Sådan håndterer du urimelige IT-tilbud og opblæste estimater under rammeaftalen!
カートのアイテムが多すぎます
カートに追加できませんでした。
ウィッシュリストに追加できませんでした。
ほしい物リストの削除に失敗しました。
ポッドキャストのフォローに失敗しました
ポッドキャストのフォロー解除に失敗しました
-
ナレーター:
-
著者:
Denne podcast er en del af en serie på 6 episoder, som QSvar.dk har genereret i relation til softwareudvikling under længerevarende kontrakter, typisk baseret på store IT-løsninger.
Materialet tager udgangspunkt i konkrete erfaringer fra tvister på området, kontraktanalyser samt anonymiserede dialogudtræk fra QSvar.dk’s forum. Materiale, nedslag og konklusioner er genereret via AI, som ligeledes står for oplæsningen og formidlingen. Husk, at alt AI-genereret materiale stadig kan indeholde fejl og fordrejninger og bør valideres, før der handles på baggrund af det.
Står du som kunde med et nyt tilbud under rammeaftalen, hvor leverandøren kræver 500 timer for en opgave eller tilføjelse, der føles uforholdsmæssigt dyr? Når du ikke selv sidder med kildekoden, er det let at føle sig presset til blot at godkende regningen. Men et estimat er ikke en uomstødelig sandhed – det er leverandørens vurdering, og den kan og bør du udfordre.
I denne anden episode af serien på i alt 6 afsnit åbner QSvar.dk for værktøjskassen og viser dig, hvordan du i store rammeaftaler som kunde bedst muligt sikrer dine fremtidige leverancer. Du kan finde inspiration til at stille de rigtige, kritiske spørgsmål, der sikrer en fortsat ligevægt i samarbejdsrelationen, selv om din leverandør reelt har monopol på leverancen under rammeaftalen. Du får også inspiration på nogle områder, hvor AI i dag ændrer spillereglerne.
I denne episode stiller værterne skarpt på følgende kontante emner:
* Kræv fuld gennemsigtighed i tilbuddet: Hvorfor skal du aldrig acceptere en samlet sum uden specifikation? Lær at forlange fuld indsigt i aktiviteter, roller, forudsætninger og timefordelinger, så du kan spotte, hvor timerne løber løbsk.
* Sammenlign med historiske data og tidligere leverancer: Hvordan bruger du leverandørens egne historiske projektdata og eksterne markedsdata til at afsløre mønstre af systematisk overestimering?
* Indregning af AI-produktivitet i tilbuddet: AI-værktøjer har effektiviseret alt fra kravarbejde og specifikationer til kodning, dokumentation og test. Værterne forklarer, hvorfor leverandørens estimater bør falde mærkbart i 2026, og hvordan du konfronterer dem, hvis effektivitetsgevinsten udebliver.
* Alternative løsningsmodeller og uvildig vurdering: Lær, hvordan du efterspørger enklere løsningsveje, opdeling i mindre delleverancer eller bringer uvildige tredjeparter i spil til at opveje leverandørens informationsmonopol.