Solver CPQ IA
Cliente ha inserito larghezza baia e duty cycle. CPQ ha restituito quarantadue config valide. Commerciale ha escalato comunque a ingegneria. Solver IA Mercura classifica opzioni rule-valid contro obiettivi dichiarati con rationale che team può overridare.
AI solver · runtime
Requirements → rules first → ranked pick
1 · Customer requirements
2 · Rules engine runs first
Only valid configs continueVALID
Enter the search
BLOCKED BY RULE
Trolley T4 + rail R2
3 · Goal weighting
4 · Ranked recommendation · rep can override
Scores are illustrative · every row already passed the rules engine
La sfida
Cliente ha inserito larghezza baia e duty cycle. CPQ ha restituito quarantadue config valide. Commerciale ha escalato comunque a ingegneria.
Costruttore ponti rolanti per baie produzione e logistica configura campata, classe capacità, altezza gancio, velocità rotaia e pacchetto controllo in Mercura CPQ. Regole bloccano combinazioni carrello e rotaia incompatibili. Acquirente inserisce larghezza baia, capacità sollevamento richiesta e duty cycle atteso. CPQ restituisce decine righe rule-valid correttamente prezzate.
Vendite interne contatta application engineering perché nessuna delle quarantadue opzioni vince chiaramente su costo, lead time e clearance pavimento insieme. Commerciali scelgono terza config per abitudine. Clienti ricevono preventivi validi su carta ma più pesanti o lenti del necessario. Giudizio esperto non scala quando ogni richiesta lascia ampio insieme valido.
Implementazione CPQ IA bootstrap bozze regole da ERP e spec. CPQ conversazionale analizza linguaggio acquirente al preventivo. CPQ agentico governa endpoint agenti procurement. Config basata regole rifiuta combinazioni invalide ma non classifica valide. Solver CPQ IA è diverso: Mercura esplora spazio config rule-valid, score candidati contro costo, prestazioni, lead time e obiettivi normativi che definite e restituisce raccomandazioni classificate con rationale chiaro che commerciali revisionano prima invio preventivo.
Richiesta → config → prezzo → approvazione → ordine non dovrebbe fare coda in ingegneria ogni volta che vincoli lasciano più di una risposta corretta.
Come funziona
Come funziona solver CPQ IA Mercura
Acquirenti o commerciali inseriscono requisiti applicazione: campata, capacità, classe duty, limiti clearance, tetto budget o tag normativi. Mercura esegue motore regole prima così solo config valide entrano ricerca solver. IA valuta candidati contro obiettivi ponderati che product configura. Risultati classificati includono rationale comparativa e indicatori confidenza. Quando trade-offs esistono, solver mostra alternative Pareto-ottimali. Ingegneri commerciali accettano, aggiustano o overridano prima prezzo e rilascio preventivo. Config approvate storiche informano scoring. Mercura non sostituisce authoring regole, policy approvazione o sign-off SME su applicazioni nuove.
Rules first
Validity comes before ranking
Illustrative flow · numbers vary by catalog
Customer requirements
Span · capacity · duty class
Rules engine
Incompatible combinations removed
Valid configurations
Dozens may remain
AI ranking
Scored against configured goals
Ranked recommendation
Rep reviews, accepts or overrides
Who decides what
Rules decide validity. AI ranks the valid set.
Rules engine
Is this configuration allowed?
Deterministic constraints from your published rules. The solver never bypasses them.
AI solver
Which valid option fits best?
Ranks rule-valid options against goals your team configures, with rationale reps can review.
Trade-offs
When goals conflict, the tension stays visible
Illustrative demo data · every point is a rule-valid configuration
Pareto-optimal alternative
VFD hoist · stock rail
No other valid option is better on both cost and lead time, so it stays on the shortlist.
Reps review and can override before quote send.
Cosa include
Cosa copre solver CPQ IA
01Requirements
- Input requisito mappato a ricerca config rule-valid
- Accesso API per chiamate solver in tool vendita custom
02Score
- Scoring multi-obiettivo costo, prestazioni e lead time
- Segnale apprendimento da config approvate e esiti
03Rank
- Raccomandazioni classificate con rationale comparativa chiara
- Alternative Pareto-ottimali quando obiettivi confliggono
- Indicatori confidenza di aderenza requisiti
04Review
- Workflow revisione e override commerciale prima invio preventivo
La differenza
Config complessa prima e dopo ranking IA
Commerciale sceglie da ampio insieme valido
- 01 Decine config rule-valid senza best fit chiaro
- 02 Qualità dipende da chi gestisce richiesta
- 03 Preventivi complessi in coda application engineering
- 04 Self-service si ferma con più di una risposta valida
- 05 Clienti ricevono spec valide ma subottimali
Con solver IA Mercura
- 01 Shortlist classificata da requisiti cliente in una sessione
- 02 Stessa logica scoring per ogni richiesta e canale
- 03 Ingegneria revisiona eccezioni, non ogni preventivo multi-opzione
- 04 Self-service copre applicazioni con molti percorsi validi
- 05 Preventivi riflettono trade-offs spiegabili all'acquirente
Applicazione reale
Esempio workflow: gru classificata per campata, duty e lead time
OEM ponti rolanti vedeva commerciali escalare quando larghezza baia e duty cycle lasciavano più di trenta config Mercura valide. Dopo solver IA attivato, acquirente inserì campata, classe capacità e pick/ora attesi. Mercura restituì shortlist classificata con rationale su peso rotaia, pacchetto motore e lead time quotato. Commerciale accettò raccomandazione top, aggiustò pacchetto controllo per tag sicurezza regionale e inviò preventivo senza callback ingegneria. Application engineers gestiscono solo layout baia nuovi.
Impatto sul business
Perché solver IA è intelligenza ranking, non sostituto regole
Solver CPQ IA aggiunge giudizio ingegneria al preventivo quando regole sole lasciano più risposte corrette. Completa implementazione assistita IA, flussi vendita orientata, validazione basata regole e configuratori self-service. Mercura non bypassa motore vincoli né pubblica senza revisione commerciale. Qualcuno deve definire obiettivi, validare scoring dopo cambi catalogo e possedere approvazione casi limite. Se dolore è «CPQ dice valido ma nessuno sa quale opzione valida preventivare», solver allinea richiesta, config, prezzo, approvazione e ordine con config classificate che team può difendere presso acquirente.
Business impact
Clearer best-fit choices
Rule-valid options are ranked against the goals your product team configures.
Rules stay in charge
Only valid configurations enter the search; the constraint engine is never bypassed.
Explainable and overridable
Reps review the rationale and can adjust or override before quote send.
AI lifecycle map
Two different jobs: bootstrap the CPQ model from existing data, then rank valid configurations at quote time
Build time
AI drafts. Your team approves before publish.
Existing data
ERP · specs · price book
AI draft
Implementazione CPQ assistita da IA
Human review
Ready for review
Published rules
Rules engine
Runtime
Rules decide validity. AI ranks what is valid.
Requirements
Customer inputs
Rules engine
Valid set first
AI ranking
Solver CPQ IA
Rep review
Accept or override
Published rules from build time become the rules engine that gates every runtime recommendation
Rules-valid set · ranked for rep review
Inserite campata e duty cycle e revisionate shortlist gru classificata prima invio preventivo
Prenotate demo e percorrete input requisiti fino ricerca rule-valid, raccomandazioni classificate e override commerciale finché escalazione ingegneria cala su richieste multi-opzione.
Parliamo del vostro progetto.
Aiutiamo i produttori a gestire al meglio la modellazione dei prodotti, semplificare il processo di preventivazione, ridurre gli errori e, infine, offrire ai clienti soluzioni su misura.