Voor een onderaannemend mkb-bedrijf is het grootste risico niet het gebrek aan naamsbekendheid, maar de afhankelijkheid van één grote klant of één enkele bedrijfstak. In een opiniestuk gewijd aan GEO, de optimalisatie van de zichtbaarheid van een bedrijf in de antwoorden van kunstmatige intelligenties, baseert de auteur zich op het voorbeeld van een mkb-bedrijf uit Lorient en op een mini-audit uitgevoerd bij drie assistenten.
Op 30 oktober moet Naval Group het Nearchos, de tweede van de vier door Athene bestelde FDI’s, afleveren aan de Griekse marine. In Lorient is de activiteit van de werf bijzonder hoog, met Franse, Griekse, Zweedse en mogelijk Deense programma’s. Naval Group mobiliseert meer dan 1000 onderaannemers (gegevens 2024), van grote ingenieursgroepen tot gespecialiseerde mkb-bedrijven.
Een bedrijf waarvan de competenties zijn reputatie overstijgen
De auteur neemt het voorbeeld van de Ateliers Mécaniques Lorientais (AML). Dit mkb-bedrijf met een twintigtal medewerkers, opgericht in 1994, ontwikkelde zich eerst rond de scheepsmechanica van de vissershaven van Lorient. In 2006 opende het een Industrie-afdeling. Het geeft nu aan de helft van zijn activiteit te realiseren in scheepsbouw en -reparatie, en de andere helft in de industrie, met name energieproductie, ketelbouw en leidingwerk.
De website van het bedrijf presenteert een scala aan diensten: onderhoud en reparatie van industriële apparatuur, revisie van motoren en machines, ketelbouw, leidingwerk voor verschillende vloeistoffen, mechanische werkzaamheden en uitlijning.
AI’s die het bedrijf kennen zonder het altijd te noemen
Om dit beeld te controleren, ondervroeg de auteur ChatGPT, Gemini en Perplexity. Op de vraag naar Bretonse bedrijven die kunnen ingrijpen bij industrieel leidingwerk voor energie-installaties, noemden de drie tools verschillende leveranciers, zonder ooit AML te vermelden. Toen de vraag ging over hooggekwalificeerd scheepsleidingwerk, noemden de drie spontaan het bedrijf. Op de vraag naar industriële partners van Naval Group in Lorient, noemde alleen ChatGPT het bedrijf onder de bedrijven voor mechanica en leidingwerk in het bassin van Lorient.
Wanneer hen rechtstreeks gevraagd wordt AML te beschrijven, geven de drie modellen zijn competenties in mechanica, ketelbouw en industrieel leidingwerk weer. ChatGPT en Perplexity vermelden zijn ontwikkeling richting industrie, en Perplexity herhaalt de door het bedrijf aangegeven verdeling van de activiteit. De auteur preciseert dat deze test geen diepgaande audit is, maar hij belicht een discrepantie: een mkb-bedrijf wordt goed begrepen wanneer het genoemd wordt, en kan toch afwezig blijven in de antwoorden wanneer een koper een competentie zoekt zonder zijn oorspronkelijke sector te noemen.
Onderscheid maken tussen commerciële afhankelijkheid en reputatie-afhankelijkheid
Volgens de auteur moet men onderscheid maken tussen commerciële afhankelijkheid, die betrekking heeft op strategie en risicobeheer, en reputatie-afhankelijkheid, wanneer een bedrijf alleen bekend is via één klant, één keten of één historische sector. De twee kunnen elkaar versterken, ook al impliceert de één niet noodzakelijkerwijs de ander. De opdrachtgever blijft een bewijs van competentie, maar hij « kan niet de enige definitie ervan zijn ».
Het opiniestuk stelt vier begrippen voor om een autonome reputatie op te bouwen: de duidelijkheid van competenties en referenties, de samenhang van het discours van de ene markt naar de andere, de bevestiging door onafhankelijke bronnen en de continuïteit in de tijd. De auteur benadrukt dat een bedrijf niet kan wachten tot een opdrachtgever het nodig heeft om bekend te worden, en dat reputatievoorbereiding erin bestaat « niet verplicht te zijn om vanaf nul te beginnen » op de dag dat nieuwe afzetmarkten nodig worden.
