Teknologigrundlægger og kommerciel chef siger, at AI kan drive salgstragten, men mennesker lukker stadig aftalen

Aryan Mahajan er kommercialiseringschef hos Gerra og grundlægger af Zoro, hvor han bygger AI-driftslag til omsætningsorganisationer.

Vi satte os ned med Aryan for at finde ud af, hvordan han bruger AI til at ruske op i omsætningsorganisationer. Her er, hvad han fortalte os.

At være sit eget casestudie

Jeg er Aryan Mahajan. Jeg er kommercialiseringschef hos Gerra. Jeg er også grundlægger af Zoro, hvor jeg bygger det private AI-driftslag, der driver omsætningsorganisationer.

Jeg nåede ikke hertil fra toppen af en salgsorganisation. Jeg startede med $500 og uden noget sikkerhedsnet og var tvunget til at få et meget lille pengebeløb til at opføre sig som et stort team. Den begrænsning blev hele filosofien: Når man ikke kan ansætte, holder man op med at spørge "Hvem skal jeg tilføje?" og begynder at spørge "Hvad kan én operatør plus en hel flåde af AI-agenter drive?" Svaret blev en virksomhed, der gik fra $0 til $90K i MRR på 14 måneder, og som nu genererer $150K om måneden med avancer over 95%. Den fungerer med mere end 30 forskellige AI-agenter, et team, man kan tælle på én hånd, og en indholdsmaskine, der har genereret mere end 50 millioner visninger og 50.000 leads.

Jeg går op i AI inden for omsætning, fordi jeg ikke teoretiserer om det. Jeg er casestudiet. Den omsætningsorganisation, jeg leder, er et bevis på, at det driftslag, jeg bygger til andre, fungerer.

En gennemgribende ændring af toppen af omsætningstragten

Jeg erstattede hele toppen af min omsætningstragt — prospektering, undersøgelsesarbejde, kvalificering og første kontakt — med et AI-system, der driver den kommercielle sekvens fra ende til anden.

Før var menneskelige timer den dyre del af omsætningen. En salgsrepræsentant bruger omtrent 40 minutter på at undersøge et enkelt prospekt. Et team på fire eller fem koster $100-200K om året. Det meste af arbejdet består i at læse, vurdere match og skrive den første besked. Arbejdet kræver stor dømmekraft, men er langsomt, inkonsekvent og begrænset af, hvor mange mennesker man har råd til.

Jeg byggede en pipeline, der finder prospekter, beriger hvert enkelt, undersøger virksomheden og den specifikke køber, scorer matchet i forhold til den ideelle kundeprofil, frasorterer dem, der ikke passer, skriver opsøgende beskeder på flere sprog og derefter håndterer svarene.

Undersøgelsesarbejde, der tog 40 minutter pr. lead, koster nu omkring to cent pr. lead og kører 24/7. Økonomien blev vendt på hovedet: Et engangsbygget system erstatter $100K-200K i årlige bemandingsomkostninger, og kunden ejer systemet fuldt ud. Fordi det logger hvert svar og hvert resultat, har omsætningsarbejdet endelig hukommelse: hvad der virkede, hvad der ikke virkede, og hvorfor, i stedet for at den kontekst lever i hovedet på fem forskellige salgsrepræsentanter.

Det tydeligste bevis: I én kampagne undersøgte det 214 prospekter, frasorterede de 184, der ikke passede, og fik en hedgefond til en værdi af $70 billioner til at svare, mens jeg sad i min sofa. Det er ikke "AI, der skriver kolde e-mails", hvilket var interessant i 2022. Det er AI, der driver hele den kommercielle sekvens. Det er skiftet. Men de fleste omsætningsledere kobler stadig en chatbot på en arbejdsgang, der ikke burde eksistere, og kalder det transformation.

Hvorfor sans for kvalitet og dømmekraft skal forblive menneskelig

Jeg lader AI drive hele undersøgelses- og eksekveringslaget: prospektering og berigelse, ICP-vurdering og kvalificering af leads, første udkast til opsøgende beskeder og indhold, klassificering af svar, overvågning af pipeline og omsætning — og endda systemreparation. Jeg kører en selvhelende løkke, der overvåger mine aktive kundesystemer, opdager en fejl og retter den autonomt; jeg har målt en fejl, der gik fra rapporteret til løst på fire et halvt minut. AI håndterer alt, der foregår i stort volumen eller er mønsterbaseret, især arbejde, der bliver bedre, efterhånden som systemet modtager mere kontekst.

Opgaver, der fortsat udtrykkeligt er menneskelige, omfatter prissætning, positionering, endelige kommercielle beslutninger og vurderinger af sans for kvalitet. Jeg fastsætter prisen baseret på den løftestang, et system skaber, ikke på dets driftsomkostninger. Jeg overlader ikke den dømmekraft — hvad et resultat er værd for en specifik køber — til en model. Det samme gælder de endelige ord i en aftale og stemmen. AI gjorde resultater gratis og gjorde dermed sans for kvalitet til det dyre. Alle har nu adgang til de samme modeller, så markedet afslører stille og roligt, hvem der faktisk har dømmekraft. Det nægter jeg at automatisere.

AI bør heller ikke lukke aftaler. Rigtige mennesker opbygger tillid i et rum eller i en DM, og den tillid har ført til nogle af mine største kontrakter. Den sidste del af omsætningen handler om relationer og dømmekraft, og AI har knap nok flyttet den.

Min skillelinje er enkel: AI beslutter intet, der bærer mit omdømme eller forpligter mig over for en køber. AI informerer om og udarbejder udkast til alt, men et menneske godkender alt, der sendes ud i mit navn eller flytter penge. Mit system undersøger, scorer og skriver beskeden til et prospekt, men en person godkender afsendelsen. Det udarbejder et svar til en kunde, men jeg trykker for at sende.

Hvorfor AI ikke selv kan skabe efterspørgsel

AI skaber ikke autoritet eller efterspørgsel af sig selv. Den kan producere uendelige mængder indhold, men volumen er ikke distribution, og det er heller ikke tillid.

Jeg har genereret mere end 50 mio. visninger, og visningerne er ikke dér, pengene ligger — pengene ligger i det lille antal relationer, som visningerne gjorde mulige. Hold, der forventer, at AI skal "generere salgsmuligheder" ved at producere mere output, ender som regel bare med mere støj.

Efterspørgsel udspringer af et synspunkt og reel dokumentation — menneskelige input, som modellen forstærker, men ikke selv skaber.

Hvorfor salgs- og indtægtsledere skal være på vagt over for automatisering, der går for langt

Jeg ser to store ulemper ved AI i arbejdet med indtægter.

For det første kan den tage grundigt fejl med stor selvsikkerhed. De tidlige versioner af opsøgningssystemet målrettede opdigtede virksomhedsdomæner, indtil jeg krævede, at hvert enkelt blev verificeret før brug. Løsningen var ikke en smartere model, men et verifikationstjek.

For det andet er automatisering, der går for langt, farlig. En tidlig autonom betalingskørsel behandlede en leverandørbetaling to gange på baggrund af en forældet godkendelse. Nu kræver alt, der flytter penge eller sendes til en kunde, en obligatorisk godkendelse og et tidsrum, hvor handlingen kan fortrydes — systemet udarbejder og forbereder, men et menneske gennemfører.

Og jeg synes, det er vigtigt at bemærke, at flaskehalsen ganske enkelt har flyttet sig; den er ikke forsvundet. Når output bliver gratis, bliver smag, dømmekraft og sikkerhedsforanstaltninger — laget med menneskelig gennemgang — begrænsningen, ikke produktionen. Hold, der kobler AI på uden at genopbygge dette lag, skaber bare flere forkerte ting hurtigere.

Aryan deler

Jeg synes, det er vigtigt at bemærke, at flaskehalsen ganske enkelt har flyttet sig; den er ikke forsvundet. Når output bliver gratis, bliver smag, dømmekraft og sikkerhedsforanstaltninger — laget med menneskelig gennemgang — begrænsningen, ikke produktionen.

Hvordan teams, der arbejder med indtægter, forandrer sig

AI har gjort teamet mindre, mere generalistisk og mere afhængigt af dømmekraft. Jeg har ikke brug for en person til hvert produktionstrin. Jeg har brug for et lille antal operatører, der forstår kunden, økonomien og systemet godt nok til at styre maskinerne og tage ansvar for undtagelserne.

Jeg har bygget mere end 30 forskellige agenter til research, udarbejdelse af udkast, overvågning, opfølgning, levering og reparation. Den menneskelige indsats koncentreres dér, hvor maskinen er svag: positionering, prissætning, relationer, smag, ansvarlighed og beslutningen om, hvad der skal ske, når standardprocessen bryder sammen.

Talentpræmien er flyttet mod operatørudviklere — mennesker, der kan deltage i en kommerciel samtale, forstå forretningskonsekvensen og derefter forme arbejdsgangen eller samarbejde med ingeniører om at ændre den. Rene koordinatorer har mindre gennemslagskraft, fordi AI kan flytte information og producere første udkast. Rene specialister er stadig vigtige, men deres dømmekraft skal påvirke den bredere organisation i stedet for kun at være begrænset til deres eget output.

Målet er ikke at fjerne mennesker fra arbejdet med indtægter. Det er at holde op med at bruge jeres bedste medarbejdere på at læse, kopiere, rykke og opdatere og i stedet sætte dem til at arbejde med tillid og beslutninger igen.

Hvorfor CRO'er skal genopbygge deres processer

Jeg har tre råd:

1. Stop med at sætte AI oven på eksisterende processer; genopbyg dem i stedet. Det meste af "AI-transformationen" inden for omsætning består i at lime en chatbot fast på en arbejdsgang, der ikke burde eksistere — og hvis processen er forkert, gør AI bare den forkerte ting hurtigere. Fjern trinnet, og automatisér derefter det, der er tilbage. Organisationer, der behandler omsætning som et infrastrukturproblem — ved at forbinde autoritet, kundeanskaffelse, hukommelse, opfølgning og attribuering i ét system — opbygger en fordel, der vokser over tid, mens andre stadig skriver forespørgsler.
2. Ej laget, lad være med at leje det. Software er blevet standardiseret; et team med fuld driftskontekst og reel distribution slår konsekvent SaaS-løsninger, der kommer direkte fra kassen. Det vindende træk er ikke at købe ti værktøjer mere; det er at bygge operativsystemet under din omsætningsorganisation, så intelligensen vokser kumulativt, og du selv ejer det. Køb værktøjer til standardiserede funktioner; byg den del, der udgør din reelle fordel.
3. Bliv besat af det menneskelige lag, for det er dér, din fordel har flyttet sig hen. AI gjorde resultater gratis, hvilket gjorde smag, dømmekraft og tillid til knappe og dyre ressourcer. Brug AI i stor skala — til researcharbejde, udkast, overvågning og opfølgning — og koncentrér dine bedste medarbejdere om den sidste strækning, den ikke kan håndtere: prissætning, positionering, relationer og afslutning af salg. Og indfør en streng godkendelsesport for alt, der sendes til en kunde eller flytter penge. Målet er ikke færre mennesker, der skaber mere støj; det er at skalere din dømmekraft.

De CRO'er, der vinder dette øjeblik, bliver ikke dem, der tager mest AI i brug. Det bliver dem, der genopbygger deres omsætningsorganisationer omkring det, mens det stadig føles ukomfortabelt.

Følg med

Du kan følge Aryan Mahajans arbejde på LinkedIn, Instagram og X. Eller bestil en samtale med ham.

Flere ekspertinterviews kommer snart på The CRO Club!