Jeres næste kunde begynder måske ikke på jeres hjemmeside. Hun spørger en AI, hvilken løsning der passer bedst, og får tre forslag med pris, fordele og ulemper. Måske bliver købet også gennemført i samme samtale.
Hvis jeres produkt ikke kommer med i svaret, er det fristende at gøre det til endnu en opgave for marketing: Skriv flere tekster, lær den nye forkortelse og prøv at komme højere op i modellernes anbefalinger.
Men ledelsesproblemet begynder et andet sted. En AI kan kun anbefale det produkt, den kan finde og forstå. Hvis jeres pris står ét sted, leveringstiden et andet og de vigtigste begrænsninger kun findes i hovedet på en sælger, har I ikke først og fremmest et synlighedsproblem. I har et problem med jeres produktdata.
En ny undersøgelse omtalt af Berlingske peger på, at skiftet allerede er i gang. Halvdelen af 2.500 adspurgte danske forbrugere mellem 18 og 79 år siger, at de for nylig har købt et bestemt produkt efter en anbefaling fra en AI-model. Syv ud af ti siger, at de vil være villige til at betale direkte gennem modellen, hvis de har tillid til processen.
Tallene bør ikke læses som et præcist mål for hele markedet. Undersøgelsen kommer fra betalingsvirksomheden Nets, bygger på deltagernes egne svar, og ordet “for nylig” er ikke nærmere afgrænset i omtalen. Men signalet er vigtigt: AI er på vej fra inspiration til en reel mellemmand mellem kunde og virksomhed.
Før I forsøger at vinde den nye kanal, bør I beslutte, hvad AI’en må vide om jeres produkt, hvor oplysningerne kommer fra, og hvem der retter dem, når de er forkerte.
AI’en ser ikke jeres flotte kunderejse
På jeres egen hjemmeside bestemmer I rækkefølgen. Kunden ser forsiden, produktteksten, sammenligningen og til sidst knappen. I kan forklare, hvad der gør jer anderledes, og sætte forbeholdet tæt på løftet.
En AI kan klippe den rækkefølge i stykker. Den samler måske et svar fra en produktside, en gammel prisliste, en anmeldelse og en forhandlers lagerstatus. Kunden ser konklusionen, men ikke nødvendigvis hele vejen frem til den.
Det gør almindelige uoverensstemmelser dyrere. Hvis hjemmesiden siger levering på tre dage, mens en gammel PDF siger syv, skal AI’en vælge. Hvis et abonnement kan opsiges månedligt, men kun efter en bindingsperiode, kan modellen komme til at fortælle den pæne halvdel af sandheden. Hvis jeres løsning passer godt til 50 medarbejdere, men ikke til 5.000, er den grænse lige så vigtig som alle fordelene.
Her hjælper mere overtalende tekst ikke nok. AI’en har brug for klare, aktuelle og sammenhængende oplysninger, som kan forbindes med den konkrete vare eller ydelse.
Produktdata er blevet en del af salgsarbejdet
Google har i flere år bedt webshops mærke produkter med strukturerede oplysninger om blandt andet pris, lager, levering og returvilkår. Det er ikke det samme som at blive anbefalet af en AI-model. Men princippet er det samme: Maskinen skal kunne skelne mellem produktets navn, pris, tilgængelighed og vilkår uden at gætte sig frem i en salgstekst.
Det gælder også virksomheder, der ikke driver en klassisk webshop. En rådgivningsydelse har måske en målgruppe, et omfang, nogle forudsætninger og en tydelig grænse for, hvad kunden får. En maskindel har mål, materialer, tolerancer og dokumentation. En softwareløsning har funktioner, integrationskrav, priser og sikkerhedsforhold.
De oplysninger bliver let fordelt mellem hjemmeside, tilbudsskabeloner, produktark, CRM-system og medarbejdere. Så længe en erfaren sælger binder det hele sammen, kan virksomheden leve med det. Når en AI laver den første sortering, bliver spredningen synlig.
Ledelsens opgave er derfor ikke at skrive alle produkttekster om. Den er at udpege en autoritativ kilde og en ansvarlig ejer for de oplysninger, som en kunde eller en AI skal kunne stole på.
Ejeren skal kunne svare på fire enkle spørgsmål:
- Hvilke produktfakta må aldrig modsige hinanden?
- Hvor bliver de rettet først?
- Hvor hurtigt slår en ændring igennem på de kanaler, AI kan læse?
- Hvem reagerer, når en model gengiver pris, egenskaber eller vilkår forkert?
Hvis ingen ejer svarene, ejer ingen reelt jeres nye indgang til markedet.
Direkte køb gør fejlen mere konkret
OpenAI har allerede lanceret Instant Checkout og Agentic Commerce Protocol, så amerikanske brugere kan købe fra deltagende sælgere uden at forlade samtalen. Ifølge OpenAI håndterer sælgeren fortsat ordre, betaling, levering, retur og kundeservice. Sælgeren kan acceptere eller afvise ordren, mens ChatGPT formidler oplysningerne mellem kunden og virksomheden.
Det er leverandørens egen beskrivelse af sin løsning, ikke et bevis for at handelen altid bliver enkel eller sikker. Tilbuddet er heller ikke det samme som bred adgang for danske virksomheder. Men konstruktionen viser, hvor ansvaret lander: AI’en kan være indgangen, mens virksomheden stadig hæfter for, at varen findes, prisen er rigtig, og løftet kan holdes.
Det supplerer den anden side af agenthandel, som vi har beskrevet i “Når AI kan betale, skal mandatet følge med pengene”. Køberens agent skal have en tydelig grænse for, hvad den må købe. Sælgeren skal samtidig have en tydelig grænse for, hvilke ordrer og løfter systemet må acceptere.
Forestil jer, at AI’en finder en gammel kampagnepris, mens lageret viser den nye. Eller at den anbefaler et produkt til en anvendelse, som jeres egne fagfolk ville fraråde. Jo tættere AI’en kommer på selve købet, desto mindre tid er der til, at en sælger opdager misforståelsen og retter den.
Derfor bør en direkte AI-kanal ikke kunne love mere end jeres normale handelssystem. Pris, lager, levering og retur skal hentes fra de samme kontrollerede kilder. Ordrer med en ukendt kombination, et usædvanligt antal eller et uklart krav skal kunne stoppes og sendes til et menneske.
Lad være med at optimere til et svar, I ikke kontrollerer
Der vil komme bureauer, måleværktøjer og gode råd om, hvordan et produkt bliver nævnt oftere af ChatGPT, Gemini og andre modeller. Noget af det kan blive nyttigt. Men en placering i et AI-svar er ikke en hyldeplads, I ejer.
Modeller ændrer sig. De bruger forskellige kilder, og det samme spørgsmål kan give forskellige svar. En test, hvor jeres produkt bliver anbefalet i dag, er derfor en observation – ikke et løfte om morgendagens salg.
Start med det, I selv kan styre:
- Vælg ti spørgsmål, som en rigtig kunde stiller før et køb.
- Kontrollér, om svarene kan findes tydeligt i jeres offentlige produktgrundlag.
- Find modstridende priser, egenskaber, vilkår og gamle dokumenter.
- Ret den autoritative kilde først og de afledte kanaler bagefter.
- Gentag testen efter væsentlige ændringer, og gem eksempler på alvorlige fejl.
Målet er ikke, at alle modeller skal sige det samme om jer. Målet er, at de vigtigste fakta er så klare og friske, at en kunde kan kontrollere anbefalingen, og at jeres medarbejdere ved, hvor en fejl skal rettes.
Følg også, hvad der faktisk sker. Hvor mange henvendelser kommer fra AI-tjenester? Hvilke produkter bliver misforstået? Hvor ofte spørger kunden til en pris eller egenskab, som ikke findes i jeres aktuelle materiale? Og ender den nye trafik i køb, returvarer eller ekstra arbejde i kundeservice?
Det er bedre mål end antallet af gange, et værktøj påstår, at jeres navn er synligt.
Gør produktet klart, før I gør det købsklart
AI som salgskanal kan lyde som et integrationsprojekt. For mange virksomheder begynder det mere jordnært: få styr på det, I allerede lover markedet.
Udpeg én ejer for produktets centrale fakta. Saml pris, tilgængelighed, egnethed, begrænsninger, levering og vilkår i et grundlag, der kan vedligeholdes. Gør ændringer sporbare. Sørg for, at hjemmesider, forhandlere, feeds og eventuelle AI-integrationer ikke udvikler hver deres version af sandheden.
Først derefter giver det mening at beslutte, hvilke AI-kanaler I vil være med i, og om de også skal kunne sende ordrer.
Når kunden sender en AI i forvejen, er jeres vigtigste sælger ikke en chatbot. Det er et produktgrundlag, der kan forklare, hvad I tilbyder, hvem det passer til, og hvor grænsen går – også når ingen af jeres egne medarbejdere er med i samtalen.