Forestil dig, at en af dine konkurrenter annoncerer en ny produktlinje i dag. Hvornår ved du det? Om en time, fordi du tilfældigvis ser det på LinkedIn? Om en uge, når en sælger nævner det efter et kundemøde? Eller om en måned, når det dukker op i en brancherapport?
Og det er ikke alle, der ved det, men den problemstilling er faktisk et spørgsmål om infrastruktur.
De fleste virksomheder har nemlig adgang til den information, de har brug for. Problemet er, at den er spredt ud over nyhedsfeeds ingen holder øje med, rapporter der er hurtigt er forældede, og systemer der ikke taler sammen. Den gennemsnitlige virksomhed udnytter kun mellem 25% og 30% af den tilgængelige data. Resten forsvinder i "støjen" fra den daglige drift.
Og jo mere markedet bevæger sig, jo mere støj er der.
Støj er ikke et dataproblem
Det intuitive svar på informationsoverload er at samle data ét sted. Et dashboard. Et ugentligt nyhedsbrev. En samlet rapport. Men det løser sjældent problemet, fordi det lige så meget handler om at definere, hvad der er signaler, og hvad der er støj.
I stedet kan man sætte en AI-løsning op - vi kalder det for "Eyes and Ears" - der hver dag automatisk tjekker konkurrenternes nyhedsrum, henter artikler fra relevante branchemedier, overvåger specifikke søgetermer på sociale medier og scanner nye publikationer inden for deres område. Inden for den første uge har systemet hentet hundredvis af resultater hjem. De fleste er desværre irrelevante, mens et par stykker faktisk er vigtige. Men hvem har tid til at vurdere, hvad der er hvad?
Det er her, mange møder en mur. Ikke fordi idéen var dårlig, men fordi de sprang et vigtigt skridt over, nemlig at definere, hvad der er relevant for netop deres virksomhed.
Når AI ved, hvad den leder efter
En AI-model, der ikke har fået klare rammer, ved ikke, hvilke konkurrenter der er interessante. Den kan ikke skelne mellem en artikel, der er vigtig, og en der blot indeholder de samme søgeord.
Rammerne kan udformes som et kontekstfilter. Ikke en teknisk konstruktion, men et dokument, der beskriver virksomheden, hvad den laver, hvilke markeder den opererer på, hvilke typer information der er relevante og hvilke der ikke er. Når filteret er på plads, ved systemet, hvad det leder efter, og hvad det skal ignorere.
Mere end en søgning
En virksomhed, der bruger AI til markedsintelligens, vil hurtigt opdage, at det ikke er artiklerne i sig selv, der er det mest værdifulde. Det er ræsonnementet bag dem.
Forestil dig, at en produktchef modtager en artikel om en ny regulering i markedet. Det er brugbart. Men hvis systemet samtidig kunne forklare, at artiklen er relevant fordi, reguleringen har en give konkret betydning, og at to af konkurrenterne allerede har kommenteret offentligt på den. Så er det ikke bare en artikel, men en briefing.
Det er den forskel, der gør AI til mere end et avanceret søgefilter.
Ikke alle skal vide det samme
En direktør og en produktchef interesserer sig ikke for de samme signaler. Det er indlysende, men mange systemer ender med et kompromis imellem de forskellige behov, der ikke er særlig brugbart for nogen af dem.
En velbygget løsning differentierer. Operationelle bevægelser — prisstigninger hos leverandører, forsinkelser i forsyningskæden — går til dem, der skal handle på dét. Strategiske tendenser, markedsforskydninger, konkurrenternes langsigtede bevægelser, løftes op til dem, der skal planlægge ud fra dét. Og det hele sker løbende, ikke som en månedlig rapport, alle alligevel har for travlt til at læse.
Det centrale spørgsmål
Hvilke beslutninger traf I den seneste måned, der ville have set anderledes ud, hvis I havde haft adgang til informationer tidligere?
Det kan være en indkøbsbeslutning truffet på forældet prisinformation. En produktlancering, der kom bag på jer. En udfordring, I ikke nåede at reagere på, fordi informationen kom for sent.
Langt de fleste virksomheder har i disse dage et stort potentiale i deres informationsinfrastruktur, måske det også gælder jer? I så fald, er du velkomment il at række ud.
Interesseret i en uforpligtende snak om mulighederne med AI?
