Gå videre til hovedindholdet

Vil generativ AI virkelig gøre CPQ-systemer forældede, eller smartere?

I en workshop for nylig fik jeg det spørgsmål, alle går og kredser om: Får vi stadig brug for CPQ-systemer, hvis kunstig generel intelligens (AGI) bliver en realitet? Jeg har arbejdet med CPQ siden 2000. Mønstret er det samme: CPQ klarer validering og struktur med bravur, men kommer til kort i det øjeblik, der rent faktisk skal lukke en handel. Sælgeren skal stadig kunne svare på det menneskelige spørgsmål, som kunden i virkeligheden stiller: Hvorfor er lige præcis *denne* konfiguration den rigtige for *min* situation? Store sprogmodeller (LLM'er) kan tale om "hvorfor". De kan ræsonnere over scenarier, afveje fordele og ulemper og gøre det komplekse forståeligt. Det ændrer risikobilledet. Truslen er ikke, at AI erstatter CPQ. Truslen er, at AI udstiller, hvor CPQ-systemer i dag kommer til kort. Det forkerte spørgsmål om CPQ's fremtid Diskussionen "AI vs. CPQ" er en afledningsmanøvre. Traditionel CPQ er bygget til korrekthed og governance. Systemet er determ...

At give tilbud på komplekse produkter bør ikke føles som en gidselsforhandling

Quoting Complex Products Shouldn't Feel Like a Hostage Negotiation

Kunden venter. Salg vil have fart på. Engineering vil dobbelttjekke. Økonomi bekymrer sig om marginen. Og en eller anden sidder og klistrer tal mellem regneark, som var det et gidselbrev.

Jeg har siddet med i de opkald. Kl. 9:02 spørger en sælger: "Kan jeg lige få tjekket den her ventilpakke?" Kl. 9:45 sidder tre senior-specialister og diskuterer en afhængighed, der står i en PDF fra 2017. Ingen føler sig kloge. Alle føler sig fastlåste.

Problemet er ikke produktet. Det er processen, der fanger viden i hovederne på folk og beder dem agere menneskelige routere. Dér ligger den virkelige friktion.

Flaskehalsen er ikke mennesker. Det er den viden, de sidder på.

De fleste virksomheder tror, forsinkelsen skyldes "langsommelige godkendelser fra engineering" eller "at sælgerne laver fejl". Så de eskalerer mere, tilføjer flere reviews og trækker deres dyreste folk med i endnu flere møder.

Men det, der reelt sker, er, at I har tvunget jeres eksperter til at drive en intern helpdesk for regler og kompatibilitet. I betaler ledende ingeniører for at kopiere logik fra deres hjerne over i en chat-tråd. Det skaber ingen værdi.

Stop med at forfremme ingeniører til menneskeligt middleware.

Flaskehalsen er den viden, der ligger spredt i hoveder, PDF'er og regneark. Så længe reglerne bor dér, vil tilbudsgivning føles som en forhandling med din egen virksomhed.

CPQ handler ikke om automatisering – det handler om korrekthed.

Hurtighed er en sidegevinst, når logikken flyttes fra mennesker over i et system, I stoler på. I stedet for at hyre en lokal guide til hver tur, asfalterer I en vej. Så kan alle køre på den, også på dag ét.

Behandl viden som kode: Regler, ejere, tests

Hvis I vil kunne give tilbud på minutter uden at gamble med kvaliteten, skal I behandle produktviden med samme disciplin som software. Én sandhedskilde. Klart ejerskab. Versionering. Tests. Så bliver resten nemmere.

Her er de principper, jeg bruger sammen med teams, der sælger komplekse, konfigurerbare produkter.

  • Princip 1: Gør logikken til produktet. Jeres produktviden er et aktiv. Den skal modelleres som struktureret logik med klar kompatibilitet, undtagelser og krav. Ikke gemmes væk i PowerPoints. I praksis bygger man en konfigurationskerne, som salg og prissætning trækker på. I systemer, der bruger symbolsk logik til konfiguration, slår kvaliteten af reglerne altid brugerfladen.
  • Princip 2: Udpeg én ejer, ikke en komité. Én person, der er ansvarlig for korrekthed og vedligehold. Ikke et møde. Et navn. I et medtech-projekt, jeg kørte, halverede vi antallet af eskalationer på et kvartal, bare ved at udpege en logik-ejer. Jo færre kokke, des bedre suppe.
  • Princip 3: Systemet skal kunne forklare sig selv. Hvis en sælger ikke kan se, hvorfor et valg er ugyldigt, eller hvorfor prisen ændrer sig, mister de tilliden. Vis reglen, afhængigheden, beregningen. Gennemsigtighed driver adoption. Ingen sorte bokse.
  • Princip 4: Stop med at bruge ingeniører som godkendere. Det er et anti-mønster. Hvis eksperter skal røre ved hvert eneste tilbud, har I ikke et system – I har en concierge-service. Brug i stedet deres tid på at forbedre reglerne, så det næste tilbud ikke kræver manuel indblanding.
  • Princip 5: Korrekthed først, så kommer farten. Sørg for, at kernekombinationer og prislogik er korrekte, og iterér derfra. Perfekt prissætning er en myte. Lancér, lær, justér. Tilbud har en udløbsdato, ligesom frugt i en butik. Hver dag på hylden koster.

Det eneste, der i sidste ende tæller, er, om systemet bliver brugt.

En sidste ting om smarte værktøjer. AI redder dig ikke, hvis dine regler mangler. AI er afhængig af struktur. Med klare rammer er AI en fantastisk assistent til at generere forklaringer, dokumenter og sammenligninger. Uden rammer producerer den velformulerede gæt. Og gæt skal man ikke skalere.

Konkrete skridt for næste kvartal

  • Kortlæg jeres godkendelsesproces. Lav en liste over alle de punkter, hvor et menneske rører ved et tilbud – fra kravspecificering til afsendt tilbud. Tæl overleveringer, ikke dage. Forsinkelsen ligger i overleveringerne. Fjern dem, der tjekker viden, som burde ligge i systemet.
  • Træk de 20 vigtigste regler ud. Tag jeres mest smertefulde afhængigheder og kod dem som struktureret logik, komplet med tests. Kør et pilotprojekt på én produktfamilie med høj volumen. Saml én sælger, én ingeniør og én prisspecialist i et ugentligt møde. Skab læring, ikke PowerPoints.
  • Gør 'én sandhedskilde' til virkelighed. Beslut, hvor logikken skal bo, og hvem der vedligeholder den. Versionér den. Test den. Send noter om ændringer ud til salg. Hvis en simpel ændring stadig kræver en projektplan, finder folk i marken en vej uden om jer.

Jeg har arbejdet med den her model siden 2000, fra teknisk salg hos Tacton til globale udrulninger. Mønsteret er kedeligt, og det virker: Flyt viden fra mennesker til regler, bevis at det er korrekt, og skaler derefter. Salg holder op med at vente. Engineering får deres tid tilbage. Og økonomiafdelingen kan sove trygt om natten.

Hvis du bliver fristet til at hylde den senior-ingeniør, der "reddede" endnu et tilbud, så kig på systemet i stedet. En redningsaktion er ikke en heltedåd – det er et signal om, at jeres regler skal forbedres.

Frigør jeres eksperter fra at være gatekeepere, og de vil bygge vejen for jer.

Hold op med at bede jeres eksperter om at godkende tilbud. Bed dem i stedet om at bygge det system, der gør godkendelser overflødige.

Kommentarer

Populære opslag fra denne blog

Din nye salgsagent har brug for en sjæl: Lektioner fra Claudes forfatning

Hvorfor bliver den ved med at spørge, hvilken spænding jeg skal bruge? Hele pointen er jo, at jeg ikke ved det endnu. Jeg har set en kunde opgive et 'guided selling'-flow tre klik før målstregen, fordi systemet ikke kunne håndtere et simpelt "det er jeg ikke sikker på". Logikken var fin nok. Oplevelsen var elendig. Systemet vidste alt om produktet og intet om brugeren. Amanda Askell fra Anthropic forklarede engang, hvordan de gav deres AI-model Claude en 'personlighed' – ikke bare et regelsæt, men en karakter. En fornemmelse for, hvad den bør gøre, når virkeligheden ikke er pæn og firkantet. Det er ikke science fiction. Det er præcis det, din CPQ-assistent mangler. En CPQ-bot uden en stemme er bare en formular med punktummer. Personlighed slår regler i 'guided selling' De fleste tror, problemet er prompts, flows eller et ekstra betinget spørgsmål. Det er det ikke. Problemet er, at din assistent ingen personlighed har. Den kan validere, men den kan ikk...