Startuppets indtægtschef om, hvordan små, ressourcestærke teams kan skabe stor løftestangseffekt med AI

Waleed Shaarani er omsætningschef og ansvarlig for GTM hos en startup kaldet Spiky.ai. Han specialiserer sig i B2B SaaS-området i seedfasen, hvilket tvinger ham til at være ressourcestærk, fokuseret og hurtig — og derfor har AI været en afgørende faktor for ham.

Vi satte os ned med Waleed for at lære, hvordan ressourcestærke omsætningsteams kan skabe løftestangseffekt med AI. Her er, hvad han havde at sige.

Startups i seedfasen har brug for AI for at opnå omsætningssucces

Min rejse har handlet mindre om at lede enorme teams i store virksomheder og mere om at være ude i felten i virksomheder i de tidlige faser, finde løsninger i realtid, bære flere kasketter og gøre, hvad der skal til for at skabe fremdrift.

Jeg har arbejdet tæt sammen med stiftere, været med til at forme markedsstrategien fra bunden og arbejdet i miljøer uden store teams, perfekte drejebøger eller mulighed for at gemme sig bag processer. Jeg fokuserer på at være ressourcestærk, bevæge mig hurtigt og omsætte uklarhed til eksekvering.

I øjeblikket leder jeg omsætningsarbejdet hos en B2B AI-startup i seedfasen med en abonnementsbaseret SaaS-model. Teamet er lille med en eller to personer på omsætningsteamet, så jeg er meget praktisk involveret på tværs af GTM-strategi, udgående salg, generering af salgspipeline, salgseksekvering og kundetilbagemeldinger. Vores GTM-model er tæt knyttet til stifterne og iterativ med fokus på at lande de første kunder, lære hurtigt og opbygge gentagelig fremdrift på tværs af kundevendte markeder og omsætningsteamets markeder.

I seedfasen afhænger en stor del af omsætningssuccesen af stifternes mavefornemmelse, spredte samtaler, manuel opfølgning og tavs viden. Derfor blev jeg meget interesseret i, hvordan AI kan hjælpe startups med at opfange disse signaler tidligere, operationalisere det, som de bedste medarbejdere gør, og give små teams større løftestangseffekt uden en enorm organisation.

For mig erstatter AI inden for omsætning ikke mennesker og tilfører heller ikke kompleksitet. Det hjælper små, ressourcestærke teams med at præstere over deres vægtklasse. Det gør det muligt for startups at bevæge sig hurtigere, lære hurtigere og opbygge bedre systemer tidligere, end de ellers ville kunne. Jeg elsker at bruge AI til at hjælpe virksomheder i seedfasen med at skabe struktur ud af kaos, omsætte indsigt til handling og skalere omsætningen uden at miste tempo.

Sådan styrker AI fokus og hastighed i arbejdsgange for omsætning

For mig skaber AI fokus, hastighed og løftestangseffekt.

De agenter, jeg har bygget, har hjulpet os med at skærpe udvælgelsen af målmarkedet, identificere konti med højere købsintention tidligere og få en meget lille omsætningsfunktion til at arbejde mere præcist. Det betød mindre spildt indsats på konti med dårligt match, hurtigere eksekvering af opsøgende kontakt og opfølgning samt bedre synlighed i forhold til, hvor vi så købssignaler. Det forbedrede også, hvor hurtigt vi kunne teste budskaber, justere antagelser om ICP og flytte ressourcer mod segmenter, der viste stærkere intention.

Det tydeligste kvantitative resultat var effektiviteten. AI reducerede tiden til research, kontoprioritering og GTM-forberedelse med over 50 %, hvilket gav os langt mere salgskapacitet uden at øge antallet af medarbejdere. Det førte til bedre fokus i vores opsøgende kontakt, højere mødekvalitet og mindre spildt indsats gennem hele salgstragten.

I nogle tilfælde var effekten mest synlig operationelt snarere end udelukkende på toplinjen. Opgaver, der tidligere krævede timevis af manuel research, kunne udføres meget hurtigere, hvilket skabte mere plads til salg og beslutningstagning. Det gjorde også arbejdsgangen mindre reaktiv. I stedet for at jagte alt kunne vi være mere bevidste om, hvor vi brugte vores tid.

I en startup er den form for løftestangseffekt vigtig, fordi den hjælper dig med at skalere smartere, før du opnår skala.

Sådan kan AI forbedre genereringen af salgspipeline

Her er et eksempel på en arbejdsgang. Jeg brugte AI til at skærpe den måde, vi genererede salgspipeline på, ved at identificere, hvilke besøgende på hjemmesiden og konti der viste købsintention. Tidligere arbejdede vi ud fra bredere ICP-antagelser, manuel research og begrænsede data om købsintention. Det betød, at vi brugte tid på konti, der så rigtige ud på papiret, men som ikke nødvendigvis var på markedet.

Det ændrede vi ved at bruge AI til at identificere unikke besøgende, analysere engagementadfærd og score konti efter deres sandsynlighed for at købe. Det gjorde det muligt for os at fokusere mere på målmarkedssegmenter og virksomheder, der viste reel intention.

Resultatet var, at prioritering, relevans og konverteringseffektivitet blev forbedret. Vi brugte mindre tid på at gætte og mere tid på at handle ud fra signaler, hvilket gjorde vores GTM-model skarpere og mere fokuseret.

Og det store skifte var at gå fra “hvem ser rigtig ud på papiret” til “hvem er det mest værd at handle på lige nu”. Det er der, flere CRO'er skal hen.

Hvorfor AI kan være katastrofalt for virksomheder i de tidlige faser

Ulempen er, at AI kun er så god som dens input, logik og sikkerhedsforanstaltninger. Jeg har set tilfælde, hvor den lagde for stor vægt på støjende signaler, fandt falske positiver eller udviste en grad af sikkerhed, som de underliggende data ikke berettigede til. I et miljø på et tidligt stadie kan det være farligt, fordi datasættet er mindre, markedet stadig udvikler sig, og det er let at overbevise sig selv om, at et mønster er stærkere, end det faktisk er. Et dårligt resultat kan derfor være spildt arbejde, når AI leder dig hen mod konti eller signaler, der ser lovende ud, men mangler reel overbevisning.

Jeg har også set, at AI kan friste os til at automatisere for meget og for tidligt. Hvis man ikke passer på, kan man ende med mere aktivitet, men ikke nødvendigvis bedre dømmekraft.

Vi er langt fra fuld automatisering af strategiske omsætningsbeslutninger. AI kan hjælpe med research, identificere signaler og øge eksekveringshastigheden, men det har ikke konsekvent været pålideligt til prognoser, aftalestrategi eller sikre forudsigelser af, hvilke muligheder der bliver lukket. Det bringer dig 90 % af vejen; et menneske skal udfylde de resterende 10 %. Især i miljøer på et tidligt stadie mangler AI som regel tilstrækkeligt med rene historiske data til at træffe den slags beslutninger på det forventede niveau.

AI er altså en løftestang for research, prioritering og eksekvering. Men det er ikke en erstatning for operatørens intuition eller nærhed til kunderne. Strategi, dømmekraft og relationsbaserede beslutninger skal fortsat være menneskelige. Jeg træffer stadig de endelige beslutninger om markedsfokus, budskaber, prioritering, prissætning og navigering i aftaler.

Sådan justerer du, når AI ikke slår til i budskaberne

Her er et eksempel på, hvor AI ikke slog til for mig.

Vi brugte AI til hurtigere at generere og finpudse udgående tekster, men meget af det blev for generisk eller for poleret og ramte derfor ikke køberne. Det lød godt, men afspejlede ikke altid de reelle nuancer på markedet eller det, køberne ville reagere på.

For at løse det holdt jeg op med at behandle AI-genererede budskaber som det endelige resultat og brugte dem i stedet mere som et kladdelag. Den endelige positionering, tone og skarphed forblev menneskelig. AI satte fart på processen, men dømmekraften skulle stadig komme fra en person tæt på kunden.

Hvorfor det er afgørende for omsætningen at måle AI's effekt

Ikke alle implementeringer af AI er faktisk nyttige. Jeg måler effekten af AI på samme måde, som jeg ville måle enhver GTM-investering. Hver AI-arbejdsgang, jeg implementerer, skal gøre mindst én af følgende ting:

• Øge resultatet
• Forbedre kvaliteten af beslutningerne
• Forkorte tiden frem til omsætningsresultatet

Hvis det ikke forbedrer én af disse tre ting, tilføjer det sandsynligvis bare støj.

På et overordnet niveau vurderer jeg, om AI hjælper os med at skabe flere salgsmuligheder, prioritere bedre muligheder og gøre holdet mere effektivt. Da jeg bruger AI intensivt gennem research- og GTM-agenter, følger jeg målepunkter som den tid, der spares på skrivebordsresearch, hastigheden i opbygningen af lister, tiden frem til den første kontakt og hvor målrettet vores opsøgende kommunikation er blevet. Hvis AI fungerer, bør holdet bruge mindre tid på at indsamle information og mere tid på at handle på de rigtige muligheder.

Jeg følger også omsætningsmålepunkter med fokus på kvalitet, ikke kun aktivitet. Det omfatter konverteringsrater fra mål-konto til møde, fra møde til mulighed, fra mulighed til lukket aftale, svarprocenter på AI-informeret opsøgende kommunikation og salgsmuligheder fra konti med højere købsintention. Hvis AI hjælper os med at identificere konti, der passer bedre, eller forbedre budskaberne, forventer jeg at se det afspejlet i samtaler af højere kvalitet og stærkere konverteringer længere nede i tragten.

Operationelt vurderer jeg præcision og anvendelighed. For eksempel: Identificerede agenten de rigtige konti, fandt den relevante kontekst eller hjalp den os med at fokusere på den rigtige del af markedet? Hvis resultaterne er hurtige, men ikke nyttige, hjælper det ikke. Derfor er en del af evalueringen fortsat kvalitativ: Er indsigterne tilstrækkeligt præcise til, at vi kan stole på dem, og ændrer de meningsfuldt den måde, vi arbejder på?

Hvorfor AI ikke er strategi

AI er ikke strategi; det er en løftestang.

Alle CRO'er bør forstå dette, før de går i gang, for hvis jeres ICP, budskaber, salgsproces og kerneprocesser er svage, vil AI ikke løse dem. Det vil blot hjælpe jer med at gøre de forkerte ting hurtigere.

Virksomheder, der får mest ud af AI, bruger det til at skærpe dømmekraften, fremskynde læring og fjerne manuelt arbejde — ikke til at erstatte tænkning. Hvis du behandler AI som en løftestang i stedet for en magisk løsning, vil du implementere det langt mere effektivt.

Hvad du skal vide, før du lancerer AI i omsætningsteams

Rene input og tydelige rammer er vigtige. Jeg har allerede været inde på dette, men det tåler gentagelse, fordi jeg ville ønske, at jeg havde indset det tidligere.

I begyndelsen er det let at blive begejstret for det, AI kan producere, men hvis dataene er rodede, instruktionen er vag, eller arbejdsgangen ikke er klart defineret, ser resultatet bedre ud, end det er. Det kan skabe falsk selvtillid og spildte bevægelser.

Hvis jeg havde vidst det tidligere, ville jeg have brugt mindre tid på at jagte skinnende resultater og mere tid på fra dag ét at definere den præcise anvendelse, succesmålingen og laget med menneskelig gennemgang. Det ville have hjulpet med at undgå støj, falske positiver og en masse omarbejde.

Jeg lærte af min fejl og blev langt mere disciplineret omkring omfang, input og gennemgang.

For det første begrænsede jeg hvert AI-initiativ til én specifik opgave i stedet for at bede det om at gøre for meget på én gang. Derefter standardiserede jeg inputtet — ensartede datafelter, tydeligere prompts, mere præcise definitioner af, hvad der så “godt” ud, og mindre afhængighed af rodede eller ufuldstændige oplysninger. Jeg tilføjede også tydelige sikkerhedsrammer, der definerede, hvor AI kunne understøtte arbejdet, og hvor et menneske skulle træffe den endelige beslutning.

Derudover indbyggede jeg en gennemgangsproces. Jeg testede resultaterne op mod virkelige resultater, identificerede, hvor AI skabte støj eller falsk sikkerhed, og finjusterede derefter. Den største ændring var at betragte AI mindre som magi og mere som et operativsystem, der har brug for struktur, kvalitetssikring og begrænsninger for at være nyttigt.

Hvorfor CRO'er bør tage AI til sig som en ændring af driften

Overordnet set er mit råd følgende.

Gå ikke til AI som en værktøjsimplementering. Gå til det som en ændring af driften.

Start med ét klart indtægtsproblem, hvor hastighed, signalbehandling eller manuelt arbejde holder teamet tilbage. Brug AI til først at skabe løftestangseffekt dér. Hold omfanget stramt, mål effekten, og byg videre på faktiske arbejdsgange i stedet for hype.

Vigtigst af alt: Lad ikke andre træffe vurderingerne for dig. De bedste CRO'er vil bruge AI til at arbejde hurtigere, se tydeligere og træffe bedre beslutninger — ikke til at erstatte den menneskelige kontekst, der stadig driver fremragende GTM-ledelse.

Følg med

Du kan følge Waleed Shaaranis rejse på LinkedIn, mens han fortsat leder indtægtsorganisationer i startup-verdenen.

Der kommer flere ekspertinterviews på The CRO Club!