Gwarancja i przejmowanie ryzyka to obietnica, którą dostawca składa dotycząca tego, co się stanie, gdy coś pójdzie źle. Jak długi jest okres gwarancji, co jest z niej wyłączone, kto ponosi ryzyko przy reklamacji i jak szybko taka reklamacja jest rozpatrywana. Dla klienta jest to często decydująca reguła w ofercie, właśnie dlatego, że resztę oferty pod względem ceny i czasu dostawy już da się porównać. Kto ośmieli się być tu bardziej hojny niż reszta, wygrywa transakcje, które na innych wymiarach wypadają podobnie.
Przyczyna, dla której nie każdy odważa się na taką hojność, leży w pracy stojącej za tą obietnicą. Okres gwarancji nie jest wyborem marketingowym, to ocena ryzyka. Ktoś musi obliczyć, jak często produkt lub usługa zawodzi, ile średnio kosztuje reklamacja i jak dużo miejsca jest w marży, aby to udźwignąć. Ta praca tradycyjnie odbywała się na podstawie doświadczenia i losowych prób: menedżer ryzyka przegląda reklamacje z ostatniego roku i na tej podstawie zaleca okres gwarancji. Wolniej niż wymaga rynek i z marżą, która jest raczej zbyt ostrożna niż zbyt precyzyjna.
Za każdym warunkiem gwarancji stoi łańcuch zadań. Zbieranie i kategoryzowanie historii reklamacji. Rozpoznawanie wzorców niepowodzeń w podziale na produkt, segment klienta, warunki użytkowania. Przeliczanie kosztu przejmowania ryzyka na to, ile faktycznie kosztuje szersza gwarancja. A następnie przekładanie tego warunku na tekst, który jest prawnie trwały i brzmi atrakcyjnie handlowo.
To jest właśnie ten rodzaj pracy, w którym trzy kategorie przejmowania zadań przez AI się przenikają. Przekopywanie danych o reklamacjach i rozpoznawanie w nich wzorców to praca, którą system już dziś może w dużej mierze przejąć, o ile dane są dostępne i dostarczane w ustrukturyzowanej formie. Przekładanie tych wzorców na konkretny budżet ryzyka dla danej linii produktowej odbywa się zwykle z nadzorem: model przedstawia propozycję, menedżer ryzyka ją zatwierdza lub koryguje, z podaniem przyczyny. A określenie, jakie ryzyko organizacja jest gotowa ponieść ponad wynik obliczeń, pozostaje pracą ludzką, ponieważ jest to wybór dotyczący strategii i reputacji, a nie prawdopodobieństwa.
Różnica nie leży w samym okresie gwarancji, ale w tym, jak on powstaje i jak szybko jest stosowany. Dostawca, który może przeliczyć wzorce reklamacji per linia produktowa lub nawet per klient, może różnicować: szersza gwarancja tam, gdzie ryzyko jest niskie, bardziej rygorystyczne warunki tam, gdzie ryzyko jest wysokie, zamiast jednego okresu dla wszystkiego. Klient odczuwa to bezpośrednio w ofercie i jest to właśnie ten rodzaj różnicy, który jest już widoczny w tym, jak AI zmienia konkurencję na szybkości przygotowania oferty, gdzie zachodzi to samo przesunięcie od ręcznej oceny do przeliczonej propozycji.
Drugą wyczuwalną różnicą jest sposób obsługi samej reklamacji. Podczas gdy ocena ryzyka odbywa się z wyprzedzeniem, ocena szkody odbywa się po fakcie, i ten proces również się przesuwa: pierwszą selekcję i tworzenie dokumentacji może przejąć system, natomiast ostateczne przyznanie pozostaje przy pracowniku. Klient, który w ciągu dni, a nie tygodni, wie, na czym stoi, odczuwa to jako część tej samej gwarancji, choćby formalnie był to inny proces.
Czy organizacja już korzysta z tego przesunięcia, nie zależy od sektora, lecz od trzech rzeczy: czy dane o reklamacjach są dostępne w formie, którą system może odczytać, czy jest menedżer ryzyka gotowy przyjąć propozycję modelu jako punkt wyjścia, a nie jako zagrożenie, oraz czy marża na produkcie jest wystarczająco duża, aby eksperymentować z bardziej precyzyjnymi gwarancjami. Firma, w której dokumentacja reklamacyjna wciąż istnieje na papierze lub w osobnych arkuszach kalkulacyjnych, może mieć te same ambicje co liderka w grupie porównawczej, a jednak być o lata w tyle, po prostu dlatego, że brakuje fundamentu.
To dotyka również sposobu, w jaki wyceniane jest ryzyko, a tym samym bezpośrednio pytania jaką przewagę daje AI w zakresie ceny: bardziej precyzyjna ocena ryzyka umożliwia bardziej precyzyjną cenę bez presji na marżę. Kto nie rości sobie przewagi w tym zakresie, podczas gdy konkurenci już to robią, przegrywa bez natychmiastowej świadomości tego, w podobny sposób, jak opisano w dlaczego firmy coraz częściej przegrywają na cenie.
Należy do tego dodać jedną uwagę. Jeśli ocena ryzyka dotyka decyzji personalnych, na przykład gdy potrzeba mniej osób do oceny reklamacji, obowiązują dla tego własne wymogi prawne. To nie jest częścią tego porównania i nie jest tu oceniane.
Podstawowe pytanie nie brzmi, czy gwarancja jest silnym argumentem sprzedażowym, to jest znane. Pytanie brzmi, jaka część pracy stojącej za tym w Państwa organizacji już została przesunięta do systemu z nadzorem, a jaka część wciąż działa całkowicie na doświadczeniu i losowej próbie. To samo pytanie pojawia się po fuzji lub przejęciu, gdzie trzeba porównać dwie polityki gwarancyjne wobec siebie, co jest omówione w jak porównać Państwa pozycję po przejęciu.
Która praca w Państwa firmie może faktycznie zostać przejęta przez AI, różni się w zależności od zadania i linii produktowej, i to jest właśnie to, co skan pracy FTE TO AI mapuje zadanie po zadaniu.
Określcie Państwo, na czym uważają Państwo, że wygrywają w zakresie gwarancji i przejmowania ryzyka: czy to okres, zakres ochrony, czy szybkość rozpatrywania reklamacji. Bezpłatny test wymiaru pokazuje, które z tych twierdzeń da się obronić dowodami wobec Państwa grupy porównawczej. Pełny benchmark jest w budowie.