunskapen är fragmenterad i huvuden. Det gör det också till en dimension där ordningen på marknaden kan förändras, oavsett vem som historiskt haft det största tekniska namnet.
Kunden ser inte vem som använder AI och vem som inte gör det. Kunden märker bara resultatet: hur snabbt en teknisk fråga får ett konkret, korrekt svar, och hur konsekvent det svaret är om frågan ställs en andra gång till en annan kontaktperson. Ett företag som förlitar sig på en enskild specialist får varierande resultat, beroende på vem som är tillgänglig just den dagen. Ett företag där svaret kommer från en delad, sökbar kunskapsbas får ett mer stabilt resultat, med eller utan inblandning av ett system.
Denna stabilitet kan mätas tillsammans med andra aspekter av jämförelsen, som svarstid på frågor som konkurrensfördel, i vilken grad digitala processer redan hänger ihop, och vad rekryteringstexter från en konkurrent avslöjar om vad de satsar på internt. Teknisk kunskap står sällan för sig själv; den vinner eller förlorar i kombination med resten av spelplanen.
Frågan om AI hos ett företag redan delvis tar över svar på frågor säger i sig lite om kvaliteten på den underliggande personalstyrkan och ingenting om vad en arbetsgivare borde göra med det när det gäller enskilda funktioner; för det gäller egna lagkrav som inte behandlas här. Vad som däremot går att besvara: vilken del av det tekniska frågeflödet hos ett specifikt företag som, givet dokumentationens tillstånd, går att accelerera. Den frågan besvaras per uppgift med arbetsskanningen från FTE TO AI.
Innan den fullständiga benchmarken med peer-poäng finns tillgänglig kan ni undersöka om det påstående ni redan gör om teknisk kunskap håller. Den som använder precision eller hastighet som särskiljande förmåga kan testa om skillnaden också går att påvisa och jämföra den med andra hårda faktorer som certifieringar som påvisbart bevis på kvalitet. Den kostnadsfria dimensionskontrollen låter er ange var ni tror att ni vinner, och visar vilka av dessa påståenden som går att försvara med bevis. Den fullständiga benchmarken är under uppbyggnad.