AI CPQ-solver
Kund angav båbredd och duty cycle. CPQ returnerade fyrtiotvå giltiga configs. Sälj eskalerade ändå till engineering. Mercura AI-solver rankar regelgiltiga alternativ mot angivna mål med rationale team kan overrid:a.
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
Utmaningen
Kund angav båbredd och duty cycle. CPQ returnerade fyrtiotvå giltiga configs. Sälj eskalerade ändå till engineering.
Tillverkare av traverskranar för produktions- och logistikbåtar konfigurerar spännvidd, kapacitetsklass, krokshöjd, rälshastighet och styrpaket i Mercura CPQ. Regler blockerar inkompatibla trolley- och rälskombinationer. Köpare anger båbredd, erforderlig lyftkapacitet och förväntad duty cycle. CPQ returnerar dussintals regelgiltiga rader som prissätts korrekt.
Innesälj kontaktar application engineering eftersom ingen av fyrtiotvå alternativ tydligt vinner på kostnad, ledtid och golvclearance tillsammans. Säljare väljer tredje config av vana. Kunder får offerter som fungerar på papper men är tyngre eller långsammare än applikationen behöver. Expertbedömning skalar inte när varje förfrågan lämnar bred giltig mängd.
AI CPQ-implementering bootstrappar utkastregler från ERP och spec-uppladdningar. Conversational CPQ parsar köparspråk vid offert. Agentic CPQ styr upphandlingsagent-endpoints. Regelbaserad config avvisar ogiltiga kombinationer men rankar inte giltiga. AI CPQ-solver är annorlunda: Mercura söker regelgiltigt config-utrymme, poängsätter kandidater mot kostnads-, prestanda-, ledtids- och regulatoriska mål ni definierar och returnerar rankade rekommendationer med begriplig rationale sälj granskar före offert skickas.
Förfrågan → config → pris → godkännande → order ska inte köa hos engineering varje gång constraints lämnar mer än ett korrekt svar.
Så här fungerar det
Så fungerar Mercura AI CPQ-solver
Köpare eller säljare anger applikationskrav: spännvidd, kapacitet, duty-klass, clearance-gränser, budgettak eller regulatoriska taggar. Mercura kör rules engine först så endast giltiga configs enter solver-sökning. AI utvärderar kandidater mot viktade mål produktteam konfigurerar. Rankade resultat inkluderar jämförelserationale och konfidensindikatorer. Vid trade-offs visar solver Pareto-optimala alternativ. Säljingenjörer accepterar, justerar eller overrid:ar före pris och offertfrigivning. Historiska godkända configs informerar poängsättning. Mercura ersätter inte regel-authoring, godkännandepolicy eller SME-sign-off på nya applikationer.
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.
Vad som ingår
Vad AI CPQ-solver täcker
01Requirements
- Kravinput mappad till regelgiltig config-sökning
- API-åtkomst för solver-anrop i custom säljsverktyg
02Score
- Multi-objective poängsättning över kostnad, prestanda och ledtid
- Lärandesignal från godkända configs och utfall
03Rank
- Rankade rekommendationer med begriplig jämförelserationale
- Pareto-optimala alternativ vid målkonflikter
- Konfidensindikatorer för kravmatch
04Review
- Sälj-gransknings- och override-workflow före offert skickas
Skillnaden
Komplex config före och efter AI-ranking
Sälj väljer från bred giltig mängd
- 01 Dussintals regelgiltiga configs utan tydlig bästa fit
- 02 Kvalitet beror på vem som hanterar förfrågan
- 03 Komplexa offerter köar hos application engineering
- 04 Self-service stoppar när mer än ett giltigt svar
- 05 Kunder får fungerande men suboptimala specs
Med Mercura AI-solver
- 01 Rankad shortlist från kundkrav i en session
- 02 Samma poänglogik för varje förfrågan och kanal
- 03 Engineering granskar undantag, inte varje multi-option offert
- 04 Self-service når applikationer med många giltiga vägar
- 05 Offerter speglar förklarliga trade-offs för köpare
Verklig tillämpning
Exempel-workflow: kran-config rankad efter spännvidd, duty och ledtid
Traverskran-OEM såg sälj eskalera när båbredd och duty cycle lämnade mer än trettio giltiga Mercura-configs. Efter AI-solver aktiverad angav köpare spännvidd, kapacitetsklass och förväntade picks per timme. Mercura returnerade rankad shortlist med rationale om rälsgvikt, motorpaket och erbjuden ledtid. Sälj accepterade topprekommendation, justerade styrpaket för regional safety-tag och skickade offert utan engineering-callback. Application engineers hanterar endast nya bålayouter.
Affärspåverkan
Varför AI-solver är ranking-intelligens, inte regelersättning
AI CPQ-solver tillför engineering-omdöme vid offerttid när regler ensamma lämnar flera korrekta svar. Kompletterar AI-implementering, säljstyrningsflöden, regelbaserad validering och self-service-configuratorer. Mercura kringgår inte constraint engine eller publicerar utan säljgranskning. Någon måste definiera mål, validera poängsättning efter katalogändringar och äga godkännande på edge cases. Om smärtan är "CPQ säger giltig men ingen vet vilken giltig option offerera", alignerar solver förfrågan, config, pris, godkännande och order med rankade configs team kan försvara för köpare.
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
AI-assisterad CPQ-implementering
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
AI CPQ-solver
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
Ange spännvidd och duty cycle och granska rankad kran-shortlist före offert skickas
Boka demo och gå kravinput genom regelgiltig sökning, rankade rekommendationer och sälj-override tills engineering-eskalering sjunker på multi-option förfrågningar.
Låt oss bygga tillsammans.
Vi hjälper tillverkare att bemästra produktmodellering, effektivisera offertprocessen, minska fel och leverera skräddarsydda lösningar som kunderna kräver.