Priskonkurrens verkade alltid vara en fråga om kostnadsstruktur. Den som köpte in billigare, producerade effektivare eller arbetade med mindre overhead kunde erbjuda skarpare priser. Det stämmer fortfarande, men det är inte längre hela historien. Bakom varje pris finns arbete: kalkylering, marginalanalys, genomräkning av varianter, bevakning av konkurrentpriser, fastställande av det spann inom vilket en säljare får förhandla. Det arbetet avgjorde hittills hur snabbt och hur precist ett företag kunde justera sin prissättning. Och snabbhet och precision i den processen är just det som nu förskjuts.
En offert skräddarsydd efter kunden kräver genomräkning av självkostnadspriser, marginaler och risker per kund eller projekt. Hos många företag sker det fortfarande manuellt: en kalkylator som uppdaterar kalkylblad, en säljchef som godkänner avvikelser, en kommersiell direktör som i efterhand kontrollerar att marginalen stämmer. Det är kapacitet som är bunden till processen, och det är precis det slags arbete som lämpar sig för att övertas av AI, helt eller delvis, med mänsklig tillsyn som godkänner eller avvisar med motivering.
Där detta sker förändras något grundläggande: tiden mellan en prisförfrågan och ett underbyggt svar krymper från dagar till timmar, eller från timmar till minuter. Inte för att inköpen blir billigare, utan för att själva räknearbetet går snabbare och mindre kapacitet är bunden till att upprepa samma kalkyl.
Poängen är inte att AI sänker priser. Poängen är att jämförelsen mellan leverantörer förskjuts från vem som har det lägsta självkostnadspriset till vem som snabbast och mest underbyggt kan reagera på pristryck. En leverantör som inom en timme kan leverera en skarp, motiverad offert konkurrerar annorlunda än en leverantör som behöver tre dagar för att få internt godkännande på en marginalavvikelse. Båda kan ha samma självkostnadspris. Skillnaden ligger i hur snabbt det självkostnadspriset översätts till ett erbjudande, och i hur många varianter en säljare kan räkna igenom innan han sätter sig ner med en kund.
Detta påverkar också vad en kund märker vid förhandling. Där prisavvikelser tidigare godkändes via en fast process med fördröjning, kan tillsyn nu snabbare acceptera eller avvisa med motivering, vilket gör att en säljare redan under samtalet kan röra sig inom en underbyggd marginal. Det är ingen garanti för att varje leverantör redan arbetar så. Det är vad som händer där räknearbetet bakom priset har förskjutits, och det sker ännu inte överallt.
Om ett företag redan drar nytta av detta beror på hur strukturerad den underliggande datan är: självkostnadspriser, historiska marginaler, konkurrentinformation. Där den datan är utspridd i lösa system eller i medarbetares huvuden finns det lite att automatisera på, och kalkylering förblir mänskligt arbete. Där den datan redan ligger strukturerad kan en större del av processen övertas, med en medarbetare som bedömer resultatet i stället för att själv beräkna det.
Detta berör inte personalbeslut. Om och hur ett företag omfördelar kapacitet som frigörs är upp till arbetsgivaren, och för det gäller egna lagstadgade krav. Vad det här handlar om är vad som förändras i processen, och vad det betyder för hur en kund lägger två konkurrenters erbjudanden bredvid varandra.
Priskonkurrens verkar inte isolerat. Ett skarpt pris utan snabb leverans övertygar annorlunda än ett skarpt pris med kort ledtid, och hur dessa två dimensioner förskjuts tillsammans kan ni läsa om i vad som händer med leveranstid som konkurrensfaktor. Detsamma gäller kvalitet: ett lågt pris förenat med tvivel om utförande väger annorlunda än ett lågt pris med påvisbar kvalitetssäkring, vilket framgår av vad AI förändrar i konkurrensen om kvalitet. Och pris bedöms också i sammanhanget av vad en kund kan förvänta sig efter köpet, vilket hänger samman med hur AI påverkar konkurrensen om service efter försäljning.
För att veta om er prisposition står stark behöver ni veta vem ni egentligen jämförs med. Det börjar med hur ni sätter samman en peer group som representerar er marknad. Och om frågan är var i ert erbjudande det finns utrymme som konkurrenter inte fyller, ger en förklaring av white space-analysen en utgångspunkt.
Om allt detta redan gäller er kalkyleringsprocess beror på hur era offerter, marginaler och prisdata är organiserade i dagsläget. Vilket arbete i just detta företag som verkligen kan övertas av AI kartläggs uppgift för uppgift med arbetsskanningen från FTE TO AI.
Frågan är inte om era priser är konkurrenskraftiga, utan om ni kan underbygga varför. Med den kostnadsfria dimensionskontrollen anger ni på vilka punkter ni tror er vinna på pris, och ser vilka av dessa påståenden som går att försvara med bevis. Den fullständiga benchmarken, med peer group och bevismatris över alla dimensioner, är under uppbyggnad.