Een strategie steunt zelden op alle beschikbare feiten. Ze steunt op een select aantal aannames die op het moment van schrijven verstandig waren en daarna niet meer zijn opengebroken. Een daarvan is vaak: onze kennisvoorsprong blijft, omdat wij langer in dit vak zitten, meer klanten hebben gezien, meer edge cases hebben opgelost dan wie er nu instapt. Die aanname kwam ergens vandaan. Jarenlange ervaring van specialisten, dossiers en precedenten die niet in een half jaar te kopiëren waren, een leercurve die nieuwkomers gewoon moesten doorlopen. Dat was geen overmoed. Dat was een redelijke lezing van hoe kennis zich opbouwde: langzaam, in mensen, over jaren.
De aanname klopte omdat kennis en de persoon die haar droeg vrijwel niet los te maken waren. Wilde een concurrent uw voorsprong evenaren, dan moest hij mensen aannemen met dezelfde jaren ervaring, of zelf die jaren investeren. Beide waren traag en zichtbaar. U zag een concurrent aan het werven of aan het opbouwen, en had tijd om te reageren. De voorsprong was dus niet alleen inhoudelijk, ze was ook een tempoverschil dat u kon volgen.
AI neemt werk over, en dat gebeurt niet overal in dezelfde categorie. Bij een deel van de kennistaken kan een taal- of analysemodel de eerste doorgang zelf doen: patronen herkennen in dossiers, een advies opstellen op basis van precedenten, een analyse samenvatten die vroeger een senior een dag kostte. Bij een ander deel gaat het met menselijk toezicht: het model doet het voorstel, een specialist keurt goed of af en beargumenteert waarom. Bij weer een ander deel verandert er weinig, omdat het oordeel te contextgebonden of te risicovol is om te automatiseren. Die verdeling is per bedrijf en per taak anders, en dat is precies het punt: het is geen algemene doorbraak, het is een verschuiving die taak voor taak plaatsvindt, en bedrijven die dat per taak in kaart brengen lopen op dit moment voor op bedrijven die de vraag nog op strategisch niveau bespreken.
Waar dat verschil vandaan komt, is meestal niet inhoudelijk. Het zit in wie de vraag al heeft gesteld op het niveau van het werk zelf, en wie hem nog stelt op het niveau van de sector. Dezelfde logica speelt bij de aanname dat dit werk niet te standaardiseren is: wat ooit gold als te specifiek voor automatisering, blijkt bij toetsing vaak deels wel te ontleden in herhaalbare stappen.
Het gevolg voor kennisvoorsprong specifiek: het tempoverschil dat u vroeger kon volgen, is niet meer gegarandeerd zichtbaar. Een concurrent hoeft geen tien senior mensen aan te nemen om aan uw niveau te komen op een deeltaak. Hij hoeft alleen de juiste taak te herkennen als geschikt voor overname door AI, en het toezicht daarop goed te organiseren. Dat kan hij doen zonder dat u het ziet gebeuren, tot het resultaat op tafel ligt.
De signalen zitten meestal niet in de cijfers van dit kwartaal. Ze zitten in gedrag dat u toeschrijft aan iets anders. Een offerte van een kleinere concurrent die inhoudelijk net zo scherp is als vroeger alleen uw senior mensen konden leveren, en sneller. Een klant die vraagt waarom een analyse die bij u een week duurt, ergens anders in een dag klaar is. Nieuwe toetreders die zonder de jarenlange leercurve toch al op niveau meepraten. Elk van die signalen is op zichzelf te verklaren, en dat is precies waarom de aanname zo lang onopgemerkt blijft: er is geen enkel moment waarop hij zichtbaar breekt, alleen een reeks losse gevallen die pas achteraf een patroon vormen.
De vraag die daaronder ligt, is dezelfde als bij de aanname dat schaalgrootte bescherming biedt: een voordeel dat ooit traag te evenaren was, wordt pas onbetrouwbaar als iemand anders de langzame stap overslaat. Bij kennisvoorsprong is die langzame stap de leercurve, en die stap wordt precies daar overgeslagen waar een taak zich leent voor overname door een model.
Om te weten of de aanname nog staat, is het niet genoeg om te vragen of uw mensen nog steeds goed zijn. Zij zijn dat waarschijnlijk nog. De vraag is of hun voorsprong nog het knelpunt is voor wie u wil evenaren. Dat vraagt drie dingen om te volgen: per kennistaak of ze in de categorie volledig overneembaar, overneembaar met toezicht, of mensenwerk valt, en of die indeling recent nog is gecheckt; hoe lang geleden voor het laatst is vastgesteld dat een concurrent die stap nog niet had gezet, en op basis van welk signaal; en of de marge die u aan die kennisvoorsprong toeschrijft, is vastgelegd als aparte aanname met een datum, zodat duidelijk is wanneer ze voor het laatst is getoetst in plaats van alleen herhaald. Waar het onderwerp raakt aan personeelsbeslissingen, gelden daarvoor eigen wettelijke vereisten; die worden hier niet behandeld.
De onderliggende vraag — welk werk in dit bedrijf werkelijk door AI is over te nemen — wordt met de werkscan van FTE TO AI per taak beantwoord, niet op het niveau van de hele sector.
Wie wil weten of deze aanname bij het eigen bedrijf nog staat, kan beginnen met de gratis aannamecheck: een korte ronde waarin u uw belangrijkste aannames benoemt en per aanname ziet wanneer hij voor het laatst is bevestigd. De volledige strategische drukproef is in aanbouw.
Stel uw vraag. Vaak zit de echte vraag een laag dieper — daar mag ik naar vragen.
Antwoorden komen uit de kennisbank van deze site. Geen advies op maat, en geen scan van uw bedrijf.