Un comprador nunca calcula con el resultado que figura en la cuenta de pérdidas y ganancias. Calcula con el beneficio que queda cuando se han eliminado todas las partidas especiales, los gastos únicos y las ventajas del propietario. Ese proceso se llama normalización. Un coche de empresa que en realidad es privado, una remuneración de gestión por debajo del precio de mercado, una reclamación que se produjo una sola vez este año: ese tipo de partidas se corrigen para mostrar lo que la empresa gana de forma estructural, independientemente de la persona que la dirige ahora.
El uso de IA añade a eso una nueva categoría de correcciones, y esa categoría es menos sencilla que una factura de tarjeta de crédito. Si parte del trabajo ya no lo realizan personas sino una tarea que la IA asume, la estructura de costes cambia. La pregunta que entonces se plantea un comprador no es si el beneficio ha aumentado, sino si ese beneficio mayor se mantiene sin el propietario actual, el equipo actual y el contrato actual con un proveedor.
El cambio en torno al cual gira esto se divide en tres categorías. La IA puede asumir una tarea por completo, la IA puede asumir una tarea parcialmente con una persona que aprueba o rechaza con motivo, o el trabajo sigue siendo trabajo humano. Cada categoría se normaliza de forma distinta.
Una tarea que se ha asumido por completo y está anclada en el proceso cuenta como ahorro estructural: los costes bajan y eso se mantiene así, sin importar quién dirija la empresa en el futuro. Una tarea que se ha asumido parcialmente con supervisión humana genera un ahorro que se mantiene solo en parte, porque la supervisión sigue costando personas. Y un ahorro que descansa por completo en una única suscripción con un único proveedor es algo distinto de un ahorro que está integrado en los propios procesos de trabajo: al cancelar, al subir el precio o ante una adquisición de ese proveedor, el ahorro desaparece tan rápido como llegó. Qué se desplaza exactamente del trabajo humano al trabajo de IA, y con qué firmeza está anclado, se responde tarea por tarea con el escaneo de trabajo que determina por tarea lo que la IA ya asume en la empresa.
Algunas empresas tienen esta distinción ya muy clara: pueden indicar por proceso qué paso está automatizado, qué costaba ese paso antes y qué contrato hay detrás. Otras empresas solo saben que los costes de personal han bajado y llaman a eso beneficio. La diferencia no está en lo avanzada que sea la aplicación de IA, sino en lo bien que se ha documentado qué ocurría antes y después del cambio, y cómo se ha fundamentado ese cambio.
Un comprador que no recibe fundamentación calcula con el peor escenario: elimina el ahorro, o incorpora un riesgo al precio. La fundamentación necesaria para hacer convincente un ahorro de IA ante un comprador trata precisamente sobre esa diferencia entre una afirmación y una prueba.
El beneficio normalizado es una estimación, no un hecho consumado. El método puede hacer plausible que un ahorro es estructural, pero no puede garantizar que se mantenga así. Un proveedor puede subir su precio, una aplicación de IA puede verse limitada por la regulación, y una supervisión que ahora es ligera puede volverse más pesada en cuanto aumente el margen de error. Cada estimación depende de cómo esté organizado el trabajo, de cuán dependiente sea la empresa de una sola parte, y de cuán reciente sea el cambio aplicado: un ahorro de tres meses dice menos que un ahorro que se ha mantenido durante dos años.
Tampoco se ofrece aquí asesoramiento de personal ni fundamentación para decisiones de despido; lo que un empleador hace con su personal es cosa del empleador, y para eso rigen requisitos legales propios. Lo que la normalización sí hace es reunir hechos sobre qué trabajo termina dónde, para que un comprador pueda valorar por sí mismo qué valen esos hechos.
Además, un resultado no dice nada si no se ha tenido en cuenta la dependencia subyacente. Un ahorro que descansa en gran medida en el conocimiento del propietario, o en un único contrato que se ha renovado sin negociación, pesa de forma distinta a un ahorro que está anclado en varias capas de la empresa. Qué parte del beneficio presiona el precio a la baja porque esa dependencia es demasiado grande se puede leer en la dependencia de un proveedor de IA que afecta al precio de venta.
El beneficio normalizado no existe de forma aislada del resto de la empresa. Un ahorro que está fijado en un contrato con un cliente o proveedor tiene un valor distinto de un ahorro acordado verbalmente que puede cambiar mañana; los contratos que aumentan estructuralmente el valor de una empresa muestran qué diferencia supone eso en el precio final. Y un aumento de beneficio que procede en gran parte de un solo cliente pesa de forma distinta para un comprador que un beneficio repartido entre muchos clientes, algo en lo que profundiza la explicación sobre la concentración de clientes y el peso que le da un comprador.
La normalización del beneficio es uno de los ocho impulsores que pesa un comprador. El cambio provocado por la IA no afecta solo a este impulsor, sino también a la dependencia del propietario: si el propietario mismo es el único que sabe qué tarea está automatizada y por qué, eso presiona el precio a la baja con más fuerza de lo que lo eleva el propio ahorro. Qué impulsor pesa más en este momento varía según la empresa y es difícil de determinar sin fundamentación.
La pregunta subyacente —qué trabajo en esta empresa puede realmente asumir la IA, y qué de eso ya está documentado— se puede responder tarea por tarea con el escaneo de trabajo de FTE TO AI. Para quien quiera saber primero dónde presiona hoy más el precio, existe la comprobación de valor gratuita: ocho preguntas breves, una por impulsor de valor, con una imagen de qué impulsor pesa ahora más. El escaneo de valor completo, con puntuaciones de madurez por impulsor y un calendario a dos años hacia el momento de salida, está en construcción.