Garanzia e assunzione del rischio sono la promessa che un fornitore fa su cosa succede se le cose vanno male. Quanto è lunga la durata della garanzia, cosa ne resta escluso, chi si assume il rischio in caso di reclamo, e quanto velocemente viene gestito quel reclamo. Per un cliente questa è spesso la regola decisiva in un'offerta, appunto perché il resto dell'offerta su prezzo e tempi di consegna è già comparabile. Chi qui osa essere più generoso degli altri, vince trattative che sulle altre dimensioni sono equivalenti.
La ragione per cui non tutti osano essere altrettanto generosi, sta nel lavoro dietro questa promessa. Una durata di garanzia non è una scelta di marketing, è una stima del rischio. Qualcuno deve calcolare quanto spesso un prodotto o servizio fallisce, quanto costa in media un reclamo, e quanto margine c'è per sostenerlo. Questo lavoro veniva tradizionalmente svolto sulla base dell'esperienza e di campioni: un risk manager che analizza i reclami dell'anno precedente e in base a ciò consiglia una durata. Più lento di quanto il mercato richieda, e con un margine più prudente che aggressivo.
Dietro ogni condizione di garanzia c'è una catena di attività. Raccogliere e categorizzare la storia dei reclami. Riconoscere schemi di fallimento per prodotto, per segmento di clientela, per condizioni d'uso. Calcolare il costo dell'assunzione del rischio in termini di quanto costa realmente una garanzia più ampia. E infine tradurre la condizione in un testo giuridicamente sostenibile e commercialmente attraente.
Questo è esattamente il tipo di lavoro in cui le tre categorie di adozione dell'IA si intrecciano. Analizzare i dati sui reclami e riconoscerne gli schemi è un lavoro che un sistema oggi può già in gran parte assumersi, purché i dati esistano e vengano forniti in forma strutturata. Tradurre quegli schemi in un budget di rischio concreto per linea di prodotto avviene di solito con supervisione: un modello propone, un risk manager approva o corregge, con motivazione. E determinare quale rischio un'organizzazione è disposta ad assumersi al di sopra del risultato matematico rimane lavoro umano, perché è una scelta di strategia e reputazione, non di probabilità.
La differenza non sta nella durata della garanzia in sé, ma in come si arriva a determinarla e con quale rapidità viene applicata. Un fornitore che riesce a calcolare gli schemi di reclamo per linea di prodotto o persino per cliente, può differenziare: garanzia più ampia dove il rischio è basso, condizioni più stringenti dove il rischio è alto, invece di una durata unica per tutto. Un cliente lo percepisce direttamente nell'offerta, ed è esattamente il tipo di differenza già visibile anche in come l'IA cambia la concorrenza sulla velocità delle offerte, dove avviene lo stesso passaggio dalla stima manuale alla proposta calcolata.
Una seconda differenza percepibile sta nella gestione del reclamo stesso. Mentre la stima del rischio avviene in anticipo, la valutazione del danno avviene a posteriori, e anche quel processo cambia: un sistema può occuparsi del primo triage e della formazione del dossier, mentre l'attribuzione finale resta in mano a un collaboratore. Un cliente che sa a cosa attenersi in giorni invece che in settimane, lo percepisce come parte della stessa garanzia, anche se formalmente è un processo diverso.
Se un'organizzazione sfrutta già questo cambiamento non dipende dal settore ma da tre fattori: si dispone di dati sui reclami in una forma leggibile da un sistema, c'è un risk manager disposto a prendere una proposta del modello come punto di partenza invece che come minaccia, e il margine sul prodotto è sufficientemente ampio da permettere di sperimentare con garanzie più aggressive. Un'azienda in cui i dossier dei reclami sono ancora su carta o in fogli di calcolo separati può avere la stessa ambizione del leader del peer group e restare comunque indietro di anni, semplicemente perché manca la base.
Questo riguarda anche il modo in cui i rischi vengono prezzati, e quindi direttamente la domanda quale vantaggio offre l'IA sul prezzo: una stima del rischio più precisa consente un prezzo più competitivo senza che il margine ne risenta. Chi non rivendica un vantaggio qui mentre i concorrenti lo fanno già, perde senza accorgersene immediatamente, allo stesso modo descritto in perché le aziende perdono sempre più spesso sul prezzo.
Una precisazione è d'obbligo. Se la stima del rischio incide su decisioni relative al personale, ad esempio quando sono necessarie meno persone per la valutazione dei reclami, si applicano requisiti legali propri. Questo non fa parte di questo confronto e non viene qui valutato.
La domanda di fondo non è se la garanzia sia un argomento di vendita forte, questo è noto. La domanda è quale parte del lavoro che c'è dietro nella sua organizzazione sia già passata a un sistema con supervisione, e quale parte funzioni ancora completamente sull'esperienza e sui campioni. La stessa domanda si pone dopo una fusione o acquisizione, dove due politiche di garanzia devono essere confrontate tra loro, un tema trattato in come confrontare la propria posizione dopo un'acquisizione.
Quale lavoro nella sua azienda sia realmente trasferibile all'IA varia per attività e per linea di prodotto, ed è esattamente ciò che la scansione del lavoro di FTE TO AI mappa per ogni attività.
Identifichi su cosa pensa di vincere in termini di garanzia e assunzione del rischio: è la durata, la copertura, la velocità di gestione di un reclamo. La verifica dimensionale gratuita mostra quali di queste affermazioni sono difendibili con prove rispetto al suo peer group. Il benchmark completo è in fase di costruzione.