A garantia e a assunção de risco são o local onde um fornecedor expressa em dinheiro a sua própria avaliação. Um prazo de garantia mais longo, uma responsabilidade mais ampla, um agravamento de risco que desaparece: são promessas sobre o que não vai correr mal. Para o cliente, este é geralmente o último critério antes de a decisão ser tomada, precisamente porque não se trata de funcionalidade, mas do que acontece se algo correr mal.
O cliente não percebe a diferença por um número numa proposta, mas por quão certo esse número parece. Um prazo de garantia claramente calculado transmite uma sensação diferente de um prazo de garantia que "é sempre assim que se oferece". Essa diferença é percetível na conversa, mesmo sem o cliente conseguir explicar porquê.
Um prazo de garantia ou uma assunção de risco é o resultado de uma avaliação: com que frequência ocorre uma avaria, quanto custa a reparação, quanto tempo demora uma reparação, que parte dos casos fica fora da abordagem padrão. Essa avaliação apoia-se em dados históricos sobre avarias, manutenção, devoluções e reclamações, e na questão de saber se alguém consulta realmente esses dados antes de o texto da garantia ser elaborado.
Na prática, essa consulta acontece muitas vezes de forma limitada. Os dados existem, mas estão espalhados por registos de assistência, registos de reclamações e folhas de Excel isoladas. Combiná-los e mantê-los atualizados consome tempo, pelo que o prazo de garantia é frequentemente determinado pelo que funcionou no ano anterior, ajustado com base numa sensação intuitiva sobre a qualidade atual do produto. Isto não é negligência; é uma questão de horas disponíveis face à dimensão da procura.
A análise de dados de avarias, histórico de reclamações e padrões de manutenção é uma tarefa que se presta bem a ser assumida: trata-se em grande medida de trabalho de cálculo sobre dados estruturados e semiestruturados. Onde isso acontece, o prazo de garantia deixa de ser uma suposição fixa, revista anualmente, e passa a ser um resultado que pode ser recalculado por linha de produto, por segmento de cliente ou até por encomenda. Quem organizou esse processo pode oferecer um agravamento de risco com mais precisão: mais amplo onde o risco é baixo, mais contido onde é elevado, em vez de uma média demasiado ampla ou demasiado restrita para ambos os casos.
A decisão final continua a ser trabalho humano, e é aí que deve permanecer: alguém tem de ponderar o resultado da análise face à margem comercial e ao que é sustentável contratualmente. A IA pode aqui realizar parte do trabalho, com supervisão que aprova ou rejeita o resultado com justificação. O que muda é a velocidade e a precisão com que essa ponderação pode ser feita, não a questão de quem, no fim, a faz.
Esta deslocação não avança ao mesmo ritmo em todo o lado. Empresas com um longo histórico de dados de assistência estruturados e com alguém que realmente liga esses dados ao texto da garantia estão mais bem posicionadas para assumir isto do que empresas onde os mesmos dados existem mas nunca foram reunidos. A diferença não está, portanto, na intenção de mudar, mas em saber se os dados subjacentes já estão organizados.
A partir do momento em que parte do mercado baseia os prazos de garantia em dados de risco recalculados, muda o significado de uma garantia "vantajosa". Um prazo de garantia fixo e amplo que antes era considerado fortemente diferenciador pode tornar-se uma aposta cara a partir do momento em que um concorrente oferece essa mesma amplitude apenas onde os dados o justificam, sendo mais cauteloso noutros casos. Quem não reajusta a sua política de garantia corre o risco de oferecer garantias demasiado dispendiosas onde o risco é baixo, e garantias demasiado limitadas onde o risco é elevado — exatamente o oposto do que o cliente procura.
Isto afeta, em alguns casos, também escolhas internas sobre quem faz a avaliação da garantia e com que equipa. Para essas escolhas aplicam-se requisitos legais próprios que não são aqui abordados; esta página trata do efeito na comparação entre fornecedores, não de decisões de pessoal.
Esta dimensão raramente existe isoladamente. Uma garantia que parece económica é lida de forma diferente ao lado da margem de erro com que um concorrente efetivamente entrega, e um agravamento de risco que parece baixo relaciona-se com a forma como a IA altera a concorrência em preço. Quem quiser saber se uma promessa de garantia se sustenta ou se está apenas bem formulada, pode verificá-lo em como verificar se a capacidade distintiva realmente existe.
Saber se a assunção de risco de um concorrente se apoia em dados recalculados ou numa suposição do ano anterior é difícil de percecionar do exterior; está num texto de garantia, não numa afirmação de marketing. A questão subjacente sobre que trabalho, na sua própria organização, pode efetivamente ser assumido pela IA, é respondida tarefa a tarefa com a análise de trabalho da FTE TO AI.
A verificação de dimensão gratuita é um primeiro passo sem essa profundidade: identifica onde pensa que está a ganhar, e vê quais dessas afirmações são defensáveis com prova. O benchmark completo, com a comparação face ao seu grupo de referência em todas as dimensões, está em construção.