Un acquirente che vede un margine più alto pone una domanda: si ripresenterà anche l'anno prossimo, anche con un altro proprietario e un altro team. Per un margine che deriva dall'uso dell'IA, quella domanda è più difficile da rispondere rispetto a un aumento di prezzo o a un risparmio ottenuto tramite acquisto. Non perché il margine non sia reale, ma perché la sua origine si comporta in modo diverso dalle fonti che un acquirente è abituato a valutare.
L'IA sta già oggi assumendo parte del lavoro, ma a tratti e non ovunque alla stessa velocità. In un'azienda uno strumento controlla in modo completamente autonomo le fatture; in un'altra azienda un dipendente svolge esattamente lo stesso lavoro ancora manualmente, mentre la tecnologia per farlo esiste già. La differenza non sta di solito nel settore, ma nel modo in cui il lavoro è stato suddiviso. Il lavoro che segue uno schema fisso con un chiaro giusto-o-sbagliato si lascia rilevare. Il lavoro che richiede giudizio resta lavoro umano, o riceve al massimo una supervisione: qualcuno che approva o respinge il risultato con una motivazione. Un margine che nasce perché un compito è passato nella prima categoria ha un'origine diversa da un margine che nasce perché qualcuno ha lavorato di più con uno strumento di IA accanto a sé. Un acquirente vuole vedere esattamente questa distinzione, perché determina se il risparmio è strutturale o dipende da una sola persona e dalle sue abitudini.
Il modo abituale di dimostrare un miglioramento del margine è un confronto prima-e-dopo nei numeri. Funziona per un aumento di prezzo o un accordo con un fornitore, perché la causa è riportata su una fattura. Con l'IA la causa non compare da nessuna parte su una fattura. Non esiste un contratto che indichi quale parte dell'utile proviene da quale compito. Ciò che invece esiste sono ore non più necessarie in un punto dove prima lo erano. Quella capacità liberata è l'unità in cui deve muoversi la motivazione, non la percentuale di margine in sé. La percentuale di margine è il risultato; le ore liberate sono la prova.
Una motivazione che regge davanti a un acquirente mette a confronto tre elementi. Primo: quale compito esattamente è stato rilevato o messo sotto supervisione, e se si tratta di un compito che può restare all'IA oppure di un compito che potrebbe altrettanto facilmente tornare a essere lavoro umano non appena cambiano le circostanze. Secondo: se la capacità liberata è stata effettivamente impiegata per qualcos'altro, ridotta, oppure è rimasta inutilizzata — perché solo le prime due si traducono in margine. Terzo: quanto il risparmio dipende da una sola persona, un solo fornitore o un solo abbonamento a uno strumento. Un risparmio che è incorporato nel processo e sostenuto da più persone pesa di più di un risparmio che scompare non appena una figura chiave se ne va o scade una licenza. Quest'ultimo punto riguarda direttamente la domanda se alla fine un acquirente compra le sue persone o il suo metodo di lavoro, e le due cose producono un margine molto diverso agli occhi di un acquirente.
Una motivazione onesta indica anche dove non ha fondamento. Le ore liberate sono facili da contare nel momento in cui un compito è stato rilevato, ma meno facili da prevedere per il lavoro che oggi è ancora misto — in parte IA, in parte supervisione, in parte lavoro manuale. Se quel mix si sposta ulteriormente verso l'IA nei prossimi dodici mesi, il margine cresce; se la supervisione resta fortemente necessaria perché il margine di errore è troppo grande, il risparmio resta dov'è. Un acquirente che lo sa non chiede una garanzia ma un intervallo con una motivazione a corredo. Un risultato senza quella motivazione non dice nulla: una percentuale di risparmio senza sapere quale compito ci sia dietro è un numero che alla prossima due diligence può sparire con la stessa facilità con cui è comparso.
Questo cambiamento non riguarda solo la qualità dell'utile. Riguarda anche quanto pesa la dipendenza dal proprietario, perché lavoro che prima ricadeva sul proprietario ora può in parte ricadere su un sistema — a condizione che quel sistema sia documentato e non risieda solo nella testa del proprietario. Riguarda le informazioni gestionali, perché un acquirente vuole vedere se le informazioni gestionali sono impostate in modo sufficientemente professionale da dimostrare il risparmio trimestre per trimestre invece di doverlo ricostruire a posteriori. E riguarda la due diligence stessa, perché un acquirente che vede l'uso dell'IA guarda automaticamente anche alle licenze e agli abbonamenti che ci sono dietro — proprio per questo una due diligence esamina attentamente le sue licenze software. Chi vuole far pesare parte del margine solo dopo un periodo transitorio arriva inoltre alla domanda cos'è un earn-out e perché un acquirente lo propone — spesso proprio lo strumento con cui un acquirente rende finanziabile un margine legato all'IA che non è ancora dimostrato strutturale.
La domanda di fondo — quale lavoro in questa azienda può effettivamente essere rilevato dall'IA, e quale lavoro resta lavoro umano — trova risposta compito per compito con la scansione del lavoro di FTE TO AI.
Questa pagina non riguarda le decisioni sul personale. Ciò che un datore di lavoro fa con la capacità liberata spetta al datore di lavoro stesso, e per eventuali passi di diritto del lavoro valgono requisiti legali propri su cui questa pagina non si pronuncia.
Prima di spiegare a un acquirente un margine nei numeri, è utile sapere quale degli otto fattori di valore pesa oggi maggiormente sul suo prezzo. Il test di valore gratuito consiste in otto brevi domande, una per fattore, e offre subito un quadro di dove si concentra oggi quel peso. La scansione di valore completa, con l'indice di dipendenza dal proprietario e un calendario biennale verso il momento dell'exit, è in fase di sviluppo.