Varje företag med en teknisk produkt eller process har någon som vet svaret innan frågan är färdigställd. Ofta grundaren, ofta den första tekniska specialisten som anställdes. Den personen har genom åren fattat tusentals små beslut om hur något fungerar, varför en lösning fungerar eller inte, vilken avvikelse som är normal och vilken som inte är det. Det har aldrig dokumenterats eftersom det aldrig fanns tid för det och eftersom det gick snabbare att fråga än att dokumentera.
Den koncentrationen har inte uppstått av ovilja att dela kunskap. Den har uppstått för att det fungerar snabbare: en person som har svaret redo är effektivare än en process där tre personer måste slå upp ett dokument. För den dagliga verksamheten är det en fördel. För en köpare är det en risk, för en köpare betalar inte för de människor som finns, utan för det som fortsätter fungera när en av dem slutar.
Vid en företagsöverlåtelse blir teknisk kunskapskoncentration synlig så fort någon frågar: vad händer om den här personen är borta i sex veckor. Om svaret är att beslutens kvalitet då sjunker, eller att kunder med specifika frågor får vänta, då räknas den personen inte som tillgång utan som risk i balansräkningen. Den risken översätts ofta till ett lägre pris eller till en längre period där säljaren måste stanna kvar, vilket flyttar exit-tillfället längre bort än ägaren önskade.
Detta är inte en personalfråga och inte en styrning av vem som stannar eller inte: det är upp till ägaren, och rör frågan arbetsrättsliga val, gäller där egna lagstadgade krav. Här handlar det om något annat: är kunskapen som nu finns hos en person tillgänglig även utan att den personen behöver konsulteras.
Teknisk kunskap består av tre typer av arbete, och AI påverkar dem inte alla lika mycket.
En del är mönsterigenkänning: vilket fel hör ihop med vilken orsak, vilken specifikation passar till vilken tillämpning. Det är, med rätt dokumentation, det arbete som AI bäst tar över, eftersom det kan härledas till jämförbara fall från det förflutna.
En andra del är bedömning: ett AI-system kan lägga fram ett förslag, men någon med erfarenhet godkänner eller avvisar det, och kan säga varför. Det är delen med mänsklig tillsyn, och den behövs så länge de underliggande situationerna skiljer sig tillräckligt mycket åt för att en fast regel ska bli obrukbar.
En tredje del är förklaring till en kund som inte själv är teknisk, med känsla för vad den kunden redan förstår och vad den inte gör. Det förblir i de flesta företag människors arbete, även om andelen förskjuts även här när de första två lagren har dokumenterats, eftersom det då blir mer tid över för själva samtalet.
Företag där detta redan fungerar är de företag där någon en gång investerade i att dokumentera det första lagret: felhistorik, felkoder, lösningar, i en form som ett system kan söka igenom. Företag där detta ännu inte fungerar ligger inte nödvändigtvis efter; de har helt enkelt aldrig haft anledning att dokumentera något som ändå redan fanns redo i ett huvud.
Att dokumentera kunskapen är inte en fråga om att skriva ett dokument och vara klar. Det fungerar bättre stegvis: börja med de frågor som återkommer oftast, dokumentera vad svaret var och varför, och låt ett AI-system göra de svaren sökbara för resten av teamet. Specialisten behövs fortfarande för de fall som avviker, men blir mindre den enda ingången för allt.
Detta påverkar inte bara ägarberoendeindexet. En besparing som uppstår genom att en person lägger mindre tid på upprepade frågor räknas för en köpare annorlunda än en besparing som är beroende av en enda extern leverantör: vinstkvalitet handlar om varifrån ett resultat kommer, inte bara om dess storlek. Kunskap som sitter i processen behåller sitt värde även om personen slutar; kunskap som hänger på en enskild leverantör eller specialist försvinner med den personen.
Samma logik gäller i andra delar av företaget. Den som vill veta hur kundrelationer görs mindre beroende av en enda säljare läser hur nätverket på marknaden görs överförbart; den som undrar om den första kundkontakten kan fungera även utan ägaren hittar det i hur kundkontakt görs överförbart med AI; och den som vill se hur konsekvent kvalitetsbedömning görs mindre beroende av en enda bedömare läser hur kvalitetskontroll görs överförbar. Den som vill veta hur stort det här problemet redan är i det egna företaget kan mäta hur mycket som går via ägaren, och den som undrar från vilken tidpunkt detta blir relevant för en försäljning läser när förberedelsen av en försäljning bör börja.
Frågan om vilken del av den tekniska kunskapen i just detta företag som verkligen är överförbar till ett system, och vilken del som förblir människors arbete, skiljer sig per process och per kundgrupp. Den frågan besvaras per uppgift med arbetsanalysen från FTE TO AI.
Den kostnadsfria värdekontrollen består av åtta korta frågor, en per värdedrivare, och ger en första bild av vilken drivare som idag trycker ner priset på ert företag mest. Den fullständiga värdeanalysen, med mognadspoäng per drivare, bevis, ägarberoendeindex och en tvåårskalender fram till exit-tillfället, är under uppbyggnad.