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...

Løs CPQs "blank page"-problem, før handlerne går i stå

Solve CPQ’s Blank Page Problem Before It Stalls Deals

Opkaldet er slut. Din sælger åbner CPQ. Skærmen beder venligt om produktfamilie, basismodel, spænding, kapacitet, certificeringer og 20 andre felter, der alle virker vigtige. Markøren blinker. Intet sker.

Jeg har set det øjeblik utallige gange. Sælgeren kender kundens problem. Men de kender endnu ikke produktet. Så de tøver, åbner Excel eller pinger en tekniker "for en sikkerheds skyld". De første 60 sekunder afgør, om CPQ accelererer salget eller bliver sprunget over – igen.

Her er den simple sandhed, jeg ser i ethvert komplekst salg: Den sværeste del er ikke validering, prissætning eller godkendelser. Det er at komme i gang.

Det system, du tøver med at åbne, er det system, du ikke kommer til at bruge.

Hvorfor det første minut afgør alt

Vi diagnosticerer ofte sløv brug af CPQ som et problem med oplæring eller datakvalitet. Men den virkelige friktion opstår langt tidligere. De fleste systemer antager, at brugeren allerede kender den rigtige produktvej. Mange sælgere gør ikke. De tænker i problemer og resultater – ikke i produkthierarkier og regelsæt.

Det hul skaber, hvad jeg kalder den tomme sides problem. Ingen er uenige i systemets logik. De undgår bare at starte fra bunden. Jeg har set dygtige teams sænke deres egen hastighed, fordi det stadig er hurtigere at spørge en kollega end at bygge et tilbud fra nul i værktøjet.

Friktion i starten er friktion for adoptionen.

Analyser af markedet peger i samme retning: Markedet for CPQ forventes at vokse markant, drevet af AI og machine learning. Væksten handler ikke kun om flere features. Den handler om at fjerne benspænd, hvor det gør mest ondt – i det første minut.

Fra samtale til konfiguration: Første udkast

Jeg har lært et mønster, der virker: Lad være med at bede sælgere om at navigere i konfigurationslabyrinten. Lad systemet skrive det første udkast. Brug det, du allerede har – CRM-felter, noter fra møder, e-mail-tråde – til at foreslå en komplet, valid startkonfiguration. Lad så sælgeren forbedre den.

Det vender oplevelsen på hovedet. I stedet for "vælg en produktfamilie" bliver rejsen "her er en løsning baseret på, hvad jeg hørte – vil du finjustere efter fodaftryk eller leveringstid?". Sælgeren har stadig kontrollen, men starter aldrig fra bunden.

AI gør det her praktisk. Sproglige modeller er gode til at trække intentioner ud af rodet tekst: antydninger om kapacitet, begrænsninger, krav til certificeringer. Lad din CPQ-motor, som håndhæver jeres regler for kompatibilitet og priser, bruge det input. Resultatet er ikke et gæt, men et *valideret udkast*, som jeres regler tillader, og jeres produktion kan bygge.

AI er interfacet, ikke dommeren. Du har stadig brug for eksplicit, testbar logik for at garantere, at alt er korrekt. AI hjælper dig med at finde en fornuftig startrampe; jeres regelmotor er autoværnet.

AI skal fjerne valg, ikke tilføje dem.

Et første udkast er et direkte svar på kundens forventning om hurtig fremdrift. I stedet for at tale om et tilbud, leverer man et konkret løsningsforslag med det samme.

Praktiske regler og første skridt

Her er de regler, jeg bruger, når jeg hjælper teams med at fjerne den tomme side.

  • Start med intentionen, ikke produktet. Læs noter for at finde resultater, begrænsninger og krav. "Dobbelt kapacitet inden for 12 måneder, 230V, lavt støjniveau, fødevaregodkendt." Oversæt de krav til en basismodel og kerne-optioner.

  • Generér altid et validt første udkast på under 10 sekunder. Gør det til et krav. Hvis systemet ikke hurtigt kan sammensætte en familie, en basismodel og 3-5 vigtige optioner, mister du momentum.

  • Forklar alle antagelser – i et klart sprog. Vis, hvorfor systemet valgte 1.5m-rammen, eller hvorfor IP65 er nødvendigt. Tillid kommer fra begrundelser, ikke kun resultater.

  • Reducér næste valg til ét af tre. Undgå at præsentere 30 felter. Tilbyd tre guidede justeringer, der er relevante for salget: fodaftryk, leveringstid eller energieffektivitet. Færre valg giver hurtigere tilbud.

  • Hold AI i kort snor. AI foreslår. CPQ validerer. Print aldrig en pris eller en stykliste, der ikke er tjekket af regelmotoren. Hvis systemet er usikkert, så sig det og stil et afklarende spørgsmål.

Pas på det anti-mønster, jeg ser overalt: En "Wizard Wall". Det er et langt, lineært spørgeskema, der lader som om, det hjælper, men som kræver, at brugeren allerede kender de rigtige svar. Resultatet er frustration, ikke vejledning. Erstat det med et udkast først, og derefter tre smarte forslag til justeringer.

To konkrete ting, du kan gøre i denne uge:

  • Byg en prototype med et "første udkast" for én produktlinje. Tag jeres mest solgte komplekse produkt. Forbind det med noter og nøglefelter fra CRM. Byg en simpel oversættelse fra typiske kundeønsker til en basismodel med standardvalg. Tag tid på, hvor hurtigt I kan lave et udkast, en sælger tør sende internt.

  • Mål det første minut. Mål tiden-til-første-valide-konfiguration og antallet af redigeringer fra udkast til afsendt tilbud. Sæt et mål for begge. Hvis de tal forbedres, vil jeres salgscyklus blive kortere.

Ejerskab er afgørende. Beslut, hvem der vedligeholder standardindstillinger. Hvem der gennemgår systemets forklaringer. Og hvem der får en alarm, når autoværnet blokerer for et populært ønske. Det er styring uden ceremonier – blot klart ansvar og hurtige resultater.

Faren ved AI er ikke, at den siger noget forkert. Faren er, at systemet ikke kan forklare sig selv, og at folk i marken mister tilliden til det. Sørg for, at forklaringerne er synlige. Vis altid "fordi".

Hvis CPQ åbner til en tom side, åbner sælgeren Excel.

De teams, der løser problemet med det første minut, gør CPQ til standardvalget, ikke den påtvungne vej. De holder op med at diskutere compliance og begynder at diskutere handlen. Arbejdet føles lettere, fordi starten ikke længere er tung.

Hvis dit system antager, at brugeren allerede har svaret, vil adoptionen stagnere, workarounds vil sprede sig, og dine bedste eksperter vil blive flaskehalse.

Den gode nyhed er, at du ikke behøver at skifte platform for at løse dette. Du har brug for et første udkast. Derefter har du brug for et autoværn og forklaringer, som alle kan stole på. Gør du det, bliver CPQ, hvad det altid skulle have været for komplekse produkter – den sikreste og hurtigste vej til et tilbud.

Start med det første minut. Alt andet bliver lettere, når det øjeblik gør det.

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...