Záruka a přebírání rizik jsou slib, který dodavatel dává o tom, co se stane, když se něco pokazí. Jak dlouhá je záruční lhůta, co do ní nespadá, kdo nese riziko při reklamaci a jak rychle se tato reklamace vyřídí. Pro klienta je to často rozhodující řádek v nabídce, právě proto, že zbytek nabídky je z hlediska ceny a dodací lhůty už srovnatelný. Kdo se zde odváží být štědřejší než ostatní, vyhrává zakázky, které jsou v ostatních dimenzích na stejné úrovni.
Důvod, proč se ne každý odváží být stejně štědrý, se skrývá v práci za tímto slibem. Záruční lhůta není marketingové rozhodnutí, je to odhad rizika. Někdo musí vypočítat, jak často výrobek nebo služba selže, kolik reklamace obvykle stojí a kolik prostoru je v marži na to, aby se to uneslo. Tato práce se tradičně dělala na základě zkušenosti a namátkových vzorků: risk manager, který projde reklamace z minulého roku a na jejich základě doporučí lhůtu. Pomaleji, než si trh žádá, a s marží, která je raději příliš opatrná než příliš ostrá.
Za každou záruční podmínkou stojí řetězec úkolů. Sběr a kategorizace historie reklamací. Rozpoznávání vzorců selhání podle produktu, podle segmentu klientů, podle podmínek užívání. Přepočet nákladů na přebírání rizika na to, co štědřejší záruka skutečně stojí. A následně převedení podmínky do textu, který je právně udržitelný a zní komerčně přitažlivě.
Toto je přesně druh práce, kde se prolínají všechny tři kategorie přebírání práce AI. Prohledávání dat o reklamacích a rozpoznávání vzorců v nich je práce, kterou dnes systém už z velké části dokáže převzít, pokud jsou data k dispozici a jsou dodávána strukturovaně. Převedení těchto vzorců na konkrétní rizikový rozpočet podle produktové řady probíhá většinou s dohledem: model dá návrh, risk manager jej schválí nebo upraví, s odůvodněním. A stanovení toho, jaké riziko je organizace ochotna nést nad výsledkem výpočtu, zůstává lidskou prací, protože je to rozhodnutí o strategii a reputaci, nikoli o pravděpodobnosti.
Rozdíl není v samotné záruční lhůtě, ale v tom, jak vzniká a jak rychle se uplatňuje. Dodavatel, který dokáže přepočítat vzorce reklamací podle produktové řady nebo dokonce podle klienta, může diferencovat: štědřejší záruku, kde je riziko nízké, přísnější podmínky, kde je riziko vysoké, místo jedné lhůty pro všechno. Klient to okamžitě pocítí v nabídce, a je to přesně druh rozdílu, který je již vidět i u toho, jak AI mění konkurenci v rychlosti nabídek, kde probíhá stejný posun od ručního odhadu k propočítanému návrhu.
Druhý znatelný rozdíl se skrývá ve vyřizování samotné reklamace. Zatímco odhad rizika probíhá předem, posouzení škody probíhá dodatečně, a i tento proces se posouvá: první triáž a vytvoření dokumentace může převzít systém, zatímco konečné přiznání zůstává na zaměstnanci. Klient, který ví, na čem je, během dnů místo týdnů, to prožívá jako součást téže záruky, i když se formálně jedná o jiný proces.
Zda organizace tento posun již využívá, nezávisí na odvětví, ale na třech věcech: má data o reklamacích ve formě, kterou systém dokáže číst, existuje risk manager, který je ochoten vzít návrh modelu jako výchozí bod, nikoli jako hrozbu, a je marže na produktu dostatečně velká, aby bylo možné experimentovat s ostřejšími zárukami. Firma, kde jsou reklamační spisy ještě na papíře nebo v samostatných tabulkách, může mít stejnou ambici jako lídr v peer group, a přesto zaostávat o roky, jednoduše proto, že chybí základ.
Toto se dotýká i způsobu, jakým se rizika oceňují, a tím přímo otázky, jakou výhodu AI přináší v oblasti ceny: přesnější odhad rizika umožňuje přesnější cenu bez tlaku na marži. Kdo si zde nenárokuje náskok, zatímco konkurenti to už dělají, prohrává, aniž by to okamžitě viditelně pociťoval, stejným způsobem, jak je popsáno u proč firmy stále častěji prohrávají na ceně.
K tomu patří i jedna výhrada. Pokud se odhad rizika dotýká personálních rozhodnutí, například když je pro posouzení reklamací potřeba méně lidí, platí pro to vlastní zákonné požadavky. To není součástí tohoto srovnání a zde se to neposuzuje.
Základní otázka nezní, zda je záruka silným prodejním argumentem, to je známo. Otázka je, jaká část práce za ní byla ve vaší organizaci již přesunuta na systém s dohledem a jaká část ještě funguje zcela na základě zkušenosti a namátkových vzorků. Stejná otázka se objevuje po fúzi nebo akvizici, kde je třeba porovnat dvě záruční politiky proti sobě, což se řeší u jak porovnat svou pozici po akvizici.
Jaká práce ve vaší firmě může být skutečně převzata AI, se liší podle úkolu a podle produktové řady, a to je přesně to, co pracovní scan FTE TO AI zmapuje po jednotlivých úkolech.
Určete, na čem podle vás vyhráváte v oblasti záruky a přebírání rizik: je to lhůta, krytí, rychlost vyřízení reklamace. Bezplatná kontrola dimenze ukáže, které z těchto tvrzení jsou doložitelné vůči vaší peer group. Kompletní benchmark je ve výstavbě.