Една стратегия рядко се основава на всички налични факти. Тя се основава на подбран брой предположения, които в момента на формулирането им са били разумни и след това не са били повторно разгледани. Едно от тях често е: нашето знанийно предимство се запазва, защото сме по-дълго в бранша, видели сме повече клиенти, решили сме повече гранични случаи от всеки, който сега навлиза. Това предположение е дошло отнякъде. Дългогодишен опит на специалисти, досиета и прецеденти, които не можеха да бъдат копирани за половин година, крива на обучение, през която новодошлите просто трябваше да преминат. Това не беше самонадеяност. Това беше разумно тълкуване на това как се изгражда знанието: бавно, в хора, с години.
Предположението беше вярно, защото знанието и лицето, което го носеше, почти не можеха да бъдат разделени. Ако конкурент искаше да изравни вашето предимство, трябваше да наеме хора със същия многогодишен опит, или сам да инвестира тези години. И двете бяха бавни и видими. Виждахте конкурент да наема или да изгражда, и имахте време да реагирате. Предимството следователно не беше само съдържателно, то беше и разлика в темпото, която можехте да следите.
ИИ поема работа, и това не се случва навсякъде в една и съща категория. При част от знанийните задачи езиков или аналитичен модел може сам да свърши първото преминаване: разпознаване на модели в досиета, изготвяне на становище на база прецеденти, обобщаване на анализ, който преди отнемаше на старши служител цял ден. При друга част това става с човешки надзор: моделът прави предложението, специалист одобрява или отхвърля и аргументира защо. При трета част се променя малко, защото преценката е твърде обвързана с контекста или твърде рискована, за да бъде автоматизирана. Това разпределение е различно за всяка компания и за всяка задача, и точно в това е въпросът: това не е общ пробив, а изместване, което се случва задача по задача, и компаниите, които картографират това по задачи, в момента изпреварват компаниите, които все още обсъждат въпроса на стратегическо ниво.
Откъде идва тази разлика, обикновено не е съдържателно. Тя се крие в това кой вече е задал въпроса на нивото на самата работа, и кой все още го задава на нивото на бранша. Същата логика важи и за предположението, че тази работа не подлежи на стандартизиране: това, което някога се смяташе за твърде специфично за автоматизиране, при проверка често се оказва частично разложимо на повторяеми стъпки.
Последствието специално за знанийното предимство: разликата в темпото, която преди можехте да следите, вече не е гарантирано видима. Конкурент не се налага да наеме десет старши служители, за да достигне вашето ниво в частична задача. Той трябва само да разпознае правилната задача като подходяща за поемане от ИИ, и да организира надзора над нея добре. Той може да направи това, без да го забележите, докато резултатът не бъде поставен на масата.
Сигналите обикновено не се крият в цифрите за това тримесечие. Те се крият в поведение, което приписвате на нещо друго. Оферта на по-малък конкурент, която по съдържание е също толкова остра, колкото преди можеха да предложат само вашите старши служители, и по-бърза. Клиент, който пита защо анализ, който при вас отнема седмица, някъде другаде е готов за ден. Нови участници на пазара, които без дългогодишната крива на обучение вече говорят на ниво. Всеки от тези сигнали сам по себе си е обясним, и точно затова предположението остава незабеляза��о толкова дълго: няма нито един момент, в който то видимо се пропуква, а само поредица от отделни случаи, които едва впоследствие образуват модел.
Въпросът, който стои в основата на това, е същият като при предположението, че мащабът предоставя защита: предимство, което някога беше бавно за изравняване, става ненадеждно едва когато някой друг прескочи бавната стъпка. При знанийното предимство тази бавна стъпка е кривата на обучение, и точно тя се прескача там, където задачата се поддава на поемане от модел.
За да знаете дали предположението все още важи, не е достатъчно да питате дали хората ви все още са добри. Вероятно все още са. Въпросът е дали тяхното предимство все още е пречката за онзи, който иска да ви изравни. Това изисква да следите три неща: за всяка знанийна задача дали попада в категорията напълно поемаема, поемаема с надзор, или човешка работа, и дали тази класификация е проверявана наскоро; преди колко време за последно е установено, че конкурент все още не е направил тази стъпка, и на базата на какъв сигнал; и дали маржът, който приписвате на това знанийно предимство, е записан като отделно предположение с дата, така че да е ясно кога за последно е проверено, вместо просто да се повтаря. Там, където темата засяга решения, свързани с персонала, важат отделни законови изисквания; те не са разгледани тук.
На основния въпрос — коя работа в тази компания действително може да бъде поета от ИИ — се отговаря с работния скенер на FTE TO AI по задачи, а не на нивото на целия бранш.
Който иска да разбере дали това предположение все още важи за собствената компания, може да започне с безплатната проверка на предположения: кратък кръг, в който назовавате най-важните си предположения и виждате за всяко кога за последно е било потвърдено. Пълната стратегическа проверка на издръжливост е в процес на изграждане.
Stel uw vraag. Vaak zit de echte vraag een laag dieper — daar mag ik naar vragen.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.