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...

Med CPQ har du din bedste produktekspert med i hver salgssamtale.

CPQ Puts Your Best Product Expert in Every Sales Call

Der bliver stille i røret. Sælgeren har en kunde med live, løsningen er 95 % på plads, men et enkelt tilvalg kræver måske en anden motortype. Én siger: ”Lad os lige tjekke med teknisk afdeling.” Alle nikker. Energien er væk.

Jeg har været med i den slags opkald alt for mange gange. At vente på en godkendelse koster tid og ordrer. Kunden mærker usikkerheden, sælgeren mister selvtillid, og produktteamets indbakke vokser med endnu en opgave, der stjæler timer.

Den gode nyhed er, at I allerede har ekspertisen. Den sidder bare fast i hoveder, indbakker og regneark. Opgaven for et CPQ-system er at få den viden ind i samtalen med kunden – ikke bagefter.

Ordrer lukkes med en hastighed, der afhænger af jeres produktviden, ikke af jeres pipeline.

Prisen for at vente på eksperten

Nogle kalder det en ”afhængighed af teknisk afdeling”. Det er det ikke. Det er et strukturelt hul. Salgsprocessen kører på hukommelse og tavs viden. Det går godt, lige indtil det ikke gør det længere.

Symptomerne er velkendte: lange tilbudsprocesser, svingende svar og nye sælgere, der undgår komplekse konfigurationer. Kernen er, at viden ligger uden for systemet. Du kan automatisere nok så mange trin, men hvis produktreglerne er usynlige, er det tøven, du automatiserer.

Det er veldokumenteret, at hurtigere tilbud giver flere ordrer. Se bare en sælger tøve under en konfiguration med kunden. Kunden begynder at overveje alternativer, og opkaldet slutter med ”send os noget”, ikke med ”lad os aftale scopet nu”.

Hvis vejen til et korrekt tilbud stadig går gennem én persons kalender, er jeres ekspertise ikke bygget ind i systemet.

Løsningen er ikke mere træning. Den er at omsætte ekspertens viden til klare regler, der guider samtalen live. Når systemet kan validere, foreslå alternativer og forklare hvorfor, er selv den nye sælger troværdig fra første dag.

Derfor vinder indbygget viden salget

Jeg ser et skifte hos de dygtigste teams. De beder ikke længere teknisk afdeling om lov. De beder systemet om bevis.

Det er ikke magi. Det handler om at bygge produktets sandhed ind dér, hvor salget sker: i CPQ-systemet. En regelmotor sikrer kompatibilitet, og barrierer (guardrails) viser vej, når noget ikke kan lade sig gøre. Forklaringer hjælper sælgeren med at fortælle historien bag et valg.

Når det her lykkes, sker der tre ting med det samme:

  • Sælgerne bliver mere selvsikre. De stopper med at tage forbehold i opkald. De træffer beslutninger sammen med systemet, ikke bagefter.
  • Færre sager eskaleres. Teknisk afdeling svarer på færre ”er det her tilladt?” og flere strategiske spørgsmål.
  • Variation i tilbud mindskes. Tilbuddene bliver ensartede og altid producerbare. Det giver færre undtagelser og mindre oprydning i driften.

AI kan hjælpe med at sætte fart på, men kun hvis fundamentet er på plads. Uden klare regler og priser giver en AI-assistent plausible svar, du ikke kan stole på. Med en tydelig logik bliver AI en accelerator. Den kan forklare valg, skrive udkast til dokumentation og spotte afvigelser. Men ekspertisen kommer stadig fra jer.

AI erstatter ikke produktregler. AI forstærker dem, når de er tydelige.

Konkrete principper, der skaber sikkerhed fra dag ét

Her er de principper, jeg selv bruger, når jeg hjælper teams, der sælger komplekse, konfigurerbare produkter.

  • Princip 1: Stop fejlen, før den sker. Bloker ugyldige valg i det øjeblik, de træffes. Lad ikke sælgeren opdage en konflikt til sidst. Eksempel: Hvis et bestemt drejningsmoment kræver væskekøling, så vis kun de kølingsmuligheder, der passer – og forklar, hvorfor de andre er skjult.
  • Princip 2: Vis hvorfor, ikke kun hvad. Et system, der bare fjerner muligheder uden forklaring, skaber mistillid. Tilføj korte, læsbare forklaringer. Eksempel: ”Hus B er valgt, fordi Hus A ikke klarer IP67 i denne størrelse.”
  • Princip 3: Prispolitik er et system, ikke et regneark. Saml rabatter, tillæg og regionale priser ét sted. Afskaf sælgernes private ”snydeark”. Eksempel: Mængderabatter beregnes automatisk på tværs af moduler, ikke via gætværk pr. linje.
  • Princip 4: Gør specialtilfælde til standardregler. Hver eskalering er en lærestreg. Når teknisk afdeling svarer på det samme spørgsmål to gange, skal svaret bygges ind i CPQ-systemet som en regel med en tilhørende test.
  • Princip 5: Hold reglerne simple og navngivne. Korte regler, klare navne, ét formål. Hvis en regel kræver en lang forklaring, så del den op. Det gør vedligeholdelsen overskuelig. Eksempel: Reglerne ”Moment_kræver_køling” og ”Køling_kræver_strøm” er lettere at gennemskue end én stor ”Høj_belastning_regler”.

En ting, du skal undgå:

  • Helte-eskalering. Fælden, hvor et par erfarne medarbejdere svarer på alt så hurtigt, at systemet aldrig lærer noget. Det føles effektivt, men det er en stakket frist.

En simpel model kan hjælpe med at få folk med: Byg processen op om Spørg – Validér – Forklar.

  • Spørg: Indfang kundens behov i et almindeligt sprog. ”Udendørs brug, 24/7-drift, minimal vedligeholdelse.”
  • Validér: Systemet håndhæver regler og prissætter efter jeres politik. Ingen overraskelser til sidst.
  • Forklar: Vis årsagen bag systemets valg, så sælgeren kan svare på spørgsmål. ”Vi anbefaler rustfrie skruer, fordi saltpåvirkningen overstiger normen.”

Tre ting, du kan gøre i den kommende uge

  • Lav en eskaleringslog. Log alle ”spørg teknisk afdeling”-øjeblikke i to uger. Vælg de tre hyppigste mønstre, og byg dem ind i CPQ som regler med korte forklaringer.
  • Tilføj et forklaringsfelt. Indbyg en kort, læsbar forklaring til de vigtigste regler, og vis den i brugerfladen. Det løfter selvtilliden med det samme.
  • Indfør et fast ugentligt opdateringsvindue. Små, forudsigelige opdateringer er bedre end store, sjældne lanceringer. Lad en produktejer og en fra salg arbejde tæt sammen.

To tekniske detaljer, der ofte bliver overset:

  • Undgå at have de samme regler flere steder. Kompatibilitetslogik skal bo i én motor. Hvis regler er spredt ud over CPQ, CAD og ERP, bliver vedligehold et gætværk.
  • Sørg for, at prissætningen er ens på tværs af systemer. Hvis CPQ beregner rabatter anderledes end økonomiafdelingen, vil sælgerne finde en vej uden om systemet.

Hvad sker der, når I rammer rigtigt?
Nye sælgere kan lukke komplekse ordrer uden hjælp. Teknikerne kan bruge tid på produktudvikling i stedet for at agere support for salg. Og tilbudskvaliteten bliver så ensartet, at driften kan slappe af.

Accept fra brugerne er den eneste KPI, der for alvor tæller. Hvis sælgerne stoler på systemet, når de taler med kunder, følger resten med.

Til skeptikerne vil jeg sige én ting: Det handler ikke om at erstatte dømmekraft. Det handler om at gøre god dømmekraft tilgængelig i det øjeblik, der er brug for den. Systemet sikrer bare, at de valg, I træffer, er valide, korrekt prissat og kan forklares.

Jeg har set det her virke i praksis. De teams, der lykkes, bygger ikke den mest avancerede logik. De bygger den mest brugbare logik – simpel, klar og synlig for sælgerne. Deres viden bliver en del af systemet, ikke bare en enkelt persons hukommelse.

Det er ikke magi. Det er systematisk arbejde. Definer en regel. Test den. Læg den i produktion. Fortæl salg, hvad der er ændret. Gentag. Om et kvartal er antallet af ”lad mig lige tjekke”-øjeblikke faldet markant. Om et år er jeres bedste ekspert med i alle opkald – helt uden at sige noget.

Stille, repeterbar korrekthed slår larmende brandslukning. Hver gang.

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...