Numa management buy-out, as pessoas que já gerem a empresa compram a empresa ao proprietário que a construiu. Isso altera o que se discute sobre IA e trabalho, e como. Um comprador externo coloca a questão de fora: o que resta se eu integrar esta empresa na minha própria organização. A gestão que faz uma buy-out sabe muitas vezes já exatamente quais as tarefas que entretanto são feitas por IA, quais decorrem parcialmente com supervisão, e quais ainda são totalmente trabalho humano. Foram eles próprios que a implementaram, ou viram-a acontecer ao lado.
Isso é simultaneamente uma vantagem e um risco. Vantagem: não é necessária discussão sobre o que é tecnicamente possível, porque já está a acontecer. Risco: o financiamento da buy-out, e com isso o preço que o proprietário que sai recebe, tem de partir de um lucro que se mantém após a aquisição. Se parte desse lucro resulta de trabalho que foi recentemente assumido pela IA, todos à mesa têm de estar de acordo sobre quão sustentável é essa poupança antes de o banco, o proprietário que sai e a gestão que assume acordarem um preço.
Numa venda externa há tempo e distância entre a informação que o comprador recebe e a decisão que toma. Numa MBO essa distância desaparece. A equipa que assume conhece a empresa por dentro e muitas vezes decidiu ela própria deixar determinadas tarefas para a IA. Por isso, a questão surge mais cedo e mais diretamente: o lucro que agora está no papel é um lucro que se mantém quando o atual proprietário sair e a equipa que assume carregar com os encargos do financiamento.
Essa questão afeta imediatamente o preço. Uma margem de lucro que se apoia parcialmente em trabalho que a IA assumiu pesa de forma diferente de uma margem que se baseia totalmente em trabalho humano, e a forma como esse lucro se originou determina se o comprador tem confiança nele. Se a aplicação de IA decorre num processo interno, é mais fácil demonstrar que é duradoura. Se depende de um único fornecedor externo ou de uma única pessoa que gere a ferramenta, a situação é diferente, o que se relaciona com a questão também abordada aqui: o que fazer se o comprador não quiser assumir a aplicação ou não confiar nela.
No momento de uma MBO pode apurar quais as tarefas que hoje são comprovadamente feitas por IA, quais decorrem com supervisão humana que aprova ou rejeita com fundamento, e quais ainda estão totalmente nas mãos de pessoas. Pode apurar quanto da vantagem de poupança já é visível nos números dos últimos períodos, e quanto ainda é esperado. Pode apurar se o conhecimento sobre essas aplicações está concentrado numa única pessoa — muitas vezes o próprio proprietário que sai — ou se a equipa que assume pode continuar de forma autónoma sem essa pessoa.
Este último ponto pesa muito numa buy-out, porque o proprietário que sai estará, por definição, ausente em breve. Se as aplicações de IA que aumentam o lucro também foram criadas e geridas por ele, surge uma questão de transferência que é independente da tecnologia: a gestão consegue manter a aplicação em funcionamento, ajustá-la e prestar contas por ela sem o fundador. O que isso significa para o preço está relacionado com a questão mais ampla tratada aqui.
Não pode apurar agora se uma aplicação que funciona hoje ainda produzirá a mesma poupança dentro de dois anos. As aplicações de IA mudam, os fornecedores alteram condições, e a regulamentação em torno da automatização de determinados processos pode mudar. Um comprador — mesmo um comprador interno como a gestão numa MBO — não pode exigir garantia sobre isso, e essa garantia também não é dada aqui. O que é possível: demonstrar com base no que atualmente é mensurável, com prova por tarefa, em vez de com base numa suposição sobre o futuro.
Também não pode apurar o que deve acontecer ao pessoal cujas tarefas foram assumidas. Essa decisão está sujeita à política de pessoal do empregador e aos requisitos legais aplicáveis; isso é da sua responsabilidade e dos seus consultores nessa área, não de uma waardescan (análise de valor).
Uma management buy-out é muitas vezes financiada com base no lucro dos últimos anos, projetado para o futuro. Se parte desse lucro resulta de trabalho que a IA assumiu, a origem dessa poupança conta na avaliação da qualidade do lucro. Uma poupança que está inserida no próprio processo repete-se automaticamente. Uma poupança que depende de um único contrato, uma única subscrição ou uma única pessoa é mais vulnerável — uma distinção que é desenvolvida na página sobre valor que fica para trás enquanto a receita cresce. Também o lado contratual e jurídico das aplicações de IA — licenças, acordos de processamento de dados, propriedade de modelos ou scripts — faz parte do dossiê de transferência de uma MBO, algo tratado na página sobre o que tem de estar juridicamente em ordem antes de uma venda.
A questão subjacente — que trabalho nesta empresa pode realmente ser assumido pela IA, e que parte disso já foi realizada — é respondida com a werkscan (análise de trabalho) da FTE TO AI por tarefa, com prova em vez de estimativa.
A verificação de valor gratuita consiste em oito perguntas curtas, uma por fator de valor, e dá uma indicação de qual fator pressiona mais o seu preço hoje. A waardescan completa, com pontuação de maturidade por fator, o índice de dependência do proprietário e um calendário de dois anos até ao momento de saída, está em preparação.