Kupujący, który widzi wyższą marżę, stawia jedno pytanie: czy to się powtórzy w przyszłym roku, także u innego właściciela i z innym zespołem. Przy marży wynikającej z zastosowania AI na to pytanie jest trudniej odpowiedzieć niż przy podwyżce cen czy zakupionej oszczędności. Nie dlatego, że marża jest nieprawdziwa, ale dlatego, że jej źródło zachowuje się inaczej niż źródła, które kupujący zwykle waży.
AI już dziś przejmuje pracę, ale częściowo i nie wszędzie w tym samym tempie. W jednej firmie narzędzie w pełni samodzielnie kontroluje faktury; w innej firmie pracownik wykonuje ręcznie dokładnie tę samą pracę, choć technologia na to już pozwala. Różnica zwykle nie leży w branży, lecz w tym, jak podzielono pracę. Praca, która przebiega według stałego wzorca z jasnym podziałem na dobrze-lub-źle, daje się przejąć. Praca wymagająca oceny pozostaje pracą ludzką albo w najlepszym razie otrzymuje nadzór: kogoś, kto zatwierdza lub odrzuca wynik z podaniem przyczyny. Marża powstająca dlatego, że zadanie przesunięto do pierwszej kategorii, ma inne pochodzenie niż marża powstająca dlatego, że ktoś zaczął pracować intensywniej z narzędziem AI u boku. Kupujący chce właśnie to rozróżnienie zobaczyć, ponieważ ono decyduje, czy oszczędność jest strukturalna, czy zależy od jednej osoby i jej przyzwyczajeń.
Standardowym sposobem udowodnienia poprawy marży jest porównanie liczb przed i po. To działa przy podwyżce cen albo umowie z dostawcą, ponieważ przyczyna jest widoczna na fakturze. Przy AI przyczyna nigdzie na fakturze nie figuruje. Nie istnieje umowa, która określa, która część zysku pochodzi z którego zadania. Co natomiast istnieje: godziny, które nie są już potrzebne w miejscu, gdzie wcześniej były potrzebne. Ta uwolniona zdolność jest jednostką, w której powinno przebiegać uzasadnienie, nie sam procent marży. Procent marży jest wynikiem; uwolnione godziny są dowodem.
Uzasadnienie, które wytrzyma konfrontację z kupującym, stawia obok siebie trzy elementy. Najpierw: które zadanie zostało dokładnie przejęte lub objęte nadzorem, i czy jest to zadanie, które może pozostać przy AI, czy zadanie, które równie dobrze może z powrotem stać się pracą ludzką, gdy zmienią się okoliczności. Po drugie: czy uwolniona zdolność została faktycznie wykorzystana na coś innego, ograniczona, czy pozostała niewykorzystana — ponieważ tylko pierwsze dwa przekładają się na marżę. Po trzecie: jak bardzo oszczędność zależy od jednej osoby, jednego dostawcy lub jednej subskrypcji narzędzia. Oszczędność wpisana w proces i podzielana przez wielu ludzi liczy się mocniej niż oszczędność, która zniknie, gdy odejdzie jedna kluczowa osoba albo skończy się licencja. Ten ostatni punkt dotyka bezpośrednio pytania, czy kupujący ostatecznie kupuje pańskich ludzi czy pański sposób pracy, a te dwie sytuacje dają w oczach kupującego zupełnie inną marżę.
Uczciwe uzasadnienie mówi też, gdzie nie ma podstaw. Uwolnione godziny da się dobrze policzyć w momencie, gdy zadanie zostało przejęte, ale znacznie trudniej przewidzieć dla pracy, która jest obecnie jeszcze mieszana — częściowo AI, częściowo nadzór, częściowo praca ręczna. Jeśli ta mieszanka przesunie się w kolejnych dwunastu miesiącach dalej w stronę AI, marża rośnie; jeśli nadzór pozostaje niezbędny, ponieważ margines błędu jest zbyt duży, oszczędność zostaje tam, gdzie jest. Kupujący, który to wie, nie prosi o gwarancję, lecz o przedział z podaniem przyczyny. Wynik bez tej przyczyny nic nie mówi: procent oszczędności bez wiedzy, jakie zadanie za nim stoi, jest liczbą, która przy następnym audycie może zniknąć tak łatwo, jak się pojawiła.
Ta zmiana dotyka nie tylko jakości zysku. Dotyka też tego, jak mocno waży zależność od właściciela, ponieważ praca, która wcześniej leżała po stronie właściciela, może teraz częściowo leżeć po stronie systemu — pod warunkiem że ten system jest udokumentowany, a nie istnieje tylko w głowie właściciela. Dotyka informacji zarządczej, ponieważ kupujący chce zobaczyć, czy informacja zarządcza jest zorganizowana na wystarczająco profesjonalnym poziomie, aby wykazywać oszczędność kwartalnie, a nie odtwarzać ją później. I dotyka samej due diligence, ponieważ kupujący, który widzi zastosowanie AI, automatycznie sprawdza również stojące za tym licencje i subskrypcje — właśnie dlatego, że due diligence dokładnie sprawdza pańskie licencje oprogramowania. Kto chce, aby część marży została uwzględniona dopiero po okresie przejściowym, trafia dodatkowo na pytanie czym jest earn-out i dlaczego kupujący go proponuje — często właśnie na ten instrument, za pomocą którego kupujący czyni finansowalną marżę wynikającą z AI, która jeszcze nie została udowodniona jako strukturalna.
Leżące pod tym pytanie — jaka praca w tej firmie może być rzeczywiście przejęta przez AI, a jaka praca pozostaje pracą ludzką — jest odpowiadane zadanie po zadaniu za pomocą skanu pracy FTE TO AI.
Ta strona nie dotyczy decyzji personalnych. To, co pracodawca robi z uwolnioną zdolnością, zależy od samego pracodawcy, a dla ewentualnych kroków w zakresie prawa pracy obowiązują własne wymogi ustawowe, o których ta strona nie wypowiada się.
Zanim marża w liczbach zostanie wyjaśniona kupującemu, warto wiedzieć, który z ośmiu czynników wartości najbardziej obciąża obecnie pańską cenę. Bezpłatny test wartości składa się z ośmiu krótkich pytań, jednego na czynnik, i od razu daje obraz tego, gdzie ten ciężar teraz leży. Pełny skan wartości, z indeksem zależności od właściciela i dwuletnim kalendarzem do momentu wyjścia, jest w budowie.