Var passar AI egentligen in i en tillverkares säljprocess?

Ett av de vanligaste misstagen är att börja med tekniken. Ett företag ser en imponerande AI-demonstration och börjar fråga: “Hur kan vi använda det här?” En bättre fråga är: “Vad förändrar det här faktiskt i vår verksamhet?”

En demonstration är inte ett användningsfall.

Titta på vad som händer när en kund ber om en offert. Någon måste förstå kraven. Någon behöver identifiera rätt produkt. Någon kan behöva konfigurera den. Konstruktionsavdelningen kan behöva kontrollera lösningen. Priset måste beräknas. Information kan behöva hämtas från ett ERP-system eller andra interna system. Sedan måste offerten tas fram och skickas.

AI kan vara till nytta i flera av dessa steg. Men det är inte säkert att det är den bästa lösningen för alla.

Kundkrav kommer ofta i format som inte är strukturerade för dina interna system. Ett mejl kan innehålla mått, lastkrav, produktpreferenser, särskilda önskemål och information om tillämpningen — allt blandat i löpande text.

AI är särskilt bra på att hantera den här typen av information. Det kan hjälpa till att omvandla ett mejl, en offertförfrågan eller en konversation till strukturerad information som nästa steg i processen faktiskt kan använda.

Den viktiga skillnaden är att AI inte nödvändigtvis behöver fatta det slutgiltiga beslutet. Den kan förbereda informationen så att rätt person eller system kan göra det.

Tillverkare av komplexa produkter har ofta stora sortiment, och att hitta rätt kombination kan kräva omfattande produktkunskap. En traditionell sökning förutsätter att någon redan vet vilket produktnummer eller vilken specifikation de letar efter.

AI öppnar en annan möjlighet. Istället för att fråga “Vilket produktnummer behöver du?” kan en kund eller säljare beskriva vad de försöker uppnå. Systemet hjälper då till att identifiera relevanta produkter, alternativ och frågor.

Det här blir extra intressant i kombination med en produktkonfigurator. AI kan hjälpa till att förstå vad kunden vill. Konfiguratorn kan sedan avgöra vad som faktiskt är möjligt. Den skillnaden spelar roll.

Det är här AI och CPQ eller produktkonfiguration blir särskilt intressant. En tillverkare kan ha hundratals eller tusentals möjliga produktkombinationer. Vissa är giltiga. Andra inte. Vissa alternativ påverkar mått. Andra påverkar lastkapacitet, pris, komponenter eller tillverkningskrav.

AI kan hjälpa till att vägleda en användare genom den här komplexiteten. Men vi tror inte att AI bara ska få hitta på en konfiguration. Produktregler behöver en pålitlig sanningskälla — och det är där traditionell konfigurationslogik, CPQ-system och strukturerad produktdata fortfarande är oerhört viktiga.

AI kan tolka kundens behov och vägleda interaktionen. Konfigurationsmotorn avgör om den resulterande produkten faktiskt är giltig. Konfigurationen kan sedan översättas till geometri och konstruktionsdata, vilket gör att rätt konstruktionsprocess kan validera resultatet.

Den översättningen — från konfiguration till geometri till validerad data — är exakt den typen av teknikautomation vi bygger åt tillverkare

AI behöver inte ersätta produktkonfiguration. Det kan göra produktkonfiguration enklare att använda.

Offertarbete är ett annat område där AI kan vara till nytta. Inte nödvändigtvis för att AI ska ta fram det slutgiltiga priset — utan snarare för att det ofta finns mycket arbete kring offerten.

Att automatisera dessa mindre uppgifter kan göra stor skillnad för offertens ledtid. Och i försäljning av komplexa produkter spelar hastighet roll.

En snabbare offert är inte bara en administrativ förbättring. Det kan innebära att en säljare hinner svara på fler möjligheter utan att lägga ner samma mängd manuellt arbete. Det innebär också färre offerter som väntar i kö — mönstret vi skrev om i varför dina konstruktörer inte borde behöva godkänna varje offert.

En AI-modell är bara så användbar som den information den kan arbeta pålitligt med. Tillverkare har ofta enorma mängder produktkunskap redan idag.

Möjligheten ligger inte nödvändigtvis i att ersätta allt detta. Den ligger i att göra det mer tillgängligt och användbart. AI kan bli ett nytt gränssnitt mot information som redan finns runt om i organisationen.

AI fixar inte dålig produktdata. Det gör bara konsekvenserna snabbare synliga.

Men det är också därför strukturerad produktdata och sammankopplade system spelar roll. AI blir mycket mer kraftfullt när det inte fungerar isolerat.

Det här är kanske den viktigaste poängen. Inte alla tillverkningsprocesser behöver AI.

Ibland är en enkel automatisering bättre. Ibland är en produktkonfigurator bättre. Ibland löser en ERP-integration problemet. Ibland behöver själva processen förändras innan någon teknik ens introduceras.

Och ibland är den bästa lösningen en kombination: AI plus produktkonfiguration plus automatisering plus integrationer. Målet bör inte vara att placera AI någonstans bara för att AI finns tillgängligt. Målet bör vara att ta bort friktion ur processen. Den billigaste automationen är processen du inte längre behöver.

Och slutligen: är AI faktiskt rätt verktyg för det här problemet?

Den sista frågan är viktig. För målet är inte att bygga en AI-driven säljprocess. Målet är att bygga en bättre säljprocess. AI är ett av verktygen som kan hjälpa dig dit.

Den verkliga möjligheten är inte någon enskild av dessa tekniker. Det är att koppla ihop dem. Det är där försäljning av komplexa produkter kan börja kännas väldigt annorlunda.

Tekniken är den enkla delen. Att hitta var den skapar verkligt värde är den intressanta delen.