Kupujący nie płaci za zysk z zeszłego roku. Płaci za tę część tego zysku, o której zakłada, że będzie się utrzymywać bez konieczności własnej interwencji. To jest jakość zysku: nie wysokość marży, lecz jej pochodzenie. Zysk ze strukturalnego procesu waży inaczej niż zysk z jednorazowego przypadku, tymczasowego rabatu od dostawcy czy klienta, który akurat w tym roku zamówił więcej.
Jeśli AI przejmuje część pracy, coś zmienia się fundamentalnie w tym ważeniu. Oszczędność na kosztach personelu, która powstaje, ponieważ zadanie jest obecnie zautomatyzowane, nie jest automatycznie dobrą jakością zysku. Zależy to od tego, skąd ta oszczędność pochodzi i jak solidnie jest zakotwiczona.
Nie każda oszczędność wynikająca z AI liczy się tak samo dla kupującego.
To rozróżnienie przebiega przez trzy kategorie, które wracają wszędzie: praca, którą AI całkowicie przejmuje, praca, która przebiega z ludzkim nadzorem, gdzie ktoś zatwierdza lub odrzuca z powodem, oraz praca, która pozostaje pracą ludzką. Zysk oparty na dwóch pierwszych kategoriach, dobrze utrwalony, kupujący waży inaczej niż zysk, który powstaje przypadkowo bez utrwalenia.
Kupujący nie patrzy na etykietę „AI” w raporcie rocznym. Patrzy na wzorzec za liczbami.
Te punkty razem tworzą dowód, na którym opiera się jakość zysku. Bez tego dowodu oszczędność pozostaje twierdzeniem.
Zacznijcie od rachunku wyników za ostatnie dwa do trzech lat i podzielcie każdą poprawę marży według pochodzenia: wolumen, cena, koszty lub coś innego. Dla każdej oszczędności kosztowej związanej z automatyzacją lub AI ustalcie, czy oszczędność jest wpisana w proces czy zależna od dostawcy, oraz czy jest utrwalona czy istnieje tylko dzięki jednej osobie.
Potem liczy się nie tylko to, co AI robi już dziś, ale też to, co wciąż odbywa się ręcznie, choć mogłoby zostać przekazane do zautomatyzowanego procesu z nadzorem. Ta różnica między tym, co dzieje się teraz, a tym, co jest możliwe, jest często większa niż się oczekuje i wyjaśnia, dlaczego dwie firmy o tym samym przychodzie mają inną jakość zysku.
Ta kwestia — jaka praca w tej firmie faktycznie może zostać przejęta przez AI — jest odpowiadana dla każdego zadania za pomocą skanu pracy FTE TO AI.
Jakość zysku nie poprawia się przez wdrażanie większej ilości AI, lecz przez zakotwiczenie istniejących oszczędności. To znaczy: utrwalenie, jaka praca dlaczego przebiega przez jaki proces, wprowadzenie nadzoru tam, gdzie jest potrzebny, oraz odłączenie oszczędności od jednego konkretnego dostawcy tam, gdzie to możliwe. Znaczy to również szczere ustalenie, jaka część zysku wciąż opiera się na jednej osobie, która wie, jak to działa — to dotyka zależności od właściciela oraz tego, jak możliwość przekazania wpływa na cenę.
Jakość zysku wiąże się także z innymi czynnikami wartości. Zysk pochodzący w dużej części od jednego klienta waży lżej, jak widać przy koncentracji klientów. Zysk poparty przejrzystą raportowością waży ciężej, jak wynika przy informacji zarządczej. A zysk z umów, które trwają, waży inaczej niż zysk z pojedynczych zleceń, jak omówiono przy przychodach powtarzalnych. Przy każdej zmianie w zatrudnieniu personelu wynikającej z takiej analizy obowiązują własne wymogi prawne dla tej decyzji; nie jest to część tego skanu.
Jakość zysku rzadko można ocenić jednym spojrzeniem. Jest rozproszona między budowę marży, utrwalenie procesów i stopień, w jakim oszczędności są zależne od jednej strony. Bezpłatny test wartości FTE TO AI składa się z ośmiu krótkich pytań, jednego na każdy czynnik wartości, i daje obraz tego, który czynnik dziś najbardziej obniża waszą cenę. Pełny skan wartości, z ocenami dojrzałości dla każdego czynnika i dwuletnim kalendarzem do momentu wyjścia, jest w budowie.