Garanti och riskövertagande är löftet en leverantör ger om vad som händer om något går fel. Hur lång är garantiperioden, vad faller utanför den, vem bär risken vid ett anspråk, och hur snabbt behandlas det anspråket. För en kund är detta ofta den avgörande regeln i en offert, just därför att resten av erbjudandet redan är jämförbart på pris och leveranstid. Den som här vågar vara mer generös än övriga vinner affärer som är likvärdiga på andra dimensioner.
Anledningen till att inte alla vågar vara lika generösa ligger i arbetet bakom det löftet. En garantiperiod är inget marknadsföringsval, det är en riskbedömning. Någon måste beräkna hur ofta en produkt eller tjänst fallerar, vad ett anspråk i genomsnitt kostar, och hur mycket utrymme det finns i marginalen för att bära det. Det arbetet gjordes traditionellt utifrån erfarenhet och stickprov: en riskansvarig som går igenom förra årets anspråk och utifrån det föreslår en period. Långsammare än vad marknaden kräver, och med en marginal som snarare är för försiktig än för skarp.
Bakom varje garantivillkor finns en kedja av uppgifter. Anspråkshistorik samlas in och kategoriseras. Felmönster identifieras per produkt, per kundsegment, per användningsförhållande. Kostnaden för riskövertagande räknas om till vad en mer generös garanti faktiskt kostar. Och därefter översätts villkoret till text som är juridiskt hållbar och kommersiellt attraktiv.
Detta är precis det slags arbete där de tre kategorierna av AI-övertagande löper in i varandra. Att gå igenom anspråksdata och identifiera mönster i den är arbete som ett system redan idag i stor utsträckning kan ta över, förutsatt att data finns och levereras strukturerat. Att översätta dessa mönster till en konkret riskbudget per produktlinje sker oftast med mänsklig tillsyn: en modell ger ett förslag, en riskansvarig godkänner eller justerar det, med motivering. Och att avgöra vilken risk en organisation är beredd att bära utöver det beräkningsmässiga resultatet förblir mänskligt arbete, eftersom det är ett val om strategi och anseende, inte om sannolikhet.
Skillnaden ligger inte i garantiperioden i sig, utan i hur den kommer till och hur snabbt den tillämpas. En leverantör som kan räkna om anspråksmönster per produktlinje eller till och med per kund kan differentiera: mer generös garanti där risken är låg, striktare villkor där risken är hög, i stället för en period för allt. Det märker en kund direkt i offerten, och det är precis det slags skillnad som redan syns i hur AI förändrar konkurrensen på offertsnabbhet, där samma förskjutning från manuell bedömning till uträknat förslag sker.
En andra märkbar skillnad ligger i hanteringen av ett anspråk i sig. Där riskbedömning sker i förväg sker skadebedömning efteråt, och även den processen förskjuts: den första triagen och dossierbildningen kan ett system ta över, medan det slutliga beviljandet ligger kvar hos en medarbetare. En kund som inom dagar i stället för veckor vet vad han har att förvänta sig upplever det som en del av samma garanti, även om det formellt är en annan process.
Om en organisation redan utnyttjar denna förskjutning beror inte på branschen utan på tre saker: har man anspråksdata i en form som ett system kan läsa, finns det en riskansvarig som är beredd att ta en modellsuggestion som utgångspunkt i stället för som ett hot, och är marginalen på produkten stor nog för att experimentera med skarpare garantier. Ett företag där anspråksdossierer fortfarande finns på papper eller i lösa kalkylblad kan ha samma ambition som ledaren i peer group och ändå ligga år efter, helt enkelt därför att grunden saknas.
Detta påverkar även sättet risker prissätts, och därmed direkt frågan om vilket försprång AI ger på pris: en skarpare riskbedömning möjliggör ett skarpare pris utan att marginalen kommer under press. Den som inte hävdar ett försprång här medan konkurrenter redan gör det, förlorar utan att omedelbart märka det, på samma sätt som beskrivs i varför företag allt oftare förlorar på pris.
En anmärkning hör till detta. Om riskbedömning berör personalbeslut, exempelvis när färre personer behövs för anspråksbedömning, gäller egna lagkrav för det. Det är inte en del av denna jämförelse och bedöms inte här.
Den underliggande frågan är inte om garanti är ett starkt säljargument, det är känt. Frågan är vilken del av arbetet bakom det som i er organisation redan har förskjutits till ett system med mänsklig tillsyn, och vilken del som fortfarande helt bygger på erfarenhet och stickprov. Samma fråga uppstår efter en fusion eller förvärv, där två garantipolicyer måste ställas mot varandra, något som behandlas i hur ni jämför er position efter ett förvärv.
Vilket arbete i ert företag som verkligen kan tas över av AI skiljer sig per uppgift och per produktlinje, och det är precis det som FTE TO AI:s arbetsscan kartlägger per uppgift.
Ange på vad ni tror att ni vinner på garanti och riskövertagande: är det perioden, täckningen, hanteringshastigheten för ett anspråk. Den kostnadsfria dimensionskontrollen visar vilka av dessa påståenden som kan försvaras med bevis gentemot er peer group. Den fullständiga benchmarken är under uppbyggnad.