En språkmodell vet hva en lastebil er. Den vet bare ikke noe om dine lastebiler. Det er her de fleste stopper opp når de prøver å legge AI på toppen av en CPQ som bare forstår varenummer, attributter og regler. Svarene ser overbevisende ut, men resonnementet er tynt. Selgeren spør hvorfor systemet anbefalte sovekabin, og får ikke noe svar. Jeg har sett dette i utallige workshops: Med en gang modellen får tydelig kontekst for hvorfor og når hvert valg er relevant, endrer samtalen seg. Systemet slutter å gjette og begynner å gi råd. Forskjellen er ikke AI-magi. Det er data med en fortelling. Delen som mangler i dataene dine Regeltabeller forteller systemet hva som er *gyldig*. De sier ingenting om hvorfor et valg er *smart*, når det gjelder, eller når det er en dårlig idé. Dette gapet flytter vurderingene tilbake til e-posttråder, regneark og stilltiende kunnskap som bare noen få sitter på. Så kaller vi det et adopsjonsproblem. For at AI-en skal kunne resonnere, trenger den ikke flere ...
Telefonsamtalen er over. Selgeren åpner CPQ. På skjermen dukker det opp felter for produktfamilie, basismodell, spenning, kapasitet, sertifiseringer og 20 andre ting som virker viktige. Markøren blinker. Ingenting skjer. Jeg har sett dette utallige ganger. Selgeren forstår kundens problem, men kjenner ikke produktet i detalj. Så de nøler, hopper over til Excel eller pinger engineering «for sikkerhets skyld». De første 60 sekundene avgjør om CPQ blir en hjelp eller bare en omvei. Her er den enkle sannheten jeg ser i alle komplekse salgsprosesser: Det vanskeligste er ikke validering, prising eller godkjenning. Det er å komme i gang. Systemet du nøler med å åpne, er systemet du aldri kommer til å bruke. Hvorfor det første minuttet avgjør alt Vi skylder ofte på manglende opplæring eller dårlig datakvalitet når CPQ-bruken er laber. Men den virkelige friksjonen ligger i starten. De fleste grensesnitt forutsetter at brukeren allerede vet hvilken vei de skal gå. Men mange selgere tenker i pro...