Strategija retai remiasi visais įmanomais faktais. Ji remiasi keliomis pasirinktomis prielaidomis, kurios rašymo metu buvo pagrįstos ir po to nebuvo iš naujo peržiūrėtos. Viena iš jų dažnai yra: mūsų žinių pranašumas išlieka, nes mes šioje srityje dirbame ilgiau, matėme daugiau klientų, sprendėme daugiau specifinių atvejų nei tie, kurie dabar tik įsijungia. Ta prielaida iš kažkur atsirado. Ilgametė specialistų patirtis, bylos ir precedentai, kurių nebuvo galima nukopijuoti per pusę metų, mokymosi kreivė, kurią naujokai tiesiog turėjo įveikti. Tai nebuvo per didelis pasitikėjimas savimi. Tai buvo pagrįstas supratimas apie tai, kaip žinios kaupiasi: lėtai, žmonėse, per metus.
Prielaida buvo teisinga, nes žinios ir asmuo, kuris jas turėjo, buvo praktiškai neatsiejami. Jei konkurentas norėjo pasiekti jūsų pranašumą, jam reikėjo priimti į darbą žmones su tokia pačia daugiamete patirtimi arba pačiam investuoti tuos metus. Abu keliai buvo lėti ir pastebimi. Jūs matėte, kaip konkurentas ieško darbuotojų ar kuria savo bazę, ir turėjote laiko reaguoti. Taigi pranašumas nebuvo vien turinio klausimas – tai buvo ir tempo skirtumas, kurį galėjote stebėti.
AI perima darbus, ir tai vyksta ne visose srityse vienodai. Dalį žinių užduočių kalbos ar analizės modelis gali atlikti pats pirmame etape: atpažinti dėsningumus bylose, parengti pasiūlymą, pagrįstą precedentais, apibendrinti analizę, kuriai anksčiau vyresnysis specialistas skyrė dieną. Kitoje dalyje veikia žmogaus priežiūra: modelis parengia pasiūlymą, specialistas jį patvirtina arba atmeta ir pagrindžia kodėl. Trečioje dalyje mažai kas keičiasi, nes sprendimas yra pernelyg kontekstinis arba pernelyg rizikingas automatizuoti. Šis pasiskirstymas skiriasi nuo įmonės ir nuo užduoties, ir tai yra esmė: tai nėra bendras proveržis, tai poslinkis, kuris vyksta užduotis po užduoties, ir įmonės, kurios tai išsiaiškina užduočių lygmenyje, šiuo metu pralenkia įmones, kurios šį klausimą tebediskutuoja strateginiu lygmeniu.
Iš kur šis skirtumas atsiranda, dažniausiai nėra susiję su turiniu. Tai priklauso nuo to, kas klausimą jau užduoda darbo lygmenyje, ir kas jį tebekelia sektoriaus lygmeniu. Ta pati logika veikia ir prielaidoje, kad šio darbo negalima standartizuoti: tai, kas kadaise buvo laikoma pernelyg specifiška automatizacijai, patikrinus dažnai iš dalies pasirodo skaidoma į pasikartojančius žingsnius.
Pasekmė žinių pranašumui konkrečiai: tempo skirtumas, kurį anksčiau galėjote stebėti, dabar nebegarantuotai pastebimas. Konkurentui nebūtina priimti dešimt vyresniųjų specialistų, kad pasiektų jūsų lygį konkrečioje užduotyje. Jam tereikia atpažinti tinkamą užduotį kaip pritaikytą perėmimui su AI ir tinkamai organizuoti priežiūrą. Tai jis gali padaryti taip, kad jūs to nepamatytumėte, kol rezultatas atsidurs ant stalo.
Signalai dažniausiai neatsispindi šio ketvirčio skaičiuose. Jie atsispindi elgesyje, kurį priskiriate kažkam kitam. Mažesnio konkurento pasiūlymas, kuris turiniu yra toks pat aštrus, kaip anksčiau galėjo pasiūlyti tik jūsų vyresnieji specialistai, ir greitesnis. Klientas, klausiantis, kodėl analizė, kuri jums užima savaitę, kitur atliekama per dieną. Nauji rinkos dalyviai, kurie be daugiametės mokymosi kreivės vis tiek jau kalba tuo pačiu lygiu. Kiekvieną iš šių signalų atskirai galima paaiškinti, ir tai yra tiksliai priežastis, kodėl prielaida ilgai lieka nepastebėta: nėra vienintelio momento, kai ji akivaizdžiai sudūžta, yra tik eilė atskirų atvejų, kurie tik atgaline data susidėlioja į dėsningumą.
Klausimas, kuris slypi po tuo, yra tas pats, kaip ir prielaidoje, kad įmonės dydis suteikia apsaugą: pranašumas, kurį kadaise buvo sunku ir lėtai pasiekti, tampa nepatikimas tik tada, kai kas kitas praleidžia tą lėtą žingsnį. Žinių pranašumo atveju tas lėtas žingsnis yra mokymosi kreivė, ir šis žingsnis praleidžiamas tiksliai tose vietose, kur užduotis tinkama perėmimui su modeliu.
Kad žinotumėte, ar prielaida dar galioja, nepakanka paklausti, ar jūsų žmonės vis dar geri. Jie tikriausiai vis dar geri. Klausimas yra, ar jų pranašumas vis dar yra kliūtis tiems, kurie norėtų jus pasiekti. Tam reikia stebėti tris dalykus: kiekvienai žinių užduočiai, ar ji patenka į kategoriją visiškai perimama, perimama su priežiūra, ar žmogaus darbas, ir ar šis skirstymas tikrintas pastaruoju metu; kiek laiko praėjo nuo tada, kai paskutinį kartą nustatyta, kad konkurentas šio žingsnio dar nežengė, ir kokiu signalu tai buvo pagrįsta; ir ar marža, kurią priskiriate šiam žinių pranašumui, yra užfiksuota kaip atskira prielaida su data, kad būtų aišku, kada ji paskutinį kartą buvo patikrinta, o ne tiesiog pakartota. Kur ši tema susijusi su personalo sprendimais, joms taikomi atskiri teisiniai reikalavimai; jie čia nėra aptariami.
Pagrindinis klausimas – kuris darbas šioje įmonėje tikrai gali būti perimtas AI – atsakomas FTE TO AI darbo skanavimu pagal užduotis, o ne visos sektoriaus srities lygmeniu.
Kas norėtų sužinoti, ar ši prielaida jo įmonėje dar galioja, gali pradėti nuo nemokamos prielaidų patikros: trumpo ciklo, kuriame įvardijate savo svarbiausias prielaidas ir matote, kada kiekviena iš jų buvo paskutinį kartą patvirtinta. Visas strateginis atsparumo testas dar kuriamas.
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.