Garancija in prevzemanje tveganja sta obljuba, ki jo dobavitelj dá glede tega, kaj se zgodi, če gre kaj narobe. Kako dolga je garancijska doba, kaj je iz nje izvzeto, kdo nosi tveganje pri odškodninskem zahtevku in kako hitro se ta zahtevek obravnava. Za stranko je to pogosto odločilna vrstica v ponudbi, ravno zato, ker je preostala ponudba glede cene in dobavnega časa že primerljiva. Kdor si tu upa biti bolj širokopotezen kot drugi, dobi posle, ki so na drugih razsežnostih enakovredni.
Razlog, da si tega ne upa vsak, je v delu, ki stoji za to obljubo. Garancijska doba ni marketinška odločitev, temveč ocena tveganja. Nekdo mora izračunati, kako pogosto izdelek ali storitev odpove, koliko v povprečju stane odškodninski zahtevek in koliko prostora je v marži, da se to lahko nosi. To delo je tradicionalno potekalo na podlagi izkušenj in vzorčenja: upravljavec tveganja je pregledal lanske odškodninske zahtevke in na tej podlagi svetoval dobo. Počasneje, kot to zahteva trg, in z maržo, ki je prej previdna kot ostra.
Za vsakim garancijskim pogojem stoji veriga opravil. Zbiranje in razvrščanje zgodovine odškodninskih zahtevkov. Prepoznavanje vzorcev odpovedi po izdelku, po segmentu strank, po pogojih uporabe. Preračunavanje stroškovne cene prevzemanja tveganja v to, koliko dejansko stane širša garancija. In nato prevajanje pogoja v besedilo, ki je pravno vzdržno in zveni komercialno privlačno.
To je ravno tista vrsta dela, pri kateri se tri kategorije prevzemanja s strani AI prepletajo. Preučevanje podatkov o odškodninskih zahtevkih in prepoznavanje vzorcev v njih je delo, ki ga sistem danes že v veliki meri lahko prevzame, če so podatki na voljo in strukturirano dobavljeni. Prevajanje teh vzorcev v konkreten proračun tveganja po produktni linji poteka večinoma pod nadzorom: model pripravi predlog, upravljavec tveganja ga potrdi ali popravi, z razlogom. In določanje, koliko tveganja je organizacija pripravljena nositi nad računsko izpeljanim rezultatom, ostaja delo ljudi, ker gre za odločitev o strategiji in ugledu, ne o verjetnosti.
Razlika ni v garancijski dobi samostojno, temveč v tem, kako nastane in kako hitro se uporabi. Dobavitelj, ki lahko preračuna vzorce odškodninskih zahtevkov po produktni liniji ali celo po stranki, lahko diferencira: širšo garancijo, kjer je tveganje nizko, strožje pogoje, kjer je tveganje visoko, namesto ene dobe za vse. To stranka takoj opazi v ponudbi, in gre za ravno tisto vrsto razlike, ki je že vidna pri tem, kako AI spreminja konkurenco na hitrosti ponudb, kjer poteka enak premik od ročne ocene k preračunanemu predlogu.
Druga opazna razlika je v obravnavi samega odškodninskega zahtevka. Kjer se ocena tveganja izvaja vnaprej, se ocena škode izvaja naknadno, in tudi ta proces se premika: prvo triažo in oblikovanje dosjeja lahko prevzame sistem, medtem ko končna odobritev ostaja pri zaposlenem. Stranka, ki v nekaj dneh namesto v nekaj tednih izve, kako je na tem, to dojema kot del iste garancije, čeprav gre formalno za drug proces.
Ali organizacija ta premik že izkorišča, ni odvisno od panoge, temveč od treh stvari: ali imajo podatke o odškodninskih zahtevkih v obliki, ki jo sistem lahko prebere, ali obstaja upravljavec tveganja, ki je pripravljen sprejeti predlog modela kot izhodišče namesto kot grožnjo, in ali je marža na izdelku dovolj velika za eksperimentiranje z ostrejšimi garancijami. Podjetje, kjer so dosjeji odškodninskih zahtevkov še na papirju ali v ločenih preglednicah, ima lahko enako ambicijo kot vodilni v primerjalni skupini, a je kljub temu leta zadaj, preprosto zato, ker manjka temelj.
To vpliva tudi na način, kako se tveganja določajo, in s tem neposredno na vprašanje, kakšno prednost prinaša AI pri ceni: natančnejša ocena tveganja omogoča ostrejšo ceno, ne da bi bila marža pod pritiskom. Kdor tu ne uveljavlja prednosti, medtem ko konkurenti to že počnejo, izgublja, ne da bi to takoj opazil, na enak način, kot je opisano pri zakaj podjetja vse pogosteje izgubljajo na ceni.
Ob tem velja opomba. Če ocena tveganja posega v kadrovske odločitve, na primer kadar je za obravnavo odškodninskih zahtevkov potrebnih manj ljudi, veljajo zanje lastne zakonske zahteve. To ni del te primerjave in se tukaj ne presoja.
Osnovno vprašanje ni, ali je garancija močan prodajni argument, to je znano. Vprašanje je, kateri del dela, ki stoji za tem, je v vaši organizaciji že premaknjen na sistem s človeškim nadzorom, in kateri del še v celoti temelji na izkušnjah in vzorčenju. Enako vprašanje se pojavi po združitvi ali prevzemu, kjer je treba primerjati dve politiki garancij med sabo, kar je obravnavano pri kako primerjate svoj položaj po prevzemu.
Katero delo v vašem podjetju je resnično mogoče prevzeti z AI, se razlikuje po opravilu in po produktni liniji, in to je ravno to, kar delovni pregled FTE TO AI prikaže po posameznem opravilu.
Opredelite, na čem menite, da zmagujete pri garanciji in prevzemanju tveganja: ali je to doba, kritje, hitrost obravnave odškodninskega zahtevka. Brezplačni pregled razsežnosti pokaže, katere od teh trditev je mogoče braniti z dokazi glede na vašo primerjalno skupino. Celotna primerjalna analiza je v izdelavi.