Strategie se málokdy opírá o všechna dostupná fakta. Opírá se o vybraný počet předpokladů, které byly v okamžiku sepsání rozumné a poté už nebyly znovu otevřeny. Jedním z nich bývá: náš náskok ve znalostech přetrvá, protože jsme v tomto oboru déle, viděli jsme více klientů, vyřešili jsme více výjimečných případů než kdokoli, kdo nyní vstupuje na trh. Tento předpoklad odněkud vycházel. Z dlouholeté zkušenosti specialistů, z dosaženého objemu spisů a precedentů, které nešlo za půl roku zkopírovat, z křivky učení, kterou nováčci prostě musely projít. Nebyla to sebejistota. Byl to rozumný výklad toho, jak se znalosti budovaly: pomalu, v lidech, po celá léta.
Předpoklad platil, protože znalost a osobu, která ji nesla, nebylo možné téměř oddělit. Chtěl-li konkurent váš náskok srovnat, musel najmout lidi se stejným počtem let zkušeností, nebo tyto roky sám investovat. Obojí bylo pomalé a viditelné. Viděli jste konkurenta, jak najímá, nebo jak si budování postupně vytváří, a měli jste čas reagovat. Náskok tedy nebyl jen obsahový, byl to i rozdíl v tempu, který jste mohli sledovat.
AI přebírá práci, a neděje se to všude ve stejné kategorii. U části znalostních úkolů zvládne jazykový nebo analytický model provést první průchod sám: rozpoznat vzorce ve spisech, sestavit doporučení na základě precedentů, shrnout analýzu, která dříve seniorovi zabrala celý den. U jiné části se to děje s lidským dohledem: model vytvoří návrh, specialista jej schválí nebo zamítne a odůvodní proč. U další části se změní jen málo, protože úsudek je příliš vázán na kontext nebo příliš rizikový na to, aby se automatizoval. Toto rozdělení je v každé firmě a u každého úkolu jiné, a přesně to je podstata: nejde o obecný průlom, jde o posun, který probíhá úkol po úkolu, a firmy, které to mapují po jednotlivých úkolech, jsou v tuto chvíli napřed před firmami, které o té otázce ještě diskutují na strategické úrovni.
Odkud tento rozdíl pochází, obvykle nesouvisí s obsahem. Souvisí s tím, kdo si tu otázku už položil na úrovni samotné práce, a kdo si ji ještě klade na úrovni odvětví. Stejná logika platí u předpokladu, že tuto práci nelze standardizovat: co se dříve zdálo příliš specifické na automatizaci, se při ověření často ukáže jako částečně rozložitelné do opakovatelných kroků.
Důsledek konkrétně pro náskok ve znalostech: rozdíl v tempu, který jste dříve mohli sledovat, už není zaručeně viditelný. Konkurent nemusí najmout deset seniorních lidí, aby se dostal na vaši úroveň v dílčím úkolu. Musí jen rozpoznat správný úkol jako vhodný pro převzetí AI a dobře zorganizovat dohled nad ním. To může udělat, aniž byste to viděli, dokud výsledek neleží na stole.
Signály obvykle nejsou v číslech tohoto čtvrtletí. Jsou v chování, které přičítáte něčemu jinému. Nabídka menšího konkurenta, která je obsahově stejně přesná jako dřív, jen kdyby ji dodávali vaši senioři, a je rychlejší. Klient, který se ptá, proč analýza, která u vás trvá týden, je jinde hotová za den. Nové subjekty na trhu, které bez dlouholeté křivky učení už spoluutvářejí diskuzi na úrovni odborníků. Každý z těchto signálů lze samostatně vysvětlit, a to je přesně důvod, proč předpoklad tak dlouho zůstává nepovšimnut: neexistuje jediný okamžik, kdy se viditelně zlomí, jen řada oddělených případů, které až zpětně vytvoří vzorec.
Otázka, která se za tím skrývá, je stejná jako u předpokladu, že velikost poskytuje ochranu: výhoda, kterou bylo dříve pomalé dorovnat, se stává nespolehlivou až ve chvíli, kdy někdo jiný ten pomalý krok vynechá. U náskoku ve znalostech je tímto pomalým krokem křivka učení, a přesně tento krok se vynechává tam, kde se úkol hodí pro převzetí modelem.
Abyste zjistili, zda předpoklad ještě platí, nestačí se ptát, zda jsou vaši lidé stále dobří. Pravděpodobně stále jsou. Otázkou je, zda je jejich náskok stále tou brzdicí bariérou pro toho, kdo se vám chce vyrovnat. To vyžaduje sledovat tři věci: u každého znalostního úkolu, zda spadá do kategorie zcela přenositelný, přenositelný s dohledem, nebo lidská práce, a zda toto zařazení bylo v poslední době znovu prověřeno; jak dávno bylo naposledy zjištěno, že konkurent tento krok ještě neudělal, a na základě jakého signálu; a zda marže, kterou tomuto náskoku ve znalostech připisujete, byla zaznamenána jako samostatný předpoklad s datem, aby bylo jasné, kdy byla naposledy ověřena, a ne jen opakovaně tvrzena. Tam, kde se téma dotýká personálních rozhodnutí, platí vlastní zákonné požadavky; ty zde nejsou rozebírány.
Na základní otázku – jaká práce v této firmě je skutečně přenositelná na AI – odpovídá pracovní scan FTE TO AI po jednotlivých úkolech, ne na úrovni celého odvětví.
Kdo chce zjistit, zda tento předpoklad ve vlastní firmě ještě platí, může začít bezplatnou kontrolou předpokladů: krátké kolo, ve kterém určíte své nejdůležitější předpoklady a u každého uvidíte, kdy byl naposledy potvrzen. Úplný strategický zátěžový test se právě připravuje.
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.