Η εγγύηση και η ανάληψη κινδύνου είναι το σημείο όπου ένας προμηθευτής εκφράζει σε χρήμα τη δική του εκτίμηση. Μια μακρύτερη περίοδος εγγύησης, μια ευρύτερη ευθύνη, μια επιβάρυνση κινδύνου που εκλείπει: πρόκειται για υποσχέσεις σχετικά με τι δεν θα πάει στραβά. Για τον πελάτη αυτό είναι συνήθως το τελευταίο κριτήριο πριν ληφθεί η απόφαση, ακριβώς επειδή δεν αφορά τη λειτουργικότητα αλλά τι συμβαίνει όταν κάτι πάει στραβά.
Ο πελάτης δεν αντιλαμβάνεται τη διαφορά από έναν αριθμό σε μια προσφορά, αλλά από το πόσο βέβαιος φαίνεται αυτός ο αριθμός. Μια περίοδος εγγύησης που έχει προδήλως υπολογιστεί με σαφήνεια, φαίνεται διαφορετική από μια περίοδο εγγύησης που «προσφέρεται πάντα έτσι». Αυτή η διαφορά είναι αισθητή στη συζήτηση, ακόμη και χωρίς ο πελάτης να μπορεί να προσδιορίσει γιατί.
Μια περίοδος εγγύησης ή ανάληψη κινδύνου είναι το αποτέλεσμα μιας εκτίμησης: πόσο συχνά προκύπτει βλάβη, τι κοστίζει η αποκατάσταση, πόσο διαρκεί μια επισκευή, ποιο μέρος των περιπτώσεων εκφεύγει της τυπικής προσέγγισης. Αυτή η εκτίμηση βασίζεται σε ιστορικά δεδομένα σχετικά με βλάβες, συντήρηση, επιστροφές και αξιώσεις, και στο ερώτημα αν κάποιος πράγματι συμβουλεύεται αυτά τα δεδομένα προτού συνταχθεί το κείμενο της εγγύησης.
Στην πράξη, αυτή η διαβούλευση συχνά γίνεται περιορισμένα. Τα δεδομένα υπάρχουν, αλλά είναι διασκορπισμένα σε καταγραφές σέρβις, καταγραφές παραπόνων και ξεχωριστά αρχεία Excel. Ο συνδυασμός και η επικαιροποίηση τους είναι χρονοβόρα, οπότε η περίοδος εγγύησης συχνά καθορίζεται από ό,τι λειτούργησε και πέρυσι, προσαρμοσμένο με βάση ενστικτώδη αίσθηση για την τρέχουσα ποιότητα του προϊόντος. Αυτό δεν είναι αμέλεια· είναι ζήτημα διαθέσιμων ωρών σε σχέση με το μέγεθος της ζήτησης.
Η ανάλυση δεδομένων βλαβών, ιστορικού αξιώσεων και προτύπων συντήρησης είναι μια εργασία που προσφέρεται καλά για ανάθεση: πρόκειται σε μεγάλο βαθμό για υπολογιστική εργασία σε δομημένα και ημι-δομημένα δεδομένα. Όπου αυτό συμβαίνει, η περίοδος εγγύησης μετατοπίζεται από μια σταθερή, ετησίως αναθεωρούμενη παραδοχή σε ένα αποτέλεσμα που μπορεί να επανυπολογίζεται ανά γραμμή προϊόντων, ανά τμήμα πελατών ή ακόμη και ανά παραγγελία. Όποιος έχει οργανώσει αυτή τη διαδικασία, μπορεί να προσφέρει μια επιβάρυνση κινδύνου με μεγαλύτερη ακρίβεια: ευρύτερη όπου ο κίνδυνος είναι χαμηλός, πιο συγκρατημένη όπου είναι υψηλός, αντί για έναν μέσο όρο που είναι είτε υπερβολικά ευρύς είτε υπερβολικά περιορισμένος και στις δύο περιπτώσεις.
Η τελική απόφαση παραμένει ανθρώπινη εργασία, και εκεί ακριβώς θα έπρεπε να παραμείνει: κάποιος πρέπει να ζυγίσει το αποτέλεσμα της ανάλυσης έναντι του εμπορικού περιθωρίου και έναντι του τι είναι συμβατικά βιώσιμο. Η AI μπορεί εν μέρει να κάνει αυτή τη δουλειά εδώ, με ανθρώπινο έλεγχο που εγκρίνει ή απορρίπτει το αποτέλεσμα με αιτιολόγηση. Αυτό που αλλάζει είναι η ταχύτητα και η ακρίβεια με την οποία μπορεί να γίνει αυτή η στάθμιση, όχι το ερώτημα ποιος τελικά την κάνει.
Αυτή η μετατόπιση δεν προχωράει ομοιόμορφα. Εταιρείες με μακρόχρονο ιστορικό δομημένων δεδομένων σέρβις και με κάποιον που πράγματι συνδέει αυτά τα δεδομένα με το κείμενο της εγγύησης, είναι σε καλύτερη θέση να το αναλάβουν σε σχέση με εταιρείες όπου τα ίδια δεδομένα υπάρχουν μεν αλλά δεν έχουν ποτέ συγκεντρωθεί. Η διαφορά δεν βρίσκεται λοιπόν στην πρόθεση για αλλαγή, αλλά στο αν τα υποκείμενα δεδομένα είναι ήδη σε τάξη.
Τη στιγμή που ένα μέρος της αγοράς βασίζει τις περιόδους εγγύησης σε επανυπολογισμένα δεδομένα κινδύνου, αλλάζει το τι σημαίνει μια «ανταγωνιστική» εγγύηση. Μια σταθερή, ευρεία περίοδος εγγύησης που παλαιότερα θεωρούνταν έντονα διαφοροποιητικό στοιχείο, μπορεί να καταστεί ένα ακριβό στοίχημα τη στιγμή που ένας ανταγωνιστής προσφέρει το ίδιο περιθώριο μόνο όπου τα δεδομένα το δικαιολογούν, και αλλού είναι ακριβώς πιο προσεκτικός. Όποιος δεν αναπροσαρμόζει την πολιτική εγγύησής του, διατρέχει τον κίνδυνο υπερβολικά ακριβών εγγυήσεων όπου ο κίνδυνος είναι χαμηλός, και υπερβολικά περιορισμένων εγγυήσεων όπου ο κίνδυνος είναι υψηλός — ακριβώς το αντίθετο από αυτό που αναζητά ο πελάτης.
Αυτό αγγίζει σε ορισμένες περιπτώσεις και εσωτερικές επιλογές σχετικά με το ποιος κάνει την εκτίμηση της εγγύησης και με ποια στελέχωση. Για αυτές τις επιλογές ισχύουν δικές τους νομικές απαιτήσεις που δεν εξετάζονται εδώ· αυτή η σελίδα αφορά την επίδραση στη σύγκριση μεταξύ παρόχων, όχι αποφάσεις προσωπικού.
Αυτή η διάσταση σπάνια στέκεται μόνη της. Μια εγγύηση που φαίνεται φτηνή, διαβάζεται διαφορετικά δίπλα σε το περιθώριο σφάλματος με το οποίο ένας ανταγωνιστής πράγματι παραδίδει, και μια επιβάρυνση κινδύνου που φαίνεται χαμηλή, σχετίζεται με πώς η AI αλλάζει τον ανταγωνισμό στην τιμή. Όποιος θέλει να διαπιστώσει αν μια υπόσχεση εγγύησης αντέχει ή είναι κυρίως καλά διατυπωμένη, μπορεί να το ελέγξει στο πώς διαπιστώνετε αν η διαφοροποιητική ικανότητα υπάρχει πράγματι.
Αν η ανάληψη κινδύνου σε έναν ανταγωνιστή βασίζεται σε επανυπολογισμένα δεδομένα ή σε μια παραδοχή του περασμένου έτους, είναι δύσκολο να διακριβωθεί από έξω· βρίσκεται σε ένα κείμενο εγγύησης, όχι σε έναν διαφημιστικό ισχυρισμό. Το υποκείμενο ερώτημα ποια δουλειά στον δικό σας οργανισμό μπορεί πράγματι να αναληφθεί από την AI, απαντάται ανά εργασία με το εργαλείο ανάλυσης εργασιών (werkscan) της FTE TO AI.
Ο δωρεάν έλεγχος διαστάσεων είναι ένα πρώτο βήμα χωρίς αυτό το βάθος: προσδιορίζετε πού πιστεύετε ότι κερδίζετε, και βλέπετε ποιοι από αυτούς τους ισχυρισμούς μπορούν να υποστηριχθούν με αποδείξεις. Το πλήρες σημείο αναφοράς (benchmark), με τη σύγκριση έναντι της ομάδας ομοτίμων σας σε όλες τις διαστάσεις, βρίσκεται υπό κατασκευή.