Una direzione che chiede come documentare ciò che fa l'IA, pone in realtà un'altra domanda: cosa rimane se determinate persone dovessero venire a mancare domani. Anche un acquirente pone questa domanda, solo che allora riguarda l'intera azienda. Non acquista il numero di dipendenti sul libro paga, acquista ciò che continua a funzionare senza di loro. Documentare ciò che fa l'IA non è quindi una panoramica tecnica di strumenti e licenze, è una descrizione di quale lavoro dipende da un sistema e quale lavoro dipende da una persona.
L'errore che commette la maggior parte delle panoramiche è dividere il lavoro in due contenitori: automatizzato o no. Questo trascura la parte centrale, dove al momento accade la maggior parte. Ci sono compiti che l'IA porta a termine autonomamente, compiti in cui l'IA fa una proposta e una persona approva o respinge con una motivazione, e compiti che rimangono lavoro umano perché giudizio, relazione o responsabilità non sono delegabili. Questa categoria intermedia è instabile: la supervisione ancora necessaria oggi può essere più leggera tra un anno, oppure può rimanere altrettanto pesante. Chi registra solo ciò che oggi già funziona completamente in automatico, si perde dove si trova il movimento.
Un titolo di funzione dice poco su ciò che l'IA può rilevare. Un controller svolge lavoro di reportistica in gran parte automatizzabile e lavoro di valutazione che non lo è, spesso nella stessa settimana lavorativa. Documentare ciò che fa l'IA significa quindi scendere al livello dei compiti: quale azione, con quale input, con quale decisione alla fine. A livello di funzione si crea un quadro distorto che un acquirente, in sede di due diligence, smaschera in un giorno.
Ogni stima di ciò che l'IA può rilevare si basa su presupposti riguardanti la qualità dei dati, la stabilità del processo e la disponibilità di un'organizzazione a lasciare che sia un sistema a prendere la decisione. Nei compiti con molte eccezioni, input variabile o valutazioni delicate, il margine è ampio e il risultato è meno un dato di fatto che una direzione. Una panoramica che non lascia spazio a questo, e presenta tutto in percentuali fisse, merita meno fiducia di una panoramica che indica dove il margine è ampio. Questo vale anche per l'effetto sul prezzo: quale dipendenza da un fornitore di IA fa scendere il prezzo non è riassumibile in un unico numero, perché dipende da quanta parte del lavoro rilevato dipende da un'unica parte esterna rispetto a quanto è ancorato nel processo interno.
Ci sono situazioni in cui una panoramica di ciò che fa l'IA ha poco valore per un acquirente. Se il rilevamento dei compiti si basa interamente sulla conoscenza di una sola persona che ha configurato il sistema e nessun altro sa spiegare perché funziona, la bandierina "automatizzato" non dice nulla sul rischio. È la stessa domanda che vale per il lavoro umano: perché un acquirente chiede chi mantiene l'IA tocca esattamente questo punto. Un compito che oggi viene gestito da un sistema ma che, in caso di guasto, può essere ripristinato solo dal suo creatore, conta diversamente per un acquirente rispetto a un compito compreso e mantenuto da un intero team.
Alcune aziende hanno già documentato questo aspetto, altre per niente, e la differenza raramente sta nel settore o nelle dimensioni. Sta in chi ha messo per iscritto i compiti prima che l'IA entrasse in gioco. Un'azienda con processi descritti può indicare relativamente in fretta quale parte di essi è trasferibile a un sistema. Un'azienda in cui il lavoro risiede nelle teste delle persone deve prima compiere questo passaggio prima che l'IA possa rilevarne qualcosa. Questa è anche subito una questione di valore: come si misura quanto passa attraverso il proprietario spiega perché le aziende con conoscenza documentata possono dimostrare più rapidamente cosa fa l'IA rispetto alle aziende in cui quella conoscenza non è mai stata messa per iscritto.
Un risparmio derivante dall'IA non conta automaticamente, per un acquirente, come utile di buona qualità. Un risparmio legato a un unico contratto con un unico fornitore è più fragile di un risparmio ancorato nel processo stesso e che continua a funzionare senza quel fornitore. Anche l'effetto sul capitale circolante non è per forza favorevole: un'elaborazione più rapida di fatture o ordini può ridurre i tempi di ciclo, ma cos'è il capitale circolante e perché conta in una vendita mostra che la relazione tra automazione e posizione di cassa non è lineare.
Ciò che un'azienda fa poi con la panoramica del lavoro rilevato, in parte soggetto a supervisione o rimasto lavoro umano, è una decisione del datore di lavoro. Per le decisioni che riguardano il personale valgono requisiti di legge specifici, e questa panoramica non ne costituisce la base. L'obiettivo è un quadro dei fatti: quale lavoro dipende da chi o da cosa, e cosa significa questo per ciò che rimane se una persona viene a mancare. È anche qui che entra in gioco la distribuzione della conoscenza: come evitare che il suo valore risieda in una manciata di teste tocca la stessa domanda dal lato delle persone anziché dei sistemi.
Il momento in cui questa panoramica rende di più non è appena prima di una vendita, ma molto tempo prima, quando c'è ancora spazio per intervenire sulle dipendenze prima che un acquirente le riscontri. Quando bisogna iniziare a preparare una vendita dipende anche da quanta parte del lavoro attuale è ancora legata a persone che non resteranno.
La domanda di fondo, quale lavoro in questa specifica azienda sia realmente trasferibile all'IA, viene risposta per ogni singolo compito nella werkscan di FTE TO AI. Per chi vuole prima sapere dove il prezzo è oggi sotto la maggiore pressione, c'è la waardecheck gratuita: otto brevi domande, una per ogni fattore di valore, con un quadro di quale fattore pesa di più oggi. La waardescan completa, con punteggi di maturità, prove per ogni fattore e un calendario biennale verso il momento dell'exit, è in fase di realizzazione.