Egy oktatási intézmény, korrepetálást nyújtó szervezet vagy tréningcég nemcsak tudást ad el, hanem annak átadását is. Az órák nagy része háromféle munkából áll: a tananyagok és tantervek elkészítése és karbantartása, az egyéni résztvevők mentorálása és értékelése, valamint az ezt körülvevő adminisztratív réteg — beiratkozások, tervezés, előrehaladás nyilvántartása, jelentéskészítés megbízóknak vagy az oktatási felügyeletnek. Emellett gyakran ott van egy személy, aki a pedagógiai víziót hordozza, és fenntartja a kapcsolatokat iskolákkal, vállalatokkal vagy támogatókkal. Ez a felosztás határozza meg, mit lát egy vevő: az anyag és az adminisztráció átadható, a vízió és a kapcsolathálózat viszont közel sem mindig.
Az AI részben átveszi a munkát, nem jövőképként, hanem valamiként, ami egyes oktatási szervezetekben már ma jelen van, másokban még nem. A gyakorlóanyag elkészítése, a tesztkérdések generálása tanulási célok alapján, az előrehaladás összegzése a tesztereményekből — ez olyan munka, amelynek elvégzését az AI nagyrészt átveheti, miközben egy oktató ellenőrzi az eredményt, mielőtt az eljut a résztvevőhöz. Az egyéni mentorálás összetett tanulási problémák vagy magatartási kérdések esetén emberi munka marad; itt hiányzik az a fajta kontextus, amellyel egy rendszer nem rendelkezik. E kettő között húzódik egy széles, felügyelt réteg: egy AI, amely első visszajelzési kört ad egy dolgozatra, egy oktató, aki kijavítja a hangnemet és az árnyalatokat, mielőtt az eljut a résztvevőhöz.
Az, hogy honnan ered ez a különbség, általában nem a szervezet méretétől függ, hanem attól, mennyire van már az oktatási folyamat felosztva felismerhető lépésekre. Egy állandó tantervvel és szabványosított értékeléssel rendelkező intézmény gyorsabban tudja a folyamat egyes részeit az AI-ra bízni, mint egy olyan szervezet, ahol minden kurzust nagyrészt újra kialakít az azt megtartó oktató.
Az elmozdulás nemcsak a költségstruktúrát érinti, hanem minden olyan tényező súlyát is, amelyet egy vevő mérlegel.
A tulajdonosfüggőség a legérzékelhetőbben érintett. Ha maga a tulajdonos találja ki a tantervet, kíséri a nehéz eseteket, és személyesen ismeri a megbízókat, akkor az AI megváltoztatja ugyan az adminisztratív vagy anyaghoz kötött terhet, de a függőség lényegét nem. A nyereségminőség szintén változik, de nem egységesen: az a megtakarítás, amely abból ered, hogy magát a folyamatot alakították át, más súllyal esik latba egy vevőnél, mint az a megtakarítás, amely teljes mértékben egyetlen AI-szolgáltatóra vagy licencre épül. Ez utóbbi olyan feltételezés, amely eltűnik, amint a szerződés megváltozik.
Az ügyfélkoncentráció és a szerződéses biztonság is más súlyt kap. Egy intézmény, amely bevételének nagy részében egyetlen megbízótól függ — egy iskolától, önkormányzattól vagy támogatási programtól —, azt a sebezhetőséget nem látja eltűnni az AI miatt, viszont a kérdés eltolódik: megismételhető-e a nyújtott oktatási termék egy másik vevőnél, e konkrét kapcsolat nélkül is? A növekedési potenciált aszerint értékelik, hogy a felskálázott oktatási rész — az anyag, az értékelés — újrafelhasználható-e új csoportoknál anélkül, hogy az oktatói kapacitásnak ezzel arányosan növekednie kellene.
Az oktatást körülvevő jogi és pedagógiai keretek — a képesítési követelmények, a vizsgaszabályzatok, a felügyeleti ellenőrzés — nem változnak amiatt, hogy az AI mit vesz át és mit nem, és egy vevő ettől függetlenül vizsgálja azokat. És ahol a kérdés személyzeti döntéseket érint — mely funkciók maradnak szükségesek egy megváltozott feladatmegosztás esetén —, ott saját jogi követelmények érvényesek; ennek megítélése a munkáltatóé, nem egy értékfelmérésé.
Az, ahogyan az AI elmozdítja a munkát, ágazatonként erősen eltér, és ez mindig másképp érinti az értékelést. A kiskereskedelemben gyakran először azt vizsgálják, mi történik egy kiskereskedelmi vállalkozás értékmeghatározásával, amint a készlet- és pénztári munka részben automatizálódik, míg a vendéglátásban a kérdés arról szól, mit jelent az AI egy olyan vendéglátó-ipari vállalkozás értéke szempontjából, ahol a kiszolgálás és a konyhai munka nagyrészt emberi munka marad. Az IT-szektorban a súlypont ismét másképp alakul, amint az olvasható abban, hogyan érinti az AI egy IT-vállalat értékelését a kód- és support-munkán keresztül. Oktatási szervezetek számára az összehasonlítás továbbra is hasznos, mert láthatóvá teszi, mennyire függ az eredmény attól, mennyire volt már ismételhető a munka, mielőtt az AI képbe került.
Egy vevő azt kérdezi magától, hogy az oktatási termék tovább működik-e, ha a jelenlegi tulajdonos kiesik, és a csapat mely része hordozza valójában azt a folyamatot. Ez más kérdés, mint hogy ki áll a bérlistán; arról van szó, ki hozza meg azokat a döntéseket, amelyek a minőséget meghatározzák. Bővebben arról, hogyan tekint egy vevő a csapatra és a tulajdonos körüli szervezetre, olvasható abban, miért értékeli külön a vevő a vezetői csapatot egy vállalat megvásárlásakor, egy általánosabb áttekintés pedig a vállalati értéket alakító nyolc mozgatórugóról abban található, hogyan határozzák meg egy vállalat értékét nyolc mozgatórugó alapján.
Az alapkérdésre — mely munka vehető ebben a szervezetben valójában át az AI által, és mely rész marad emberi munka — az FTE TO AI munkafelmérése ad választ, feladatonként.
Annak megállapítására, hogy a nyolc értékmozgató közül melyik nyomja ma leginkább vállalkozása árát, ott van az ingyenes értékellenőrzés: nyolc rövid kérdés, egy mozgatóronként, amelynek eredménye képet ad arról, hol a legnagyobb nyomás. A teljes értékfelmérés, mozgatóronkénti érettségi pontszámokkal, a tulajdonosfüggőségi indexszel és egy kétéves naptárral a kilépési pillanatig, jelenleg készül.