Egy vevő soha nem az eredménykimutatáson szereplő eredménnyel kalkulál. Ő azzal a nyereséggel kalkulál, amely megmarad, ha minden rendkívüli tételt, egyszeri kiadást és tulajdonosi előnyt kiszűrünk. Ezt a folyamatot normalizálásnak nevezik. Egy céges autó, amely valójában magánhasználatú, egy piaci ár alatti vezetői díjazás, egy idén egyszeri jelleggel felmerült kártérítési igény: az ilyen tételeket korrigálják, hogy megmutassák, mit keres a vállalat strukturálisan, függetlenül attól, ki vezeti most.
Az AI-alkalmazás egy új korrekciós kategóriát ad ehhez hozzá, és ez a kategória kevésbé egyszerű, mint egy hitelkártya-számla. Ha a munka egy részét már nem emberek végzik, hanem egy olyan feladat, amelyet az AI vett át, megváltozik a költségstruktúra. A kérdés, amelyet a vevő ekkor felteszi, nem az, hogy a nyereség magasabb lett-e, hanem hogy ez a magasabb nyereség megmarad-e a jelenlegi tulajdonos, a jelenlegi csapat és a jelenlegi beszállítói szerződés nélkül is.
Az eltolódás, amiről itt szó van, három kategóriára osztható. Az AI teljes mértékben átvehet egy feladatot, az AI részben átvehet egy feladatot úgy, hogy egy ember jóváhagyja vagy elutasítja indokkal, vagy a munka emberi munka marad. Minden kategória másképp normalizálódik.
Egy teljesen átvett és a folyamatba beépült feladat strukturális megtakarításnak számít: a költségek csökkennek, és ez így is marad, függetlenül attól, ki vezeti majd a vállalatot. Egy részben átvett feladat, emberi felügyelettel, olyan megtakarítást eredményez, amely részben megmarad, mivel a felügyelet még mindig emberi költséggel jár. És egy megtakarítás, amely teljes mértékben egyetlen beszállítónál lévő egyetlen előfizetésre épül, más, mint egy megtakarítás, amely a munkafolyamatokba magukba van beépítve — felmondás, áremelés vagy a beszállító felvásárlása esetén a megtakarítás ugyanolyan gyorsan eltűnik, mint ahogy jött. Hogy pontosan mi mozdul el az emberi munkából az AI-munka felé, és mennyire szilárdan van ez rögzítve, feladatonként megválaszolható a munkavégzést feltáró elemzéssel, amely feladatonként megállapítja, mit vesz már át az AI a vállalatban.
Bizonyos vállalatoknál ez a megkülönböztetés már élesen látható: folyamatonként meg tudják mondani, melyik lépés van automatizálva, mit kellett az a lépés régen, és milyen szerződés áll a háttérben. Más vállalatok csak azt tudják, hogy a személyi költségek csökkentek, és ezt nevezik nyereségnek. A különbség nem abban rejlik, mennyire fejlett az AI-alkalmazás, hanem abban, mennyire jól van rögzítve, mi történt a változás előtt és után, és hogyan van ez a változás alátámasztva.
Egy vevő, aki nem kap alátámasztást, a legrosszabb forgatókönyvvel kalkulál: kiveszi a megtakarítást, vagy beárazza a kockázatot. Az alátámasztás, amely szükséges ahhoz, hogy egy AI által elért megtakarítás meggyőző legyen egy vevő számára pontosan erről a különbségről szól, az állítás és a bizonyíték között.
A normalizált nyereség egy becslés, nem egy megállapított tény. A módszer alátámaszthatja, hogy egy megtakarítás strukturális, de nem garantálhatja, hogy az is marad. Egy beszállító megemelheti az árát, egy AI-alkalmazást szabályozás korlátozhat, és a jelenleg enyhe felügyelet szigorúbbá válhat, amint a hibaarány nő. Minden becslés attól függ, hogyan van felépítve a munka, mennyire függ a vállalat egyetlen szereplőtől, és mennyire friss a bevezetett változás — egy háromhónapos megtakarítás kevesebbet mond, mint egy megtakarítás, amely két éven át fennmaradt.
Itt nem adunk személyzeti tanácsot és nem szolgáltatunk alátámasztást elbocsátási döntésekhez sem; hogy egy munkaadó mit tesz a személyzetével, az a munkaadó dolga, és arra saját törvényi előírások vonatkoznak. Amit a normalizálás tényleg tesz, az az, hogy tényeket gyűjt arról, milyen munka hová kerül, hogy a vevő maga tudja megítélni, mit érnek ezek a tények.
Egy eredmény ráadásul semmit nem mond, ha a mögötte álló függőséget nem vették figyelembe. Egy megtakarítás, amely túlnyomórészt a tulajdonos tudására épül, vagy egy egyetlen szerződésre, amelyet tárgyalás nélkül hosszabbítottak meg, másképp nyom a latban, mint egy megtakarítás, amely a vállalat több szintjébe is be van építve. Hogy a nyereség mely része nyomja lefelé az árat, mert ez a függőség túl nagy, arról az AI-beszállítótól való függőség, amely érinti az eladási árat ad felvilágosítást.
A normalizált nyereség nem áll el a vállalat többi részétől. Egy megtakarítás, amelyet ügyféllel vagy beszállítóval kötött szerződésben rögzítettek, más értékkel bír, mint egy szóban megállapított megtakarítás, amely holnap megváltozhat; a szerződések, amelyek strukturálisan növelik egy vállalat értékét megmutatják, milyen különbséget eredményez ez a végső árnál. És egy nyereségnövekedés, amely nagyrészt egyetlen ügyféltől származik, a vevő szemében másképp nyom a latban, mint egy sok ügyfél között megosztott nyereség — erre tér ki bővebben az ügyfélkoncentrációról szóló magyarázat és a súly, amelyet a vevő ennek ad.
A nyereség normalizálása egy a nyolc mozgató közül, amelyet egy vevő mérlegel. Az AI okozta eltolódás nem csak ezt a mozgatót érinti, hanem a tulajdonosi függőséget is — ha maga a tulajdonos az egyetlen, aki tudja, melyik feladat van automatizálva és miért, ez erősebben nyomja lefelé az árat, mint amennyire a megtakarítás felfelé emeli. Melyik mozgató a legsúlyosabb jelenleg, vállalatról vállalatra változik, és alátámasztás nélkül nehezen megállapítható.
Az alapkérdés — hogy ebben a vállalatban mely munka valóban átvehető az AI által, és ebből mi van már rögzítve — az FTE TO AI munkavégzést feltáró elemzésével feladatonként megválaszolható. Aki előbb azt szeretné tudni, hogy az ár ma leginkább mire nyomódik, annak rendelkezésére áll az ingyenes értékellenőrzés: nyolc rövid kérdés, egy-egy értékmozgatónkénti, amely képet ad arról, melyik mozgató számít most a legsúlyosabban. A teljes értékfeltáró elemzés, mozgatónkénti érettségi pontszámokkal és egy kétéves naptárral az exit-időpont felé, jelenleg készül.