En strategi bygger sällan på alla tillgängliga fakta. Den bygger på ett begränsat antal antaganden som var förnuftiga vid tidpunkten de skrevs och som därefter inte har öppnats upp igen. Ett av dem är ofta: vårt kunskapsförsprång kvarstår, eftersom vi har varit i denna bransch längre, sett fler kunder, löst fler specialfall än den som ger sig in nu. Det antagandet kom någonstans ifrån. Mångårig erfarenhet hos specialister, dossierer och prejudikat som inte kunde kopieras på ett halvår, en inlärningskurva som nya aktörer helt enkelt måste gå igenom. Det var inget övermod. Det var en rimlig tolkning av hur kunskap byggdes upp: långsamt, i människor, över år.
Antagandet stämde eftersom kunskap och personen som bar den knappt kunde skiljas åt. Ville en konkurrent nå upp till ert försprång, måste denne anställa personer med samma erfarenhetsår, eller själv investera dessa år. Båda alternativen var långsamma och synliga. Ni såg en konkurrent rekrytera eller bygga upp, och hade tid att reagera. Förspånget var alltså inte bara innehållsmässigt, det var också en tempokillnad som ni kunde följa.
AI tar över arbete, och det sker inte i samma kategori överallt. För en del kunskapsuppgifter kan en språk- eller analysmodell själv göra den första genomgången: känna igen mönster i dossierer, ta fram ett råd baserat på prejudikat, sammanfatta en analys som tidigare tog en senior en hel dag. För en annan del sker det med mänsklig tillsyn: modellen tar fram förslaget, en specialist godkänner eller avslår och motiverar varför. För ännu en annan del förändras litet, eftersom bedömningen är för kontextberoende eller för riskfylld för att automatisera. Den fördelningen skiljer sig mellan företag och uppgifter, och det är just poängen: det är inget generellt genombrott, det är en förskjutning som sker uppgift för uppgift, och företag som kartlägger detta per uppgift ligger just nu före företag som fortfarande diskuterar frågan på strategisk nivå.
Varifrån den skillnaden kommer är för det mesta inte innehållsmässigt. Den ligger i vem som redan har ställt frågan på nivån av arbetet självt, och vem som fortfarande ställer den på branschnivå. Samma logik gäller för antagandet att detta arbete inte kan standardiseras: det som en gång ansågs vara för specifikt för automatisering visar sig vid granskning ofta delvis kunna delas upp i upprepningsbara steg.
Konsekvensen för kunskapsförsprång specifikt: tempokillnaden som ni tidigare kunde följa är inte längre garanterat synlig. En konkurrent behöver inte anställa tio seniora personer för att komma upp i er nivå på en delaktivitet. Denne behöver bara identifiera rätt uppgift som lämplig för övertagande av AI, och organisera tillsynen av detta väl. Det kan denne göra utan att ni ser det hända, tills resultatet ligger på bordet.
Signalerna finns för det mesta inte i kvartalets siffror. De finns i beteende som ni tillskriver något annat. En offert från en mindre konkurrent som innehållsmässigt är lika skarp som tidigare bara era seniora medarbetare kunde leverera, och snabbare. En kund som frågar varför en analys som hos er tar en vecka, är klar på en dag någon annanstans. Nya aktörer som utan den mångåriga inlärningskurvan redan pratar på samma nivå. Var och en av dessa signaler kan förklaras för sig, och det är just varför antagandet förblir oupptäckt så länge: det finns inget enskilt ögonblick där det synligt brister, bara en rad enskilda fall som först i efterhand bildar ett mönster.
Frågan som ligger under detta är samma som vid antagandet att storskalighet ger skydd: en fördel som en gång var långsam att matcha blir opålitlig först när någon annan hoppar över det långsamma steget. Vid kunskapsförsprång är det långsamma steget inlärningskurvan, och det steget hoppas man över just där en uppgift lämpar sig för övertagande av en modell.
För att veta om antagandet fortfarande håller räcker det inte att fråga om era medarbetare fortfarande är bra. De är det förmodligen fortfarande. Frågan är om deras förspång fortfarande är hindret för den som vill matcha er. Det kräver tre saker att följa: per kunskapsuppgift om den faller i kategorin helt övertagbar, övertagbar med tillsyn, eller mänskligt arbete, och om den indelningen nyligen har kontrollerats; hur länge sedan det senast fastställdes att en konkurrent ännu inte hade tagit det steget, och utifrån vilken signal; samt om den marginal ni tillskriver kunskapsförspånget är dokumenterad som ett separat antagande med ett datum, så att det är tydligt när den senast prövades i stället för bara upprepades. Där ämnet berör personalbeslut gäller egna lagstadgade krav för detta; dessa behandlas inte här.
Den underliggande frågan — vilket arbete i detta företag verkligen kan tas över av AI — besvaras med FTE TO AI:s arbetsscanning per uppgift, inte på hela branschens nivå.
Den som vill veta om detta antagande fortfarande håller i det egna företaget kan börja med den kostnadsfria antagandekontrollen: en kort genomgång där ni namnger era viktigaste antaganden och för varje antagande ser när det senast bekräftades. Den fullständiga strategiska tryckprovningen är under uppbyggnad.
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.