Katram uzņēmumam ar tehnisku produktu vai procesu ir kāds, kurš zina atbildi vēl pirms jautājums ir pilnībā izskanējis. Bieži vien tas ir dibinātājs, bieži vien pirmais pieņemtais tehniskais speciālists. Šī persona gadu gaitā ir pieņēmusi tūkstošiem mazu lēmumu par to, kā kaut kas darbojas, kāpēc kāds risinājums strādā vai nestrādā, kura novirze ir normāla un kura nav. Tas nekad nav fiksēts, jo tam nekad nebija laika un jo jautāt bija ātrāk nekā dokumentēt.
Šī koncentrācija nav radusies negribēšanas dēļ dalīties zināšanās. Tā ir radusies tāpēc, ka tā strādā ātrāk: viena persona, kurai atbilde ir gatava, ir efektīvāka nekā process, kurā trīs cilvēki konsultējas ar dokumentu. Ikdienas darbībai tas ir ieguvums. Pircējam tas ir risks, jo pircējs nemaksā par cilvēkiem, kas tur ir, bet gan par to, kas turpinās darboties, ja kāds no šiem cilvēkiem aiziet.
Pārdošanas darījumā tehnisko zināšanu koncentrācija kļūst redzama, tiklīdz kāds jautā: kas notiek, ja šī persona sešas nedēļas nav pieejama. Ja atbilde ir tāda, ka lēmumu kvalitāte tad pazeminās vai ka klientiem ar konkrētiem jautājumiem jāgaida, tad šī persona bilancē tiek uzskatīta nevis par aktīvu, bet gan par risku. Šis risks bieži tiek pārvērsts zemākā cenā vai ilgākā periodā, kurā pārdevējam jāpaliek, kas pārceļ izejas brīdi tālāk, nekā īpašnieks vēlējās.
Tas nav personāla jautājums un nav norāde par to, kam vajadzētu vai nevajadzētu palikt: tas ir īpašnieka ziņā, un, ja tas skar darba tiesību izvēles, tām ir savas juridiskās prasības. Šeit runa ir par kaut ko citu: vai zināšanas, kas tagad atrodas pie vienas personas, ir pieejamas arī bez šīs personas konsultēšanas.
Tehniskās zināšanas sastāv no trim darba veidiem, un AI tos neietekmē vienādā mērā.
Daļa ir modeļu atpazīšana: kurš defekts atbilst kuram cēlonim, kura specifikācija atbilst kuram pielietojumam. Ar pareizu fiksāciju tas ir darbs, ko AI pārņem vislabāk, jo to var izsecināt no līdzīgiem gadījumiem pagātnē.
Otra daļa ir novērtēšana: AI sistēma var izteikt priekšlikumu, taču pieredzējis cilvēks to apstiprina vai noraida un var pateikt, kāpēc. Tā ir daļa, kur nepieciešama cilvēka uzraudzība, un tā paliks nepieciešama, kamēr pamatā esošās situācijas atšķirsies pietiekami, lai fiksēts noteikums kļūtu nelietojams.
Trešā daļa ir skaidrojums klientam, kurš pats nav tehniski zinošs, ar izjūtu par to, ko šis klients jau saprot un ko nē. Lielākajā daļā uzņēmumu tas paliek cilvēka darbs, lai gan arī šeit īpatsvars mainās, kad pirmie divi slāņi ir fiksēti, jo tad paliek vairāk laika pašai sarunai.
Uzņēmumi, kur tas jau darbojas, ir tie uzņēmumi, kuros kāds savulaik ir ieguldījis pirmā slāņa fiksēšanā: defektu vēsture, kļūdu kodi, risinājumi, formā, ko sistēma var pārmeklēt. Uzņēmumi, kur tas vēl nedarbojas, nav obligāti atpalikuši; viņiem vienkārši nekad nav bijis iemesla dokumentēt kaut ko, kas tāpat jau bija gatavs vienā galvā.
Zināšanu fiksēšana nav jautājums par viena dokumenta uzrakstīšanu, un ar to gatavs. Tas labāk darbojas pakāpeniski: sāciet ar visbiežāk atkārtotajiem jautājumiem, fiksējiet, kāda bija atbilde un kāpēc, un ļaujiet AI sistēmai padarīt šīs atbildes pārmeklējamas pārējai komandai. Speciālists paliek nepieciešams gadījumiem, kas atšķiras no ierastā, taču kļūst mazāk par vienīgo pieeju visam.
Tas skar ne tikai īpašnieka atkarības indeksu. Ietaupījums, kas rodas, jo viena persona pavada mazāk laika ar atkārtotiem jautājumiem, pircējam nozīmē citu vērtību nekā ietaupījums, kas ir atkarīgs no viena ārēja piegādātāja: peļņas kvalitāte attiecas uz to, no kurienes rezultāts nāk, nevis tikai uz tā apmēru. Zināšanas, kas ir iestrādātas procesā, saglabā vērtību arī tad, ja persona aiziet; zināšanas, kas turas pie viena piegādātāja vai speciālista, pazūd līdz ar šo cilvēku.
Tāda pati loģika darbojas citās uzņēmuma daļās. Kas vēlas uzzināt, kā klientu attiecības padarīt mazāk atkarīgas no viena pārdevēja, var izlasīt kā tīklu tirgū padara nododamu; kas prāto, vai pirmās līnijas klientu kontakts var darboties arī bez īpašnieka, to atradīs kā klientu kontaktu padara nododamu ar AI; un kas vēlas redzēt, kā konsekventu kvalitātes novērtēšanu padarīt mazāk atkarīgu no viena vērtētāja, var izlasīt kā kvalitātes kontroli padara nododamu. Kas vēlas uzzināt, cik liela šī problēma jau ir pašu uzņēmumā, var izmērīt, cik daudz iet caur īpašnieku, un kas prāto, no kura brīža tas kļūst nozīmīgi pārdošanai, var izlasīt kad jāsāk gatavošanās pārdošanai.
Jautājums, kura daļa no tehniskajām zināšanām šajā konkrētajā uzņēmumā patiešām ir nododama sistēmai un kura daļa paliek cilvēka darbs, atšķiras atkarībā no procesa un klientu grupas. Uz šo jautājumu atbild pa uzdevumiem ar FTE TO AI darba skenēšanu.
Bezmaksas vērtības pārbaude sastāv no astoņiem īsiem jautājumiem, pa vienam katram vērtības virzītājam, un sniedz pirmo priekšstatu par to, kurš virzītājs šodien visvairāk pazemina jūsu uzņēmuma cenu. Pilnā vērtības skenēšana, ar brieduma novērtējumu katram virzītājam, pierādījumiem, īpašnieka atkarības indeksu un divu gadu kalendāru līdz izejas brīdim, tiek izstrādāta.