Un comprador que ve un margen más alto plantea una sola pregunta: ¿esto se repetirá el año próximo, también con otro propietario y otro equipo? En el caso de un margen que proviene del uso de IA, esa pregunta es más difícil de responder que en el caso de una subida de precios o un ahorro comprado. No porque el margen sea falso, sino porque su origen se comporta de forma distinta a las fuentes que un comprador está acostumbrado a valorar.
La IA ya está asumiendo trabajo hoy en día, pero por partes y no en todas partes al mismo ritmo. En una empresa, una herramienta controla facturas de forma totalmente autónoma; en otra empresa, un empleado sigue haciendo exactamente el mismo trabajo a mano, aunque la tecnología para automatizarlo ya existe. La diferencia no suele estar en el sector, sino en cómo está fragmentado el trabajo. El trabajo que sigue un patrón fijo con un criterio claro de correcto o incorrecto se deja automatizar. El trabajo que requiere criterio sigue siendo trabajo humano, o recibe como mucho supervisión: alguien que aprueba o rechaza el resultado con una razón. Un margen que surge porque una tarea se ha desplazado a la primera categoría tiene un origen distinto al de un margen que surge porque alguien ha trabajado más duro con una herramienta de IA a su lado. Un comprador quiere ver exactamente esa distinción, porque determina si el ahorro es estructural o depende de una sola persona y sus hábitos.
La forma habitual de demostrar una mejora de margen es una comparación de antes y después en las cifras. Eso funciona en el caso de una subida de precios o un acuerdo con un proveedor, porque la causa figura en una factura. En el caso de la IA, la causa no figura en ninguna factura. No hay ningún contrato que indique qué parte del beneficio proviene de qué tarea. Lo que sí hay son horas que ya no son necesarias en un lugar donde antes sí lo eran. Esa capacidad liberada es la unidad en la que debe basarse la justificación, no el porcentaje de margen en sí. El porcentaje de margen es el resultado; las horas liberadas son la prueba.
Una justificación que resista ante un comprador coloca tres elementos uno junto al otro. Primero: qué tarea exactamente se ha automatizado o puesto bajo supervisión, y si se trata de una tarea que puede seguir en manos de la IA o de una tarea que fácilmente vuelve a ser trabajo humano en cuanto cambien las circunstancias. Segundo: si la capacidad liberada realmente se ha destinado a otra cosa, se ha reducido, o ha quedado sin utilizar — porque solo las dos primeras se traducen en margen. Tercero: cuán dependiente es el ahorro de una sola persona, un solo proveedor o una sola suscripción a una herramienta. Un ahorro que forma parte del proceso y es sostenido por varias personas pesa más que un ahorro que desaparece en cuanto se va una figura clave o vence una licencia. Este último punto está directamente relacionado con la pregunta de si al final un comprador compra a su gente o su forma de trabajar, y esas dos opciones producen un margen muy distinto a ojos de un comprador.
Una justificación honesta también indica dónde no tiene fundamento. Las horas liberadas se pueden contar bien en el momento en que se ha automatizado una tarea, pero son más difíciles de predecir para el trabajo que hoy todavía es mixto — en parte IA, en parte supervisión, en parte trabajo manual. Si esa mezcla se desplaza más hacia la IA en los próximos doce meses, el margen crece; si la supervisión sigue siendo muy necesaria porque el margen de error es demasiado grande, el ahorro se mantiene donde está. Un comprador que sabe esto no pide una garantía, sino un rango con una razón que lo acompañe. Un resultado sin esa razón no dice nada: un porcentaje de ahorro sin saber qué tarea hay detrás es una cifra que en la siguiente auditoría puede desaparecer con la misma facilidad con la que apareció.
Este cambio no afecta solo a la calidad del beneficio. También afecta al peso que tiene la dependencia del propietario, porque el trabajo que antes recaía en el propietario ahora puede recaer en parte en un sistema — siempre que ese sistema esté documentado y no exista solo en la cabeza del propietario. Afecta a la información de gestión, porque un comprador quiere ver si la información de gestión está organizada de forma suficientemente profesional para demostrar el ahorro trimestre a trimestre en lugar de reconstruirlo a posteriori. Y afecta a la propia due diligence, porque un comprador que ve uso de IA automáticamente también examina las licencias y suscripciones que hay detrás — precisamente por eso una due diligence revisa minuciosamente sus licencias de software. Quien quiera que parte del margen solo se tenga en cuenta después de un período de transición, además, llega a la pregunta de qué es un earn-out y por qué lo propone un comprador — a menudo precisamente el instrumento con el que un comprador logra financiar un margen de IA que todavía no está probado como estructural.
La pregunta de fondo — qué trabajo de esta empresa realmente puede ser asumido por la IA, y qué trabajo sigue siendo trabajo humano — se responde tarea por tarea con el escáner de trabajo de FTE TO AI.
Esta página no trata sobre decisiones de personal. Lo que un empleador hace con la capacidad liberada es asunto del propio empleador, y para eventuales pasos de derecho laboral rigen requisitos legales propios sobre los que esta página no se pronuncia.
Antes de explicar un margen en las cifras a un comprador, conviene saber cuál de los ocho impulsores de valor pesa hoy más sobre su precio. El chequeo de valor gratuito consta de ocho preguntas breves, una por impulsor, y ofrece de inmediato una idea de dónde recae ahora ese peso. El escáner de valor completo, con el índice de dependencia del propietario y un calendario a dos años hacia el momento de la salida, está en preparación.