Η εγγύηση και η ανάληψη κινδύνου είναι η υπόσχεση που κάνει ένας προμηθευτής σχετικά με το τι συμβαίνει όταν κάτι πάει στραβά. Πόσο διάρκεια έχει η περίοδος εγγύησης, τι εξαιρείται, ποιος φέρει τον κίνδυνο σε περίπτωση αξίωσης, και πόσο γρήγορα εξετάζεται αυτή η αξίωση. Για έναν πελάτη αυτό είναι συχνά ο καθοριστικός κανόνας σε μια προσφορά, ακριβώς επειδή το υπόλοιπο μέρος της προσφοράς σε τιμή και χρόνο παράδοσης είναι ήδη συγκρίσιμο. Όποιος τολμά να είναι εδώ πιο γενναιόδωρος από τους άλλους, κερδίζει συμβάσεις που στις άλλες διαστάσεις είναι ισοδύναμες.
Ο λόγος που δεν τολμούν όλοι το ίδιο, βρίσκεται στην εργασία πίσω από αυτή την υπόσχεση. Μια περίοδος εγγύησης δεν είναι επιλογή μάρκετινγκ, είναι εκτίμηση κινδύνου. Κάποιος πρέπει να υπολογίσει πόσο συχνά αστοχεί ένα προϊόν ή μια υπηρεσία, τι κοστίζει κατά μέσο όρο μια αξίωση, και πόσο περιθώριο υπάρχει στο κέρδος για να αντέξει αυτό. Αυτή η εργασία γινόταν παραδοσιακά με βάση την εμπειρία και τα δείγματα: ένας διαχειριστής κινδύνου που εξετάζει τις αξιώσεις του περασμένου έτους και βάσει αυτού προτείνει μια περίοδο. Πιο αργά από ό,τι απαιτεί η αγορά, και με ένα περιθώριο που είναι μάλλον υπερβολικά προσεκτικό παρά ακριβές.
Πίσω από κάθε όρο εγγύησης βρίσκεται μια αλυσίδα εργασιών. Συλλογή και κατηγοριοποίηση ιστορικού αξιώσεων. Αναγνώριση προτύπων αστοχίας ανά προϊόν, ανά τμήμα πελατών, ανά συνθήκες χρήσης. Υπολογισμός του κόστους της ανάληψης κινδύνου ώστε να προκύψει τι κοστίζει πραγματικά μια πιο γενναιόδωρη εγγύηση. Και στη συνέχεια η μετάφραση του όρου σε κείμενο που είναι νομικά βιώσιμο και ακούγεται εμπορικά ελκυστικό.
Αυτό είναι ακριβώς το είδος εργασίας όπου οι τρεις κατηγορίες ανάληψης από το AI αλληλεπικαλύπτονται. Η εξέταση δεδομένων αξιώσεων και η αναγνώριση προτύπων σε αυτά είναι εργασία που ένα σύστημα μπορεί σήμερα ήδη σε μεγάλο βαθμό να αναλάβει, εφόσον τα δεδομένα υπάρχουν και παρέχονται με δομημένο τρόπο. Η μετάφραση αυτών των προτύπων σε ένα συγκεκριμένο προϋπολογισμό κινδύνου ανά γραμμή προϊόντων γίνεται συνήθως με ανθρώπινο έλεγχο: ένα μοντέλο δίνει μια πρόταση, ένας διαχειριστής κινδύνου εγκρίνει ή διορθώνει, με αιτιολόγηση. Και ο καθορισμός του ποιο κίνδυνο είναι διατεθειμένος να αναλάβει ένας οργανισμός επιπλέον του αριθμητικού αποτελέσματος παραμένει ανθρώπινη εργασία, επειδή είναι επιλογή στρατηγικής και φήμης, όχι πιθανότητας.
Η διαφορά δεν βρίσκεται στην ίδια την περίοδο εγγύησης, αλλά στο πώς προκύπτει και πόσο γρήγορα εφαρμόζεται. Ένας προμηθευτής που μπορεί να υπολογίσει πρότυπα αξιώσεων ανά γραμμή προϊόντων ή ακόμη και ανά πελάτη, μπορεί να διαφοροποιήσει: πιο γενναιόδωρη εγγύηση όπου ο κίνδυνος είναι χαμηλός, αυστηρότεροι όροι όπου ο κίνδυνος είναι υψηλός, αντί για μία περίοδο για όλα. Αυτό το αντιλαμβάνεται άμεσα ο πελάτης στην προσφορά, και είναι ακριβώς το είδος διαφοράς που είναι ήδη ορατό στο πώς αλλάζει το AI τον ανταγωνισμό στην ταχύτητα προσφορών, όπου συμβαίνει η ίδια μετατόπιση από χειρωνακτική εκτίμηση σε υπολογισμένη πρόταση.
Μια δεύτερη αισθητή διαφορά βρίσκεται στην εξέταση μιας αξίωσης καθαυτής. Όπου η εκτίμηση κινδύνου γίνεται εκ των προτέρων, η αξιολόγηση ζημιάς γίνεται εκ των υστέρων, και αυτή η διαδικασία επίσης μετατοπίζεται: η αρχική διαλογή και η δημιουργία φακέλου μπορεί να αναλάβει ένα σύστημα, ενώ η τελική έγκριση παραμένει σε έναν εργαζόμενο. Ένας πελάτης που μαθαίνει τι θα γίνει εντός ημερών αντί εβδομάδων, το αντιλαμβάνεται ως μέρος της ίδιας εγγύησης, ακόμη κι αν τυπικά πρόκειται για διαφορετική διαδικασία.
Αν ένας οργανισμός εκμεταλλεύεται ήδη αυτή τη μετατόπιση, δεν εξαρτάται από τον κλάδο αλλά από τρία πράγματα: υπάρχουν δεδομένα αξιώσεων σε μορφή που μπορεί να διαβάσει ένα σύστημα, υπάρχει διαχειριστής κινδύνου διατεθειμένος να λάβει μια πρόταση μοντέλου ως αφετηρία και όχι ως απειλή, και είναι το περιθώριο κέρδους στο προϊόν αρκετά μεγάλο για να επιτρέψει πειραματισμό με αυστηρότερες εγγυήσεις. Μια εταιρεία όπου οι φάκελοι αξιώσεων βρίσκονται ακόμη σε χαρτί ή σε ξεχωριστά υπολογιστικά φύλλα, μπορεί να έχει την ίδια φιλοδοξία με τον ηγέτη της ομάδας ομοτίμων και όμως να καθυστερεί χρόνια, απλά επειδή λείπει το θεμέλιο.
Αυτό επηρεάζει επίσης τον τρόπο τιμολόγησης των κινδύνων, και άρα άμεσα το ερώτημα ποιο προβάδισμα αποδίδει το AI στην τιμή: μια πιο ακριβής εκτίμηση κινδύνου επιτρέπει μια πιο ακριβή τιμή χωρίς να πιέζεται το περιθώριο κέρδους. Όποιος δεν διεκδικεί εδώ προβάδισμα ενώ οι ανταγωνιστές το κάνουν ήδη, χάνει χωρίς να το αντιλαμβάνεται αμέσως, με τον ίδιο τρόπο που περιγράφεται στο γιατί οι εταιρείες χάνουν όλο και πιο συχνά στην τιμή.
Ένα σημείο προσοχής ταιριάζει εδώ. Όταν η εκτίμηση κινδύνου αγγίζει αποφάσεις προσωπικού, για παράδειγμα όταν απαιτούνται λιγότεροι άνθρωποι για την αξιολόγηση αξιώσεων, ισχύουν γι' αυτό ξεχωριστές νομικές απαιτήσεις. Αυτό δεν αποτελεί μέρος αυτής της σύγκρισης και δεν αξιολογείται εδώ.
Το υποκείμενο ερώτημα δεν είναι αν η εγγύηση αποτελεί ισχυρό επιχείρημα πώλησης, αυτό είναι γνωστό. Το ερώτημα είναι ποιο μέρος της εργασίας πίσω από αυτήν στον οργανισμό σας έχει ήδη μετατοπιστεί σε σύστημα με ανθρώπινο έλεγχο, και ποιο μέρος ακόμη βασίζεται πλήρως σε εμπειρία και δείγμα. Το ίδιο ερώτημα ανακύπτει μετά από συγχώνευση ή εξαγορά, όπου δύο πολιτικές εγγύησης πρέπει να συγκριθούν μεταξύ τους, κάτι που εξετάζεται στο πώς συγκρίνετε τη θέση σας μετά από μια εξαγορά.
Ποια εργασία στην εταιρεία σας μπορεί πραγματικά να αναλάβει το AI, διαφέρει ανά εργασία και ανά γραμμή προϊόντων, και αυτό είναι ακριβώς αυτό που χαρτογραφεί ανά εργασία η σάρωση εργασιών της FTE TO AI.
Προσδιορίστε πού πιστεύετε ότι κερδίζετε στην εγγύηση και την ανάληψη κινδύνου: είναι η περίοδος, η κάλυψη, η ταχύτητα εξέτασης μιας αξίωσης. Ο δωρεάν έλεγχος διάστασης δείχνει ποιοι από αυτούς τους ισχυρισμούς μπορούν να υποστηριχθούν με στοιχεία απέναντι στην ομάδα ομοτίμων σας. Το πλήρες σημείο αναφοράς βρίσκεται υπό κατασκευή.