Een opleidingsinstituut, bijlesorganisatie of trainingsbureau verkoopt niet alleen kennis maar ook de overdracht ervan. Een groot deel van de uren zit in drie soorten werk: het maken en onderhouden van lesmateriaal en curricula, de begeleiding en toetsing van individuele deelnemers, en de administratieve laag daaromheen — inschrijvingen, planning, voortgangsregistratie, rapportage aan opdrachtgevers of onderwijsinspectie. Daarbovenop staat vaak één persoon die de didactische visie draagt en de relaties met scholen, bedrijven of subsidieverstrekkers onderhoudt. Die verdeling stuurt wat een koper ziet: materiaal en administratie zijn overdraagbaar, de visie en het netwerk zijn dat lang niet altijd.
AI neemt in delen werk over, niet als toekomstbeeld maar als iets dat in sommige onderwijsorganisaties vandaag al staat en in andere nog niet. Het maken van oefenmateriaal, het genereren van toetsvragen op basis van leerdoelen, het samenvatten van voortgang uit toetsresultaten — dat is werk waar AI de taak grotendeels kan overnemen, met een docent die het resultaat beoordeelt voordat het de deelnemer bereikt. Individuele begeleiding bij complexe leerproblemen of gedragsvragen blijft mensenwerk; daar ontbreekt het aan het soort context dat een systeem niet heeft. Tussen die twee zit een brede laag met toezicht: een AI die een eerste feedbackronde op een werkstuk geeft, een docent die de toon en de nuance corrigeert voordat het naar de deelnemer gaat.
Waar dat verschil vandaan komt, is meestal niet de grootte van de organisatie maar de mate waarin het onderwijsproces al is opgedeeld in herkenbare stappen. Een instituut met een vast curriculum en gestandaardiseerde toetsing kan sneller delen van dat proces aan AI overlaten dan een organisatie waar elke cursus grotendeels opnieuw wordt vormgegeven door de docent die hem geeft.
De verschuiving raakt niet alleen de kostenstructuur, maar het gewicht van elke drijver die een koper meeweegt.
Eigenaarafhankelijkheid wordt het meest zichtbaar geraakt. Als de eigenaar zelf het curriculum bedenkt, de moeilijke gevallen begeleidt en de opdrachtgevers persoonlijk kent, dan verandert AI die administratieve of materiaalgebonden last wel, maar de kern van de afhankelijkheid niet. Winstkwaliteit verandert eveneens, maar niet uniform: een besparing die ontstaat omdat het proces zelf is heringericht, telt anders bij een koper dan een besparing die volledig steunt op één AI-leverancier of licentie. Dat laatste is een aanname die weer wegvalt zodra het contract wijzigt.
Klantconcentratie en contractzekerheid krijgen ook een andere lading. Een instituut dat voor het grootste deel van de omzet afhankelijk is van één opdrachtgever — een school, gemeente of subsidieregeling — ziet die kwetsbaarheid niet verdwijnen door AI, maar de vraag verschuift: kan het geleverde onderwijsproduct ook zonder die specifieke relatie worden herhaald bij een andere afnemer? Groeipotentieel wordt beoordeeld op de vraag of het opgeschaalde deel van het onderwijs — het materiaal, de toetsing — herbruikbaar is voor nieuwe groepen zonder dat de docentcapaciteit evenredig meegroeit.
De wettelijke en pedagogische kaders rond onderwijs — kwalificatie-eisen, examenreglementen, toezicht door een inspectie — veranderen niet door wat AI wel of niet overneemt, en een koper toetst daar los van. En waar de vraag raakt aan personeelsbeslissingen — welke functies nodig blijven bij een gewijzigde taakverdeling — gelden daarvoor eigen wettelijke vereisten; die beoordeling ligt bij de werkgever, niet bij een waardescan.
De manier waarop AI werk verschuift, verschilt sterk per sector, en dat raakt de waardering telkens anders. In de detailhandel wordt vaak eerst gekeken naar wat er gebeurt met de waardebepaling van een winkelbedrijf zodra voorraad- en kassawerk deels automatiseert, terwijl in de horeca de vraag draait om wat AI betekent voor de waarde van een horecabedrijf waar bediening en keuken grotendeels mensenwerk blijven. In de ICT-sector ligt het zwaartepunt weer anders, te lezen in hoe AI de waardering van een ICT-bedrijf raakt via code- en supportwerk. Voor onderwijsorganisaties blijft de vergelijking nuttig omdat zichtbaar wordt hoe sterk de uitkomst afhangt van hoe herhaalbaar het werk al was vóór AI in beeld kwam.
Een koper vraagt zich af of het onderwijsproduct blijft functioneren als de huidige eigenaar wegvalt, en welk deel van het team dat proces daadwerkelijk draagt. Dat is een andere vraag dan wie er op de loonlijst staat; het gaat over wie de beslissingen neemt die de kwaliteit bepalen. Meer over hoe een koper naar het team en de organisatie rond de eigenaar kijkt, staat beschreven in waarom een koper het managementteam apart beoordeelt bij de aankoop van een bedrijf, en een algemener overzicht van de acht drijvers die de waardebepaling van een bedrijf vormen, staat in hoe de waarde van een bedrijf wordt bepaald aan de hand van acht drijvers.
De onderliggende vraag — welk werk in deze organisatie werkelijk door AI is over te nemen, en welk deel mensenwerk blijft — wordt met de werkscan van FTE TO AI per taak beantwoord.
Om te zien welke van de acht waardedrijvers de prijs van uw bedrijf vandaag het meest drukt, is er de gratis waardecheck: acht korte vragen, één per drijver, met als resultaat een beeld van waar de grootste druk zit. De volledige waardescan, met maturiteitsscores per drijver, de eigenaarafhankelijkheids-index en een tweejarenkalender naar het exit-moment, is in aanbouw.