Um comprador que vê uma margem mais elevada coloca uma pergunta: isto repete-se no próximo ano, também com outro proprietário e outra equipa. Numa margem que provém do uso de IA, essa pergunta é mais difícil de responder do que numa subida de preços ou numa poupança adquirida. Não porque a margem seja falsa, mas porque a sua origem se comporta de forma diferente das fontes que um comprador está habituado a ponderar.
A IA já assume trabalho hoje, mas em partes e não em todo o lado com a mesma velocidade. Numa empresa, uma ferramenta verifica faturas de forma totalmente autónoma; noutra empresa, um colaborador faz exatamente o mesmo trabalho ainda manualmente, embora a tecnologia para o fazer já exista. A diferença normalmente não está no setor, mas em como o trabalho está dividido. Trabalho que segue um padrão fixo com um certo-ou-errado claro deixa-se assumir. Trabalho que exige julgamento continua a ser trabalho humano ou recebe, no máximo, supervisão: alguém que aprova ou rejeita o resultado com fundamento. Uma margem que surge porque uma tarefa foi transferida para a primeira categoria tem uma origem diferente de uma margem que surge porque alguém passou a trabalhar mais arduamente com uma ferramenta de IA ao seu lado. Um comprador quer ver exatamente essa distinção, porque determina se a poupança é estrutural ou depende de uma única pessoa e dos seus hábitos.
A forma habitual de comprovar uma melhoria de margem é uma comparação antes-e-depois nos números. Isso funciona numa subida de preços ou num acordo com um fornecedor, porque a causa consta de uma fatura. Na IA, a causa não consta de fatura nenhuma. Não existe um contrato que diga que parte do lucro provém de que tarefa. O que existe são horas que deixaram de ser necessárias num local onde antes eram necessárias. Essa capacidade libertada é a unidade em que a comprovação deve assentar, não a própria percentagem de margem. A percentagem de margem é o resultado; as horas libertadas são a prova.
Uma comprovação que resiste perante um comprador coloca três elementos lado a lado. Primeiro: que tarefa exatamente foi assumida ou colocada sob supervisão, e se essa é uma tarefa que pode permanecer na IA ou uma tarefa que facilmente volta a ser trabalho humano assim que as circunstâncias mudam. Em segundo lugar: se a capacidade libertada foi de facto aplicada noutra coisa, reduzida, ou ficou por utilizar — pois só as primeiras duas se traduzem em margem. Em terceiro lugar: quão dependente é a poupança de uma única pessoa, um único fornecedor ou uma única subscrição de ferramenta. Uma poupança que está incorporada no processo e é sustentada por várias pessoas pesa mais do que uma poupança que desaparece assim que uma figura-chave sai ou uma licença expira. Este último ponto está diretamente relacionado com a questão de saber se um comprador acaba por comprar as suas pessoas ou o seu modo de trabalhar, e essas duas situações resultam numa margem muito diferente aos olhos de um comprador.
Uma comprovação honesta também diz onde não tem fundamento. As horas libertadas são fáceis de contar no momento em que uma tarefa é assumida, mas menos fáceis de prever para trabalho que ainda está misto — em parte IA, em parte supervisão, em parte trabalho manual. Se essa mistura se deslocar mais para a IA nos próximos doze meses, a margem cresce; se a supervisão continuar a ser fortemente necessária porque a margem de erro é demasiado grande, a poupança permanece onde está. Um comprador que sabe isto não pede uma garantia, mas sim um intervalo com uma razão associada. Um resultado sem essa razão não diz nada: uma percentagem de poupança sem saber que tarefa está por trás dela é um número que na próxima auditoria pode desaparecer com a mesma facilidade com que surgiu.
Esta mudança não afeta apenas a qualidade do lucro. Afeta também o peso da dependência do proprietário, porque trabalho que antes recaía sobre o proprietário pode agora recair parcialmente sobre um sistema — desde que esse sistema esteja documentado e não exista apenas na cabeça do proprietário. Afeta a informação de gestão, porque um comprador quer ver se a informação de gestão está organizada de forma suficientemente profissional para demonstrar a poupança trimestre a trimestre, em vez de a reconstruir a posteriori. E afeta a própria due diligence, pois um comprador que vê uso de IA olha naturalmente também para as licenças e subscrições por trás dela — exatamente por isso uma due diligence analisa minuciosamente as suas licenças de software. Quem quiser que parte da margem só seja considerada após um período de transição chega ainda à questão de o que é um earn-out e porque um comprador o propõe — muitas vezes precisamente o instrumento com que um comprador torna financiável uma margem de IA que ainda não está comprovadamente estrutural.
A questão subjacente — que trabalho nesta empresa pode realmente ser assumido pela IA, e que trabalho continua a ser trabalho humano — é respondida por tarefa com o scan de trabalho da FTE TO AI.
Esta página não trata de decisões de pessoal. O que um empregador faz com a capacidade libertada é da responsabilidade do próprio empregador, e para eventuais passos de direito laboral aplicam-se requisitos legais próprios sobre os quais esta página não se pronuncia.
Antes de uma margem ser explicada nos números a um comprador, é útil saber qual dos oito fatores de valor pesa hoje mais sobre o seu preço. A verificação de valor gratuita consiste em oito perguntas curtas, uma por fator, e dá de imediato uma noção de onde esse peso recai atualmente. A análise de valor completa, com o índice de dependência do proprietário e um calendário de dois anos até ao momento de saída, está em construção.