Ogni azienda con un prodotto o processo tecnico ha qualcuno che conosce la risposta prima ancora che la domanda sia completa. Spesso il fondatore, spesso il primo specialista tecnico assunto. Questa persona ha preso nel corso degli anni migliaia di piccole decisioni su come funziona qualcosa, perché una soluzione funziona o non funziona, quale scostamento è normale e quale no. Questo non è mai stato messo per iscritto perché non c'è mai stato tempo per farlo e perché fare domande andava più veloce che documentare.
Questa concentrazione non è nata dalla mancanza di volontà di condividere conoscenza. È nata perché funziona più velocemente: una sola persona che ha la risposta pronta è più efficiente di un processo in cui tre persone devono consultare un documento. Per la gestione quotidiana questo è un vantaggio. Per un acquirente è un rischio, perché un acquirente non paga per le persone che ci sono, ma per ciò che continua a funzionare quando una di queste persone se ne va.
In un'acquisizione, la concentrazione di conoscenza tecnica diventa visibile non appena qualcuno chiede: cosa succede se questa persona è assente per sei settimane. Se la risposta è che la qualità delle decisioni ne risente, o che i clienti con domande specifiche devono aspettare, allora questa persona non conta come un bene ma come un rischio sul bilancio. Questo rischio viene spesso tradotto in un prezzo più basso o in un periodo più lungo in cui il venditore deve rimanere, il che allontana il momento dell'exit rispetto a quanto desiderato dal proprietario.
Questo non è una questione di personale né riguarda la gestione di chi resta o meno: questo spetta al proprietario, e se tocca il tema delle scelte di diritto del lavoro, per queste valgono requisiti legali propri. Qui si tratta di un'altra cosa: se la conoscenza che ora si trova in una sola persona è consultabile anche senza quella persona.
La conoscenza tecnica è composta da tre tipi di lavoro, e l'AI non li tocca tutti allo stesso modo.
Una parte è riconoscimento di schemi: quale guasto corrisponde a quale causa, quale specifica si adatta a quale applicazione. Con la giusta messa per iscritto, questo è il lavoro che l'AI riprende meglio, perché è riconducibile a casi simili avvenuti in passato.
Una seconda parte è la valutazione: un sistema AI può fare una proposta, ma qualcuno con esperienza approva o respinge, e può spiegare perché. Questa è la parte che richiede supervisione umana, e resta necessaria finché le situazioni sottostanti differiscono abbastanza tra loro da rendere inutilizzabile una regola fissa.
Una terza parte è la spiegazione a un cliente che non è di per sé tecnico, con sensibilità per ciò che quel cliente già capisce e ciò che non capisce. Questo resta lavoro umano nella maggior parte delle aziende, anche se anche qui la proporzione si sposta quando i primi due livelli sono stati messi per iscritto, perché allora resta più tempo per la conversazione stessa.
Le aziende dove questo funziona già sono le aziende in cui qualcuno ha in passato investito nel mettere per iscritto il primo livello: cronologia dei guasti, codici di errore, soluzioni, in una forma che un sistema può consultare. Le aziende dove questo non funziona ancora non sono necessariamente in ritardo; semplicemente non hanno mai avuto motivo di documentare qualcosa che era comunque già pronto in una sola testa.
Mettere per iscritto la conoscenza non è una questione di scrivere un documento e finito. Funziona meglio per gradi: si inizia con le domande che ritornano più spesso, si registra quale era la risposta e perché, e si lascia che un sistema AI renda queste risposte consultabili per il resto del team. Lo specialista resta necessario per i casi che si discostano, ma diventa meno l'unico punto d'accesso per tutto.
Questo non riguarda solo l'indice di dipendenza dal proprietario. Un risparmio che nasce perché una persona impiega meno tempo per domande ripetute conta per un acquirente in modo diverso rispetto a un risparmio che dipende da un unico fornitore esterno: la qualità del profitto riguarda da dove proviene un risultato, non solo la sua entità. La conoscenza che è incorporata nel processo mantiene valore anche se la persona se ne va; la conoscenza legata a un singolo fornitore o specialista scompare con quella persona.
La stessa logica vale in altre parti dell'azienda. Chi vuole sapere come rendere le relazioni con i clienti meno dipendenti da un singolo venditore, può leggere come viene reso trasferibile il network sul mercato; chi si chiede se il contatto clienti di prima linea possa funzionare anche senza il proprietario, lo trova in come il contatto con i clienti diventa trasferibile con l'AI; e chi vuole vedere come una valutazione della qualità coerente diventi meno dipendente da un singolo valutatore, può leggere come viene reso trasferibile il controllo qualità. Chi vuole sapere quanto è già grande questo problema nella propria azienda può misurare quanto passa attraverso il proprietario, e chi si chiede da quale momento questo diventa rilevante per una vendita può leggere quando deve iniziare la preparazione di una vendita.
La domanda su quale parte della conoscenza tecnica in questa specifica azienda sia realmente trasferibile a un sistema, e quale parte resti lavoro umano, differisce per processo e per gruppo di clienti. Questa domanda trova risposta per singolo compito con la scansione del lavoro di FTE TO AI.
Il controllo di valore gratuito è composto da otto brevi domande, una per ogni fattore di valore, e offre una prima immagine di quale fattore oggi comprime maggiormente il prezzo della sua azienda. La scansione di valore completa, con punteggio di maturità per fattore, prove, indice di dipendenza dal proprietario e un calendario biennale verso il momento dell'exit, è in fase di sviluppo.