Una strategia raramente si fonda su tutti i fatti disponibili. Si fonda su un numero selezionato di ipotesi che, al momento della stesura, erano sensate e successivamente non sono più state riaperte. Una di queste è spesso: il nostro vantaggio di conoscenza persiste, perché siamo nel settore da più tempo, abbiamo visto più clienti, abbiamo risolto più casi particolari di chi entra nel mercato ora. Quell'ipotesi veniva da qualche parte. Anni di esperienza di specialisti, dossier e precedenti che non si potevano copiare in sei mesi, una curva di apprendimento che i nuovi entranti dovevano semplicemente percorrere. Non era presunzione. Era una lettura ragionevole di come si costruiva la conoscenza: lentamente, nelle persone, nel corso degli anni.
L'ipotesi era fondata perché la conoscenza e la persona che la portava erano praticamente inseparabili. Se un concorrente voleva pareggiare il vostro vantaggio, doveva assumere persone con gli stessi anni di esperienza, oppure investire lui stesso quegli anni. Entrambe le strade erano lente e visibili. Vedevate un concorrente assumere o costruire, e avevate tempo per reagire. Il vantaggio quindi non era solo di contenuto, era anche una differenza di ritmo che potevate seguire.
L'AI sta assorbendo lavoro, e ciò non avviene ovunque nella stessa categoria. In una parte dei compiti di conoscenza, un modello linguistico o di analisi può svolgere autonomamente il primo passaggio: riconoscere pattern nei dossier, formulare un parere basato su precedenti, sintetizzare un'analisi che prima costava a un senior una giornata di lavoro. In un'altra parte avviene con supervisione umana: il modello formula la proposta, uno specialista approva o respinge e motiva la scelta. In un'altra parte ancora cambia poco, perché il giudizio è troppo legato al contesto o troppo rischioso da automatizzare. Questa distribuzione varia da azienda ad azienda e da compito a compito, e questo è esattamente il punto: non è una svolta generale, è uno spostamento che avviene compito per compito, e le aziende che lo mappano a questo livello sono in questo momento in vantaggio rispetto a quelle che discutono ancora la questione a livello strategico.
Da dove nasce questa differenza, di solito non è una questione di contenuto. Sta in chi ha già posto la domanda al livello del lavoro stesso, e chi la pone ancora al livello del settore. La stessa logica vale per l'ipotesi che questo lavoro non sia standardizzabile: ciò che una volta era considerato troppo specifico per l'automazione, spesso, se verificato, si rivela in parte scomponibile in passaggi ripetibili.
La conseguenza specifica per il vantaggio di conoscenza: la differenza di ritmo che prima potevate seguire non è più garantita visibile. Un concorrente non ha bisogno di assumere dieci senior per raggiungere il vostro livello su un compito parziale. Deve solo riconoscere il compito giusto come adatto all'assunzione da parte dell'AI, e organizzare bene la supervisione su di esso. Può farlo senza che voi lo vediate accadere, finché il risultato non è sul tavolo.
I segnali di solito non sono nei numeri di questo trimestre. Sono in comportamenti che attribuite a qualcos'altro. Un'offerta di un concorrente più piccolo che, nel contenuto, è tanto precisa quanto prima potevano fornire solo i vostri senior, e più rapida. Un cliente che chiede perché un'analisi che da voi richiede una settimana, altrove è pronta in un giorno. Nuovi entranti che, senza la lunga curva di apprendimento, discutono già alla pari a un certo livello. Ognuno di questi segnali è spiegabile singolarmente, ed è esattamente per questo che l'ipotesi resta inosservata per così tanto tempo: non c'è un momento in cui si rompe visibilmente, solo una serie di casi isolati che solo a posteriori formano un pattern.
La domanda che sta alla base è la stessa che per l'ipotesi che la scala offra protezione: un vantaggio che una volta era lento da pareggiare diventa inaffidabile solo quando qualcun altro salta il passaggio lento. Nel caso del vantaggio di conoscenza, quel passaggio lento è la curva di apprendimento, e viene saltato esattamente dove un compito si presta all'assunzione da parte di un modello.
Per sapere se l'ipotesi è ancora valida, non basta chiedersi se le vostre persone sono ancora brave. Probabilmente lo sono ancora. La domanda è se il loro vantaggio è ancora il vero ostacolo per chi vuole eguagliarvi. Ciò richiede di monitorare tre elementi: per ciascun compito di conoscenza, se rientra nella categoria completamente assumibile dall'AI, assumibile con supervisione, o lavoro umano, e se questa classificazione è stata verificata di recente; da quanto tempo è stato accertato per l'ultima volta che un concorrente non aveva ancora compiuto quel passo, e su quale base; e se il margine che attribuite a quel vantaggio di conoscenza è stato registrato come ipotesi separata con una data, in modo che sia chiaro quando è stata verificata l'ultima volta invece di essere semplicemente ripetuta. Dove il tema riguarda decisioni relative al personale, si applicano requisiti legali propri; questi non vengono trattati qui.
La domanda di fondo — quale lavoro in questa azienda può essere realmente assunto dall'AI — trova risposta con la werkscan di FTE TO AI compito per compito, non a livello dell'intero settore.
Chi vuole sapere se questa ipotesi è ancora valida per la propria azienda può iniziare con il controllo gratuito delle ipotesi: un breve percorso in cui indicate le vostre ipotesi principali e vedete, per ciascuna, quando è stata confermata per l'ultima volta. La prova strategica completa è in fase di sviluppo.
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.