Kupujący nigdy nie liczy na podstawie wyniku, który stoi w rachunku wyników. Liczy na podstawie zysku, który pozostaje po usunięciu wszystkich pozycji nadzwyczajnych, wydatków jednorazowych i korzyści właściciela. Ten proces nazywa się normalizacją. Samochód firmowy, który w rzeczywistości jest prywatny, wynagrodzenie za zarządzanie, które jest niższe od ceny rynkowej, roszczenie, które wystąpiło jednorazowo w tym roku: takie pozycje są korygowane, aby pokazać, co firma zarabia strukturalnie, niezależnie od osoby, która ją teraz prowadzi.
Wdrożenie AI dodaje do tego nową kategorię korekt, i ta kategoria jest mniej prosta niż rachunek z karty kredytowej. Jeśli część pracy nie jest już wykonywana przez ludzi, lecz przez zadanie przejęte przez AI, zmienia się struktura kosztów. Pytanie, które wtedy stawia kupujący, nie brzmi, czy zysk wzrósł, lecz czy ten wyższy zysk pozostanie bez obecnego właściciela, obecnego zespołu i obecnej umowy z dostawcą.
Przesunięcie, o które tu idzie, przebiega w trzech kategoriach. AI może całkowicie przejąć zadanie, AI może częściowo przejąć zadanie z udziałem człowieka, który zatwierdza lub odrzuca z podaniem przyczyny, albo praca pozostaje pracą ludzką. Każda kategoria normalizuje się inaczej.
Zadanie, które zostało całkowicie przejęte i zakotwiczone w procesie, liczy się jako oszczędność strukturalna: koszty spadają i tak pozostaje, niezależnie od tego, kto poprowadzi firmę w przyszłości. Zadanie, które zostało częściowo przejęte z nadzorem ludzkim, przynosi oszczędność, która częściowo pozostaje, ponieważ nadzór wciąż kosztuje ludzi. A oszczędność, która całkowicie opiera się na jednym abonamencie u jednego dostawcy, jest czymś innym niż oszczędność zakotwiczona w samych procesach pracy — przy rozwiązaniu umowy, podwyżce cen lub przejęciu tego dostawcy oszczędność zniknie tak szybko, jak się pojawiła. To, co konkretnie przesuwa się z pracy ludzkiej na pracę AI, i jak silnie jest to zakotwiczone, jest ustalane dla każdego zadania za pomocą skanu pracy, który dla każdego zadania określa, co AI już przejmuje w firmie.
Niektóre firmy mają to rozróżnienie już wyraźnie ustalone: mogą wskazać dla każdego procesu, który etap został zautomatyzowany, ile ten etap wcześniej kosztował i jaka umowa stoi za tym. Inne firmy wiedzą tylko, że koszty personelu spadły, i nazywają to zyskiem. Różnica nie leży w tym, jak zaawansowane jest zastosowanie AI, lecz w tym, jak dobrze zostało zapisane, co działo się przed i po zmianie, i jak ta zmiana została uzasadniona.
Kupujący, który nie otrzymuje uzasadnienia, liczy na podstawie najgorszego scenariusza: usuwa oszczędność albo wycenia ryzyko. Uzasadnienie potrzebne, aby przekonująco przedstawić kupującemu oszczędność wynikającą z AI dotyka właśnie tej różnicy między twierdzeniem a dowodem.
Znormalizowany zysk jest szacunkiem, nie ustalonym faktem. Metoda może uwiarygodnić, że oszczędność jest strukturalna, lecz nie może zagwarantować, że tak pozostanie. Dostawca może podnieść cenę, zastosowanie AI może zostać ograniczone przez regulacje, a nadzór, który teraz jest lekki, może stać się bardziej intensywny, gdy wzrośnie margines błędu. Każdy szacunek zależy od tego, jak zorganizowana jest praca, jak zależna jest firma od jednej strony i jak niedawno wprowadzono zmianę — oszczędność z trzech miesięcy mówi mniej niż oszczędność, która utrzymała się przez dwa lata.
Nie udziela się tu również porad kadrowych i nie dostarcza się uzasadnienia dla decyzji o zwolnieniach; to, co pracodawca robi ze swoim personelem, jest sprawą pracodawcy, dla której obowiązują własne wymogi prawne. Co normalizacja robi, to zbieranie faktów o tym, jaka praca gdzie trafia, tak aby kupujący mógł sam ocenić, jaką wartość mają te fakty.
Wynik nie mówi ponadto nic, jeśli nie uwzględniono podstawowej zależności. Oszczędność, która w przeważającej mierze opiera się na wiedzy właściciela lub na jednej umowie przedłużonej bez negocjacji, waży inaczej niż oszczędność zakotwiczona w wielu warstwach firmy. Jaka część zysku obniża cenę, ponieważ ta zależność jest zbyt duża, można przeczytać poprzez zależność od dostawcy AI, która wpływa na cenę sprzedaży.
Znormalizowany zysk nie jest oddzielony od resztowanej części firmy. Oszczędność zapisana w umowie z klientem lub dostawcą ma inną wartość niż oszczędność uzgodniona ustnie, która może się zmienić od jutra; umowy, które strukturalnie zwiększają wartość firmy pokazują, jaką różnicę to daje w ostatecznej cenie. A wzrost zysku, który w dużej mierze pochodzi od jednego klienta, kupujący waży inaczej niż zysk rozłożony na wielu klientów — coś, co dalej wyjaśnia wyjaśnienie dotyczące koncentracji klientów i wagi, którą kupujący do tego przypisuje.
Normalizacja zysku jest jednym z ośmiu czynników, które waży kupujący. Przesunięcie spowodowane przez AI dotyka nie tylko tego czynnika, lecz również zależności od właściciela — jeśli sam właściciel jest jedynym, kto wie, które zadanie zostało zautomatyzowane i dlaczego, to obniża cenę silniej, niż sama oszczędność ją podwyższa. Który czynnik waży w danym momencie najciężej, różni się w zależności od firmy i jest trudny do ustalenia bez uzasadnienia.
Podstawowe pytanie — jaka praca w tej firmie faktycznie może zostać przejęta przez AI i co z tego już zostało zapisane — można odpowiedzieć za pomocą skanu pracy FTE TO AI dla każdego zadania. Dla tych, którzy chcą najpierw wiedzieć, co dziś najbardziej obniża cenę, dostępny jest bezpłatny test wartości: osiem krótkich pytań, jedno na każdy czynnik wartości, z obrazem tego, który czynnik teraz waży najciężej. Pełny skan wartości, z ocenami dojrzałości dla każdego czynnika i dwuletnim kalendarzem prowadzącym do momentu wyjścia, jest w budowie.