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...

Hvad er en salgskonfigurator? (Og hvorfor det ikke kun er et tilbudsværktøj)

What Is a Sales Configurator? (And Why It’s Not Just a Quoting Tool)

Enhver virksomhed, der sælger komplekst udstyr, har en 'Sarah'. Hun kender produktet ud og ind. Hun kan omsætte et rodet kundebehov til en ren, specificeret løsning, mens andre stadig kæmper med deres regneark. Hun er en helt. Og hun er en enkeltsporet bro på en trafikeret motorvej.

Jeg husker en global udrulning, hvor ethvert stort tilbud skulle forbi én specialist. Aftaler kom i kø. Godkendelser hobede sig op. Produktchefen bad sælgerne stoppe med at sælge specialløsninger. Værktøjerne var fine nok. Men arbejdsgangen var en katastrofe.

Når vækst afhænger af én persons hjerne, har du ikke en salgsproces. Du har en flaskehals med et navn.

Vi har ikke brug for en større lommeregner. Vi har brug for en oversætter.

Mange tror, at løsningen er et stort CPQ-projekt, der forsøger at indkode alle tænkelige regler. Det lyder trygt. Men det bliver som regel langsomt, dyrt og skrøbeligt. Du bruger måneder på at modellere undtagelser, blot for at opdage, at sælgerne allerede har opfundet nye.

Det reelle problem er ikke matematikken bag tilbuddet. Det er oversættelsen fra en kundes situation til en gyldig produktkonfiguration. Sarah "beregner" sig ikke frem til løsningen. Hun lytter, indrammer problemet, stiller de to rigtige spørgsmål og fjerner de forkerte veje tidligt i processen. Hun oversætter et behov til en struktur.

Vi har bygget bedre lommeregnere, når vi i virkeligheden havde brug for dygtigere oversættere.

CPQ handler ikke om automatisering. Det handler om korrekthed.

Korrekthed betyder, at det, du sælger, kan bygges, prissættes og leveres – hver gang. Den hurtigste vej til at miste troværdighed er at automatisere forvirring. Den hurtigste vej til at opbygge den er at gøre kompleksitet forståelig.

Hvad en moderne salgskonfigurator rent faktisk gør

En salgskonfigurator er et guidet salgssystem. Den omdanner en samtale om et kundeproblem til en konkret løsning, du kan prissætte og levere. Den skjuler kompleksiteten og gør produktkataloget tilgængeligt for ikke-eksperter. Tænk GPS, ikke et vejkort. Du fortæller, hvor kunden vil hen, og systemet guider dig ad gyldige ruter og undgår blindgyder.

Det er her, skiftet sker. Fra dataindtastning til meningsdannelse. Fra formularer til dialog. Fra at være afhængig af Sarah til at have et system, der hjælper alle med at tænke som hende.

Hvis systemet ikke kan forklare sig selv, vil ingen have tillid til det.

Sælgere har ikke kun brug for svar. De har brug for tryghed og selvtillid. En konfigurator skal vise, *hvorfor* et valg er gyldigt, hvilke begrænsninger der gælder, og hvilke alternativer der findes. Forklaringer er ikke en feature – det er forudsætningen for, at systemet bliver brugt.

Designprincipper, der virker i praksis

1. Samtalen først. Start med, hvordan kunderne beskriver deres problem. Systemet bør stille afklarende spørgsmål, ligesom en ekspert ville gøre. Ingen formularer med 80 felter. Spørg om mindre, men få mere mening ud af det.

2. Garanteret korrekthed. Resultatet skal *altid* være gyldigt. Ikke nogle gange. Ikke efter teknisk gennemgang. Altid. Hvis systemet ikke kan garantere det, er det en demo, ikke et værktøj.

3. Forklar hvorfor. Enhver anbefaling og begrænsning skal være synlig og kortfattet. Hvis du ikke kan forklare en regel klart, er det reglen, der er problemet.

4. Gør vedligeholdelse til en topprioritet. Nye varianter, nye markeder, nye regler. Hvis opdatering af modellen kræver en projektplan, finder sælgerne en vej uden om systemet.

En arkitektur bygget til oversættelse

Mekanismen er en hybrid, der kombinerer to styrker, som er utilstrækkelige hver for sig:

  • En samtalebaseret AI, der forstår hensigten, stiller det næste relevante spørgsmål og forklarer fordele og ulemper i et klart sprog.
  • En deterministisk regelmotor, der validerer og sammensætter konfigurationer, så slutresultatet altid er korrekt og kan produceres.

AI uden faste rammer giver flydende gætværk. En regelmotor uden en samtalebaseret tilgang drukner brugeren i felter. Tilsammen får du fleksibilitet i starten af processen og pålidelighed til sidst.

AI erstatter ikke logik. Den er afhængig af den.

Sådan fungerer det i praksis:

  • Sælgeren starter med kundens situation, ikke med varenumre. "Vi skal bruge et transportbånd, der flytter kasser på 80 kg over 24 meter, og vi har begrænset loftshøjde."
  • Systemet stiller det næste relevante spørgsmål. "Intermitterende eller kontinuerlig drift? Skal det kunne tåle nedvaskning?" Det indsnævrer mulighederne, præcis som en ekspert gør.
  • Bag scenen fjerner regelmotoren de umulige kombinationer. Last vs. motor, miljø vs. materialer. Kun gyldige valgmuligheder er tilbage.
  • Brugerfladen tilpasser sig. Nogle foretrækker en chat-dialog. Andre en guidet formular. Nogle vil se et katalog med indbyggede begrænsninger. Alle veje fører til en gyldig konfiguration.
  • Når løsningen er fundet, genereres priser, dokumentation og godkendelser fra den samme datamodel. Intet skal tastes ind igen. Intet skal "checkes med teknisk afdeling".

Dette er ikke en "riv alt ned og byg nyt"-løsning. I mange projekter, jeg har ledet, fungerer denne "oversætter" som et lag før et eksisterende CPQ-system. Den fodrer en prisberegner eller et ERP-system som SAP, mens den selv sikrer produktets korrekthed helt fra start.

Opsætningen skal være hurtig. Du skal ikke bruge et år på at modellere alt. Start med et modulært skema, der afspejler, hvordan produktet sælges og bygges. Lad AI hjælpe med at udarbejde strukturer og regler, som mennesker godkender. Udvid modellen løbende, efterhånden som rigtige sager viser, hvor der er brug for flere detaljer. Fremskridt slår perfektion, hver gang.

Men er det ikke bare CPQ med en chatbot ovenpå?

Det er en fair indvending. At klistre en chatbot på et skrøbeligt regelsæt ændrer ingenting. Forskellen er arkitekturen. Samtalen er ikke bare et lag maling; den er den primære vej til at forstå behovet. Og logikken er ikke begravet; den er eksplicit, deterministisk og gennemskuelig. Det er dét, der lærer sælgerne at tænke, ikke bare at klikke.

Denne tilgang mindsker også risikoen. Værktøjer som Sailsrep kombinerer sprogmodeller med regelmotorer for at opnå netop dette. Men det handler ikke om et logo. Det handler om designet.

Hvad I kan gøre allerede i dette kvartal

Kortlæg samtalen. Sæt dig ned med dine 'Sarah'er'. Skriv de første ti spørgsmål ned, de stiller en kunde, og hvorfor. Det bliver fundamentet for jeres guidede proces.

Tegn produktet. Én side med kasser og pile, der viser moduler og valgmuligheder. Hvis du ikke kan tegne det, kan du ikke vedligeholde det.

Find de ufravigelige regler. De 10-20 vigtigste begrænsninger, der sikrer, at produktet kan bygges og er sikkert. Læg dem ind i en deterministisk regelmotor først. Glem alt om priser, indtil konfigurationerne altid er gyldige.

Start med én produktfamilie. Gå live på uger, ikke kvartaler. Brug rigtige sager til at forfine systemet.

Gør forklaringer obligatoriske. Hver anbefaling skal have en "hvorfor"-sætning. Hvis systemet ikke kan forklare sig selv, bliver det aldrig brugt.

Definér ejerskab. Hvem godkender nye varianter? Hvordan testes regler? Hvor hurtigt kan I frigive en opdatering uden at skabe problemer for sælgerne?

Adoption er det eneste, der tæller.

Mål den daglige brug i reelle salgsprocesser. Hvis sælgerne bruger systemet under kundesamtaler, fordi det hjælper dem med at tænke og forklare, så vinder I. Hvis de eksporterer til Excel, gør I ikke.

Den korte konklusion

En salgskonfigurator er en oversætter, der omdanner behov til løsninger, der kan produceres. Den demokratiserer ekspertviden uden at udvande den. Den får det komplekse til at føles simpelt og det simple til at føles trygt.

En salgskonfigurator bygger ikke bare tilbud. Den bygger selvtillid – hos dit salgsteam, dine partnere og dine kunder.

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...