Gwarancja i przejmowanie ryzyka to miejsce, w którym dostawca wyraża własną ocenę w pieniądzu. Dłuższy okres gwarancyjny, szersza odpowiedzialność, dopłata za ryzyko, która odpada: to obietnice dotyczące tego, co nie pójdzie źle. Dla klienta jest to zwykle ostatnie kryterium przed podjęciem decyzji, właśnie dlatego, że nie dotyczy funkcjonalności, lecz tego, co się stanie, gdy coś pójdzie nie tak.
Klient nie zauważa różnicy w liczbie w ofercie, ale w tym, jak pewnie ta liczba się wydaje. Okres gwarancyjny, który został wyraźnie przeliczony, wygląda inaczej niż okres gwarancyjny, który „zawsze jest tak oferowany”. Ta różnica jest odczuwalna w rozmowie, nawet jeśli klient nie może nazwać, dlaczego.
Okres gwarancyjny lub przejęcie ryzyka to wynik oceny: jak często dochodzi do usterki, ile kosztuje naprawa, jak długo trwa naprawa, jaka część przypadków wykracza poza standardowe podejście. Ta ocena opiera się na danych historycznych dotyczących usterek, konserwacji, zwrotów i reklamacji, oraz na tym, czy ktoś rzeczywiście konsultuje te dane przed sformułowaniem tekstu gwarancji.
W praktyce takie konsultowanie odbywa się często w ograniczonym zakresie. Dane istnieją, ale są rozproszone po logach serwisowych, rejestrach reklamacji i osobnych arkuszach Excel. Ich łączenie i aktualizowanie zajmuje czas, więc okres gwarancyjny jest często wyznaczany na podstawie tego, co działało w zeszłym roku, skorygowanego przeczuciem dotyczącym aktualnej jakości produktu. Nie jest to zaniedbanie; to kwestia dostępnych godzin w porównaniu do zakresu zadania.
Analizowanie danych o usterkach, historii reklamacji i wzorców konserwacji to zadanie, które dobrze nadaje się do przejęcia: to w dużej mierze praca obliczeniowa na danych strukturalnych i częściowo strukturalnych. Tam, gdzie to się dzieje, okres gwarancyjny przesuwa się od stałego, rocznie weryfikowanego założenia do wyniku, który można przeliczać na linię produktową, segment klienta czy nawet zamówienie. Kto zorganizował ten proces, może precyzyjniej zaoferować dopłatę za ryzyko: szerszą, gdzie ryzyko jest niskie, ostrożniejszą, gdzie jest wysokie, zamiast średniej, która w obu przypadkach jest zbyt szeroka lub zbyt wąska.
Decyzja końcowa pozostaje pracą ludzką i tam też powinna pozostać: ktoś musi zważyć wynik analizy względem przestrzeni komercyjnej i tego, co jest wykonalne umownie. AI może tu częściowo wykonać pracę, z nadzorem, który zatwierdza lub odrzuca wynik z podaniem powodu. Zmienia się szybkość i precyzja, z jaką można dokonać tej oceny, nie kwestia, kto ją ostatecznie podejmuje.
To przesunięcie nie przebiega równomiernie. Firmy z długą historią strukturalnych danych serwisowych i z kimś, kto rzeczywiście łączy te dane z tekstem gwarancji, są w stanie wcześniej to przejąć niż firmy, w których te same dane istnieją, ale nigdy nie zostały zebrane. Różnica nie leży więc w intencji zmiany, lecz w tym, czy dane bazowe są już w porządku.
Gdy część rynku zaczyna opierać okresy gwarancyjne na przeliczonych danych o ryzyku, zmienia się to, co oznacza „ostra” gwarancja. Stały, szeroki okres gwarancyjny, który wcześniej uznawano za silnie wyróżniający, może stać się kosztownym hazardem, gdy konkurent oferuje tę samą przestrzeń tylko tam, gdzie dane to uzasadniają, a gdzie indziej jest właśnie ostrożniejszy. Kto nie zaktualizuje swojej polityki gwarancyjnej, ryzykuje zbyt drogie gwarancje tam, gdzie ryzyko jest niskie, i zbyt wąskie gwarancje tam, gdzie ryzyko jest wysokie — czyli odwrotność tego, czego szuka klient.
W niektórych przypadkach dotyczy to również wewnętrznych decyzji o tym, kto dokonuje oceny gwarancji i z jaką obsadą. Dla tych decyzji obowiązują własne wymogi prawne, które nie są tu omawiane; ta strona dotyczy wpływu na porównanie między dostawcami, nie decyzji personalnych.
Ten wymiar rzadko istnieje w izolacji. Gwarancja, która wydaje się tania, jest odczytywana inaczej w połączeniu z marginesem błędu, z jakim konkurent faktycznie dostarcza, a dopłata za ryzyko, która wydaje się niska, odnosi się do tego, jak AI zmienia konkurencję cenową. Kto chce wiedzieć, czy obietnica gwarancji się utrzymuje, czy jest głównie dobrze sformułowana, może to zweryfikować w tym, jak sprawdzić, czy przewaga konkurencyjna naprawdę istnieje.
Czy przejmowanie ryzyka u konkurenta opiera się na przeliczonych danych, czy na założeniu z zeszłego roku, trudno zauważyć z zewnątrz; kryje się to w tekście gwarancji, nie w twierdzeniu marketingowym. Na pytanie podstawowe, jaka praca w Państwa własnej organizacji naprawdę może zostać przejęta przez AI, odpowiada się dla każdego zadania za pomocą skanu pracy FTE TO AI.
Bezpłatna kontrola wymiaru to pierwszy krok bez tej głębi: Państwo określają, na czym zamierzają wygrać, i widzą, które z tych twierdzeń można obronić dowodami. Pełny benchmark, z porównaniem względem Państwa grupy porównawczej we wszystkich wymiarach, jest w budowie.