Hva en sales engineer gjør som en vanlig selger ikke gjør
En sales engineer er personen som kan svare på hva som skjer etter signaturen. En vanlig selger selger utfall: flere møter, kortere salgssyklus, bedre treffsikkerhet. En teknisk selger selger forutsetninger: hvilke systemer verktøyet leser fra, hvor dataene havner, og hva som kreves av deg for at løftet skal holde. Forskjellen er ikke kosmetisk, og den viser seg nå i ansettelsestallene. SignalFires talentrapport for 2026 finner at andelen sales engineers har økt med rundt 11 prosent, mens markedsføringsansettelsene i de store tech-selskapene har falt 36 prosent.
For deg som kjøper AI-verktøy betyr dette noe helt konkret: leverandørene flytter selv penger fra fortellingen om produktet til folkene som kan forklare hvordan det virker. Da bør du også endre hvordan du stiller opp i møtet.
Rollen sitter mellom demoen og driften
En sales engineer eier den delen av salgsprosessen der produktet møter virkeligheten din. Det er personen som svarer på om integrasjonen mot CRM-et ditt er en ferdig kobling eller et oppdrag for konsulenter, om AI-modellen kjører hos leverandøren eller hos en underleverandør, og hva som faktisk skjer med kundedataene dine underveis. I rekrutteringsdataene fra signalfire.com, 2026 er dette en av få kommersielle roller som vokser, og det er ikke tilfeldig: AI-produkter selges ikke lenger på funksjonsliste alene.
Merk forskjellen mot en kundeansvarlig. Kundeansvarlig eier relasjonen og kommersielle vilkår. Den tekniske selgeren eier risikoen: alt som kan gjøre at løsningen ikke leverer hos akkurat deg. Når bare den første er i rommet, har du ingen å teste risikoen mot.
Produktkunnskap og systemkunnskap er ikke det samme
Produktkunnskap er å vite hva knappene gjør. Systemkunnskap er å vite hva som skjer når produktet kobles til ditt oppsett, med dine felter, dine dubletter og din historikk. De aller fleste selgere har det første. Svært få har det andre, og det er den mangelen som gjør at AI-innkjøp ser enkle ut i mai og er fastlåst i oktober.
Et enkelt testspørsmål skiller de to: «hvilke felter i CRM-et vårt må være utfylt for at dette skal gi verdi fra dag en?» En selger med bare produktkunnskap svarer generelt. En med systemkunnskap stiller motspørsmål om objektmodellen din. Det samme mønsteret gjelder når du skal bygge pipeline med AI på rene CRM-data: kvaliteten på grunnlaget avgjør utfallet, ikke modellen.
Når du faktisk trenger en teknisk selger i rommet
Ikke alle innkjøp trenger teknisk støtte. Et frittstående verktøy uten tilgang til kundedata kan kjøpes på en demo og en prøveperiode. Kravet skjerpes i det øyeblikket verktøyet skal lese fra CRM, e-post, telefoni eller dokumenter. Da kjøper du ikke et grensesnitt, du kjøper en dataflyt.
Vår erfaring er entydig: et AI-kjøp uten teknisk kompetanse i rommet er et kjøp du ikke kan kvalitetssikre. Du kan like gjerne signere på et løfte du ikke har mulighet til å etterprøve, fordi ingen til stede kan formulere spørsmålet som ville avslørt problemet.
Tallene som viser at teknisk salg vokser mens resten kuttes
Bildet i State of Tech Talent Report 2026 er ikke «tech ansetter mindre». Det er «tech ansetter annerledes». Samlet ligger tech-ansettelser på 75 prosent av nivået før pandemien, og i de største selskapene er ansettelsene 25 prosent under 2019-nivået. Innenfor den mindre kaka har sammensetningen forskjøvet seg kraftig mot roller som bygger og forklarer teknologi.
| Rolle | Retning | Endring i andel |
|---|---|---|
| Forward deployed engineer | Opp | 30 prosent |
| AI- og ML-ingeniør | Opp | 39 prosent |
| Research engineer | Opp | 28 prosent |
| Sales engineer | Opp | 11 prosent |
| Cybersikkerhet | Opp | Svak oppgang |
| Front-end-ingeniør | Ned | 25 prosent |
| Markedsføring (store tech-selskaper) | Ned | 36 prosent |
| Produktledelse (store tech-selskaper) | Ned | 39 prosent |
| Design (store tech-selskaper) | Ned | 48 prosent |
Sales engineers opp 11 prosent i et fallende marked
At en kommersiell rolle vokser 11 prosent i andel mens totalen ligger på 75 prosent av før-pandemi-nivået, er et tydelig signal. Selskapene prioriterer folk som kan lukke det tekniske gapet i salgsprosessen framfor folk som kan fylle toppen av trakten. Når produktene blir vanskeligere å forklare, flytter budsjettet seg mot dem som kan forklare.
Legg merke til at dette skjer samtidig som ingeniøransettelser i de store selskapene er 11 prosent lavere enn i 2019, ifølge signalfire.com, 2026. Teknisk salg vokser altså ikke fordi alt teknisk vokser. Det vokser relativt til alt annet.
Markedsføring og design tas først
De hardeste kuttene rammer rollene lengst fra produktet. I de store tech-selskapene er designansettelser ned 48 prosent, produktledelse ned 39 prosent og markedsføring ned 36 prosent. Blant tidlige oppstartsbedrifter er mønsteret det samme, bare mildere: design ned 22 prosent og markedsføring ned 18 prosent, mens ingeniøransettelser er den eneste kategorien som faktisk vokser, viser talentrapporten.
Konsekvensen for deg som kunde er praktisk. Materialet du får tilsendt er i økende grad laget av færre folk, mens produktkompleksiteten øker. Det betyr at avstanden mellom det som står på nettsiden og det som faktisk leveres kan bli større, ikke mindre.
Hva tallene ikke sier
Dette er andelstall fra en rekrutteringsdatabase, ikke en fasit for norske forhold. SignalFire måler sammensetningen av ansettelser i et hovedsakelig amerikansk utvalg. En norsk SMB med tjue ansatte har ikke forward deployed engineers, og skal ikke ha det heller.
Poenget er retningen, ikke prosenten. Når de som bygger AI-produkter systematisk vekter opp teknisk kundekontakt, er det fordi de erfarer at salg uten teknisk dekning gir prosjekter som ikke fullføres. Den erfaringen kan du låne uten å kopiere organisasjonskartet.
Forward deployed engineers øker 30 prosent og hvorfor det angår deg
Den sterkeste veksten blant kundevendte tekniske roller er forward deployed engineer, opp 30 prosent i andel ifølge signalfire.com, 2026. Rollen er enkel å beskrive: en ingeniør som sitter hos kunden, i kundens data, og bygger de siste tjue prosentene som skiller et generisk produkt fra noe som virker i din prosess.
Hva rollen faktisk løser
AI-produkter er sjelden ferdige ut av esken. De må mates med dine felter, dine begreper og dine unntak. En forward deployed engineer gjør den jobben som en del av leveransen, ikke som et separat konsulentoppdrag. At denne rollen vokser raskere enn sales engineer-rollen på 11 prosent, forteller at leverandørene har innsett at avstanden mellom demo og drift er dyr å la kunden bære alene.
For deg er dette både godt og dårlig nytt. Godt fordi flere leverandører nå har folk som kan gjøre tilpasningen. Dårlig fordi behovet for slik tilpasning er beviset på at produktet ikke er så ferdig som salgsmaterialet antyder.
Spørsmålet du bør stille om implementeringskapasitet
Still spørsmålet rett: «hvem hos dere gjør implementeringen hos oss, er det inkludert, og hvor mange kunder har den personen samtidig?» Et leverandørteam med voksende teknisk bemanning, i tråd med veksten på 30 prosent for forward deployed engineers, kan svare med navn og kapasitet. Et team uten svarer med «det setter vi opp sammen etter signering».
Følg opp med kapasitetstallet. I de store selskapene leder en engineering manager nå i snitt 12 ingeniører, mot 15 i oppstartsbedrifter, og spennet per leder har økt 14 prosent siden 2019 i store selskaper og 34 prosent i oppstartsbedrifter. Tynnere ledelse per hode betyr at implementeringsressursen du blir lovet, kan være delt på flere kunder enn du tror.
Ingeniørene utgjør 55 prosent av alle tech-ansettelser
Den strukturelle endringen bak alt dette er enkel å oppsummere. Programvareingeniører utgjør nå 55 prosent av alle ansettelser i utvalget til SignalFire, opp fra 46 prosent i 2019. Tech-selskapene har blitt mer ingeniørtunge og mindre kommersielt tunge, og det endrer hvem du møter på andre siden av bordet.
Fra 46 til 55 prosent på seks år
En forskyvning fra 46 til 55 prosent høres udramatisk ut, men den skjer altså i et marked som samlet ligger 25 prosent under 2019-nivået for de største selskapene. Absolutt sett kuttes det overalt. Relativt sett vinner ingeniørene. Til og med ved nedbemanninger utgjorde ingeniører bare 30 prosent av de oppsagte, ifølge talentrapporten, altså klart under andelen de har av arbeidsstokken.
Til sammenligning kuttet Cisco 4 000 jobber i samme periode, en påminnelse om at volumkutt og rolleforskyvning skjer samtidig. Det er ikke ett marked som krymper jevnt, det er ett marked som bytter form.
AI-roller opp 39 prosent, front-end ned 25
Innad blant ingeniørene er forskjellene store. AI- og ML-ingeniører har økt sin andel med 39 prosent siden 2022, research engineers med 28 prosent, mens front-end-roller har hatt den største nedgangen med rundt 25 prosent, viser signalfire.com, 2026. Selskapene flytter folk fra grensesnitt til modell.
Dette forklarer en observasjon mange kjøpere gjør: AI-verktøy blir mektigere og samtidig klumpete å bruke. Når 39 prosent av veksten ligger i modellkompetanse og front-end faller 25 prosent, får du produkter med sterk motor og svakt ratt. Regn med mer opplæringsbehov internt enn leverandøren beskriver, og se på salgscoaching med AI-verktøy som en del av innføringskostnaden, ikke som noe du tar etterpå.
Derfor stopper AI-prosjekter i integrasjonen og ikke i demoen
Demoer feiler nesten aldri. Det er hele poenget med dem. De kjører på leverandørens data, i leverandørens oppsett, med leverandørens beste eksempel. Prosjektet stopper et helt annet sted: der verktøyet skal lese fra CRM-et ditt, skrive tilbake uten å ødelegge noe, og kjøre videre når personen som satte det opp har gått hjem.
| Fase | Hva som faktisk testes | Typisk bruddpunkt |
|---|---|---|
| Demo | Produktets beste dag | Nesten ingen |
| Pilot | Om et utvalg brukere ser verdi | Datakvalitet og manglende felter |
| Integrasjon | Om systemene snakker sammen | API-grenser, rettigheter, dubletter |
| Utrulling | Om hele teamet endrer adferd | Prosess ingen følger |
| Drift | Om noen eier løsningen over tid | Turnover og udokumentert oppsett |
Demoen kjører på leverandørens virkelighet
Be om å få se produktet på et anonymisert datasett som ligner ditt, med dubletter, tomme felter og feilstavede firmanavn. Nekter leverandøren, har du fått et svar. Aksepterer de, får du se hvordan modellen oppfører seg når grunnlaget ikke er rent, som er den eneste tilstanden data faktisk har.
Dette er også der mange innkjøp burde stoppet. AI er ikke svaret når problemet egentlig er dårlige kontaktdata eller en salgsprosess ingen følger. Vi mener det bokstavelig: et AI-lag oppå et rotete CRM gir raskere feil, ikke færre.
Integrasjonen møter ditt CRM, ikke et standard-CRM
«Vi integrerer med HubSpot» betyr ikke at vi integrerer med din HubSpot. Egendefinerte felter, avvikende pipeline-stadier og historiske importer gjør hver instans til et særtilfelle. Spør om koblingen er en ferdig app i markedsplassen, et oppsett via automatiseringsverktøy, eller kode noen må skrive. De tre koster helt forskjellig.
Her hjelper det å ha tenkt gjennom arkitekturen på forhånd. Å velge RevOps-verktøy etter friksjon framfor funksjonsliste er samme disiplin: du kjøper det som fjerner et konkret hinder i flyten, ikke det som har flest avkrysninger.
Drift og eierskap etter go-live
Det tredje bruddpunktet er personavhengighet. Noen setter opp verktøyet, ingen dokumenterer det, og seks måneder senere vet ingen hvorfor scoringsmodellen vekter som den gjør. Med en turnover på 13 prosent i salgsfunksjoner, klart høyere enn blant ingeniørene ifølge SignalFires tall, er det statistisk sannsynlig at den personen slutter før verktøyet gjør det.
Krev derfor en skriftlig oppsettsbeskrivelse som del av leveransen: hvilke felter som leses, hvilke som skrives, hvilke regler som gjelder, og hvem som eier nøklene. Det tar en time å be om og sparer et kvartal.
Fem spørsmål som avslører om AI-leverandøren forstår produktet sitt
Dette er spørsmålene som skiller en leverandør med teknisk dekning fra en med god presentasjon. Still dem i møtet, ikke på e-post. Krev at leverandøren stiller med noen som kan svare på integrasjon, datalagring og API i selve møtet, ikke i en e-post etterpå. Et svar som må hentes, er et svar du ikke kan følge opp med et motspørsmål.
| Spørsmål | Godt svar | Varselsignal |
|---|---|---|
| Hvor lagres dataene våre? | Navngitt region, navngitt underleverandør | «I skyen, trygt» |
| Brukes dataene våre til trening? | Klart nei eller klart ja med avgrensning | Henvisning til generelle vilkår |
| Hvordan ser integrasjonen ut? | Felt for felt, med grenser | «Den er plug and play» |
| Hva skjer når modellen tar feil? | Kontrollpunkt og menneskelig godkjenning | Treffprosent uten kontekst |
| Hva får vi med oss ut? | Eksportformat og frist | «Det har aldri vært et tema» |
Hvor lagres dataene våre, og hos hvem
Du spør ikke om server-geografi for moro skyld. Du spør fordi svaret avslører om personen foran deg kjenner sin egen arkitektur. En teknisk selger svarer med region, leverandørnavn og om det finnes underleverandører i kjeden. En som ikke gjør det, svarer med et adjektiv.
Følg opp med databehandleravtalen. Er den ferdig, eller skal den «skreddersys»? Det siste betyr i praksis at du får fakturere din egen advokat for leverandørens manglende forarbeid.
Brukes våre data til å trene modellen
Dette er det enkleste spørsmålet å stille og det vanskeligste å bortforklare. Svaret skal være ja eller nei, med henvisning til hvor i avtalen det står. Halvsvar som «vi bruker aggregerte data for å forbedre tjenesten» er ikke et nei, det er et ja med pynt.
Spør også om leverandøren bruker en underleverandør av modellen, og hvilke vilkår som gjelder der. Et selskap som selv har skalert AI-kompetanse, i tråd med veksten på 39 prosent i AI- og ML-roller, vet dette utenat. Et selskap som har pakket om en tredjepart, nøler.
Hvordan ser integrasjonen ut felt for felt
Be dem tegne det. Hvilke objekter leses, hvilke skrives tilbake, hvor ofte, og hva skjer ved konflikt. Spør spesifikt om grenser: hvor mange kall per time, hva som skjer ved brudd, og om historisk import er inkludert eller en ekstra post.
Har leverandøren ingen som kan tegne dette på stående fot, er sannsynligheten stor for at koblingen er noe du må bygge. Det er ikke diskvalifiserende, men det er et helt annet prisbilde enn det du fikk presentert.
Hva skjer når modellen tar feil
Alle AI-verktøy tar feil. Forskjellen ligger i hva som skjer da. Spør om det finnes et kontrollpunkt før noe sendes til kunde, om feil kan spores tilbake til input, og hvem som får varsel. En leverandør uten svar på dette har bygget et demoprodukt, ikke et driftsprodukt.
Vær også skeptisk til treffprosenter uten kontekst. Et tall uten datasett, tidsrom og sammenligningsgrunnlag er markedsføring. Be om metoden bak, ikke om tallet.
Hva får vi med oss ut hvis vi slutter
Exit-spørsmålet sier mest om hvor moden leverandøren er. Spør om eksportformat, hvor lang tid en full eksport tar, hva som skjer med avledede data som scoringer og sammendrag, og hvor lenge data lagres etter oppsigelse. Til sammenligning oppgir EU-kommisjonen, 2026 i sin egen rekrutteringsprosess at data om kandidater som ikke velges lagres i 10 år, og at inaktive eksterne kontoer slettes etter 2 år. Offentlig sektor tallfester lagringstid. Det bør leverandøren din også gjøre.
Får du ikke et tall, får du en avhengighet. Skriv det inn i avtalen før signering, ikke ved oppsigelse.
Sjekkliste for neste møte med AI-leverandøren
Sjekklisten under er laget for et møte på 45 minutter med en leverandør du vurderer seriøst. Den forutsetter at du har bedt om teknisk deltakelse på forhånd, og at du har en kollega med deg som kan notere svarene ordrett.
Før møtet
Send tre ting på forhånd: en kort beskrivelse av CRM-oppsettet ditt, en liste over systemene verktøyet må snakke med, og setningen «vi ønsker at noen som kan svare på integrasjon, datalagring og API deltar». Hvordan leverandøren håndterer den siste setningen er i seg selv en kvalifisering. De som stiller med teknisk ressurs, har en. De som svarer at «det tar vi i neste runde», har det ikke.
Definer samtidig hva problemet ditt faktisk er. Er det dårlige kontaktdata, er verktøyvalget sekundært. Er det at ingen følger prosessen, hjelper ikke en modell. Gå gjennom hvilke verktøy dere allerede har før du legger til ett til.
Under møtet
Bruk de første ti minuttene på demo og resten på spørsmålene. Skriv ned hvert svar som enten konkret (navn, tall, format) eller generelt (adjektiv, «det løser vi sammen»). Teller du flere generelle enn konkrete svar på de tekniske spørsmålene, har du ikke fått det møtet du ba om.
Be om at alt som ikke kan besvares skrives ned som en åpen post med navngitt ansvarlig og frist. Åpne poster uten eier blir aldri lukket.
EU bygger håndhevingsapparat for AI Act med 40 nye stillinger
Mens leverandørene bygger teknisk salgskapasitet, bygger myndighetene teknisk kontrollkapasitet. EU-kommisjonen kunngjør en interessemelding for kontraktsansatte til håndhevingsteamet i European AI Office, med anslagsvis 40 stillinger i løpet av 2027. Stillingene er knyttet direkte til håndheving av AI Act, altså forordning (EU) 2024/1689.
| Profil | Gruppe | Hva rollen dekker |
|---|---|---|
| Technology Specialist | FG IV | Teknisk vurdering av AI-systemer |
| Legal Officer | FG IV | Juridisk håndheving av regelverket |
| Operations Specialist | FG IV | Gjennomføring og prosess |
| Paralegal | FG III | Juridisk støttearbeid |
Fire profiler, og hva sammensetningen forteller
De fire profilene som utlyses er Technology Specialist, Legal Officer, Operations Specialist og Paralegal, med rekruttering primært til enhetene CNECT A.2 og CNECT A.3 i Brussel. Kontraktene er ettårige med mulighet for forlengelse opp til totalt 6 år, og søknadsfristen var 8. september 2026 klokken 12:00 CET.
At teknologi og juss står side om side i samme utlysning er selve poenget. For Legal Officer kreves mastergrad i rettsvitenskap og minst 2 års relevant erfaring, eller bachelorgrad og minst 3 år, mens Paralegal krever fullført videregående utdanning og minst 2 års erfaring. Håndheving av AI krever begge deler samtidig. Det gjør innkjøp av AI også.
Hva håndheving betyr for leverandørvalget ditt
Du skal ikke lese AI Act som salgsleder. Du skal stille ett spørsmål: «hvordan klassifiserer dere dette systemet under AI-forordningen, og hva har dere dokumentert?» En leverandør som følger med på at EU bemanner opp rundt 40 håndhevingsstillinger, har et svar klart. En som ikke gjør det, har en risiko du arver.
Dette gjelder særlig verktøy som scorer, rangerer eller filtrerer mennesker. Leadscoring på bedriftsnivå er en ting. Scoring av enkeltpersoner er noe annet, og det er der dokumentasjonskravene biter.
Salg mister flere folk enn ingeniøravdelingen hvert år
Et tall fra SignalFire som fortjener mer oppmerksomhet enn det får: turnover ligger på rundt 13 prosent i salg og design, og det er merkbart høyere enn blant ingeniørene. Salgsorganisasjoner lekker altså kompetanse raskere enn teknologiorganisasjoner, og det har direkte konsekvenser for hvor godt et AI-verktøy overlever i din bedrift.
Turnover tar med seg oppsettet
Når en selger slutter, forsvinner ikke bare kundeforholdene. Det forsvinner også kunnskapen om hvorfor sekvensen er satt opp slik den er, hvilke felter som må fylles for at scoringen skal virke, og hvilke unntak som ble avtalt med leverandøren. Med 13 prosent årlig gjennomtrekk i salg, tydelig over nivået på ingeniørsiden ifølge signalfire.com, 2026, mister et team på tjue personer flere bærere av slik kunnskap hvert år.
Motgiften er kjedelig og effektiv: skriv ned oppsettet, ikke bare bruken. En side per verktøy med felter, regler og eier er nok.
Ikke bygg verktøystakken rundt en person
Den vanligste feilen er å la den mest teknisk interesserte selgeren eie alle integrasjonene uformelt. Det fungerer helt til vedkommende slutter. Gitt turnovertallene på 13 prosent er dette en risiko du kan tallfeste, ikke en teoretisk bekymring.
Gi eierskapet til en rolle, ikke et navn, og sørg for at minst to personer kjenner oppsettet. Det samme prinsippet gjelder når dere vurderer plattformer for opplæring og sales readiness: verdien ligger i at kunnskapen overlever personen som satte den opp.
Bygg teknisk kompetanse i salgsteamet uten å ansette ingeniør
De fleste norske B2B-SMB-er skal ikke ansette en sales engineer. Dere skal låne funksjonen. Målet er ikke at selgeren skal kunne kode, men at noen i rommet kan stille det tredje spørsmålet når leverandøren har svart på de to første.
Del en teknisk ressurs internt
Finn personen dere allerede har: en systemansvarlig, en utvikler, en driftsperson, eventuelt en ekstern som kjenner oppsettet deres. Sett av et fast antall timer i måneden til leverandørmøter og integrasjonsvurdering. Dette er ikke en ny stilling, det er en kalenderavtale.
Teknisk salgsstøtte er billigere enn et AI-prosjekt som stopper etter pilotfasen. Vår erfaring er at de timene betaler seg tilbake i det første møtet der noen oppdager at en «ferdig integrasjon» krever et utviklingsløp.
Lag et kort med faste spørsmål
Lag et A4-ark med spørsmålene fra kapitlet over, og la det ligge på bordet i hvert leverandørmøte. Ingen trenger å huske dem. Poenget er at de blir stilt hver gang, av hvem som helst, og at svarene blir notert på samme måte.
Dette er også det enkleste stedet å lære opp nye selgere. De lærer ikke teknologi, de lærer å kjenne igjen et generelt svar.
Tren på å si nei til demoen
Den viktigste ferdigheten er å utsette begeistringen. En god demo utløser et kjøpsønske som er nesten umulig å argumentere mot i etterkant. Innfør en enkel regel: ingen beslutning i demomøtet, uansett hvor godt det gikk.
Bruk isteden tiden mellom møtene på å sjekke datagrunnlaget deres. Hvis feltene mangler, er svaret det samme uansett hvilken leverandør som vant demoen.
Vanlige feil norske SMB-er gjør når de kjøper AI-verktøy
Feilene under går igjen på tvers av bransje og størrelse. De har det til felles at de ikke handler om teknologi, men om hvem som var i rommet og hva som ble sjekket.
Kjøper AI på et datagrunnlag som ikke holder
Den dyreste feilen først. Et AI-verktøy som leser fra et CRM med dubletter, tomme felter og utdaterte kontakter, produserer selvsikre feil raskere enn en manuell prosess gjør. Det oppleves som at verktøyet er dårlig. I virkeligheten er speilbildet dårlig.
Rydd først, kjøp etterpå. Konkret betyr det å definere hvilke felter som er obligatoriske, fjerne dubletter og bestemme hvem som eier datakvaliteten. Uten det er pengene brukt på å automatisere et rot.
Lar demoen erstatte kravspesifikasjonen
En demo er leverandørens beste argument, ikke din beste test. Når det ikke finnes en skrevet liste over hva verktøyet må klare hos dere, blir demoens innhold automatisk kravlisten. Da har leverandøren definert både spørsmålet og svaret.
En halv side med fem krav er nok. Skriv den før første møte, og ranger kravene. Det som ikke kan rangeres, er ikke et krav.
Undervurderer intern tid og overvurderer lisensprisen
Lisensen er den synlige kostnaden. Den usynlige er timene deres egne folk bruker på oppsett, opplæring, datavask og feilretting. I mange innkjøp er den interne tiden den største posten, og den står ingen steder i tilbudet.
Regn den inn før du sammenligner leverandører. En dyrere lisens med reell implementeringsstøtte kan være billigere enn en rimelig lisens der dere gjør alt selv. Det er også her friksjon som utvelgelseskriterium gir bedre beslutninger enn funksjonssammenligning.
Din situasjon og vår anbefaling
Anbefalingen avhenger av størrelse og av hvor mye kundedata verktøyet skal ta i. Tabellen under er utgangspunktet vi ville brukt selv.
| Din situasjon | Teknisk dekning i møtet | Vår anbefaling |
|---|---|---|
| Liten bedrift, ingen intern IT | Ekstern rådgiver på timen | Velg verktøy med ferdig kobling, unngå alt som krever utvikling |
| Voksende salgsteam, delt systemansvar | Intern systemansvarlig i hvert leverandørmøte | Rydd CRM-data før innkjøp, still exit-spørsmålet i første møte |
| Etablert B2B-SMB med flere systemer | Fast teknisk ressurs med avsatte timer | Krev navngitt implementeringsansvarlig og skriftlig oppsettsbeskrivelse |
| Selger selv AI-nære løsninger | Teknisk selger i egen salgsprosess | Bygg rollen gradvis, start med delt ressurs framfor ansettelse |
Uansett størrelse gjelder det samme utgangspunktet: still kravet om teknisk deltakelse før møtet bookes. Det koster ingenting og sorterer leverandørmarkedet raskere enn noen sammenligningsmatrise. Retningen i SignalFires tall, der sales engineers vokser 11 prosent og forward deployed engineers 30 prosent, betyr at flere leverandører enn før faktisk kan innfri kravet. De som ikke kan, forteller deg noe viktig ved å si nei.
Ofte stilte spørsmål om teknisk salgskompetanse
Spørsmålene under er de vi oftest får fra salgsledere som står foran et AI-innkjøp.
Hva er forskjellen på en sales engineer og en forward deployed engineer
En sales engineer jobber før signaturen og svarer på om løsningen passer til systemene dine. En forward deployed engineer jobber etter signaturen og bygger tilpasningen hos deg. Begge roller vokser i SignalFires data for 2026, med henholdsvis 11 og 30 prosent økning i andel. I mindre selskaper er det ofte samme person.
Trenger en SMB med tjue ansatte egen teknisk selger
Nei, i de aller fleste tilfeller ikke som egen stilling. Det dere trenger er at noen med systemforståelse deltar i leverandørmøter og vurderer integrasjonen, enten internt eller innleid. Terskelen for å vurdere en egen rolle går normalt ved at dere selv selger løsninger som krever teknisk avklaring i hver salgsprosess.
Hva gjør jeg hvis leverandøren nekter å stille med teknisk ressurs
Da har du fått informasjon, ikke et problem. Be om skriftlige svar på de tekniske spørsmålene før neste møte, og vurder svarene på samme måte: konkrete eller generelle. Nekter leverandøren begge deler, er risikoen for at implementeringen blir ditt ansvar alene høy nok til at du bør se på et alternativ.
Hvordan påvirker AI Act innkjøpet mitt som norsk kjøper
Praktisk sett gjennom dokumentasjon. Leverandøren bør kunne si hvordan systemet klassifiseres under forordning (EU) 2024/1689 og hva som er dokumentert. At EU-kommisjonen bemanner et håndhevingsapparat med anslagsvis 40 stillinger, inkludert både tekniske og juridiske profiler, tyder på at etterspørselen etter slik dokumentasjon vil øke, ikke avta.
Er det et dårlig tegn at leverandøren trenger mye tilpasning
Ikke nødvendigvis, men det skal prises og planlegges. Mye tilpasning betyr at produktet er fleksibelt og at leveransen er et prosjekt. Lite tilpasning betyr at produktet er ferdig og at du må tilpasse deg det. Det farlige er tredje variant: leverandøren sier lite tilpasning og leverer et prosjekt.
Vil du se hva AI faktisk gjør for salgstallene dine? Vi hjelper norske salgsteam med å ta i bruk AI der det gir målbar effekt: flere kvalifiserte møter, kortere salgssyklus og bedre kontaktdata. Ingen hype, bare det som virker for din situasjon.
Book en uforpliktende samtale: vi går gjennom salgsprosessen din og peker på de tre stedene AI gir raskest gevinst.