Um instituto de formação, uma organização de aulas de apoio ou uma empresa de treinamento não vende apenas conhecimento, mas também a transmissão dele. Uma grande parte das horas está em três tipos de trabalho: a criação e manutenção de material didático e currículos, o acompanhamento e a avaliação dos participantes individuais, e a camada administrativa em torno disso — inscrições, planejamento, registro de progresso, relatórios a clientes ou à inspeção de ensino. Acima disso, muitas vezes há uma pessoa que carrega a visão didática e mantém as relações com escolas, empresas ou entidades financiadoras. Essa divisão determina o que um comprador vê: material e administração são transferíveis, a visão e a rede de contatos nem sempre o são.
A IA assume parte do trabalho, não como uma perspectiva futura, mas como algo que em algumas organizações educacionais já é realidade hoje e em outras ainda não. A criação de material de exercícios, a geração de questões de avaliação com base em objetivos de aprendizagem, a síntese do progresso a partir dos resultados de testes — isso é trabalho em que a IA pode assumir grande parte da tarefa, com um docente que avalia o resultado antes que ele chegue ao participante. O acompanhamento individual em problemas de aprendizagem complexos ou questões comportamentais continua a ser trabalho humano; ali falta o tipo de contexto que um sistema não possui. Entre esses dois extremos há uma ampla camada de supervisão: uma IA que dá uma primeira ronda de feedback sobre um trabalho, um docente que corrige o tom e a nuance antes de ele ser enviado ao participante.
De onde vem essa diferença normalmente não é o tamanho da organização, mas o grau em que o processo educacional já está dividido em etapas reconhecíveis. Um instituto com um currículo fixo e avaliação padronizada pode transferir partes desse processo para a IA mais rapidamente do que uma organização em que cada curso é, em grande parte, reformulado pelo docente que o leciona.
A mudança afeta não só a estrutura de custos, mas também o peso de cada fator que um comprador leva em conta.
A dependência do proprietário é o fator mais visivelmente afetado. Se o próprio proprietário concebe o currículo, acompanha os casos difíceis e conhece pessoalmente os clientes, então a IA altera essa carga administrativa ou ligada ao material, mas não a essência da dependência. A qualidade do lucro também muda, mas não de forma uniforme: uma economia que surge porque o próprio processo foi reestruturado conta de forma diferente para um comprador do que uma economia que depende totalmente de um único fornecedor de IA ou licença. Este último é um pressuposto que desaparece assim que o contrato mudar.
A concentração de clientes e a segurança contratual também ganham um significado diferente. Um instituto que depende, para a maior parte da receita, de um único cliente — uma escola, um município ou um regime de subsídios — não vê essa vulnerabilidade desaparecer por causa da IA, mas a questão muda: o produto educacional entregue pode também ser reproduzido, sem essa relação específica, junto de outro cliente? O potencial de crescimento é avaliado com base na questão de saber se a parte escalável do ensino — o material, a avaliação — é reutilizável para novos grupos sem que a capacidade docente tenha de crescer proporcionalmente.
Os quadros legais e pedagógicos em torno do ensino — requisitos de qualificação, regulamentos de exame, supervisão por uma inspeção — não mudam em função do que a IA assume ou não, e um comprador avalia isso de forma independente. E onde a questão toca em decisões relativas ao pessoal — quais funções continuam necessárias numa divisão de tarefas alterada — aplicam-se requisitos legais próprios; essa avaliação cabe ao empregador, não a uma avaliação de valor.
A forma como a IA desloca o trabalho difere fortemente por setor, e isso afeta a avaliação de forma diferente em cada caso. No comércio a retalho, olha-se muitas vezes primeiro para o que acontece com a avaliação de valor de uma empresa de retalho quando o trabalho de stock e caixa se automatiza parcialmente, enquanto na restauração a questão gira em torno de o que a IA significa para o valor de uma empresa de restauração onde o atendimento e a cozinha continuam a ser, em grande parte, trabalho humano. No setor de TI, o centro de gravidade situa-se de forma diferente, como se pode ler em como a IA afeta a avaliação de uma empresa de TI através do trabalho de código e suporte. Para organizações educacionais, a comparação continua a ser útil porque torna visível quão fortemente o resultado depende de quão repetível o trabalho já era antes de a IA entrar em cena.
Um comprador pergunta-se se o produto educacional continua a funcionar se o proprietário atual desaparecer, e qual parte da equipa realmente sustenta esse processo. Essa é uma pergunta diferente de quem está na folha de pagamento; trata-se de quem toma as decisões que determinam a qualidade. Mais sobre como um comprador olha para a equipa e a organização em torno do proprietário está descrito em por que um comprador avalia a equipa de gestão separadamente na compra de uma empresa, e uma visão mais geral dos oito fatores que formam a avaliação de valor de uma empresa encontra-se em como o valor de uma empresa é determinado com base em oito fatores.
A questão subjacente — que trabalho nesta organização pode realmente ser assumido pela IA, e que parte continua a ser trabalho humano — é respondida por tarefa através do scan de trabalho da FTE TO AI.
Para ver qual dos oito fatores de valor pesa mais hoje sobre o preço da sua empresa, existe a verificação de valor gratuita: oito perguntas breves, uma por fator, resultando numa imagem de onde está a maior pressão. A avaliação de valor completa, com pontuações de maturidade por fator, o índice de dependência do proprietário e um calendário de dois anos até ao momento de saída, está em desenvolvimento.