En köpare frågar förr eller senare om en sak: vad händer om ägaren är borta i tre månader. Hos många företag är svaret obekvämt. Inte för att det inte finns människor som kan ta över arbetet, utan för att besluten som ger riktning — vilken kund som får förtur, vilken offert som justeras, vilken risk som är acceptabel — sitter i huvudet på en enda person. Det huvudet har inget dokument, ingen regel, bara erfarenhet som inte är nedskriven.
Det beroendet har inte uppstått av ovilja. Det har uppstått eftersom det gick snabbare att fatta beslut än att dokumentera dem, och eftersom varje undantag hade en anledning som var tydlig i stunden och sedan aldrig mer. Ett företag som är tio år gammalt har haft tusentals sådana stunder. Nästan ingen av dem är noterad.
Beslutsfattande är inte ett block. Det består av steg, och dessa steg påverkas inte alla på samma sätt av vad AI kan idag.
En del av beslutsfattandet är i praktiken mönsterigenkänning: givet denna kombination av faktorer, vad gjorde ägaren de tio senaste gångerna. Den delen kan härledas ur historisk data — offerter, e-post, godkännanden — och ett AI-system kan redan idag blottlägga dessa mönster och lägga fram dem som förslag. Det är inte en framtidsbild, det sker redan nu i företag som har sin beslutsdata i ordning.
En andra del är beslutsfattande med tillsyn: AI:n föreslår ett utfall baserat på fastställda regler, men en människa godkänner eller avslår, med skäl. Detta är det lager som ger mest för överlämningsbarhet, eftersom skälet vid avslag är precis det som hittills inte stått någonstans. Varje avslag blir därmed en regel som nästa efterträdare inte längre behöver hämta från ägaren.
En tredje del förblir mänskligt arbete, och det är en större del än chefer ofta tror: beslut som beror på en relation, en underförstådd överenskommelse från förflutet, eller en riskbedömning som inte finns i data utan i känslan hos någon som känt kunden i tjugo år. Den delen kan inte automatiseras genom att bara kalla den en process. Den kan dock minskas, genom att göras explicit så snart den uppstår.
Skillnaden mellan företag ligger inte i tekniken — den är jämförbart tillgänglig för alla — utan i om det redan finns beslutsdata att bygga på. Företag som har sina offerter, prisundantag och kundkorrespondens strukturerade kan redan idag synliggöra dessa första två lager. Företag som har allt i huvuden och lösa e-postlådor måste först ta det steget innan AI kan göra något med det.
En köpare värdesätter inte omsättningen som finns, utan omsättningen som fortsätter utan den nuvarande ägaren. Beslutsfattande som endast finns i det huvudet är för en köpare en risk som denne prissätter in, inte en kvalitet som belönas. Ju mer av det repeterbara beslutslagret som dokumenteras — som regel, som förslag med tillsyn, som fastställt undantag — desto mindre blir den risken, och desto lättare blir det att bedöma resten av företaget på egna meriter: vinstkvalitet, kundspridning, tillväxtpotential. Beroendet av en enda person påverkar praktiskt taget varje annan värdedrivare; det är sällan ett isolerat problem.
Att göra det överlämningsbart börjar inte med att ta bort ägaren från beslutet, utan med att synliggöra exakt vad det beslutet bygger på. Det kan göras i steg som inte påverkar de dagliga relationerna: dokumentera vilka avvikelser från standardvillkor som har godkänts och varför, vilka kunder som har en undantagsstatus och på vilken grund, vilka risker som medvetet accepterats. Inget av detta förändrar hur ägaren umgås med kunderna. Det förändrar bara om den kunskapen blir ett dokument eller förblir ett minne.
Därefter kan en del av den dokumenterade logiken läggas fram som förslag till ett system, med en människa — inte nödvändigtvis ägaren — som godkänner eller avslår. På så sätt förskjuts beroendet successivt från en person till en process med tillsyn, vilket för en köpare är en fundamentalt annan riskprofil än en process som bara existerar så länge just den personen är kvar.
Detta berör i praktiken även andra värdedrivare: hur kundrelationer görs överlämningsbara utan att ägaren förblir den enda kontaktpersonen, hur kunskapen om leverantörsvillkor och -relationer dokumenteras, och hur fackkunskap som bara finns hos en person görs tillgänglig för andra. Den som överväger personalkonsekvenser vid omfördelning av beslutsroller: där gäller egna lagkrav, oberoende av vad som beskrivs här.
Att dokumentera beslutslogik ger inte någon garanterad övertagning av uppgifter, och inte varje beslut kan fångas i en regel. Vad det ger är överblick: vilken del av beslutsfattandet som redan kan härledas ur data, vilken del som kan överlämnas med tillsyn, och vilken del som tills vidare stannar hos en person. Den fördelningen — och vilket arbete i detta specifika företag som faktiskt kan tas över av AI — kartläggs uppgift för uppgift med arbetsskanningen från FTE TO AI.
För att se om ägarberoende är den värdedrivare som mest trycker ner ert pris idag, eller om något annat — ledningsinformation som inte kommer i tid eller inte är tillförlitlig, marginal, kundkoncentration — väger tyngre, ger den kostnadsfria värdekontrollen en första bild: åtta korta frågor, en per värdedrivare. Den som vill veta bredare exakt vad som trycker ner priset hittar bakgrunden i en översikt av faktorerna som trycker ner värdet av ett företag. Den fullständiga värdeskanningen, med mognadspoäng per drivare och en tvåårskalender fram till exit-tillfället, är under uppbyggnad.