Gå til indhold
← Tilbage til viden AI i praksis

AI i salg og tilbudsarbejde: Fra kundeinput til et bedre udkast

AI kan hjælpe salg med at samle behov, finde oplysninger og klargøre tilbud. Se et konkret forløb, hvor priser, løfter og kunderelation bliver kontrolleret.

Udgivet Ca. 3 min. læsning
En kundebrief og et tilbudsudkast kontrolleres ved et skrivebord.
Redaktionel illustration, genereret til guiden.

Start dér, hvor sælgeren mangler et samlet grundlag

AI i salg kan være relevant, når medarbejderen bruger tid på at samle information fra kundehenvendelser, produktmateriale og tidligere dialog. Et godt første mål kan være et bedre forberedt udkast med tydelige mangler.

Den kommercielle værdi afhænger af, om sælgeren kan arbejde mere kvalificeret med kunden. Flere genererede mails er ikke i sig selv et fremskridt. Undersøg, hvor der opstår ventetid, hvilke oplysninger der ofte mangler, og hvad der skal kontrolleres, før noget kan sendes.

Tre anvendelser, der kan afgrænses

Opgave AI kan hjælpe med Det skal afklares eller kontrolleres
Forberedelse Strukturere en godkendt kundebrief og samle åbne spørgsmål. Hvilke oplysninger er aktuelle, relevante og tilladte at bruge?
Tilbudsudkast Knytte dokumenterede behov til godkendte beskrivelser. Pris, levering, egenskaber og aftalevilkår.
Opfølgning Klargøre et resumé og et forslag til næste samtale. Hvad blev faktisk aftalt, og hvad er blot et forslag?

Vælg én opgave og mål det samlede arbejde. Hvis sælgeren bruger længere tid på at rette et fyldigt udkast end på selv at skrive det, skal formatet eller opgaven ændres.

Et konstrueret eksempel: Fra henvendelse til tilbudsgrundlag

En kunde spørger til en løsning til 30 medarbejdere og nævner opstart “efter sommer”. Henvendelsen beskriver et behov, men indeholder ikke en dato, et budget eller en beslutningstager.

AI kan klargøre en brief med tre adskilte dele: dokumenterede oplysninger, spørgsmål der skal afklares, og mulige løsningsspor baseret på godkendt materiale. Den skal ikke omdanne “efter sommer” til en bestemt leveringsdato eller antage, at 30 brugere betyder 30 licenser af en bestemt type.

Et nyttigt udkast kan derfor være kortere end et færdigt tilbud. Det kan hjælpe sælgeren med at stille de rigtige spørgsmål, før der bruges tid på beregning og løsningsbeskrivelse.

Hold fakta, vurdering og forslag adskilt

En praktisk arbejdsform er at markere, hvor hvert væsentligt udsagn kommer fra. Kundeoplysninger kan hentes fra den konkrete henvendelse eller et godkendt CRM-opslag. Produktegenskaber kommer fra produktkilden. Den kommercielle anbefaling er en vurdering, som sælgeren skal kunne stå inde for.

Hvis oplysningerne ikke er tilgængelige, skal de stå som åbne spørgsmål. Et professionelt sprog må ikke skjule et manglende grundlag. Det gælder især løfter om levering, kompatibilitet, garanti og forventet effekt.

Brug faste regler til priser og vilkår

Prisberegninger bør følge virksomhedens godkendte grundlag og beregningsregler. AI kan forklare et kontrolleret tilbud i et forståeligt sprog, men bør ikke selv opfinde rabatter eller vælge mellem modstridende prislister.

Aftal også, hvordan kundespecifikke vilkår findes, og hvem der kan godkende afvigelser. Hvis tilbuddet skal gemmes i et system, skal kunde-ID, version og godkendelsesstatus følge med. Læs vores guide til AI-integration for de tekniske afklaringer.

En instruktion til et afgrænset salgsudkast

Brug kun den vedlagte, godkendte kundebrief og produktbeskrivelse. Lav først et kort resumé af kundens dokumenterede behov. Angiv derefter de oplysninger, der mangler før et tilbud. Klargør til sidst et kort tekstudkast uden priser, leveringsløfter eller nye produktegenskaber. Markér alle antagelser som spørgsmål til sælgeren. Send ikke noget til kunden.

Instruktionen er et udgangspunkt til en øvelse, ikke en garanti for korrekthed. Kontrollér resultatet mod kilderne, og tilpas den til jeres opgave. Vores promptguide forklarer, hvordan opgave, kilde og format kan gøres tydeligere.

Test også de vanskelige henvendelser

Prøv en kunde med et uklart behov, et produkt med manglende specifikationer og en eksisterende aftale, der afviger fra standarden. Undersøg, om løsningen opdager usikkerheden og afleverer den til sælgeren.

Følg kvaliteten af grundlaget, kontroltiden og antallet af nødvendige rettelser. I kan også undersøge, om afklaringer kommer tidligere i processen. Undgå at tilskrive AI en ændret salgsrate uden et grundlag, der tager højde for andre ændringer i kundegrundlag og salgsarbejde.

Forbind salgsarbejdet med produktdata og mennesker

I 1Conzept-casen indgik salgsarbejde sammen med produktdata i et faseopdelt roadmap og udviklingsoplæg. Det illustrerer en relevant sammenhæng: Et salgsudkast bliver ikke bedre end de oplysninger, det bygger på.

Læs også om AI til produktdata. Everydai kan hjælpe med rådgivning og automatisering, så AI understøtter sælgerens forberedelse og den kommercielle dialog.

Jesper Kaae
Jesper Kaae

Partner & CTO hos Adtention

Jesper Kaae er partner og CTO i Adtention og AI-rådgiver hos Everydai. Han arbejder med at omsætte teknologi til reel forretningsværdi og forbinder digital strategi, marketing og ledelse med de data, integrationer og løsninger, der skal få arbejdet til at fungere.

Med over 15 års erfaring inden for udvikling og 10 års kommerciel erfaring har Jesper arbejdet med mere end 100 kunder om blandt andet websites, e-commerce, systemer og lanceringer. Hans tekniske baggrund omfatter WordPress, WooCommerce, Laravel og API-integrationer. Det giver ham mulighed for både at udfordre en forretningsidé og gå i dybden med, hvordan den kan realiseres.

I dag arbejder Jesper med AI-strategi, rådgivning og implementering, herunder AI-agenter, automatisering, workflows og interne værktøjer. Han har holdt mere end 30 AI-foredrag, oplæg og workshops for virksomheder, ledelser og teams. Fokus er at gøre muligheder og begrænsninger konkrete — og vælge AI, når det forbedrer opgaven.

Jesper er blandt andet en del af holdet bag Adtentions AI-løsning til Kirppu, der omsætter varebilleder til søgbare produktdata. Casen viser forbindelsen mellem udvikling, menneskelig kvalitetskontrol og den oplevelse, kunderne møder.

På Everydais blog skriver Jesper om valg, arbejdsmetoder og kvalitet i praktisk AI. Udgangspunktet er både forretningen og de mennesker, der skal bruge løsningen: Hvad vil vi forbedre, hvad kræver det, og hvordan vurderer vi, om det virker?

Fagligt fokus: AI-rådgivning, implementering og digital forretningsudvikling