Analiza Thomson Reuters dotycząca rozliczanych godzin pracy z AI ujawnia konflikt cenowy
Thomson Reuters twierdzi, że AI może zaoszczędzić każdemu prawnikowi 190 godzin pracy rocznie, jednak większość wydatków na zewnętrzną obsługę prawną nadal rozlicza się według stawek godzinowych. Analiza Thomson Reuters dotycząca rozliczanych godzin pracy z AI ujawnia konflikt, którego firmy świadczące usługi profesjonalne nie mogą już traktować jako czysto teoretycznego. AI nagradza szybsze wykonywanie zadań, podczas gdy rozliczanie godzinowe zamienia tę efektywność w mniejszą liczbę jednostek do sprzedania.
Niedawna analiza Financial Times opisała AI jako kulę wyburzeniową uderzającą w struktury wynagrodzeń prawników, konsultantów, księgowych i innych doradców. Problem nie polega wyłącznie na tym, że oprogramowanie szybciej wykonuje rutynowe zadania. Firmy zbudowały swoją ekonomię, model zatrudnienia, ścieżki kariery i cele wydajnościowe wokół czasu potrzebnego na ich realizację.
Centralny spór jest teraz jasny. Klienci chcą, aby oszczędności wynikające z AI przekładały się na niższe koszty lub lepsze rezultaty. Firmy profesjonalne muszą utrzymać przychody, jednocześnie finansując technologię, nadzór oraz ekspercki osąd, którego zautomatyzowane systemy nadal nie posiadają.
To napięcie nie wyeliminuje rozliczeń godzinowych z dnia na dzień. Utrudnia jednak obronę tego modelu w przypadku przewidywalnej pracy, którą oprogramowanie może skrócić z godzin do minut.
AI sprawiła, że konflikt dotyczący rozliczeń stał się mierzalny
Istotna zmiana nie polega na tym, że firmy profesjonalne korzystają z AI, lecz na tym, że klienci mogą teraz pytać, co stało się z zaoszczędzonym czasem.
AI dla sektora prawnego może przeszukiwać orzecznictwo, porównywać umowy, streszczać materiały z postępowania dowodowego, tworzyć projekty rutynowych dokumentów i identyfikować klauzule w dużych zbiorach dokumentów. Wykwalifikowany specjalista nadal musi zweryfikować wynik. Jednak wykonanie pierwszego etapu może wymagać znacznie mniej czasu człowieka.
Thomson Reuters szacuje, że prawnicy oczekują oszczędności średnio 190 godzin pracy rocznie dzięki AI. Analiza ekonomiki kancelarii prawnych tej firmy wycenia potencjalne oszczędności na około 20 miliardów rocznie w amerykańskiej pracy prawnej.
Te same badania wykazały, że 80% ankietowanych przedstawicieli kancelarii prawnych oczekuje, iż AI zmieni sposób funkcjonowania ich organizacji. Ceny, zatrudnienie i realizacja usług znajdują się w centrum tej spodziewanej zmiany.
Ustalenia te stanowią bezpośrednie wyzwanie dla zlecenia rozliczanego godzinowo. Jeśli zadanie badawcze wymagało wcześniej dziesięciu godzin, a teraz potrzebuje trzech, rzetelna faktura wykazuje trzy godziny. Klient otrzymuje korzyść z efektywności, podczas gdy firma traci siedem rozliczalnych jednostek.
Firma może przeznaczyć zaoszczędzony czas na dodatkowe sprawy, doradztwo dla klientów, rozwój biznesu lub wewnętrzną weryfikację. Takie podejście działa tylko wtedy, gdy popyt rośnie wystarczająco, by wykorzystać tę zdolność operacyjną. Zakłada też, że firmy potrafią znaleźć bardziej wartościową pracę dla osób, których rutynowe zadania zniknęły.
Alternatywą jest podnoszenie stawek godzinowych. Taka odpowiedź chroni przychód na specjalistę, ale czyni sprzeczność bardziej widoczną. Klienci mogą zasadnie pytać, dlaczego praca wspierana oprogramowaniem ma wyższą stawkę godzinową, skoro narzędzie zmniejszyło wymagany wysiłek.
Stałe opłaty odwracają bodźce. Jeśli firma zobowiązuje się dostarczyć określony rezultat za uzgodnioną opłatą, efektywne wykonanie pracy może poprawić jej marżę. AI staje się wtedy przewagą ekonomiczną zamiast zagrożeniem dla rejestrowanych godzin.
Stałe opłaty przenoszą jednak ryzyko na usługodawcę. Niedokładne określenie zakresu, nieoczekiwana złożoność lub szeroko zakrojona weryfikacja przez człowieka mogą sprawić, że pozornie atrakcyjne zlecenie stanie się nierentowne. Firmy potrzebują lepszych danych historycznych i jaśniejszych definicji ukończenia pracy, zanim przyjmą to ryzyko.
Dlatego spór wykracza poza formatowanie faktur. Firma musi zdecydować, co kupuje klient. Odpowiedzią może być czas, ukończone zadanie, dostęp do wiedzy eksperckiej, ograniczone ryzyko lub mierzalny wynik biznesowy.
Rozliczanie godzinowe pozwala uniknąć części tej debaty, ponieważ czas łatwo policzyć. AI osłabia założenie, że zliczony czas wiarygodnie odzwierciedla dostarczoną wartość.
Konflikt jest szczególnie widoczny w pracy prawnej intensywnie wykorzystującej dokumenty. Przegląd umów i postępowanie dowodowe często obejmują powtarzalne etapy, które AI może przyspieszyć. Strategiczne doradztwo, negocjacje, reprezentacja przed sądem i odpowiedzialność za ostateczny osąd pozostają trudniejsze do standaryzacji.
Ta różnica oznacza, że ceny prawdopodobnie będą różnicowane według zadań. Rutynowe elementy mogą przechodzić na stałe opłaty lub stawki jednostkowe. Praca niepewna, sporna lub o otwartym zakresie może pozostać rozliczana godzinowo.
Taki podział jest bardziej prawdopodobny niż jedno uniwersalne zastępstwo dla rozliczalnej godziny. Wymaga też, aby firmy rozumiały swoją pracę na poziomie, którego wiele istniejących systemów ewidencji czasu nigdy nie zaprojektowano do zapewnienia.
Problem rozliczalnych godzin z AI według Thomson Reuters zaczyna się wewnątrz firmy
Rozliczanie godzinowe nie jest wyłącznie opłatą dla klienta, ponieważ organizuje również sposób, w jaki wiele firm zatrudnia, szkoli, ocenia i awansuje specjalistów.
Do lat 80. rozliczalna godzina stała się centralnym narzędziem zarządzania kancelariami prawnymi. Firmy wykorzystywały ją do mierzenia indywidualnej produktywności, oceny spraw, wyznaczania celów finansowych i porównywania zespołów praktyki.
Model łączy kilka decyzji za pomocą jednej miary. Aplikanci rejestrują czas, partnerzy nadzorują wykorzystanie zasobów, zespoły finansowe prognozują przychody, a liderzy oceniają wyniki względem rocznych celów. Zastąpienie faktury dla klienta pozostawia te wewnętrzne systemy bez zmian, chyba że firma przeprojektuje również je.
Dlatego konflikt dotyczący rozliczalnych godzin z AI według Thomson Reuters sięga dalej niż wycena. AI może zmniejszyć liczbę widocznych godzin potrzebnych na badania, redagowanie, weryfikację i analizę wykonywane przez młodszych pracowników. Zadania te służyły także jako okazje do nauki.
Młodszy prawnik tradycyjnie uczył się poprzez przeglądanie wielu dokumentów, tworzenie pierwszych wersji i otrzymywanie poprawek od bardziej doświadczonych współpracowników. Gdy oprogramowanie generuje wstępny wynik, młodszy specjalista zaczyna od weryfikacji zamiast od tworzenia.
Weryfikacja nadal ma wartość, ale rozwija inne umiejętności. Osoba może stać się dobra w wykrywaniu oczywistych błędów, nie ucząc się samodzielnego konstruowania argumentacji lub analizy. Firmy muszą stworzyć świadomie zaprojektowane szkolenia, jeśli automatyzacja usuwa tę wcześniejszą powtarzalność.
Podobną presję odczuwa piramida zatrudnienia. Duże firmy świadczące usługi profesjonalne tradycyjnie zatrudniają wielu młodszych pracowników, których rozliczalna praca wspiera mniejszą grupę starszych ekspertów. AI ogranicza nakład pracy wymagany przy części zadań przypisywanych tej młodszej warstwie.
Firmy mogą odpowiedzieć, zatrudniając mniej pracowników na poziomie podstawowym. Mogą także przesunąć młodszych pracowników do kontaktu z klientami, dochodzeń, specjalistycznej analizy i nadzoru nad technologią. Oba wybory zmieniają ścieżkę, dzięki której przyszli starsi specjaliści zdobywają doświadczenie.
Ekonomika pozostaje nieustalona, ponieważ wdrożenie nie przekłada się automatycznie na wyniki finansowe. W badaniu usług profesjonalnych tylko 21% organizacji stwierdziło, że mierzy zwrot z generatywnej AI.
W tej grupie wewnętrznym oszczędnościom kosztowym poświęcano znacznie więcej uwagi niż zadowoleniu klientów lub nowemu biznesowi. Ta luka pomiarowa ma znaczenie, ponieważ firmy nie mogą pewnie wyceniać wyników, jeśli nie mierzą ich konsekwentnie.
Prawie połowa ankietowanych kancelarii prawnych zgłosiła uzyskanie co najmniej jednej korzyści z AI. Korzyść taka jak zaoszczędzony czas nie ujawnia jednak, kto przejmuje wynikającą z niej wartość.
Firma przejmuje ją, gdy realizacja sprawy ze stałą opłatą staje się tańsza. Klient przejmuje ją, gdy sprawa rozliczana godzinowo wymaga mniejszej liczby zarejestrowanych godzin. Dostawca technologii przejmuje część poprzez opłaty za oprogramowanie, podczas gdy specjaliści ponoszą koszt weryfikacji i zarządzania.
Podział zależy od umowy. To sprawia, że konstrukcja komercyjna jest równie ważna jak możliwości modelu.
Cele godzinowe mogą także zniechęcać do wdrażania AI. Specjalista, który dzięki AI kończy pracę szybciej, może poprawić doświadczenie klienta, ale jednocześnie bardziej oddalić się od wewnętrznego celu wykorzystania zasobów. Dopóki zarząd nie zmieni systemu pomiarowego, pracownik otrzymuje sprzeczne instrukcje.
Firma mówi, aby używać AI dla większej efektywności. Jej system awansów nadal nagradza jednak zgromadzone godziny.
Nowe miary wyników muszą uwzględniać jakość, odpowiedzialność, utrzymanie klientów, rentowność spraw, współpracę i skuteczne wykorzystanie technologii. Żadna z nich nie jest tak prosta jak liczenie godzin. Razem jednak dokładniej opisują wkład specjalisty.
Wyzwanie operacyjne przypomina budowanie niezawodnego workflow AI. Szybkość ma ograniczoną wartość, jeśli dane wejściowe, etapy weryfikacji i decyzje, za które ktoś odpowiada, nie pozostają widoczne.
Dla firm profesjonalnych rezultatem nie jest wyłącznie wygenerowany dokument. Jest nim zatwierdzony przez eksperta wynik niosący konsekwencje prawne, finansowe lub reputacyjne.
Klienci wymuszają przejście na alternatywne modele opłat
AI daje nabywcom korporacyjnym silniejsze dowody na to, że opłata oparta na nakładzie pracy nie zawsze odpowiada wartości ukończonego zadania.
Alternatywne ustalenia dotyczące opłat obejmują stałe opłaty, opłaty z limitem, subskrypcje, ceny jednostkowe, ryczałty oraz płatności powiązane z określonymi rezultatami. Każde z nich oddziela przynajmniej część opłaty od liczby zarejestrowanych godzin.
Thomson Reuters ustalił, że 40% ankietowanych specjalistów oczekiwało, iż generatywna AI zwiększy wykorzystanie alternatywnych ustaleń dotyczących opłat. To oczekiwanie jest istotne, ale nie oznacza, że klienci i firmy uzgodnili już zastępczy model.
Ceny godzinowe nadal dominują w wydatkach na zewnętrzną obsługę prawną. Thomson Reuters podał, że aż 90% wydatków korporacyjnych na zewnętrzne firmy nadal obejmowało stawki godzinowe.
Znajomość tego modelu pomaga wyjaśnić jego trwałość. Zespoły zakupowe rozumieją stawki, godziny, rabaty i budżety. Kancelarie prawne wiedzą, jak rejestrować czas i porównywać realizację, która mierzy zebrane przychody względem zarejestrowanej wartości.
Alternatywne struktury wymagają, aby obie strony określiły zakres i rozdzieliły ryzyko. Stała opłata dobrze sprawdza się w powtarzalnym procesie o stabilnych danych wejściowych. Słabo sprawdza się, gdy fakty, strony przeciwne lub wymogi regulacyjne mogą zmienić się bez ostrzeżenia.
Klienci mogą także preferować rozliczanie godzinowe, gdy zakres jest niepewny. Mogą nie ufać stałej opłacie obejmującej wysoką premię za ryzyko. Przejrzystość czasu może wydawać się bezpieczniejsza niż płacenie za rezultat, którego ukryty koszt pozostaje niewidoczny.
Przejście nastąpi więc najpierw tam, gdzie pracę można standaryzować i mierzyć. Portfele umów, powtarzalne przeglądy zgodności, rutynowe badania i ustrukturyzowana analiza dokumentów są prawdopodobnymi kandydatami.
Postępowania sądowe o wysokiej stawce i złożone transakcje stanowią inny problem. Wartość porady może zależeć od uniknięcia straty, zachowania przewagi negocjacyjnej lub zidentyfikowania jednej krytycznej kwestii. Nakład pracy jest trudny do przewidzenia na początku.
Wycena oparta na wynikach brzmi atrakcyjnie w takich sytuacjach, ale związek przyczynowy staje się sporny. Korzystny rezultat może zależeć od warunków rynkowych, decyzji sądowych, stron przeciwnych lub własnego postępowania klienta. Firmy nie mogą kontrolować każdej zmiennej.
Subskrypcje oferują inną ścieżkę. Klient płaci za stały dostęp do określonych usług, mocy przerobowych lub wiedzy eksperckiej. Taka struktura zapewnia przewidywalne wydatki kupującemu i powtarzalne przychody usługodawcy.
Opłaty zależne od użycia mogą znajdować się pomiędzy subskrypcjami a rozliczaniem godzinowym. Firma może naliczać opłatę za każdą przeanalizowaną umowę, złożony dokument, ocenione roszczenie lub zatwierdzony rezultat. Jednostka odzwierciedla wolumen pracy bez ujawniania każdej wewnętrznej minuty.
Ceny oparte na wynikach coraz silniej wiążą się z wartością dla klienta. Wynagrodzenie zależy częściowo od uzgodnionych rezultatów lub wskaźników jakości usługi. Forrester podał, że 45% decydentów w sektorze usług spodziewało się rozszerzenia cen opartych na wynikach, podczas gdy 46% oczekiwało większej liczby umów z ustaloną ceną.
Trend cen opartych na wynikach wykracza poza sektor prawny. Firmy konsultingowe, integratorzy technologiczni i dostawcy usług zarządzanych mierzą się z tym samym pytaniem, gdy AI zmniejsza nakład pracy potrzebny do realizacji usług.
Te opcje można również łączyć. Model hybrydowy może obejmować stałą opłatę podstawową, opłaty za dodatkowy wolumen oraz komponent zależny od wyników powiązany z uzgodnionymi rezultatami.
Ceny hybrydowe pozwalają uniknąć traktowania każdego zlecenia jako przewidywalnego. Zachowują wynagrodzenie za niepewną pracę, a jednocześnie nagradzają efektywność w powtarzalnych zadaniach.
Nabywcy korporacyjni nadal będą żądać dowodów. Firmy muszą pokazać, jak AI wpłynęła na czas realizacji, wskaźniki błędów, spójność, ryzyko oraz zakres zaangażowania kadry senioralnej.
Samo stwierdzenie, że technologia zwiększyła efektywność zespołu, nie wystarczy. Klienci chcą wiedzieć, czy faktury spadły, wyniki się poprawiły, czy też wzrosła dostępna przepustowość.
Ten popyt wzmocni zespoły ds. operacji prawnych i wyceny. Grupy te mogą analizować historię spraw, definiować jednostki, modelować ryzyko i porównywać proponowane honoraria z rzeczywistymi kosztami realizacji.
Zwycięzcami niekoniecznie będą firmy wykorzystujące najwięcej AI. Silniejszą pozycję komercyjną uzyskają te, które dobrze mierzą pracę i jasno wyjaśniają swoje ceny.
Szybsza praca nie eliminuje odpowiedzialności zawodowej
Najsilniejszy argument przeciwko szybkiemu resetowi cenowemu jest taki, że AI skraca czas produkcji, ale nie eliminuje weryfikacji, odpowiedzialności prawnej ani eksperckiej rozliczalności.
Generatywna AI może tworzyć nieprawidłowe cytowania, niepełne analizy, zmyślone źródła oraz pewne siebie stwierdzenia niepoparte materiałem źródłowym. Profesjonalna kontrola jest zatem częścią usługi, a nie opcjonalną korektą.
Weryfikacja może pochłonąć znaczącą część czasu, który automatyzacja pozornie zaoszczędziła. Wymagany wysiłek zależy od zadania, modelu, jakości danych, kontroli poufności oraz potencjalnej szkody wynikającej z błędu.
Podsumowanie wewnętrzne o niskim ryzyku nie wymaga takiego samego procesu jak pismo sądowe czy opinia audytorska. Wycena musi odzwierciedlać tę różnicę.
American Bar Association odniosło się do tego napięcia w Formal Opinion 512, wydanej w lipcu 2024 r. Jej wytyczne etyczne dotyczące AI mówią, że prawnicy rozliczający się godzinowo muszą naliczać faktycznie poświęcony czas, a nie czas, którego zadanie wymagało wcześniej.
Ta zasada uniemożliwia firmie korzystanie z AI przez godzinę i fakturowanie kilku fikcyjnych godzin pracy człowieka. Nie wymaga jednak od firm oddawania za darmo inwestycji, osądu ani ponoszonego ryzyka w każdej strukturze wynagrodzenia.
Te same wytyczne ostrzegają, że opłaty stałe lub warunkowe muszą pozostać rozsądne. AI nie daje automatycznego prawa do pobierania dawnej stałej opłaty, gdy niemal żadna praca nie została wykonana.
Rozsądność zależy od usługi, umowy, przyjętej odpowiedzialności oraz obowiązujących zasad zawodowych. To czyni przejrzystość niezbędną.
Klienci muszą rozumieć, czy opłata obejmuje użycie oprogramowania, kontrolę człowieka, doradztwo strategiczne, odpowiedzialność czy stałą dostępność. Pojedyncza, niewyjaśniona dopłata technologiczna rzadko rozstrzygnie tę kwestię.
Poufność tworzy kolejny koszt. Konsumenckie usługi AI mogą nie oferować kontroli dostępu, polityk retencji, granic danych ani ochrony kontraktowej wymaganej w przypadku wrażliwych materiałów klientów.
Firmy profesjonalne potrzebują zatwierdzonych systemów, przeglądów bezpieczeństwa, szkoleń, ścieżek audytowych oraz zasad regulujących dopuszczalne użycie. Potrzebują też procedur określających, kiedy nie należy korzystać z modelu.
Kontrole te ograniczają ryzyko, lecz komplikują twierdzenia o natychmiastowych oszczędnościach. Szybka odpowiedź modelu może być częścią wolniejszego profesjonalnego procesu obejmującego sprawdzanie źródeł, eskalację i ostateczne zatwierdzenie.
Wydajność AI różni się również między dziedzinami. Systemy mogą bardziej niezawodnie obsługiwać typowe wzorce niż nietypowe fakty, mało znane jurysdykcje lub niekompletne dokumenty. Klienci mogą nie wiedzieć, kiedy ich sprawa wykracza poza mocniejsze obszary modelu.
Ta niepewność uzasadnia utrzymanie odpowiedzialności człowieka. Ogranicza również czyste ustalanie cen według wyników, ponieważ dostawcy muszą uwzględniać możliwość dodatkowej weryfikacji lub niepowodzenia.
Raport KPMG skoncentrowany na kliencie twierdzi, że automatyzacja osłabia znaczenie tradycyjnych modeli godzinowych w całym sektorze usług profesjonalnych. Raport wskazuje także na wycenę opartą na wartości i potrzebach klienta.
Przejście od czasu do wartości nie czyni wyceny obiektywną. Klient i doradca mogą różnić się w ocenie wartości unikniętego ryzyka, szybszej decyzji lub lepszej umowy.
Honoraria oparte na wynikach mogą tworzyć własne bodźce. Dostawca wynagradzany za szybkość może zbyt mało inwestować w ostrożność. Dostawca opłacany za jeden mierzony rezultat może zaniedbać niemierzone konsekwencje.
Dobre umowy potrzebują progów jakości obok celów dotyczących szybkości lub oszczędności. Powinny definiować standardy przeglądu, wyłączenia, ścieżki eskalacji oraz odpowiedzialność, gdy wygenerowany materiał zawiedzie.
Istnieje też ryzyko konkurencyjne dla mniejszych firm. AI daje im dostęp do możliwości wcześniej kojarzonych z większymi zespołami, ale zarządzanie na poziomie korporacyjnym może wymagać znacznych inwestycji operacyjnych.
Duże firmy mają więcej zasobów na bezpieczne narzędzia, dane własnościowe, ocenę i szkolenia. Mniejsze firmy mogą działać szybciej, lecz poważny błąd może narzucić im proporcjonalnie większy koszt.
Dowody wskazują zatem raczej na pęknięcie niż natychmiastowy upadek. Rozliczanie godzinowe traci wiarygodność w przypadku rutynowej, mierzalnej pracy. Pozostaje uzasadnione tam, gdzie zakresu i ryzyka nie można wiarygodnie przewidzieć.
AI zmienia mapę konkurencji cenowej
AI przesuwa przewagę z firm posiadających największą piramidę zatrudnienia ku firmom, które potrafią połączyć wiedzę ekspercką, technologię i mierzalną realizację usług.
Mniejsza firma może wykorzystać AI do wyszukiwania, podsumowywania, klasyfikowania i tworzenia projektów na skalę, która wcześniej wymagała większej liczby młodszych pracowników. Może następnie oferować stałą opłatę bez utrzymywania takiej samej bazy zatrudnienia jak większy konkurent.
Nie eliminuje to wartości instytucjonalnej głębi. Duże firmy nadal oferują szerokie pokrycie specjalistyczne, zasięg międzynarodowy, ugruntowane relacje oraz zdolność do obsługi kilku strumieni pracy jednocześnie.
AI zmienia koszt przygotowania pierwszej wersji. Nie odtwarza automatycznie osądu firmy, jej reputacji ani zdolności do koordynowania złożonych decyzji.
Konkurencja nasili się na ustandaryzowanym krańcu pracy profesjonalnej. Alternatywni dostawcy usług prawnych, platformy księgowe, firmy świadczące usługi zarządzane oraz firmy natywne dla AI mogą wyodrębniać powtarzalne zadania z szerszych zleceń.
Mogą wyceniać te zadania jako produkty, a nie jako otwarty w czasie profesjonalny wysiłek. Ugruntowane firmy stają wtedy przed wyborem: dopasować ofertę produktową albo bronić szerszej usługi.
Produktowanie oznacza zdefiniowanie wkładu, przepływu pracy, standardu przeglądu, rezultatu i ceny przed rozpoczęciem każdego zlecenia. Taka struktura pasuje do AI, ponieważ powtarzalność poprawia zarówno automatyzację, jak i prognozowanie kosztów.
Tradycyjne firmy często sprzedają dostęp do ludzi, a ostateczny nakład pracy ustalają później. Ta elastyczność pozostaje użyteczna przy złożonej pracy, lecz wygląda kosztownie w porównaniu z przejrzystą ofertą opartą na jednostkach.
Konsulting stoi przed podobnym wyzwaniem. AI może przyspieszać badania, benchmarking, tworzenie dokumentów, analizę danych i przygotowywanie prezentacji. Klienci mogą także wykonywać więcej tych działań wewnętrznie.
Firma konsultingowa musi wykazać wartość w definiowaniu problemu, zmianie organizacyjnej, wyspecjalizowanych danych, wdrożeniu i decyzjach, za które można rozliczać. Dopracowany raport staje się mniej rzadki, gdy oprogramowanie potrafi szybko tworzyć wiarygodne projekty.
Firmy księgowe i podatkowe mierzą się z podobną presją wokół powtarzalnych analiz i obsługi dokumentów. Ich regulowane obowiązki i praca zapewniająca wiarygodność utrzymują silną rolę ekspertów, lecz rutynową produkcję coraz trudniej wyceniać wyłącznie na podstawie wysiłku.
Problem rozliczanej godziny pracy w kontekście AI, opisany przez Thomson Reuters, jest zatem jednym z przykładów szerszej transformacji usług profesjonalnych. Wspólnym mechanizmem jest oddzielenie czasu pracy od wolumenu rezultatów.
Konkurenci natywni dla AI mogą od początku projektować działalność wokół tego rozdzielenia. Mogą stosować subskrypcje, opłaty za użycie lub opłaty zależne od wyników bez demontażu starszych systemów wynagrodzeń.
Ugruntowane firmy mają inne ograniczenia. Wynagrodzenia partnerów, cele wykorzystania, sprawozdawczość finansowa, plany zatrudnienia i umowy z klientami mogą wszystkie zakładać ekonomię godzinową.
To obciążenie może spowalniać zmianę, nawet gdy liderzy akceptują diagnozę. Firma nie może zastąpić modelu cenowego bez zrozumienia, jak nowy model wpływa na rozpoznawanie przychodów, bodźce i rozwój kariery.
Transformacja może stworzyć rynek o dwóch prędkościach. Nowi lub wąsko wyspecjalizowani dostawcy mogą oferować ustandaryzowane rezultaty. Ugruntowane firmy mogą zachować elementy rozliczenia godzinowego dla złożonych spraw, jednocześnie wprowadzając stałe moduły wokół przewidywalnej pracy.
Klienci będą łączyć te usługi. Mogą zlecać powtarzalną weryfikację wyspecjalizowanemu dostawcy, zachowując strategiczne decyzje dla tradycyjnego doradcy.
To rozdzielanie usług wywiera presję na firmy, których marże zależą od łączenia kosztownego doradztwa z dużymi wolumenami pracy wykonywanej przez młodszych pracowników. Klienci zyskują większą możliwość rozdzielenia tych dwóch elementów.
Sama marka nie zakończy tej debaty. Nabywcy będą porównywać czas realizacji, jakość, przewidywalność, bezpieczeństwo i rozliczalność. Firmy potrzebują dowodów dla każdego z tych wymiarów.
Najtrwalsza przewaga będzie wynikać z uczynienia wiedzy eksperckiej wielokrotnego użytku bez rozmywania odpowiedzialności zawodowej. Wymaga to kuratorowanej wiedzy, kontrolowanych przepływów pracy, udokumentowanego przeglądu i cen zrozumiałych dla klientów.
Trzy sygnały pokażą, czy rozliczana godzina naprawdę się załamuje
O kolejnym etapie zdecydują zachowania kontraktowe, wewnętrzne systemy wyników i mierzalne rezultaty dla klientów, a nie demonstracje AI.
Pierwszym sygnałem jest udział wydatków klientów przenoszonych do modeli stałych, opartych na jednostkach, subskrypcjach lub wynikach. Oczekiwania ankietowanych są użyteczne, ale zawarte umowy stanowią mocniejszy dowód.
Znaczący wzrost potwierdziłby pogląd, że AI zmienia sposób, w jaki klienci kupują pracę profesjonalną. Niewielki ruch pokazałby, że przyzwyczajenie i alokacja ryzyka nadal chronią rozliczanie godzinowe.
Szczegóły mają znaczenie. Firmy mogą określać zlecenie jako alternatywną opłatę, jednocześnie kalkulując ją na podstawie przewidywanych godzin i stawek. Zmienia to format faktury bez zmiany podstawowej ekonomii.
Silniejszym sygnałem byłyby powtarzalne usługi wyceniane według jednostek, poziomów usług lub wyników. Takie struktury pozwalają, by efektywność bezpośrednio wpływała na marżę dostawcy.
Drugim sygnałem jest to, czy firmy zastępują cele dotyczące rozliczanych godzin w decyzjach o wynagrodzeniach i awansach. Ceny dla klientów nie mogą głęboko się zmienić, dopóki kariery pozostają głównie powiązane z rejestrowanym czasem.
Warto obserwować wskaźniki obejmujące rentowność spraw, jakość, utrzymanie klientów, wkład w wiedzę, wykorzystanie technologii i rozwój zespołu. Miary te pokazują, czy kierownictwo postrzega AI jako przeprojektowanie operacyjne, czy jako kolejny zakup oprogramowania.
Powiązanych dowodów dostarczą wzorce zatrudnienia. Mniejsza liczba stanowisk juniorskich sugerowałaby, że automatyzacja kurczy tradycyjną piramidę. Przeprojektowana praca na poziomie podstawowym pokazałaby, że firmy chronią ścieżkę szkoleniową, zmieniając jednocześnie jej treść.
Trzecim sygnałem jest jakość pomiaru wyników. Większość organizacji nadal nie ma dojrzałych dowodów łączących generatywną AI z satysfakcją klientów, przychodami lub wynikami biznesowymi.
Ta luka blokuje wiarygodną wycenę opartą na wartości. Firma nie może pobierać opłaty za rezultat, którego nie potrafi zdefiniować, przypisać i zweryfikować.
Przydatne wskaźniki będą różnić się w zależności od usługi. Mogą obejmować czas realizacji, wskaźniki błędów, pomyślne ukończenie zadań, uniknięcie konieczności poprawek, wyniki w zakresie zgodności z przepisami lub dotrzymanie uzgodnionego poziomu usług.
Jakość musi pozostać częścią pomiaru. Sama szybsza realizacja może ukrywać dodatkowe ryzyko lub przenosić pracę związaną z kontrolą na klienta.
Te sygnały pokażą również, kto przechwytuje korzyści. Klienci mogą otrzymywać niższe lub bardziej przewidywalne opłaty. Firmy mogą osiągać wyższe marże przy pracy rozliczanej ryczałtowo. Pracownicy mogą poświęcać mniej czasu na powtarzalną pracę produkcyjną.
Korzyści nie rozłożą się równomiernie same z siebie. Warunki umów i wewnętrzne systemy motywacyjne określają, gdzie trafią.
Godzina rozliczeniowa prawdopodobnie nie zniknie w jednym skoordynowanym wydarzeniu. Będzie wycofywać się zadanie po zadaniu, klient po kliencie i umowa po umowie.
Rutynowe zadania o mierzalnych rezultatach przesuną się jako pierwsze. Złożone zlecenia o niestabilnym zakresie dłużej zachowają elementy rozliczane godzinowo lub hybrydowo.
Ta stopniowa zmiana nadal ma znaczenie. Gdy nabywcy przyzwyczają się do płacenia za jasno określone rezultaty w jednej kategorii, mogą zapytać, dlaczego sąsiednie usługi pozostają całkowicie powiązane z czasem.
Firmy świadczące usługi profesjonalne powinny zatem testować modele cenowe, zanim rynek wymusi pospieszną reakcję. Potrzebują uporządkowanych danych dotyczących spraw, wąskich definicji usług, kontroli jakości oraz wyraźnych zasad obsługi wyjątków.
Klienci powinni zadawać równie bezpośrednie pytania. Jaka praca jest zautomatyzowana? Kto ją weryfikuje? W jaki sposób opłata dzieli zyski z efektywności? Za jaki rezultat dostawca przyjmuje odpowiedzialność?
Debata Thomson Reuters dotycząca AI i godziny rozliczeniowej ostatecznie dotyczy zaufania. Klienci potrzebują pewności, że szybkość nie osłabia jakości, podczas gdy firmy potrzebują wynagrodzenia za wiedzę specjalistyczną i odpowiedzialny osąd.
Kolejna faktura nie jest jedyną kwestią. Ważniejsze pytanie brzmi, czy usługi profesjonalne mogą wyceniać rezultaty bez ukrywania ryzyka, zawyżania czasu lub sprowadzania pracy ekspertów do zautomatyzowanego wyniku.
