Une direction qui demande comment documenter ce que fait l'IA pose en réalité une autre question : ce qui reste si certaines personnes venaient à disparaître demain. Un acheteur pose aussi cette question, mais à l'échelle de toute l'entreprise. Il n'achète pas le nombre de collaborateurs sur la liste de paie, il achète ce qui continue à fonctionner sans eux. Documenter ce que fait l'IA n'est donc pas un aperçu technique des outils et des licences, c'est une description du travail qui dépend d'un système et du travail qui dépend d'une personne.
L'erreur que commettent la plupart des aperçus est de répartir le travail en deux cases : automatisé ou non. Cela occulte la partie intermédiaire où se passe actuellement le plus de choses. Il y a des tâches que l'IA livre de manière autonome, des tâches où l'IA fait une proposition qu'une personne approuve ou rejette avec une raison, et des tâches qui restent du travail humain parce que le jugement, la relation ou la responsabilité ne sont pas délégables. Cette catégorie intermédiaire est instable : le contrôle encore nécessaire aujourd'hui pourrait être plus léger dans un an, ou rester tout aussi lourd. Qui ne recense que ce qui fonctionne déjà entièrement automatiquement aujourd'hui manque le mouvement en cours.
Un intitulé de fonction en dit peu sur ce que l'IA peut reprendre. Un contrôleur de gestion effectue un travail de reporting largement automatisable et un travail d'évaluation qui ne l'est pas, souvent au cours de la même semaine de travail. Documenter ce que fait l'IA signifie donc descendre au niveau des tâches : quelle action, avec quelle entrée, avec quelle décision au bout. Au niveau de la fonction, une image déformée se crée, qu'un acheteur perce en une journée lors de la due diligence.
Toute estimation de ce que l'IA peut reprendre repose sur des hypothèses concernant la qualité des données, la stabilité du processus et la volonté d'une organisation de laisser un système prendre la décision. Pour les tâches comportant beaucoup d'exceptions, des entrées variables ou des évaluations sensibles, la marge est large et le résultat relève davantage d'une orientation que d'un fait. Un aperçu qui ne laisse aucune place à cela, et présente tout en pourcentages fixes, mérite moins de confiance qu'un aperçu qui indique où la marge est importante. Cela vaut aussi pour l'effet sur le prix : quelle dépendance à un fournisseur d'IA fait baisser le prix ne peut pas se résumer en un seul chiffre, car cela dépend de la part du travail repris qui dépend d'une seule partie externe par rapport à celle ancrée dans le processus propre.
Il existe des situations où un aperçu de ce que fait l'IA a peu de valeur pour un acheteur. Si la reprise des tâches repose entièrement sur les connaissances d'une seule personne qui a configuré le système et que personne d'autre ne peut expliquer pourquoi cela fonctionne, l'étiquette « automatisé » ne dit rien sur le risque. C'est la même question que pour le travail humain : pourquoi un acheteur demande qui entretient l'IA touche précisément ce point. Une tâche qui est traitée aujourd'hui par un système mais qui, en cas de panne, ne peut être réparée que par son propriétaire, compte différemment pour un acheteur qu'une tâche comprise et suivie par une équipe.
Certaines entreprises ont déjà documenté cela, d'autres pas du tout, et la différence ne réside que rarement dans le secteur ou la taille. Elle réside dans qui a décrit les tâches avant que l'IA n'entre en jeu. Une entreprise dont les processus sont documentés peut relativement rapidement indiquer quelle part de ceux-ci peut être transférée à un système. Une entreprise où le travail réside dans les têtes doit d'abord franchir cette étape avant que l'IA ne puisse y reprendre quoi que ce soit. C'est aussi immédiatement une question de valeur : comment mesurer la part du travail qui passe par le propriétaire explique pourquoi les entreprises dont les connaissances sont documentées peuvent démontrer plus rapidement ce que fait l'IA que celles où ces connaissances n'ont jamais été écrites.
Une économie issue de l'IA ne compte pas automatiquement, pour un acheteur, comme un profit de bonne qualité. Une économie qui dépend d'un seul contrat avec un seul fournisseur est plus fragile qu'une économie ancrée dans le processus lui-même et qui continue de fonctionner sans ce fournisseur. L'effet sur le fonds de roulement n'est pas non plus nécessairement favorable : un traitement plus rapide des factures ou des commandes peut réduire les délais, mais ce qu'est le fonds de roulement et pourquoi il compte lors d'une vente montre que la relation entre automatisation et position de trésorerie n'est pas linéaire.
Ce qu'une entreprise fait ensuite de cet aperçu du travail repris, partiellement soumis à contrôle ou restant du travail humain, relève d'une décision de l'employeur. Les décisions concernant le personnel sont soumises à des exigences légales propres, et cet aperçu ne constitue pas une justification à cet égard. L'objectif est un état des faits : quel travail dépend de qui ou de quoi, et qu'est-ce que cela signifie pour ce qui reste si une personne disparaît. C'est aussi là que la répartition des connaissances joue un rôle : comment éviter que votre valeur ne repose sur une poignée de têtes aborde la même question du point de vue des personnes plutôt que des systèmes.
Le moment où cet aperçu apporte le plus est non pas juste avant une vente, mais bien avant, lorsqu'il reste encore une marge de manœuvre pour agir sur les dépendances avant qu'un acheteur ne les découvre. Quand vous devez commencer la préparation d'une vente dépend en partie de la part du travail actuel qui reste liée à des personnes qui ne resteront pas.
La question sous-jacente, à savoir quel travail dans cette entreprise spécifique peut réellement être repris par l'IA, est répondue tâche par tâche dans le scan de travail de FTE TO AI. Pour ceux qui souhaitent d'abord savoir où le prix subit aujourd'hui le plus de pression, il existe le contrôle de valeur gratuit : huit questions courtes, une par facteur de valeur, avec une indication du facteur qui pèse le plus aujourd'hui. Le scan de valeur complet, avec des scores de maturité, des preuves par facteur et un calendrier sur deux ans jusqu'au moment de la sortie, est en cours de développement.