Cada empresa con un producto o proceso técnico tiene a alguien que sabe la respuesta antes de que termine la pregunta. Con frecuencia el fundador, con frecuencia el primer especialista técnico contratado. Esa persona ha tomado, a lo largo de los años, miles de pequeñas decisiones sobre cómo funciona algo, por qué una solución funciona o no, qué desviación es normal y cuál no. Eso nunca se ha registrado porque nunca hubo tiempo para ello y porque hacer preguntas era más rápido que documentar.
Esa concentración no surgió por falta de voluntad de compartir conocimiento. Surgió porque funciona más rápido: una persona que tiene la respuesta a mano es más eficiente que un proceso en el que tres personas consultan un documento. Para el día a día, eso es una ventaja. Para un comprador, es un riesgo, porque un comprador no paga por las personas que están, sino por lo que sigue funcionando cuando una de esas personas se marcha.
En una adquisición, la concentración de conocimiento técnico se hace visible en cuanto alguien pregunta: qué pasa si esta persona está ausente durante seis semanas. Si la respuesta es que entonces baja la calidad de las decisiones, o que los clientes con preguntas específicas deben esperar, esa persona no cuenta como activo sino como riesgo en el balance. Ese riesgo suele traducirse en un precio más bajo o en un período más largo en el que el vendedor debe permanecer, lo que aleja aún más el momento de salida de lo que el propietario deseaba.
Esto no es una cuestión de personal ni de decidir quién se queda y quién no: eso corresponde al propietario, y si el tema toca decisiones de derecho laboral, para eso rigen requisitos legales propios. Aquí se trata de otra cosa: si el conocimiento que ahora reside en una sola persona sigue disponible incluso sin consultar a esa persona.
El conocimiento técnico consiste en tres tipos de trabajo, y la IA no afecta a todos por igual.
Una parte es reconocimiento de patrones: qué avería corresponde a qué causa, qué especificación se ajusta a qué aplicación. Con el registro adecuado, ese es el trabajo que la IA asume mejor, porque se puede remitir a casos comparables del pasado.
Una segunda parte es la evaluación: un sistema de IA puede hacer una propuesta, pero alguien con experiencia la aprueba o la rechaza, y puede explicar por qué. Esa es la parte que requiere supervisión humana, y sigue siendo necesaria mientras las situaciones subyacentes difieran lo suficiente entre sí como para que una regla fija resulte inutilizable.
Una tercera parte es la explicación a un cliente que no es técnico, con sensibilidad hacia lo que ese cliente ya entiende y lo que no. Eso sigue siendo, en la mayoría de las empresas, trabajo humano, aunque también aquí la proporción cambia cuando las dos primeras capas están registradas, porque entonces queda más tiempo para la conversación misma.
Las empresas donde esto ya funciona son aquellas donde alguien invirtió en algún momento en registrar la primera capa: historial de averías, códigos de error, soluciones, en un formato que un sistema pueda consultar. Las empresas donde esto todavía no funciona no están necesariamente rezagadas; simplemente nunca tuvieron el motivo para documentar algo que de todos modos ya estaba disponible en una sola cabeza.
Registrar el conocimiento no es cuestión de escribir un documento y listo. Funciona mejor por etapas: comience con las preguntas que se repiten con más frecuencia, registre cuál fue la respuesta y por qué, y deje que un sistema de IA haga esas respuestas consultables para el resto del equipo. El especialista sigue siendo necesario para los casos que se desvían, pero deja de ser la única puerta de entrada para todo.
Esto no solo afecta al índice de dependencia del propietario. Un ahorro que surge porque una persona dedica menos tiempo a preguntas repetidas cuenta para un comprador de forma distinta a un ahorro que depende de un único proveedor externo: la calidad de las utilidades trata de dónde proviene un resultado, no solo de su magnitud. El conocimiento que forma parte del proceso conserva su valor incluso cuando la persona se marcha; el conocimiento que depende de un único proveedor o especialista desaparece con esa persona.
La misma lógica se aplica en otras partes de la empresa. Quien quiera saber cómo hacer que las relaciones con los clientes dependan menos de un único vendedor puede leer cómo se hace transferible la red en el mercado; quien se pregunte si el contacto de primera línea con el cliente puede funcionar también sin el propietario lo encuentra en cómo se hace transferible el contacto con el cliente con IA; y quien quiera ver cómo una evaluación de calidad coherente depende menos de un único evaluador puede leer cómo se hace transferible el control de calidad. Quien quiera saber qué tan grande es ya este problema en su propia empresa puede medir cuánto pasa por el propietario, y quien se pregunte a partir de qué momento esto se vuelve relevante para una venta puede leer cuándo debe comenzar la preparación de una venta.
La pregunta de qué parte del conocimiento técnico en esta empresa concreta es realmente transferible a un sistema, y qué parte sigue siendo trabajo humano, difiere según el proceso y el grupo de clientes. Esa pregunta se responde por tarea con el escáner de trabajo de FTE TO AI.
La verificación de valor gratuita consta de ocho preguntas breves, una por cada impulsor de valor, y ofrece una primera imagen de qué impulsor reduce hoy más el precio de su empresa. El escáner de valor completo, con puntuación de madurez por impulsor, evidencia, índice de dependencia del propietario y un calendario a dos años hacia el momento de salida, está en construcción.