En køber regner aldrig med det resultat, der står i resultatopgørelsen. Han regner med det overskud, der bliver tilbage, når alle særlige poster, engangsudgifter og ejerfordele er fjernet. Denne proces kaldes normalisering. En firmabil, der egentlig er privat, et managementhonorar, der ligger under markedsprisen, en krav der kun spillede en enkelt gang i år: den type poster korrigeres for at vise, hvad virksomheden strukturelt tjener, uafhængigt af den person, der driver den nu.
AI-anvendelse tilføjer en ny kategori af korrektioner til dette, og den kategori er mindre enkel end en kreditkortregning. Hvis en del af arbejdet ikke længere udføres af mennesker, men af en opgave, som AI overtager, ændrer kostningsstrukturen sig. Spørgsmålet en køber så stiller, er ikke, om overskuddet er blevet højere, men om det højere overskud fortsat eksisterer uden den nuværende ejer, det nuværende team og den nuværende kontrakt med en leverandør.
Den forskydning, det handler om, forløber i tre kategorier. AI kan overtage en opgave fuldstændigt, AI kan delvist overtage en opgave med et menneske, der godkender eller afviser med begrundelse, eller arbejdet forbliver menneskeligt arbejde. Hver kategori normaliseres forskelligt.
En opgave, der er fuldt overtaget og forankret i processen, tæller som en strukturel besparelse: kostningerne falder, og det forbliver sådan, uanset hvem der leder virksomheden fremover. En opgave, der delvist er overtaget med menneskeligt tilsyn, giver en besparelse, der delvist forbliver, fordi tilsynet stadig koster mennesker. Og en besparelse, der fuldstændigt afhænger af ét abonnement hos én leverandør, er noget andet end en besparelse, der ligger i selve arbejdsprocesserne — ved opsigelse, prisstigning eller en overtagelse af den leverandør forsvinder besparelsen lige så hurtigt, som den kom. Hvad der præcist forskydes fra menneskeligt arbejde til AI-arbejde, og hvor solidt det er forankret, besvares opgave for opgave med arbejdsscanningen, der fastlægger pr. opgave, hvad AI allerede overtager i virksomheden.
Nogle virksomheder har allerede dette skarpt: de kan angive pr. proces, hvilket trin der er automatiseret, hvad det trin kostede tidligere, og hvilken kontrakt der ligger bagved. Andre virksomheder ved kun, at personaleudgifterne er faldet, og kalder det overskud. Forskellen ligger ikke i, hvor avanceret AI-anvendelsen er, men i, hvor godt det, der skete før og efter ændringen, er dokumenteret, og hvordan den ændring er underbygget.
En køber, der ikke får dokumentation, regner med det værst tænkelige scenarie: han trækker besparelsen ud, eller han indpriser en risiko. Den dokumentation, der er nødvendig for at gøre en AI-besparelse overbevisende for en køber handler præcis om den forskel mellem en påstand og et bevis.
Det normaliserede overskud er et skøn, ikke et fastlagt faktum. Metoden kan gøre det sandsynligt, at en besparelse er strukturel, men kan ikke garantere, at den forbliver sådan. En leverandør kan hæve sin pris, en AI-anvendelse kan blive begrænset af lovgivning, og tilsyn, der nu er let, kan blive tungere, så snart fejlmargenen øges. Hvert skøn afhænger af, hvordan arbejdet er organiseret, hvor afhængig virksomheden er af én part, og hvor nylig ændringen er indført — en besparelse på tre måneder siger mindre end en besparelse, der har holdt stand i to år.
Der gives her heller ikke personalerådgivning eller dokumentation til afskedigelsesbeslutninger; hvad en arbejdsgiver gør med sit personale, er op til arbejdsgiveren, og der gælder egne lovkrav for det. Hvad normaliseringen derimod gør, er at samle fakta om, hvilket arbejde der ender hvor, så en køber selv kan vurdere, hvad de fakta er værd.
Et resultat siger desuden ingenting, hvis den underliggende afhængighed ikke er medtaget. En besparelse, der for langt størstedelen bygger på ejerens kendskab, eller på en enkelt kontrakt, der er forlænget uden forhandling, vejer anderledes end en besparelse, der er forankret i flere lag af virksomheden. Hvilken del af overskuddet trykker på prisen, fordi den afhængighed er for stor, kan læses via afhængigheden af en AI-leverandør, der påvirker salgsprisen.
Normaliseret overskud står ikke isoleret fra resten af virksomheden. En besparelse, der er fastlagt i en kontrakt med en kunde eller leverandør, har en anden værdi end en besparelse, der er aftalt mundtligt og kan ændres i morgen; de kontrakter, der strukturelt øger værdien af en virksomhed viser, hvilken forskel det giver ved den endelige pris. Og en overskudsstigning, der for det meste kommer fra én kunde, vejer en køber anderledes end overskud, der er spredt over mange kunder — noget forklaringen om kundekoncentration og den vægt en køber lægger på det går videre ind på.
Normalisering af overskuddet er én af otte drivere, en køber vurderer. Forskydningen som følge af AI påvirker ikke kun denne driver, men også ejerafhængighed — hvis ejeren selv er den eneste, der ved, hvilken opgave der er automatiseret og hvorfor, trykker det prisen hårdere, end besparelsen selv hæver den. Hvilken driver der vægter tungest i øjeblikket, varierer fra virksomhed til virksomhed og er svær at fastslå uden dokumentation.
Det underliggende spørgsmål — hvilket arbejde i denne virksomhed reelt kan overtages af AI, og hvad der allerede er dokumenteret af det — kan besvares opgave for opgave med FTE TO AI's arbejdsscanning. For dem, der først vil vide, hvor prisen i dag trykkes mest, findes den gratis værditjek: otte korte spørgsmål, ét pr. værdidriver, med et billede af, hvilken driver der vægter tungest lige nu. Den fulde værdiscan, med modenhedsscore pr. driver og en toårskalender til exit-tidspunktet, er under udarbejdelse.