Firma produkcyjna działa na kombinacji, którą znają tylko nieliczne inne sektory: przygotowanie produkcji i kalkulacja, planowanie i zakupy, kontrola jakości, utrzymanie techniczne, a na hali produkcyjnej mieszanka obsługi maszyn i pracy ręcznej, którą nie da się tak łatwo przenieść. Poza tym często jedna osoba — nierzadko właściciel — stoi pomiędzy klientem i ofertą, pomiędzy dostawcą i planowaniem, albo pomiędzy usterką i rozwiązaniem. Ta kombinacja决定 nie tylko, jak firma funkcjonuje, ale też jak jest wyceniana. Nabywca nie liczy głów. Nabywca liczy to, co dalej będzie działać, jeśli część tych osób odejdzie albo zostanie zastąpiona czymś innym.
Okoliczności, które kierują wynikiem, różnią się znacznie w zależności od firmy: liczba unikalnych produktów w porównaniu z produkcją seryjną, stopień, w jakim rysunki, normy i kalkulacje są już przechowywane w ustrukturyzowany sposób, oraz to, ile z koordynacji między człowiekiem, maszyną i klientem wciąż tkwi w czyjejś głowie, a nie w systemie.
AI przejmuje już pracę w częściach przemysłu wytwórczego, nie jako wizja przyszłości, lecz jako coś, co dzieje się dzisiaj w firmach, które ustrukturyzowały swoje procesy. Przewijają się przy tym trzy kategorie. Część pracy może zostać przejęta w całości: generowanie ofert z konfiguratora produktu, wykrywanie odchyleń na podstawie danych pomiarowych, planowanie utrzymania na podstawie wartości z czujników. Inna część przesuwa się w stronę nadzoru: AI przygotowuje kalkulację lub raport jakości, człowiek zatwierdza lub odrzuca i podaje przy tym powód. A trzecia część pozostaje pracą ludzką — fizyczne działanie przy maszynie, ocena klienta, który pyta o coś, co nie wpisuje się w standard, negocjowanie z dostawcą terminu dostawy.
Skąd bierze się ta różnica między firmami, rzadko jest przypadkiem. Firmy, w których rysunki, przepływy materiałowe i dane o jakości już znajdują się w systemie, mogą tę trzecią kategorię zmniejszać szybciej niż firmy, w których te informacje wciąż tkwią na papierze, w e-mailu albo w głowie jednego specjalisty od przygotowania produkcji. Technologia jest często już dostępna; to, czy zostanie wykorzystana, zależy od tego, jak dzisiaj jest zorganizowana praca.
Nabywca waży osiem czynników, a AI przejmująca pracę zmienia wagę każdego z nich — nie w tym samym kierunku i nie w tym samym tempie.
Zależność od właściciela waży najciężej. Jeśli kalkulacja, relacja z klientem i planowanie leżą w rękach jednej osoby, to jest to ryzyko, które nabywca uwzględnia w cenie, niezależnie od tego, co może przejąć AI. Ale jeśli AI już częściowo przejmuje tę kalkulację i planowanie pod ludzkim nadzorem, ta zależność przesuwa się z osoby na proces — a proces jest przenoszalny.
Jakość zysku waży inaczej, gdy oszczędność staje się widoczna. Oszczędność powstała dzięki tym, że jeden dostawca oprogramowania przejmuje zadanie, liczy się dla nabywcy inaczej niż oszczędność zakotwiczona w samym procesie, działająca przy każdym pracowniku lub każdym systemie. Jak tę jakość zysku uzasadnić, opisano dalej w wyjaśnieniu dotyczącym uzasadnienia jakości zysku.
Przychody powtarzalne — kontrakty serwisowe, na utrzymanie i dostawy uzupełniające — otrzymują w przemyśle wytwórczym inną wagę, jeśli realizacja tego utrzymania przebiega częściowo zautomatyzowana: jest wtedy mniej zależna od dostępności konkretnych monterów. Co przychody powtarzalne są dokładnie warte przy sprzedaży, opisano w wyjaśnieniu dotyczącym wyceny przychodów powtarzalnych przy sprzedaży.
Również czynniki takie jak koncentracja klientów, potencjał wzrostu i skalowalność operacyjna przesuwają się wraz z tym, ponieważ AI zmienia strukturę kosztów wzrostu: skalowanie bez proporcjonalnego zwiększania liczby specjalistów od przygotowania produkcji czy planistów jest w części firm produkcyjnych już rzeczywistością, a w innych jeszcze nie.
Ta zmiana nie jest powodem, by mówić o tym, kogo firma zatrzymuje w zatrudnieniu, a kogo zwalnia. Jaka praca może zostać przejęta, to pytanie faktyczne o zadania; co pracodawca z tym robi, podlega własnym wymogom prawnym i nie należy do zakresu skanu wartości. Pytanie, na które tutaj odpowiadamy, dotyczy tego, co widzi nabywca, gdy patrzy na firmę — dzisiaj i za dwa lata.
Porównanie z innymi sektorami pokazuje, że ten wzorzec nie jest unikalny dla przemysłu wytwórczego: ten samy przesunięcie odbywa się w ocenie wartości firmy w sektorze transportowym oraz w wycenie firmy z sektora usług biznesowych teraz, gdy AI przejmuje zadania, zawsze z inną proporcją między przejęciem, nadzorem i pracą ludzką.
Podstawowe pytanie — jaka praca w tej konkretnej firmie faktycznie może zostać przejęta przez AI, jaka część przechodzi pod nadzór, a jaka pozostaje pracą ludzką — jest odpowiadane zadanie po zadaniu za pomocą skanu pracy FTE TO AI.
Sam skan wartości — osiem czynników, dla każdego czynnika wynik dojrzałości wraz z dowodami, wskaźnik zależności od właściciela oraz dwuletni kalendarz prowadzący do momentu wyjścia z firmy — jest w budowie. W oczekiwaniu na to dostępny jest bezpłatny sprawdzian wartości: osiem krótkich pytań, jedno na czynnik, które dają pierwszy obraz tego, który czynnik dzisiaj najbardziej obniża cenę Pana/Pani firmy.