Strategia rzadko opiera się na wszystkich dostępnych faktach. Opiera się na wybranej liczbie założeń, które w momencie ich formułowania były rozsądne i później nie zostały ponownie zweryfikowane. Jednym z nich jest często: nasza przewaga wiedzy będzie trwać, bo działamy w tej branży dłużej, widzieliśmy więcej klientów, rozwiązaliśmy więcej nietypowych przypadków niż ktokolwiek, kto teraz wchodzi na rynek. To założenie skądś się wzięło. Wieloletnie doświadczenie specjalistów, dokumentacja i precedensy, których nie da się skopiować w pół roku, krzywa uczenia się, którą nowi gracze po prostu musieli przejść. To nie była przesadna pewność siebie. To było racjonalne odczytanie tego, jak buduje się wiedzę: powoli, w ludziach, przez lata.
Założenie się sprawdzało, ponieważ wiedza i osoba, która ją nosiła, były praktycznie nierozłączne. Jeśli konkurent chciał dorównać waszej przewadze, musiał zatrudnić ludzi z takim samym wieloletnim doświadczeniem albo sam zainwestować te lata. Oba sposoby były powolne i widoczne. Widzieliście, że konkurent rekrutuje albo buduje swój zespół, i mieliście czas na reakcję. Przewaga nie była więc tylko merytoryczna, była też różnicą w tempie, którą można było obserwować.
AI przejmuje pracę, i nie dzieje się to jednakowo w każdej kategorii. W części zadań opartych na wiedzy model językowy lub analityczny może samodzielnie wykonać pierwszy przebieg: rozpoznawać wzorce w dokumentacji, przygotować opinię na podstawie precedensów, podsumować analizę, która wcześniej zajmowała seniorowi cały dzień. W innej części dzieje się to pod ludzkim nadzorem: model przygotowuje propozycję, specjalista ją zatwierdza lub odrzuca i uzasadnia dlaczego. W jeszcze innej części niewiele się zmienia, bo ocena jest zbyt zależna od kontekstu albo zbyt ryzykowna, aby ją zautomatyzować. Ten podział jest inny dla każdej firmy i każdego zadania, i to jest właśnie istota rzeczy: to nie jest ogólny przełom, to jest zmiana, która następuje zadanie po zadaniu, a firmy, które mapują to na poziomie zadań, są obecnie na przedzie firm, które dyskutują nad tą kwestią jeszcze na poziomie strategicznym.
Skąd bierze się ta różnica, zazwyczaj nie jest kwestią merytoryczną. Zależy od tego, kto już postawił to pytanie na poziomie samej pracy, a kto stawia je jeszcze na poziomie sektora. Ta sama logika działa w przypadku założenia, że tej pracy nie da się zestandaryzować: to, co kiedyś uważano za zbyt specyficzne dla automatyzacji, po sprawdzeniu często okazuje się częściowo dające się rozłożyć na powtarzalne kroki.
Skutek dla przewagi wiedzy konkretnie: różnica tempa, którą można było wcześniej obserwować, nie jest już gwarantowanie widoczna. Konkurent nie musi zatrudniać dziesięciu seniorów, aby dorównać waszemu poziomowi w konkretnym zadaniu częściowym. Musi tylko rozpoznać właściwe zadanie jako nadające się do przejęcia przez AI i dobrze zorganizować nadzór nad tym procesem. Może to zrobić bez tego, że zauważycie, że to się dzieje, aż wynik znajdzie się na stole.
Sygnały zwykle nie znajdują się w liczbach z tego kwartału. Znajdują się w zachowaniach, które przypisujecie czemuś innemu. Oferta mniejszego konkurenta, merytorycznie tak ostra, jak dawniej mogli zaproponować tylko wasi seniorzy, i szybsza. Klient, który pyta, czemu analiza, która u was trwa tydzień, gdzie indziej jest gotowa w jeden dzień. Nowi gracze na rynku, którzy bez wieloletniej krzywej uczenia się już rozmawiają na równym poziomie. Każdy z tych sygnałów można wyjaśnić samodzielnie, i właśnie dlatego założenie tak długo pozostaje niezauważone: nie ma jednego momentu, w którym widocznie się załamuje, są tylko pojedyncze przypadki, które tylko z perspektywy czasu tworzą wzorzec.
Pytanie, które leży pod tym wszystkim, jest takie samo jak przy założeniu, że skala zapewnia ochronę: przewaga, którą kiedyś trudno było dorównać, staje się niewiarygodna dopiero wtedy, gdy ktoś inny pomija ten powolny krok. W przypadku przewagi wiedzy tym powolnym krokiem jest krzywa uczenia się, i ten krok jest pomijany właśnie tam, gdzie zadanie nadaje się do przejęcia przez model.
Aby wiedzieć, czy założenie wciąż się utrzymuje, nie wystarczy zapytać, czy wasi ludzie wciąż są dobrzy. Prawdopodobnie wciąż są. Pytanie brzmi, czy ich przewaga wciąż jest przeszkodą dla kogoś, kto chce wam dorównać. To wymaga śledzenia trzech rzeczy: dla każdego zadania opartego na wiedzy, czy należy do kategorii w pełni przejmowalnej, przejmowalnej pod nadzorem, czy pracy ludzkiej, i czy ten podział został niedawno zweryfikowany; kiedy ostatnio ustalono, że konkurent jeszcze nie zrobił tego kroku, i na podstawie jakiego sygnału; oraz czy margines, który przypisujecie tej przewadze wiedzy, jest zapisany jako odrębne założenie z datą, tak aby było jasne, kiedy zostało ono ostatnio zweryfikowane, a nie tylko powtarzane. Tam, gdzie temat dotyka decyzji personalnych, obowiązują odrębne wymogi prawne; nie są one tutaj omawiane.
Pytanie leżące pod tym wszystkim — jaka praca w tej firmie faktycznie może zostać przejęta przez AI — jest odpowiadane przez skan pracy FTE TO AI na poziomie zadań, nie na poziomie całego sektora.
Kto chce sprawdzić, czy to założenie wciąż utrzymuje się w jego firmie, może zacząć od bezpłatnego sprawdzenia założeń: krótkiej rundy, w której nazywacie swoje najważniejsze założenia i widzicie dla każdego, kiedy zostało ono ostatnio potwierdzone. Pełny strategiczny test odporności jest w przygotowaniu.
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.