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...

CPQ er ikke ved at dø: Det bliver dit lag til aftaleudformning

CPQ Isn’t Dying. It’s Becoming Your Deal Shaping Layer.

Jeg afsluttede en workshop på DTU med en pointe, der fik folk til at lytte: Jevons’ paradoks. Da det blev billigere at oversætte, begyndte vi ikke at oversætte mindre. Vi begyndte at oversætte alt. Markedet eksploderede. Det er præcis det samme, der sker med CPQ. Når produktkonfiguration bliver lettere tilgængelig og kan foregå som en samtale, ser vi ikke en mindre rolle for CPQ. Vi ser en udvidelse, der er så markant, at det holder op med at ligne et nicheværktøj til industrien og i stedet bliver et intelligent lag, som alle B2B-virksomheder vil bruge til at forme en aftale i realtid.

Fra nicheværktøj til et intelligent lag i salgsprocessen

I mere end 20 år har CPQ-systemer hørt hjemme tæt på komplekse, specialiserede produkter. Det var der, korrekthed var afgørende, og hvor logikken kunne betale sig. Solgte man lastbiler, scannere, pumper eller modulært udstyr, så investerede man. Alle andre klarede sig med Excel, mavefornemmelser og en prisliste.

Den grænse er ved at forsvinde. Sæt en samtalestyret brugerflade foran en motor med eksplicit produktlogik, og et salgsmøde bliver pludselig til en dialog om muligheder og løsninger. Scenarier, kompromiser og spilleregler bliver forklaret, mens en gyldig konfiguration og pris bliver sammensat i baggrunden. Det er ikke længere bare et tilbudsværktøj. Det er et intelligent lag, der ligger mellem kundens intention og det, din virksomhed rent faktisk kan bygge, fakturere og supportere.

I det øjeblik CPQ både kan ræsonnere og forklare, går det fra at være et specialistsystem til et fælles referencepunkt.

Servicepath fanger en del af dette skifte i deres beskrivelse af moderne platforme som "AI-native, codeless CPQ", der automatiserer konfiguration, priser og tilbud uden specialkodning. Pointen er ikke at undgå kode for enhver pris. Pointen er hastighed og anvendelse. Hvis systemet kan tilpasses af dem, der ejer produktet, holder det op med at være et IT-projekt og bliver i stedet et dagligt værktøj for salg.

Hvorfor dette er et vendepunkt

De fleste tror, deres største problem er at vælge det rigtige værktøj. Det er det ikke. Det gamle kompromis stod mellem tillid og hastighed. Regneark var hurtige, men upålidelige. Tunge CPQ-systemer var pålidelige, men langsomme at ændre. Et samtalestyret lag fjerner det kompromis, når det bygger oven på eksplicit, testbar logik.

Her er den ramme, jeg bruger over for ledere: Målet er ikke at automatisere tilbudsgivning. Målet er at få systemet til at tænke sammen med dig og garantere, at resultatet kan produceres, er rentabelt og kan forklares. Traditionelle systemer, især kode-tunge eller CRM-bundne løsninger, blev aldrig bygget til den form for interaktion.

Tre skift gør det muligt nu:

  • Samtalebaseret input: Sprogmodeller (LLM'er) kan afdække kontekst, oversætte scenarier til strukturerede valg og forklare kompromiser i et almindeligt sprog.
  • Eksplicitte spilleregler: Regler og begrænsninger sikrer, at løsningerne er gyldige, priserne korrekte og resultatet forudsigeligt. AI foreslår; reglerne beslutter.
  • Forretningen ejer systemet: Produktejere kan ændre produkter, afhængigheder og forklaringer uden at skulle vente på IT.
AI oven på regler slår AI i stedet for regler. Det er den arkitektur, der skaber tillid og skalerer.

Hvordan laget fungerer i praksis

Tænk i lag, ikke i ét stort system:

  • Produktdefinition: Moduler, varianter og regler, der afspejler, hvordan I sælger og leverer. Hold det enkelt, læsbart og testbart. Tilføj nogle få scenarier, der beskriver gyldige kombinationer, som du kan forklare til en produktchef på et minut.
  • Spilleregler: Relationer og begrænsninger, der indsnævrer mulighederne. Lighed, udelukkelse og en håndfuld simple regler. Ingen skjult magi. Hvis en regel kræver en lang forklaring, så del den op.
  • Dialog-laget: En brugerflade, der oversætter kundens sprog til konkrete valg. Den foreslår standardløsninger, forklarer hvorfor og viser konsekvenserne for pris, leveringstid og risiko.
  • Data om beslutninger: Log alt. Hvad blev der spurgt om, hvad blev valgt, hvad blev frarådet, og hvorfor? Du skriver ikke bare et tilbud. Du lærer.
  • Integration med andre systemer: Generér en stykliste, en prisnedbrydning og dokumenter, som dit ERP- og PLM-system kan læse uden manuel oversættelse. Systemet skal kunne forklare hver linje til en skeptisk CFO.

I praksis ser det simpelt ud. En sælger eller kunde svarer på fem spørgsmål. Systemet anbefaler en konfiguration sammen med et lidt dyrere alternativ og en mere simpel basismodel. Logikken garanterer, at alt er gyldigt. Teksten forklarer forskellene. Et udkast til tilbud, en stykliste og en ændringslog er klar med det samme.

Gør du dette for komplekst udstyr, vil du opdage, at mønsteret passer på alt fra SaaS-pakker og serviceydelser til partnerløsninger og konsulenttimer. Emnet skifter. Mønsteret er det samme.

Fordelen, der vokser over tid

De teams, der tager denne arkitektur til sig, opnår en stille fordel, der kun vokser sig større:

  • Gennemløbstiden falder, fordi systemet selv indsamler krav og foreslår gyldige løsninger, inden en specialist skal involveres.
  • Pres på rabatter mindskes, fordi værdien af forskellige valg bliver synlig og dokumenteret i stedet for at blive forhandlet i sidste øjeblik.
  • Prissætningen forbedres, fordi hvert tilbud bliver til data, der viser, hvad der sælger, hvad der tøves med, og hvad der ikke virker.
  • Ansvaret flytter fra IT til produkt- og salgsafdelingen. Ændringer kan ske ugentligt, ikke hvert kvartal.

Hvad sker der for dem, der venter? Ikke et stort kollaps, men en langsom nedtur. Flere tilbud lavet i Excel i det skjulte. Flere specialaftaler, som jura ikke kan genbruge. Flere opkald til den ene ekspert, der kender modellen. Mere tid brugt på at afstemme salgsmuligheder i CRM med virkeligheden i ERP. Ikke én stor fejl. Bare små gnidninger i hver eneste aftale, der tilsammen gør virksomheden langsommere.

Den stille fiasko er ikke en fejl i systemet. Det er de samlede omkostninger ved de beslutninger, du ikke kan se.

Hvad du kan ændre i dette kvartal

Hvis du vil have, at CPQ bliver jeres intelligente salgslag, er der et par ting, der hurtigt kan ændre kursen:

  • Definér jeres spilleregler: Skriv det mindst mulige antal regler, der garanterer korrekte løsninger for jeres 10 mest solgte produkter. Prioritér læsbare regler og navngivne scenarier frem for avancerede funktioner.
  • Forklar "hvorfor": Tilføj korte forklaringer til varianter og scenarier. Når systemet forklarer sig selv, følger tilliden med. Sælgerne begynder at tænke med systemet, ikke uden om det.
  • Opsaml data om beslutninger: Registrér, hvilke spørgsmål der blev stillet, hvilke standardvalg der blev accepteret, og hvilke kompromiser der vandt. Behandl hvert tilbud som en lektion for prissætning og produktudvikling.
  • Frakobl fra CRM: Lad selve konfigurationen og løsningsdesignet ske der, hvor dialogen med kunden er. Synkronisér kun resultater og godkendelser til CRM. Lad være med at tvinge den kreative proces ind i CRM-systemets rigide rammer.
  • Start et pilotprojekt uden for hardware: Byg en model for én servicepakke, én softwareløsning og én partner-ydelse. Bevis, at mønsteret kan overføres. Det kan det.

Hvis du er bekymret for AI-hype, er det kun godt. Hold maskinen på jorden. Brug den til at stille bedre spørgsmål og spare tid. Lad eksplicit logik styre validitet og margin. Jeg har set sprogmodeller selvsikkert foreslå noget, der lød rigtigt, men var helt forkert. Jeg har også set dem omdanne et rodet afklaringsmøde til en struktureret konfiguration hurtigere end noget menneske. Vinderen er en hybrid: samtale til at forstå intentionen, regler til at sikre korrektheden og data til at lære.

Hvad der vokser, når CPQ bliver allemandseje

Jevons’ paradoks er en brugbar linse. Når man gør noget billigere og nemmere, stiger efterspørgslen – også steder, man ikke forventede. Guidet salg vil ikke forblive i den tunge industri. Det vil sprede sig til:

  • SaaS, hvor pakker, forbrugsgrænser og services ændrer sig konstant. Her kan laget forklare værdi, håndhæve regler og styre margin uden at involvere IT.
  • Konsulentydelser og services, hvor scope, antagelser og risikotillæg kræver en fælles logik og et revisionsspor, som kunderne respekterer.
  • Partner- og økosystemsalg, hvor sammensætning af løsninger fra flere leverandører kræver en fælles platform for logik og en samlet historie om dækningsgrad.

Gør CPQ dialogbaseret og let at forstå, og markedet for guidet salg vil udvide sig. Du vil kunne give flere tilbud, i flere kategorier og med større sikkerhed. Ikke fordi du automatiserede en proces, men fordi du gjorde det billigere at tænke sig korrekt om i salgsøjeblikket.

Når det bliver billigere at ræsonnere korrekt, eksploderer markedet for det.

En sidste, hård sandhed, før visionen tager helt over: Hvis din produktstruktur er uklar, kan intet værktøj redde dig. Du har stadig brug for ejerskab, scenarier du kan tegne på en tavle, og tests, der holder, når nye folk og markeder kommer til. Men når det fundament er på plads, fjerner det intelligente lag loftet for, hvordan og hvor du kan sælge.

Det er den retning, moderne CPQ-platforme peger. Fjern specialkode, hvor det er muligt, sæt farten op på ændringer, og hold styringen af margin synlig. Kombinér det med klare spilleregler og en dialogbaseret brugerflade, og du får et system, der ikke bare skriver tilbud. Det former aftalen og viser, hvordan det er nået frem til resultatet.

Det kunne regnearket aldrig hamle op med.

Hvis alle B2B-virksomheder havde et intelligent lag, der kunne ræsonnere, forklare og garantere korrekte løsninger i salgsøjeblikket – hvilken del af jeres marked ville I så endelig være klar til at give tilbud til i morgen?

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...