Een koper betaalt niet voor de winst van vorig jaar. Hij betaalt voor het deel van die winst waarvan hij aanneemt dat het blijft bestaan zonder dat hij zelf moet ingrijpen. Dat is winstkwaliteit: niet de hoogte van de marge, maar de herkomst ervan. Winst uit een structureel proces weegt anders dan winst uit een eenmalige meevaller, een tijdelijke leverancierskorting of een klant die net dit jaar extra bestelde.
Als AI een deel van het werk overneemt, verandert er iets fundamenteels in die weging. Een besparing op personeelskosten die ontstaat omdat een taak nu geautomatiseerd verloopt, is niet automatisch goede winstkwaliteit. Het hangt af van waar die besparing vandaan komt en hoe stevig die verankerd is.
Niet elke besparing door AI telt hetzelfde voor een koper.
Dit onderscheid loopt door de drie categorieën die overal terugkomen: werk dat AI volledig overneemt, werk dat met menselijk toezicht verloopt waarbij iemand goedkeurt of afkeurt met reden, en werk dat mensenwerk blijft. Winst die rust op de eerste twee categorieën, goed vastgelegd, is voor een koper anders te wegen dan winst die toevallig ontstaat zonder vastlegging.
Een koper kijkt niet naar het label "AI" in een jaarverslag. Hij kijkt naar het patroon achter de cijfers.
Deze punten vormen samen het bewijs waarmee winstkwaliteit wordt onderbouwd. Zonder dat bewijs blijft een besparing een bewering.
Begin bij de winst- en verliesrekening van de laatste twee tot drie jaar en splits elke verbetering in de marge naar herkomst: volume, prijs, kosten, of iets anders. Voor elke kostenbesparing die te maken heeft met automatisering of AI, stelt u vast of de besparing in het proces zit of aan een leverancier hangt, en of ze is vastgelegd of alleen bestaat bij de gratie van één persoon.
Daarna telt u niet alleen wat AI vandaag al doet, maar ook wat er nog handmatig gebeurt terwijl het overdraagbaar zou zijn naar een geautomatiseerd proces met toezicht. Dat verschil tussen wat nu gebeurt en wat mogelijk is, is vaak groter dan verwacht en verklaart waarom twee bedrijven met dezelfde omzet een andere winstkwaliteit hebben.
Deze vraag — welk werk in dit bedrijf werkelijk door AI over te nemen is — wordt per taak beantwoord met de werkscan van FTE TO AI.
Winstkwaliteit verbetert niet door meer AI in te zetten, maar door bestaande besparingen te verankeren. Dat betekent: vastleggen welk werk waarom via welk proces verloopt, toezicht inrichten waar dat nodig is, en besparingen loskoppelen van één specifieke leverancier waar dat kan. Het betekent ook eerlijk vaststellen welk deel van de winst nog steunt op één persoon die weet hoe het werkt — dat raakt aan eigenaarafhankelijkheid en aan hoe opvolgbaarheid de prijs beïnvloedt.
Winstkwaliteit hangt ook samen met andere drijvers. Winst die voor een groot deel van één klant komt, weegt lichter, zoals te zien is bij klantconcentratie. Winst die is onderbouwd met heldere rapportage weegt zwaarder, zoals blijkt bij managementinformatie. En winst uit contracten die doorlopen weegt anders dan winst uit losse opdrachten, zoals besproken bij terugkerende omzet. Bij elke wijziging in personeelsinzet die uit dit soort analyse volgt, gelden de eigen wettelijke vereisten voor die beslissing; dat is geen onderdeel van deze scan.
Winstkwaliteit is zelden in één blik te beoordelen. Ze zit verspreid over de marge-opbouw, de vastlegging van processen en de mate waarin besparingen aan één partij hangen. De gratis waardecheck van FTE TO AI bestaat uit acht korte vragen, één per waardedrijver, en geeft een beeld van welke drijver uw prijs vandaag het meest drukt. De volledige waardescan, met maturiteitsscores per drijver en een tweejarenkalender naar het exit-moment, is in aanbouw.