Slik forandrer AI hvordan salgsteamet jobber med produktdata.

Tre konkrete arbeidsflyter som tar produktdataarbeidet fra flaskehals til bieffekt

Det finnes en standardklage fra B2B-selgere som du som salgssjef har hørt hundre ganger: Vi har produktet på lager, men vi kan ikke gi tilbud på det fordi det ikke finnes noen beskrivelse, ingen bilde, og katalogen er fra i fjor. Tiden mellom sortimentsbeslutning og tilbudsklart produkt er ett av de viktigste, men minst målte målene i B2B-handelen.

For mange av kundene deres måles tiden mellom sortimentsbeslutning og tilbudsklart produkt i uker. Designteam tar frem kolleksjon, eller leverandøren sender nytt artikkelnummer. Markedsføring skriver tekster når de rekker det. Fotografering planlegges der den får plass. Oversettelse til norsk og engelsk skjer manuelt. Katalogen settes opp i InDesign. Korrektur, korrektur, korrektur. Seks uker senere er produktet klart til å selges. Og da har allerede andre prioriteringer tatt over. Det er den enkeltvis mest undervurderte flaskehalsen for AI produktdata grossist 2026: tiden fra sortimentsbeslutning til tilbudsklart produkt.

Tiden fra sortimentsbeslutning til tilbudsklart produkt er ett av de mest undervurderte målepunktene innen salg, og AI krymper intervallet fra uker til dager.

De siste 12 månedene har tre AI-funksjoner for AI for produktdata B2B modnet tilstrekkelig til å flytte denne flaskehalsen fra hodepine til bieffekt. Dette er ikke science fiction og ikke demoware. Det er slik kundene våre jobber nå.

Funksjon 1: Produkttekster som ikke finner på

Den åpenbare: AI som tar attributter fra ERP-et deres og genererer produktbeskrivelser på flere språk, i flere toner, for flere målgrupper. Hele katalogen på en ettermiddag.

Det som skiller dette fra å be ChatGPT skrive utkast, er to ting:

1. AI-en leser ERP-attributtene som anker og får ikke finne på påstander som ikke støttes av dataene. 2. Tonen og lengden kan styres per salgskanal.

Det svenske salgskorpset får lengre, mer tekniske beskrivelser. Den engelske B2B-portalen får kortere, mer selgende. Den norske B2C-flanken får enda en variant.

Hva det endrer i salgsteamets hverdag: Ingen selger må sende e-post med «har vi tekst på denne artikkelen?» til markedsføring igjen. Når selgeren åpner produktet i tilbudsverktøyet sitt, ligger teksten der, på riktig språk, med riktig tone.

Vanlig spørsmål: Hvordan vet vi at teksten ikke finner på?

Godt spørsmål, for det er nettopp der generisk AI havner feil. Løsningen er forankring mot strukturerte attributter. AI-en har ikke mandat til å legge inn påstander som ikke finnes i dataene. Pluss en gjennomgangsfase før første publisering. Etter noen uker er tilliten kalibrert, og gjennomgangen kan automatiseres for trygge tilfeller.

Funksjon 2: Produktbilder fra skisse eller basisbilde

For fashionselskaper er dette ofte den største gevinsten. Produktfotografering er dyrt, krever lokaler, modeller, lys, etterarbeid. Den planlegges måneder i forveien og mister ofte synkronisering med kolleksjonslanseringene.

AI-bildegenerering tar designskissen eller et basisbilde og produserer publiseringsklare produktbilder. Ulike bakgrunner. Ulike varianter. Ulikt lys. På minutter. Før fotoseansen er booket.

For eksempel for sportsartikler brukes samme teknikk for varianter der fotobudsjettet ikke rekker til alle farger. For industri brukes det for å slippe å tegne CAD-renderinger for hvert datablad.

Hva det endrer for selgeren

Selgeren kan vise et produkt i en kundepresentasjon selv om fotografen ikke har rukket det. Selgeren kan vise hvordan en variant ser ut selv om den varianten ikke finnes på lager. Selgeren kan svare på «har dere den i grønt?» med et bilde, ikke med «vent, så spør jeg markedsføring».

Vanlig spørsmål: «Er AI-genererte bilder lovlig og etisk OK?»

To separate spørsmål. Lovligheten er klar for produktbilder så lenge dere har rettighetene til de underliggende designdataene, noe dere har siden det er deres sortiment. Etikken handler mer om at kundens fysiske produkt må matche bildet. Dere vil aldri være i en situasjon der en kunde klager på at produktet ser annerledes ut enn bildet. Løsningen er at AI-en bare opererer innenfor verifiserte produktattributter.

Funksjon 3: AI genererer katalog per kunde og avtale

Kataloger er ikke døde. Kundene deres ber om dem, selgerne deres tar med utskrifter på kundebesøk, forhandlerne deres vil ha PDF de kan videresende. Det som har dødd, er den årlige 200-siders produktboken. Det som lever, er kundespesifikke, oppdaterte, on-demand-genererte kataloger.

Med AI-drevet kataloggenerering velger selgeren kunde, sortimentsfilter, språk og prisnivå. Ut kommer en publiseringsklar PDF eller trykt katalog. Avtaleprisene kommer fra ERP. Sortimentsbegrensningene kommer fra ERP. Oversettelsen fra AI. Layouten fra en konfigurerbar mal.

For selgere på kundebesøk er dette en kraftig endring. Du går inn i møtet med en katalog som viser nøyaktig hva kunden får kjøpe til hvilken pris. Ikke en generisk produktbok som krever at kunden selv regner ut hva som gjelder. Samtalen flytter seg fra «hva har dere?» til «hvor mye av dette tar du nå?».

Vanlig spørsmål: Får vi beholde vår grafiske profil?

Ja. Malen er deres, AI-en fyller bare inn innholdet. Farger, skrifttyper, layout, omslag, alt i tråd med deres grafiske profil. AI gjør ikke design, AI gjør innhold.

De tre funksjonene sammen: 48-timersarbeidsflyten

Hver for seg er disse funksjonene bra. Sammen endrer de hele arbeidsflyten for AI produktdata grossist eller industri eller fashion. Det er ikke tre separate kjøp av punktverktøy, det er en sammenhengende arkitektur.

Tenk dere et fashionselskap som tar inn en ny høstkolleksjon på 120 artikler:

Mandag formiddag: produktdata importeres fra leverandør eller ERP. 120 artikler med basisattributter.

Mandag ettermiddag: AI genererer svenske, engelske og norske beskrivelser for alle 120 artikler. Markedsføring gjennomgår i 30 minutter, godkjenner.

Tirsdag formiddag: AI genererer produktbilder fra designskissene. Tre bakgrunner per artikkel. Designteamet gjennomgår og godkjenner.

Tirsdag ettermiddag: salgsteamet får tre kundesegmentspesifikke kataloger autogenerert. En for premiumforhandlere, en for volumforhandlere, en for direktekunde. Tre språk hver.

Tirsdag kveld: selgeren sender katalogen til sine viktigste kunder. Tilbudet er skarpt, prisene er riktige, bildene er på plass.

48 timer. Ikke 6 uker. For selgeren betyr det at kolleksjonen blir salgbar samtidig som lageret fylles, ikke to måneder senere.

Hva dette ikke er

Dette er ikke en magisk knapp som erstatter produktteam, designteam, markedsføring eller fotografer. AI gjør grovjobben. Mennesket kvalitetssikrer og tar de strategiske beslutningene: hva sortimentet skal hete, hvilken visuell stil kolleksjonen har, hvilken prissetting som gjelder mot hvilket kundesegment.

Det er heller ikke et bytte av plattform eller ERP. Funksjonene ligger oppå deres eksisterende ERP-data og deres eksisterende grafiske profil. Ingen datamigreringer, ingen replattformeringer.

Hva du som salgssjef gjør neste uke

Mål tiden fra ny sortimentsbeslutning til tilbudsklart produkt i dag. Skriv ned tallet.

Identifiser hvilken av de tre funksjonene som ville gi størst løft hos dere. For fashion er det ofte bilder. For grossist er det ofte tekster. For industri er det ofte kataloger. For sports goods er det varianter.

Spør deres eksisterende e-handels- eller PIM-leverandør om de har funksjonen. Hvis svaret er «på roadmap»: spør når og med hvilken kvalitet.

Be om en demo som kjøres på deres egne data, ikke på leverandørens pene demodata. Hvis de ikke kan – gå videre.