Záruka a přebírání rizika jsou místem, kde dodavatel vyjadřuje vlastní odhad v penězích. Delší záruční lhůta, širší odpovědnost, riziková přirážka, která odpadá: jsou to sliby o tom, co se nepokazí. Pro zákazníka je to zpravidla poslední kritérium, než padne rozhodnutí, právě proto, že nejde o funkčnost, ale o to, co se stane, když se něco pokazí.
Zákazník rozdíl nepozná podle čísla v nabídce, ale podle toho, jak jisté toto číslo působí. Záruční lhůta, která byla jasně propočítána, působí jinak než záruční lhůta, která se "vždy takto nabízí". Tento rozdíl je v rozhovoru citelný, i když zákazník neumí pojmenovat proč.
Záruční lhůta nebo přebírání rizika je výsledkem odhadu: jak často dochází k poruše, kolik stojí oprava, jak dlouho oprava trvá, jaká část případů spadá mimo standardní postup. Tento odhad se opírá o historická data o poruchách, údržbě, vratkách a reklamacích, a o otázku, zda tato data někdo skutečně prostuduje ještě před sestavením záručního textu.
V praxi je toto studium často omezené. Data existují, ale jsou roztroušená mezi servisními záznamy, evidencí reklamací a samostatnými excelovými přehledy. Jejich spojení a udržování v aktuálním stavu je časově náročné, takže záruční lhůta se často určuje podle toho, co fungovalo loni, upraveno o pocit ohledně současné kvality produktu. Nejde o nedbalost; jde o otázku dostupných hodin vůči rozsahu úkolu.
Analýza dat o poruchách, historie reklamací a vzorců údržby je úkol, který se dobře hodí k převzetí: jde převážně o výpočetní práci se strukturovanými a polostrukturovanými daty. Tam, kde k tomu dochází, se záruční lhůta posouvá od pevného, ročně revidovaného předpokladu k výsledku, který lze přepočítat podle produktové řady, podle segmentu zákazníků nebo dokonce podle jednotlivé objednávky. Kdo tento proces nastavil, může rizikovou přirážku nabídnout přesněji: štědřeji tam, kde je riziko nízké, zdrženlivěji tam, kde je vysoké, místo průměru, který je pro oba případy buď příliš velkorysý, nebo příliš úzký.
Konečné rozhodnutí zůstává lidskou prací, a tak by to mělo i zůstat: někdo musí výsledek analýzy zvážit vůči obchodnímu prostoru a vůči tomu, co je smluvně udržitelné. AI zde může část práce vykonat, s lidským dohledem, který výsledek s odůvodněním schválí nebo zamítne. Mění se rychlost a přesnost, s jakou lze toto zvážení provést, nikoli otázka, kdo jej nakonec činí.
Tento posun neprobíhá všude stejným tempem. Firmy s dlouhou historií strukturovaných servisních dat a s někým, kdo tato data skutečně propojuje se záručním textem, jsou schopny toto převzít dříve než firmy, kde stejná data sice existují, ale nikdy nebyla spojena dohromady. Rozdíl tedy netkví v záměru změnit se, ale v tom, zda jsou podkladová data již v pořádku.
Jakmile část trhu staví záruční lhůty na přepočítaných rizikových datech, mění se to, co znamená "výhodná" záruka. Pevná, štědrá záruční lhůta, která dříve platila za silně odlišující, se může stát drahým hazardem ve chvíli, kdy konkurent nabízí stejný prostor jen tam, kde to data ospravedlňují, a jinde je naopak opatrnější. Kdo svou záruční politiku nepřehodnotí, riskuje příliš drahé záruky tam, kde je riziko nízké, a příliš úzké záruky tam, kde je riziko vysoké — přesný opak toho, co zákazník hledá.
Toto se v některých případech dotýká také interních rozhodnutí o tom, kdo odhad záruky provádí a s jakým obsazením. Pro tato rozhodnutí platí vlastní zákonné požadavky, které zde nejsou řešeny; tato stránka se zabývá dopadem na srovnání mezi dodavateli, nikoli personálními rozhodnutími.
Tento rozměr zřídka stojí samostatně. Záruka, která působí levně, se čte jinak vedle odchylky, s níž konkurent skutečně dodává, a riziková přirážka, která působí nízce, se poměřuje vůči tomu, jak AI mění konkurenci v oblasti ceny. Kdo chce zjistit, zda záruční slib obstojí, nebo je především dobře zformulovaný, může to ověřit na stránce jak zjistíte, zda vaše odlišující schopnosti skutečně existují.
Zda přebírání rizika u konkurenta stojí na přepočítaných datech, nebo na loňském předpokladu, je zvenčí těžké rozpoznat; skrývá se to v záručním textu, ne v marketingovém tvrzení. Na podkladovou otázku, jakou práci ve vaší vlastní organizaci lze skutečně převést na AI, odpovídá po jednotlivých úkolech pracovní scan FTE TO AI.
Bezplatná kontrola rozměru je prvním krokem bez této hloubky: pojmenujete, v čem si myslíte, že vyhráváte, a uvidíte, které z těchto tvrzení lze obhájit důkazem. Kompletní benchmark, se srovnáním vůči vaší peer group ve všech rozměrech, se připravuje.