Toda empresa com um produto ou processo técnico tem alguém que sabe a resposta antes de a pergunta estar completa. Muitas vezes o fundador, muitas vezes o primeiro especialista técnico contratado. Essa pessoa tomou, ao longo dos anos, milhares de pequenas decisões sobre como algo funciona, porque é que uma solução funciona ou não, que desvio é normal e que desvio não é. Isso nunca foi registado porque nunca houve tempo para isso e porque fazer perguntas era mais rápido do que documentar.
Essa concentração não surgiu por falta de vontade de partilhar conhecimento. Surgiu porque funciona mais rápido: uma pessoa que tem a resposta na ponta da língua é mais eficiente do que um processo em que três pessoas consultam um documento. Para o dia a dia, isso é uma vantagem. Para um comprador, é um risco, porque um comprador não paga pelas pessoas que estão presentes, mas pelo que continua a funcionar quando uma dessas pessoas sai.
Numa aquisição, a concentração de conhecimento técnico torna-se visível assim que alguém pergunta: o que acontece se esta pessoa estiver ausente durante seis semanas. Se a resposta for que a qualidade das decisões desce, ou que os clientes com perguntas específicas têm de esperar, então essa pessoa não conta como ativo mas como risco no balanço. Esse risco é frequentemente traduzido num preço mais baixo ou num período mais longo em que o vendedor tem de permanecer, o que afasta o momento de saída mais do que o proprietário desejava.
Esta não é uma questão de pessoal nem de decidir quem fica ou não fica: isso é da responsabilidade do proprietário, e se o tema tocar em escolhas de direito laboral, aplicam-se os respetivos requisitos legais próprios. Aqui trata-se de outra coisa: saber se o conhecimento que hoje está numa só pessoa continua acessível sem ter de consultar essa pessoa.
O conhecimento técnico é composto por três tipos de trabalho, e a IA não os afeta todos com a mesma intensidade.
Uma parte é reconhecimento de padrões: que avaria corresponde a que causa, que especificação se aplica a que aplicação. Com o registo correto, esse é o trabalho que a IA melhor assume, porque pode ser reconduzido a casos semelhantes do passado.
Uma segunda parte é a avaliação: um sistema de IA pode fazer uma proposta, mas alguém com experiência aprova ou reprova, e consegue explicar porquê. Essa é a parte que exige supervisão humana, e continua a ser necessária enquanto as situações subjacentes forem suficientemente diferentes entre si para tornar uma regra fixa inutilizável.
Uma terceira parte é a explicação a um cliente que não é tecnicamente versado, com sensibilidade para o que esse cliente já compreende e o que não compreende. Isso continua a ser, na maioria das empresas, trabalho humano, embora também aqui a proporção se desloque quando as duas primeiras camadas estiverem registadas, porque então resta mais tempo para a própria conversa.
As empresas onde isto já funciona são aquelas em que alguém, em algum momento, investiu em registar a primeira camada: histórico de avarias, códigos de erro, soluções, numa forma que um sistema consegue pesquisar. As empresas onde isto ainda não funciona não estão necessariamente atrasadas; simplesmente nunca tiveram motivo para documentar algo que já estava, de qualquer forma, na ponta da língua de uma só pessoa.
Registar o conhecimento não é uma questão de escrever um documento e ficar resolvido. Funciona melhor por etapas: comece pelas perguntas que voltam com mais frequência, registe qual foi a resposta e porquê, e permita que um sistema de IA torne essas respostas pesquisáveis para o resto da equipa. O especialista continua a ser necessário para os casos que se desviam do padrão, mas deixa de ser a única porta de entrada para tudo.
Isto não afeta apenas o índice de dependência do proprietário. Uma poupança que resulta de uma pessoa gastar menos tempo com perguntas repetidas conta, para um comprador, de forma diferente de uma poupança que depende de um único fornecedor externo: a qualidade do lucro tem a ver com a origem de um resultado, não apenas com o seu valor. O conhecimento que está incorporado no processo mantém valor mesmo quando a pessoa sai; o conhecimento que depende de um único fornecedor ou especialista desaparece com essa pessoa.
A mesma lógica aplica-se noutras partes da empresa. Quem quiser saber como tornar as relações com clientes menos dependentes de um único vendedor pode ler como tornar a rede no mercado transferível; quem se pergunta se o contacto com o cliente de primeira linha também pode funcionar sem o proprietário encontra a resposta em como tornar o contacto com o cliente transferível com IA; e quem quiser ver como tornar a avaliação de qualidade consistente menos dependente de um único avaliador pode ler como tornar o controlo de qualidade transferível. Quem quiser saber quão grande já é este problema na própria empresa pode medir quanto passa pelo proprietário, e quem se pergunta a partir de que momento isto se torna relevante para uma venda pode ler quando deve começar a preparação de uma venda.
A questão de saber que parte do conhecimento técnico desta empresa em concreto é, na realidade, transferível para um sistema, e que parte continua a ser trabalho humano, varia por processo e por grupo de clientes. Essa questão é respondida por tarefa através do work scan da FTE TO AI.
O teste de valor gratuito consiste em oito perguntas curtas, uma por fator de valor, e dá uma primeira ideia de qual fator está hoje a reduzir mais o preço da sua empresa. O value scan completo, com pontuação de maturidade por fator, evidências, índice de dependência do proprietário e um calendário de dois anos até ao momento de saída, está em preparação.