En kund som anmäler ett fel, beställer en reservdel eller frågar om underhåll, jämför inte i det ögonblicket er produkt med en konkurrents. Han jämför upplevelsen av att bli hjälpt. Hur snabbt någon svarar, hur väl den personen känner installationen, om problemet löses på en gång. Den upplevelsen har för många kunder börjat väga tyngre än själva anskaffningen, eftersom anskaffningen är en engångshändelse och servicen omfattar produktens hela livstid.
Tills för kort tid tillbaka var detta främst en bemanningsfråga. Den som hade fler servicemedarbetare, med mer erfarenhet, kunde besvara fler frågor snabbare. Väntetid och kunskap följde till stor del headcount. Det sambandet är nu under press.
Bakom varje servicekontakt ligger en rad handlingar. Den första är triage: vad är problemet, hur akut är det, vem ska ta hand om det. Den andra är att söka upp: vilken information om denna produkt, denna kund, denna installationshistorik är relevant. Den tredje är diagnos: är detta ett känt mönster eller något nytt. Den fjärde är själva lösningen, och den femte är att dokumentera vad som hänt så att nästa gång går snabbare.
Av dessa fem steg går triage ofta redan att automatisera: ett system som kategoriserar och dirigerar inkommande ärenden gör det konsekvent och utan väntetid. Att söka upp information är en uppgift där AI med mänsklig tillsyn i allt högre grad tar över arbetet: att genomsöka manualer, tidigare ärenden och underhållsloggar kan ett system göra snabbare än en människa, men översättningen till vad som ska göras i just detta fall bedöms fortfarande av någon som godkänner eller avslår. Diagnos vid kända mönster förskjuts i samma riktning. Att utföra lösningen, särskilt om den är fysisk, och att lugna kunden i ett svårt samtal, är fortfarande människors arbete.
Om att söka upp information och en del av diagnosen görs av ett system förändras vad som är särskiljande. Svarstid var en funktion av hur många personer som fanns på linjen; om ett system kategoriserar ärenden direkt och redan förbereder rätt information för medarbetaren som för samtalet, blir svarstiden mindre beroende av bemanning och mer av hur väl det systemet är utformat. Ett företag med färre personer i telefon kan då svara snabbare än ett företag med fler personer men utan stödsystem.
Även kunskap förskjuts från något som finns i huvuden till något som är sökbart. Tidigare var en erfaren tekniker som kände alla installationer vid namn en fördel utan motstycke. Den fördelen finns fortfarande kvar för de fall som är exceptionella, men för de igenkännbara, återkommande problemen — den största delen av ärendena hos de flesta företag — är frågan inte längre vem som har flest års erfarenhet, utan vem som har dokumenterat och gjort tidigare fall mest sökbara. En leverantör som bara funnits i två år men som strukturerat sin servicehistorik väl, kan på denna punkt vara snabbare än en leverantör med trettio års erfarenhet och ostrukturerade akter.
Denna förskjutning går inte i samma takt överallt, och det beror inte primärt på företagets storlek. Det beror på tillståndet hos den underliggande datan. Ett företag där underhållsloggar, ärendehistorik och kundkommunikation ligger i separata system som inte kommunicerar med varandra, kan inte förse ett AI-system med det som behövs, hur avancerat systemet än är. Ett företag som har detta i ordning ser triage och informationssökning förskjutas snabbare, medan ett jämförbart företag i samma sektor på denna punkt fortfarande är nästan helt beroende av människor. Den skillnaden är mätbar i väntetid, i lösningstid vid första kontakt, och i om en kund vid upprepade frågor varje gång måste berätta sin historia på nytt.
Denna dimension verkar inte oberoende av de andra axlarna där företag särskiljer sig. Hur brett en leverantör kan utöka sin tjänsteportfölj utan att proportionellt anställa fler personer hänger samman med det som sker här, precis som i hur AI förändrar konkurrensen på produktbredd. Även frågan om hur djup den tekniska kunskapen är som en kund får i telefon berör det som behandlas här, som beskrivs i hur AI förändrar konkurrensen på teknisk kunskap. Och tillgänglighet — om en kund vid varje given tidpunkt får tag på någon eller något användbart i telefon — är i praktiken andra sidan av samma mynt, utvecklat i hur AI förändrar konkurrensen på tillgänglighet.
Detta är inget pläderande för att ersätta servicemedarbetare. Vilken roll AI får i serviceorganisationen och vad det innebär för personalstyrkan är ett beslut för arbetsgivaren, för vilket egna lagkrav gäller. Vad som beskrivs här är en förskjutning i vad en kund upplever och vad leverantörer särskiljer sig på, inte ett uttalande om vem som bör fortsätta göra vilket arbete.
Om er eftermarknadsservice är långsammare eller mindre konsekvent än en konkurrents, är den första frågan inte hur många personer som behöver läggas till, utan vilken del av arbetet som fastnar på grund av saknad eller splittrad information. Hur det underläget bör hanteras beror på var i processen problemet ligger, vilket behandlas i vad man ska göra vid ett underläge på en dimension.
Om ni hävdar att ni svarar snabbare eller bättre än era konkurrenter, är frågan om det påståendet håller vid granskning något att först klargöra för er själva, som beskrivs i hur ni underbygger ett påstående om er egen kvalitet. Den kostnadsfria dimensionskontrollen hjälper till med detta: ni anger var ni tror er vinna på eftermarknadsservice, och ser vilka av dessa påståenden som kan försvaras med bevis. Den fullständiga benchmarken, med er position och den för er peer group på alla dimensioner, är under uppbyggnad.
Den underliggande frågan — vilken del av arbetet bakom er eftermarknadsservice som redan idag kan tas över av AI, och vilken del som förblir människors arbete — besvaras uppgift för uppgift med arbetsskanningen från FTE TO AI.