Omsætningslederen siger, at brug af AI kræver en forretningsmæssig begrundelse, før det påvirker go-to-market

Alexey Navolokin leder AMD's forretning på tværs af APAC, hvor han driver strategi, partnerskaber og markedsintroduktion.

Vi talte med Alexey for at høre, hvordan AI ændrer strategierne for indtægtsstyring. Her er, hvad han sagde.

Indtægtsledelse i AI-æraen handler ikke om at forsvare et territorium.

Jeg leder AMD's forretning på tværs af APAC — virksomhedskunder, skytjenester, kommercielle kunder og forbrugere — og driver strategi, partnerskaber og markedsintroduktion for at bringe EPYC, Ryzen, Radeon og Instinct ind i datacentre, pc'er og AI-infrastruktur.

Men vejen hertil var ikke lineær, og det er den del, jeg gerne vil dele.

Jeg begyndte inden for virksomhedsteknologi hos virksomheder som Apple og Intel, hvor jeg lærte at opbygge og skalere globale GTM-maskiner. Derefter kastede jeg mig ud i noget mere risikabelt: at lede markeds- og softwareudvikling for en blockchain-startup, der servicerede teleselskaber. I de år rådgav jeg startups og SMV'er i Singapore om digital transformation — og hjalp dem med at bruge distribueret hovedbogsteknologi til at skabe gennemsigtighed i forsyningskæder, fødevaresikkerhed og global handel. Ingen drejebog, ingen køreplan. Kun en overbevisning om, at fremspirende teknologi med tiden ville ændre den måde, virksomheder fungerer på.

Den overbevisning viste sig at være rigtig — blot tidligere end forventet og for en anden teknologi, end den jeg oprindeligt satsede på.

Blockchain lærte mig, hvordan man sælger et paradigmeskifte, før markedet er klar til det. Det viste sig at være netop den færdighed, jeg havde brug for, da AI holdt op med blot at være et dias i en andens præsentation og blev selve produktet. Hos AMD har jeg set selve indtægtsledelsen ændre sig: GTM-strategien tager nu højde for computerøkonomi, GPU-køreplaner og økosystempartnerskaber med regeringer og hyperscalere — ikke kun kanalprogrammer og kvartalsmål.

Så i dag handler mit job ikke kun om at sælge processorer og acceleratorer. Det handler om at opbygge AMD's AI-økosystem på tværs af APAC — engagere offentlige myndigheder, etablere partnerskaber med sky- og udviklerplatforme og forme, hvordan virksomheder i regionen tager AI-infrastruktur i brug i stor skala.

Denne rejse lærte mig én ting: Indtægtsledelse i AI-æraen handler ikke om at forsvare et territorium. Det handler om at være tidligt ude i forhold til det næste infrastrukturskifte, forblive aktivt involveret, mens markedet indhenter udviklingen, og have den forandringsparate indstilling, der skal til for at genopbygge drejebogen, når den gamle ikke længere fungerer.

Salg af hardware og platforme gennem en hybridmodel

AMD er en moden, børsnoteret leder inden for halvledere, som konkurrerer på forkant med højtydende og adaptiv databehandling — CPU-, GPU-, FPGA-, DPU-, NPU- og AI-acceleratorteknologi (EPYC, Ryzen, Radeon, Instinct).

Vi sælger hardware og platforme gennem en hybridmodel, der omfatter direkte aftaler med virksomhedskunder og hyperscalere, OEM- og kanalpartnerskaber samt software- og økosystemnære tilbud som ROCm og AI-infrastrukturløsninger.

En AI-drevet arbejdsgang til forberedelse af kundemøder

Vi segmenterer GTM på tværs af virksomheds-, sky-, kommercielle og forbrugerlinjer og opbygger tværfunktionel GTM omkring kanalpartnere, fælles salgsinitiativer med hyperscalere, OEM-alliancer og samarbejde med myndigheder og den offentlige sektor (MSIT, EDB, NIPA) om strategiske AI-infrastrukturpartnerskaber.

Vi betjener markeder i hele APAC med særlig dybde i Korea, Australien, Singapore og andre sydøstasiatiske lande og dækker kunder inden for datacentre, pc'er, AI og edge-infrastruktur.

Hvordan AI ændrer strategierne for indtægtsstyring

Hos AMD tog virksomheden uformelt AI-værktøjer i brug på tværs af organisationen uden en fælles måde at måle deres forretningsværdi på — projekter blev ført videre på baggrund af begejstring for teknologien snarere end en klar forståelse af omkostninger, fordele og overensstemmelse med forretningsmålene.

Derefter omstrukturerede AMD's IT-organisation under CIO Hasmukh Ranjan den måde, virksomheden introducerede AI i indtægtsrelateret og operationelt arbejde på. AMD lader nu hvert AI-forslag gennemgå et forretningscase-filter — omkostninger, fordele og egnethed — før det føres ud i livet, med fastlagte KPI'er, der følger værdiskabelsen. Som en del af denne ændring kortlagde AMD en "dag i livet" for specifikke roller, herunder salg, og byggede AI-værktøjer, der var skræddersyet til hver funktion, i stedet for at implementere generiske værktøjer i hele virksomheden.

Med tydelige KPI'er på tværs af funktioner kan AMD nu påvise målbare, funktionsspecifikke gevinster — økonomiafdelingen ser en produktivitetsstigning på 15 % fra AI-drevet automatisering, og indsigter fra maskinlæring har medført forbedringer i udbyttet fra halvlederproduktion til en værdi af millioner af dollars. Et internt katalog med mere end 100 dokumenterede AI-anvendelsestilfælde gør det nu muligt for arbejdsgrupper at gentage det, der virker, i stedet for at eksperimentere fra bunden.

Forandringen består ikke i, at AMD har tilføjet et AI-værktøj til salgsafdelingen — det er, at AMD nu kræver en forretningsmæssig begrundelse og en målbar KPI, før noget AI-initiativ berører omsætningsskabende arbejde, hvilket gør AI-anvendelsen i GTM-funktioner til en gentagelig og sporbar kapacitet i stedet for en række enkeltstående eksperimenter.

Alexeys råd

Jeg mener, at AI skaber sin største kommercielle effekt — ikke ved at erstatte sælgere, men ved at hjælpe alle sælgere med at arbejde med den forberedelse og indsigt, de har på deres bedste dag, hver dag.

En AI-drevet arbejdsgang, jeg bruger dagligt, er at forberede mig til et kundemøde med en ledende beslutningstager — fra research til opfølgning.

Det begynder med, at AI samler offentligt tilgængelige oplysninger: kundens seneste regnskab, strategiske prioriteter, teknologiinvesteringer, konkurrencelandskab og branchetendenser. I stedet for at bruge timer på at indsamle data får jeg en kortfattet briefing til ledelsen på få minutter.

Dernæst forbinder AI denne eksterne viden med vores interne prioriteter. Den identificerer, hvor AMD's portefølje bedst matcher kundens forretningsmål, hvad enten det drejer sig om AI-infrastruktur, suveræne AI-initiativer, udvidelse af cloudmiljøet eller modernisering af virksomheden.

Før mødet udarbejder AI en skræddersyet præsentation, foreslår samtalepunkter på ledelsesniveau, fremhæver den konkurrencemæssige positionering og forudser endda spørgsmål baseret på tidligere kundeinteraktioner og markedsudviklinger.

Efter mødet opsummerer AI samtalen, registrerer handlinger, udarbejder udkast til opfølgende e-mails, opdaterer CRM-oplysninger og anbefaler den næste bedste kontakt. Det, der tidligere tog flere timer, tager nu minutter, så jeg kan bruge mere tid sammen med kunderne og mindre tid på administration.

Den største værdi her er, at AI forkorter tiden mellem indsigt, beslutning og kundeinteraktion.

For en global organisation som AMD, hvor mulighederne spænder over cloududbydere, virksomheder, regeringer og AI-innovatører i hele Asien og Stillehavsområdet, er hastighed vigtig. Hurtigere forberedelse fører til bedre samtaler. Bedre samtaler fører til stærkere kunderelationer. Og stærkere relationer skaber i sidste ende omsætning.

Det er her, jeg mener, at AI skaber sin største kommercielle effekt — ikke ved at erstatte sælgere, men ved at hjælpe alle sælgere med at arbejde med den forberedelse og indsigt, de har på deres bedste dag, hver dag.

De bedste områder at bruge AI på — og resultaterne

Områder, der egner sig godt til AI-understøttelse i omsætningsskabende organisationer, er:

• Prioritering af salgspipeline — identificering af signaler fra kontoaktivitet og engagementdata
• Vurdering af aftaler — mønstergenkendelse baseret på historiske vundne og tabte aftaler
• Prognoser — sammenlægning af pipeline-data til fremskrivninger hurtigere end ved manuel konsolidering
• Dimensionering af territorier og markeder

De positive resultater, vi hidtil har set, er:

• Hurtigere cyklustid fra forslag til udkast for strategiske leverancer — finansielle modeller og præsentationer, der tidligere tog uger, tager nu dage
• Flere iterationer pr. aftale eller forslag inden for det samme tidsrum, hvilket betyder et skarpere slutresultat
• Mulighed for selv at producere tværfunktionelle materialer (model + fortælling + visualisering), som tidligere krævede involvering af andre arbejdsgrupper

• Forbedret prognosenøjagtighed
• Reduceret kundeafgang

På den negative side har jeg set en overdreven afhængighed af AI-genereret scoring, som ikke fangede relationsmæssige og politiske forhold i aftaler med offentlige myndigheder. Desuden opvejer den tid, der kræves for at gennemgå og korrigere AI-resultatet, lejlighedsvis den tid, der spares ved at generere det. Og selv om AI har forbedret produktiviteten markant, fører det ikke altid til en tilsvarende vækst i omsætningen.

Hvorfor omsætningsledere skal afbalancere AI-effektivitet med menneskelig dømmekraft

En ting, der er blevet sværere med AI, er at vide, hvornår man ikke skal stole på den.

AI opsummerer effektivt information, identificerer mønstre og fremskynder daglige opgaver. Men inden for virksomhedssalg kan hastighed skabe en falsk følelse af sikkerhed.

En AI-genereret kundeplan, prognose eller kundebriefing kan se poleret og komplet ud, men den kan overse de subtile dynamikker, der afgør, om en strategisk aftale lykkes eller mislykkes — ændringer i den ledelsesmæssige opbakning, organisatoriske magtforhold, budgetændringer eller styrken af en tillidsfuld relation.

For omsætningsansvarlige ledere skaber dette en ny udfordring: at balancere AI-drevet effektivitet med menneskelig dømmekraft.

Hos AMD har vi erfaret, at AI skaber mest værdi, når den forbereder vores teams på bedre kundesamtaler — ikke når den erstatter kritiske kommercielle beslutninger. Vores kundeteams validerer stadig AI-genererede indsigter, udfordrer antagelser og anvender deres egen erfaring, før de engagerer kunder eller indgår strategiske forpligtelser.

Hvorfor AI har svært ved at forstå aftalers nuancer og tillid

AI har stadig svært ved at forstå den menneskelige kontekst bag aftaler med virksomheder. I komplekst B2B-salg, især inden for AI-infrastruktur, er de største hindringer sjældent tekniske. De er organisatoriske.

AI kan analysere CRM-data, opsummere møder, identificere købssignaler og endda forudsige sandsynligheden for, at en aftale bliver afsluttet. Men den overser ofte de nuancer, som erfarne salgsledere genkender med det samme.

En strategisk mulighed kan for eksempel se sund ud, fordi den ledelsesmæssige involvering er høj, den tekniske evaluering skrider frem, og indkøbsprocessen er begyndt. På papiret vil AI muligvis vurdere den som en aftale med høj sandsynlighed for at blive gennemført. Et erfarent kundeteam kan imidlertid vide, at kundens budget ubemærket er blevet ændret, at en beslutning på bestyrelsesniveau er blevet forsinket, eller at en vigtig ledelsesmæssig sponsor er skiftet til en anden rolle. Disse faktorer optræder måske aldrig i strukturerede data, men de kan fuldstændig ændre udfaldet af salgsmuligheden.

Hos AMD ser vi AI som et beslutningsstøttesystem — ikke som en beslutningstager. Den hjælper vores teams med at forberede sig mere effektivt, identificere mønstre på tværs af salgsmuligheder og reducere administrativt arbejde. Men når det handler om at navigere i relationer til ledelsen, forhandle komplekse kommercielle aftaler eller forstå en kundes langsigtede strategiske prioriteter, er menneskelig dømmekraft stadig afgørende.

Tillid er et andet område, hvor AI har begrænsninger.

Kunder, der foretager infrastrukturinvesteringer på flere millioner dollars, vælger ikke en partner udelukkende på baggrund af kvaliteten af et AI-genereret forslag. De vælger ud fra en tillid til, at teknologien vil fungere, at køreplanen er troværdig, og at personerne bag den vil levere gennem hele partnerskabets levetid.

Det opbygges gennem erfaring, gennemsigtighed og relationer — ikke algoritmer.

Sådan skal omsætningsansvarlige ledere forberede organisationen, før AI integreres

Hvis jeg kunne gå tilbage, ville jeg bruge langt mindre tid på at evaluere AI-værktøjer og langt mere tid på at forberede organisationen på at bruge dem.

Som mange andre virksomheder spurgte vi i begyndelsen os selv: "Hvilken AI-løsning bør vi implementere?" Det bedre spørgsmål er: "Hvordan redesigner vi den måde, vores teams arbejder på?" AI skaber ikke værdi blot ved at blive implementeret. Den skaber værdi, når den integreres i de daglige arbejdsgange og vinder brugernes tillid.

Når jeg ser tilbage, er der tre lektioner, jeg ville ønske, jeg havde kendt fra dag ét.

1. Data betyder mere end modellen. Selv den mest avancerede AI kan ikke overvinde fragmenterede CRM-data, inkonsistente kundeoplysninger eller adskilte informationskilder. Rene og pålidelige data er fundamentet for ethvert vellykket AI-initiativ.
2. Adoption er det reelle KPI. Det er nemt at måle implementerede licenser eller gennemførte pilotprojekter. Den sværere — og vigtigere — måling er, om salgsteams bruger AI dagligt til at forberede sig på kundemøder, forbedre prognoser, fremskynde tilbud og træffe bedre beslutninger.
3. Tag udgangspunkt i forretningsresultater, ikke teknologi. AI bør løse en specifik kommerciel udfordring: forkorte salgscyklusser, øge sælgernes produktivitet, forbedre prognosernes nøjagtighed eller identificere nye muligheder. Teknologien bør understøtte strategien, ikke blive strategien.

Sådan ændrer AI forventningerne til roller inden for omsætning

AI har ikke grundlæggende ændret, hvem vi ansætter, men den har ændret, hvad vi forventer af hver rolle.

Tidligere betragtede vi ofte salg, tekniske specialister, marketing og drift som separate funktioner. I dag udvisker AI disse grænser.

Vi forventer for eksempel, at kundeansvarlige salgsledere bruger AI til at undersøge kunder, udvikle kundestrategier og tilpasse dialogen med ledelsen. Salgschefer bliver datadrevne coaches, der bruger AI-indsigter til at forbedre kvaliteten af salgspipelinen og nøjagtigheden af prognoserne. Salgsdriftsteams bevæger sig fra at udarbejde rapporter til at designe AI-understøttede arbejdsgange, der hjælper virksomheden med at træffe hurtigere og bedre beslutninger.

Hos AMD ser vi også en øget efterspørgsel efter personer, der kan bygge bro mellem teknologi og forretning. I takt med at kunderne accelererer indførelsen af AI, ønsker de partnere, der ikke kun forstår CPU'er, GPU'er og AI-infrastruktur, men også forretningstransformation, cloudøkonomi, suveræne AI-strategier og investeringsafkast.

Det betyder, at de mest værdifulde talenter i stigende grad kombinerer kommerciel ledelse med teknisk forståelse.

AI-kompetence er lige så vigtig. Vi forventer ikke, at alle bliver dataforskere, men vi forventer, at teams forstår, hvordan de arbejder effektivt med AI — hvordan de stiller bedre spørgsmål, validerer AI-genererede indsigter og anvender dem ansvarligt i kundedialoger.

Og måske er den største ændring, at AI øger værdien af unikt menneskelige færdigheder. Efterhånden som AI automatiserer undersøgelsesarbejde, forberedelse af møder og rutinemæssigt administrativt arbejde, bliver relationsopbygning, kommunikation med ledelsen, forhandling, strategisk tænkning og kundernes tillid endnu vigtigere.

På mange måder mindsker AI ikke betydningen af dygtige sælgere — den øger den.

Alexeys råd

De bedste sælgere er ikke længere blot dem med den største produktviden — de forbinder forretningsmål med AI-transformation…Det er sandsynligvis den største lektie, jeg har lært.

Sådan ændrer AI GTM, prissætning og salg

I årevis har produktdifferentiering, relationer og pris i høj grad drevet salget af virksomhedsteknologi. Disse faktorer er stadig vigtige, men AI har grundlæggende ændret samtalen.

I dag køber kunderne ikke længere individuelle produkter. De investerer i komplette AI-resultater.

Det betyder, at samtalerne har bevæget sig fra "Hvilken processor er hurtigst?" til "Hvor hurtigt kan vi implementere AI? Hvor meget vil det koste at træne og køre vores modeller? Kan denne infrastruktur skaleres? Og bliver vi bundet til ét økosystem?"

Som følge heraf har vores markedsstrategi udviklet sig.

Vi fokuserer nu på, hvordan hele porteføljen fungerer sammen for at hjælpe kunderne med at opbygge skalerbar AI-infrastruktur.

AI har også ændret diskussionerne om prissætning.

Kunderne vurderer i stigende grad de samlede ejeromkostninger, ydeevne pr. watt, udnyttelsen af infrastrukturen, softwarens åbenhed og den langsigtede fleksibilitet i stedet for blot at sammenligne anskaffelsesomkostningerne for hardware. Samtalen er blevet langt mere strategisk.

Endelig har AI ændret den måde, vi sælger på.

De bedste sælgere er ikke længere blot dem med den største produktviden — de forbinder forretningsmål med AI-transformation. De skal forstå brancheudfordringer, datastrategi, suveræne AI-initiativer, cloudøkonomi og organisatoriske forandringer lige så godt som tekniske specifikationer.

Det er sandsynligvis den største lektie, jeg har lært. AI har ikke ændret, hvad kunderne værdsætter — den har ændret, hvordan de definerer værdi.

Fem prioriteter for CRO'er, der indfører AI i deres organisationer

For CRO'er er AI ikke bare endnu et softwarekøb — det bliver en konkurrencefordel. Men succes kommer ikke af at implementere flest AI-applikationer. Den kommer af at opbygge den rigtige infrastruktur, det rette datagrundlag og de nødvendige organisatoriske kompetencer.

Her er fem prioriteter, som jeg vil anbefale:

• Investér i AI-infrastruktur, der kan skaleres. Den største værdikilde er ikke selve modellen — det er evnen til at træne, finjustere og implementere modeller effektivt. Åben infrastruktur med høj ydeevne giver organisationer fleksibilitet til at innovere uden at være bundet til et enkelt økosystem.
• Gør AI til kundeværdi, ikke kun intern produktivitet. Hurtigere udarbejdelse af tilbud og automatiserede CRM-opdateringer er nyttige, men den reelle mulighed ligger i at levere bedre kundeoplevelser, personlig interaktion og hurtigere forretningsresultater.
• Gør dine data klar til AI. AI er kun så god som de underliggende data. Rene, sikre og velstyrede data er nu et strategisk omsætningsaktiv.
• Giv sælgere AI-værktøjer i stedet for at erstatte dem. De bedst præsterende salgsteams vil kombinere AI-drevet indsigt med menneskelig ekspertise, tillid og relationsopbygning. AI bør eliminere administrativt arbejde, så sælgere kan bruge mere tid sammen med kunderne.
• Tænk langsigtet. Efterspørgslen på AI accelererer hurtigt, men dagens infrastrukturvalg vil afgøre din konkurrencemæssige position i det næste årti. Vælg platforme, der leverer ydeevne, åbenhed og fleksibilitet, efterhånden som arbejdsbelastningerne udvikler sig.

De virksomheder, der kommer til at lede AI-æraen, vil ikke nødvendigvis være dem med de største budgetter. Det bliver dem, der opbygger den mest tilpasningsdygtige AI-infrastruktur og gør alle medarbejdere i stand til at bruge den effektivt.

Og AI vil ikke erstatte dygtige ledere inden for omsætning. Men ledere inden for omsætning, der tager AI — og den infrastruktur, der driver den — til sig, vil klare sig bedre end dem, der ikke gør.

Følg med

Følg Alexey Navolokins arbejde på LinkedIn.

Der kommer flere ekspertinterviews på The CRO Club!