CRO i en stærkt reguleret branche: Advarsler om, hvad man skal være opmærksom på ved en AI-omlægning

John Stamatopoulos er chef for omsætning hos en virksomhed inden for fjernpleje i serie B kaldet Brook Health, hvor han bruger AI til at optimere næsten alle funktioner i omsætningsprocessen.

Vi satte os ned med John for at lære, hvordan han skabte en realtidssignalmotor, der vendte op og ned på hele hans arbejdsgang. Han fortalte os, hvordan den fungerer, og delte de problemer, som omsætningsledere skal være opmærksomme på, når de integrerer AI.

Omsætningsorganisationen

Mit navn er John Stamatopoulos, og jeg er chef for omsætning hos Brook Health, hvor vi fokuserer på at gøre kontinuerlig fjernpleje og håndtering af kroniske sygdomme tilgængelig, skalerbar og bæredygtig for sundhedssystemer i hele landet.

Brook Health er en virksomhed i vækstfasen efter serie B inden for fjernpleje, skabt specifikt til sundhedssystemer og lægegrupper, så de kan operationalisere håndteringen af kroniske sygdomme i stor skala. Vores omsætningsmodel er B2B-salg til virksomheder. Vi indgår kontrakter direkte med sundhedssystemer, IDN'er og store lægepraksisser. Vores tilbagevendende omsætning er primært knyttet til betaling pr. ydelse fra læger. Vi arbejder sammen med klinikere for at hjælpe dem med at skabe omsætning, og vi har en tilhørende takstplan for de ydelser, vi leverer.

Den omsætningsorganisation, jeg leder, spænder over salg, partnerskaber og kundepleje med teammedlemmer over hele USA. Vores GTM-struktur er centreret omkring en salgsproces rettet mod sundhedssystemer. Vi har forkortet salgscyklusserne, men navigerer stadig blandt flere interessenter og et værdiforslag, der samtidig skal give mening for CFO'en, CMO'en og den driftsansvarlige, som implementerer programmet.

Vores model er interessant, fordi vi ikke bare sælger software eller enheder. Vi sælger en klinisk og operationel kapacitet. Det betyder, at kundesucces ikke er en supportfunktion efter salget; det er en partner i den fælles implementering, som skaber de resultater, vores kontrakter måler. Fastholdelse og udvidelse af omsætningen foregår inden for disse kliniske relationer, og det har grundlæggende formet, hvordan jeg har opbygget teamet, og hvordan vi tænker på salgspipeline, prognoser og vækst.

Vi har bevist, at modellen fungerer, og skalerer nu. Dette er præcis det vendepunkt, hvor disciplin i GTM, AI-udvidelse og tværfunktionel tilpasning betyder mest.

Opbygning af en realtidssignalmotor

Min vej til dette øjeblik har på ingen måde været lineær, hvilket gør den relevant. Jeg tilbragte første halvdel af min karriere i den store medicinal- og medicoindustri og den sidste halvdel med at lancere virksomheder inden for digital sundhed. Jeg har opbygget og genopbygget teams til markedsintroduktion på tværs af flere organisationer inden for fjernpleje, mens jeg har navigeret i ændringer i CMS-refusion, cyklusser for værdibaserede kontrakter og den vedvarende kompleksitet ved at sælge til sundhedssystemer – samtidig med at kunder, partnere og konkurrenter skulle håndteres.

Gennem alt dette har jeg lært, at ledelse af omsætning i sundhedssektoren grundlæggende er et dataproblem, der forklæder sig som et relationsproblem. De aftaler, der går i stå, går ikke i stå, fordi nogen ikke kunne lide dig; de går i stå, fordi du ikke kunne forbinde din løsning med det rigtige kliniske resultat eller den rigtige økonomiske udløser på det rigtige tidspunkt i den rigtige samtale. Det er her, AI ændrer alt.

I dag er prædiktiv prognosticering ikke bare en CRM-oversigt; vores teknologistak er en realtidssignalmotor, der fortæller dig, hvilket sundhedssystem der er ni måneder fra en kontraktfornyelse, hvilken CMO der netop har offentliggjort et initiativ inden for befolkningssundhed, og hvilken klinisk fortaler der er ved at miste opbakningen fra ledelsen. Når du integrerer denne intelligens i den måde, dine salgs-, markedsførings- og kundeplejeteams arbejder på, holder du op med at drive en omsætningsfunktion og begynder at drive en omsætningsorganisme. Forhåbentlig en, der lærer, tilpasser sig og vokser eksponentielt.

Jeg er ikke kommet op gennem en traditionel SaaS-lærebog. Jeg er kommet op gennem kompleksiteten i medicinalindustrien, medico og digital levering af sundhedsydelser, hvor patientresultater står på spil, og salgscyklusser strækker sig over kvartaler og år, ikke uger. Denne kontekst forklarer, hvorfor dette AI-øjeblik betyder så meget for mig: De teams, der finder ud af, hvordan mennesker kan udvides med teknisk sofistikering i stærkt regulerede miljøer, vil definere det næste årti inden for kommercialisering af sundhedsydelser.

Sådan forbedrer AI hele omsætningsprocessen

For et år siden var vores pipelinegennemgange drevet af intuition. Sælgerne gav mundtlige opdateringer, og jeg triangulerede mellem e-mails i CRM-systemet, mødenoter, mavefornemmelse og aftalernes alder for at skelne reelle muligheder fra ønsketænkning. I en kompleks salgsproces rettet mod sundhedssystemer med lange cyklusser og flere interessenter er dette en farlig måde at drive en omsætningsorganisation på.

Vi byggede en sammenkoblet teknologistak til salg, der understøtter alle lag af omsætningsgenerering og -styring. Det starter med Definitive Healthcare, som leverer markedsindsigt og data om sundhedssystemer direkte til HubSpot via en specialtilpasset integration, der udfylder felter, som er specifikke for aftalen. Hver kontopost afspejler den virkelige kontekst – ikke kun det, en sælger manuelt skrev efter et opkald.

Derfra tilmelder vi automatisk kontoen en opsøgende sekvens. Hvis vi har direkte kontaktoplysninger, kører HubSpot sekvensen. Hvis vi ikke har det, udfylder LinkedIn Sales Navigator hullet og giver vores sælgere en varm vej til den rette leder, selv når de starter helt koldt. Uanset hvad vågner sælgeren op til en prioriteret liste over mål, en forududfyldt kontokontekst og en opsøgende sekvens, der allerede er sat i gang.

Det, der tidligere tog en sælger en halv dag med research og manuel dataindtastning, sker nu natten over. Sælgerens opgave skifter fra at opbygge grundlaget til at have bedre samtaler, når døren åbner. Denne arbejdsgang har i sin enkleste form forbedret vores effektivitet markant, når vi bevæger os fra markedsindsigt til en aktiv salgspipeline.

Derudover forbandt vi det hele med Gmail og Zoom, og vi bruger funktioner til samtaleindsigt til at overvåge vores teams samtalescripts og måle købernes holdning i realtid. Den synlighed ændrede den måde, jeg coacher på, og hvor hurtigt vi kan korrigere kursen på en aftale, der er ved at glide ud.

Derudover bruger vi Claude til at automatisere og fremskynde arbejde, der tidligere bremsede os. Udarbejdelse af ROI-modeller, formulering af kundecases, sammensætning af tilpassede præsentationer, som vi hurtigt kan tage i brug for et specifikt sundhedssystem eller en IDN, samt sikring af, at opfølgning aldrig falder mellem to stole. Det, der tidligere tog flere dages forberedelse, tager nu timer.

Alt efter oprettelsen af salgspipelinen blev forbedret. Prognosesamtaler blev ærlige, fordi dataene var rene. Vinderaterne blev forbedret på aftaler, der tidligere sandsynligvis var løbet ud i sandet. Vores team bruger markant mindre tid på administrativt arbejde og markant mere tid foran køberne.

Sådan redefinerer AI identifikation af mål og personalisering

Før AI var det manuelt og tidskrævende at identificere de rette mål. Sælgerne brugte timer på at sammenholde data for at identificere sundhedssystemer, der var klar til at gå videre. Gode mål blev overset, fordi sælgerne ikke havde timer nok til at finde dem alle.

Nu automatiserer AI i vid udstrækning denne proces. Definitive Healthcare leverer data om sundhedssystemer og lægegrupper til vores CRM, filtreret efter vores ideelle kundeprofil. Patientgrundlag, byrden af kroniske sygdomme, teknologisk infrastruktur, geografi – alt bliver vurderet og prioriteret, uden at en sælger behøver løfte en finger. Vi finder muligheder, som ville have været usynlige for et år siden.

Personaliseringen har ændret sig lige så dramatisk. Hvis et sundhedssystem netop har annonceret et initiativ inden for befolkningssundhed eller ansat en ny CMO, henter AI automatisk denne kontekst ind i den opsøgende kontakt. Budskabet henviser til noget reelt og aktuelt i deres verden i stedet for et generisk værdiforslag, der kunne gælde for hvem som helst.

At vide præcis, hvem man skal målrette, og levere oprigtigt relevante budskaber ændrer fuldstændigt den måde, man indleder en samtale på.

Sådan forbedrer AI-integration resultaterne for omsætningen

John deler

Den ærlige udfordring er implementeringen. Teknologistakken fungerer kun, når teamet bruger den konsekvent.

Vi har set reelle gevinster med AI. Gennemløbstiderne er blevet markant kortere. Når dit team har rene data, klare kontoplaner, signaler om købernes intentioner og AI-assisteret opfølgning, bevæger aftalerne sig hurtigere. Vi venter ikke på, at sælgerne manuelt opbygger en ROI-model før et CFO-møde eller husker at sende en opfølgning. Det arbejde sker automatisk, så fremdriften bevares mellem kontakterne.

Genereringen af kundeemner blev også fremskyndet. Definitive Healthcare leverer data til vores CRM, og LinkedIn Sales Navigator udfylder hullerne i kontaktoplysningerne, så vi kan identificere, prioritere og nå de rette mål hurtigere, end vi nogensinde kunne manuelt. Toppen af salgstragten er renere, og konverteringen fra kundeemne til aktiv mulighed er forbedret.

Prognosenøjagtigheden er bedre, og jeg vil gerne understrege, at standardisering – ikke kun AI – bidrager til dette. Vi opbyggede en proces, der kræver datahygiejne og konsekvent progression gennem stadierne. AI understøtter denne disciplin i stedet for at kompensere for fraværet af den.

Den ærlige udfordring er implementeringen. Teknologistakken fungerer kun, når teamet bruger den konsekvent. Det krævede coaching, løbende opfølgning og en direkte kobling mellem brugen af værktøjerne og forventningerne til resultaterne. Det kulturelle skifte tog længere tid end den tekniske implementering.

Hvorfor mennesker altid er en del af processen

Så AI informerer om eller standardiserer de fleste operationelle mekanismer i vores omsætningsfunktion. Pipelineprioritering, aftalevurdering, prognoser, territorieplanlægning, risiko for kundeafgang, aktivitetsregistrering og opfølgning i sekvenser går alt sammen gennem vores teknologistak. AI identificerer signaler, markerer afvigelser og holder teamet ansvarligt for processen.

Det var et bevidst valg fra vores side. I en organisation i vækst er den hurtigste måde at miste omsætning på at lade den operationelle disciplin afhænge af individuelle vaner. Standardisering og automatisering af mekanismerne skaber et grundniveau, hvor alle arbejder ud fra en høj standard, uanset anciennitet.

Men mennesker træffer stadig beslutninger, når tillid, dømmekraft og relationskontekst er det egentlige produkt. At navigere i en aftale, hvor den kliniske fortaler og økonomidirektøren ikke er på linje. At vide, hvornår man skal trække sig, hvornår man skal eskalere, og hvornår man skal omstrukturere en kontrakt for at beskytte en langsigtet kunde. Prissamtaler, der er kontekstuelle, relationelle og politisk følsomme internt i et sundhedssystem.

AI kan modellere investeringsafkastet og opbygge argumentationen. Mennesker aflæser rummet. AI driver systemet, og mennesker driver relationerne. I sundhedssektoren kan man ikke have det ene uden det andet.

Hvorfor AI ikke lever op til forventningerne inden for B2B-markedsføring

Der er også områder, hvor AI ikke har præsteret som håbet.

Da vi i højere grad begyndte at satse på AI-genereret indhold og automatiseret opsøgende kontakt, faldt vores visninger. Ledende medarbejdere i sundhedssystemer er sofistikerede købere, som har set alle standardskabte sekvenser og AI-forfinede e-mails. Når indhold føles genereret frem for ægte, falder engagementet. Og som om det ikke var nok, har AI ikke altid den nødvendige kontekst og kan derfor generere teknisk korrekte budskaber, der har en forkert tone i den specifikke relation. AI kan producere indhold i stor skala, men mængde er ikke det samme som genklang.

Det andet hul er udvikling af helt nye markeder. AI er fremragende til at optimere det, der allerede er i gang. Men at identificere reelt nye markeder og udforme den fortælling, der åbner en lukket dør, kræver stadig menneskelig kreativitet og markedsintuition, som vores værktøjer ikke har kunnet genskabe.

Den bredere lære er, at AI forstærker det, der allerede fungerer. Når den underliggende strategi eller det underliggende budskab er svagt, skalerer AI svagheden lige så effektivt, som den skalerer styrken.

Hvorfor omsætningsledere skal gennemgå hele AI-arbejdsgangen

Du er nødt til at forstå de afledte konsekvenser af effektivitetsgevinster på ét område. Når du automatiserer og fremskynder én del af omsætningsprocessen, opdager du ikke altid, at du skaber mere arbejde et andet sted, før det bliver et problem.

Da vi satte tempoet op for leadgenerering og aktiviteter øverst i salgstragten, skabte det en mængde, som vores teams for kundesucces og introduktion ikke kunne håndtere. Værktøjet fungerede præcis som tilsigtet. Vi havde bare ikke kortlagt, hvad denne succes ville kræve af de tilstødende teams, før vi aktiverede det.

Før du implementerer det, skal du gennemgå hele arbejdsgangen og spørge, hvem der får mere travlt, når det fungerer.

Hvad du skal være opmærksom på, når dit team tager AI i brug

Her er det, du skal være opmærksom på hos dit team:

• De kan miste vanen med at læse det, de sender. Indholdet ser professionelt ud, så folk antager, at det er korrekt. I salg til større sundhedsvirksomheder, hvor en enkelt faktuel fejl eller en tonedøv sætning i en besked til en lægefaglig direktør kan skade en relation, som du har brugt måneder på at opbygge, er den antagelse farlig. Vi byggede korrekturlæsning og gennemgang ind i arbejdsgangene igen som et ufravigeligt trin, ikke som en eftertanke.

• De kan blive overvældede og stille stoppe med at bruge systemet. Det begynder som regel med informations-overload. Værktøjerne viser flere data, flere signaler og flere opgaver, end teamet er vant til at håndtere, og uden klare instruktioner om, hvor de skal begynde, lukker folk ned i stedet for at gå i dybden. Det kan ses på faldende CRM-aktivitet, sekvenser, der ikke bliver gennemgået, og sælgere, der vender tilbage til deres vaner fra før værktøjerne fandtes.
• De kan miste tilliden til processen. Nogle mennesker holder fast i deres vaner, og ingen mængde adgang til kontrolpaneler ændrer på det. De nikker under introduktionen og går derefter tilbage til at arbejde parallelt i deres eget system. Løsningen er ikke bedre teknologi. Det er bedre introduktion. Start dit team med én arbejdsgang, gør den enkel, sørg for tidlige resultater, og opbyg selvtillid, før du tilføjer kompleksitet.

Hvorfor aftalerummet skal udvikle sig

Aftalerummet skal stadig redesignes. Mere specifikt skal det afklares, hvad der sker med en aftale efter en grundig kvalificering. De fleste omsætningsorganisationer behandler stadig dette stadie som meget manuelt. Sælgere koordinerer opfølgning, udarbejder materialer, planlægger møder med interessenter og håndterer interne godkendelser i høj grad på egen hånd. AI kan overtage her, hvilket er det område, hvor de fleste CRO'er ikke udnytter de mulige effektivitetsgevinster.

Vi arbejder hen imod et virtuelt dealrum uden bemanding. Når en aftale når et defineret stadie, overtager systemet de operationelle processer. AI opbygger og opdaterer ROI-modellen, genererer tilpasset materiale til hver interessent, håndterer opfølgningens rækkefølge, overvåger engagementssignaler og markerer, når menneskelig indgriben er nødvendig.

Jeg har sagt gennem hele denne samtale, at mennesker skal være involveret, og det står jeg ved. Jeg vil dog nuancere det. En veltrænet video eller en manuskriptbaseret gennemgang, der er bygget op omkring den måde, en bestemt person tænker og kommunikerer på, kan fungere som en troværdig stedfortræder for denne person på vigtige stadier i en aftale. Man har ikke altid brug for et levende menneske i rummet, men man har brug for, at personens perspektiv, dømmekraft og stemme er til stede. AI og video kan videreføre dette på måder, der ikke var mulige for blot to år siden.

De organisationer, der redesigner deres dealrum ud fra denne tankegang, bliver ikke blot mere effektive. De bliver strukturelt sværere at konkurrere med.

Hvorfor Claude Cowork er et uundværligt værktøj

Claude Cowork er mit uundværlige værktøj.

Dets rækkevidde gør det uerstatteligt for mig. Det fungerer på tværs af alle funktioner og spænder over operationelle, kreative, strategiske og taktiske opgaver. I én enkelt session kan jeg opbygge en ROI-model, udarbejde et præsentationsmateriale, finpudse en kontraktfortælling og udarbejde en markedsintroduktionsstrategi. Intet andet i vores teknologistak kan det.

Alle andre værktøjer, vi bruger, er specialbygget til én opgave. Claude forbinder alle opgaverne. Den fleksibilitet gør det til det værktøj, jeg aldrig ville give afkald på. Det lever ikke altid op til mine forventninger, men det ser stadig ud til at kunne mest.

Sådan budgetterer du med AI og træffer tværfunktionelle beslutninger

Ingen taler åbent om, hvordan man budgetterer med AI og træffer beslutninger om værktøjer, der interagerer på tværs af funktioner, men det er noget, alle CRO'er kæmper med.

Et par målrettede investeringer i værktøjer blev hurtigt dyre. Når hvert teammedlem finder et produkt, de elsker, og afholder udgiften uafhængigt, ender man med en fragmenteret, omkostningstung og ofte inkompatibel teknologistak, før nogen opdager, hvad der er sket.

Vi besluttede at standardisere, hvilket var den rigtige beslutning. Men selv med standardisering er vi stadig ved at lære, hvordan vi prognosticerer omkostninger nøjagtigt. Tokenforbrug, brugerlicenser, integrationsgebyrer — faktureringsmodellerne for AI-værktøjer er ikke intuitive, og de skalerer på måder, der er svære at forudsige, før man allerede har overskredet budgettet.

Det tværfunktionelle aspekt tilføjer endnu et lag. Nogle gange kan man ikke forbinde ét teams værktøj med den bredere AI-infrastruktur, fordi det skaber en compliance- eller sikkerhedsrisiko for et andet team. Derfor ender man med automatiseringsøer, der ikke kan kommunikere med hinanden, hvilket underminerer den sammenhængende omsætningsmotor, man forsøgte at opbygge fra starten.

Mit råd er at oprette en tværfunktionel AI-styringsgruppe tidligt, fastsætte et centraliseret budget, før de enkelte teams begynder at bruge penge, og behandle valg af værktøjer som en virksomhedsbeslutning frem for en afdelingsbeslutning. Det meste af dette lærte vi på den hårde måde.

Hvad CRO'er skal vide, før de iværksætter AI-initiativer for omsætningen

Jeg ville ønske, at jeg havde vidst, hvor mange interne forhindringer jeg skulle igennem, før et enkelt værktøj kunne tages i brug.

Vi havde en klar vision for det, vi var ved at bygge. Forretningsgrundlaget var stærkt. Jeg havde ikke fuldt ud forudset, hvor mange godkendelser jeg skulle have fra IT, ingeniørafdelingen, compliance og cybersikkerhed før implementeringen. I sundhedssektoren er dette ikke bureaukratiske formaliteter. De er legitime kontrollanter, der beskytter patientdata, finansielle systemer og organisationens ansvar. Men den tidsplan, som disse gennemgange medfører, kan stille og roligt dræbe fremdriften og frustrere et team, der er ivrigt efter at komme videre.

Hvis jeg havde vidst det, ville jeg have indledt disse samtaler mindst to kvartaler tidligere. Jeg ville have inddraget compliance og IT i planlægningsprocessen, før jeg valgte leverandører, ikke bagefter. Og jeg ville på forhånd have forventningsafstemt med mit team, at implementeringstidsplanen ville være længere end salgscyklussen for selve værktøjerne.

Vi kunne have undgået panikken. Auditering af systemer for eksponering af PHI, fastlæggelse af datagrænser og klargøring af separate miljøer til værktøjer, der ikke må berøre følsomme finansielle data — alt dette arbejde var reelt og nødvendigt. Det ville have været langt mindre forstyrrende, hvis vi havde planlagt det i stedet for at reagere på det.

I en reguleret branche er dine interne interessenter en del af din markedsintroduktionsplan. Behandl dem sådan fra dag ét.

Sådan bør omsætningsledere gribe AI an

Mit råd? Start i det små. Vælg én ting, og bliv virkelig god til den, før du tilføjer det næste lag. Vi påtog os for meget for hurtigt, og noget af det var ikke klar til bedste sendetid. Løftet om en fuldt forbundet AI-drevet indtægtsmotor er reelt, men vejen dertil er sekventiel, ikke samtidig.

Forbered dig på, at AI skaber mere arbejde, før den fjerner det. Vi var nødt til at gennemgå og beskytte systemer, der indeholdt PHI, etablere tydelige datagrænser og i nogle tilfælde give teammedlemmer separate computere for at holde følsomme finansielle data isoleret. Vi tager aldrig chancer med partneres eller patienters data. Denne operationelle belastning er reel, og de fleste leverandører nævner den ikke i demonstrationen.

Når du har fundet ud af, hvad der virker, så sats massivt på det. Skab vanen, driv udbredelsen, og lad den vokse sig stærkere, før du tilføjer endnu et værktøj. De teams, der vinder, er ikke dem med flest værktøjer. Det er dem, der har den største disciplin omkring de færreste – og rigtige – værktøjer.

Hav endelig realistiske forventninger. AI mangedobler effekten af en indtægtsstrategi, der allerede har et solidt fundament. Hvis din salgspipeline er svag, eller dit budskab ikke rammer rigtigt, vil AI gøre disse problemer synlige hurtigere, men den vil ikke løse dem. De CRO'er, der trives, er dem, der bruger AI til at skærpe deres tænkning – ikke erstatte den.

Følg med

Du kan følge John Stamatopoulos' arbejde på LinkedIn.

Der kommer flere ekspertinterviews på CRO-klubben!