Il CRO di Mural ci svela dove i leader delle entrate stanno sbagliando con l’IA — e come rimediare
Scopri come un CRO SaaS utilizza l'IA per riprogettare i flussi di lavoro sulle entrate, migliorare le previsioni e la ricerca degli account, e aiutare i team a muoversi più velocemente senza sacrificare giudizio o qualità.
Percorso di carriera: Bill Dwoinen sottolinea che il percorso di carriera nelle vendite è spesso non lineare, coinvolgendo scelte quotidiane costanti.
Integrazione dell’IA: Integrare l'IA nei flussi di lavoro può aumentare la precisione e la coerenza nelle vendite, senza sostituire il giudizio umano.
Strategia di rinnovo: L'IA può trasformare le strategie di rinnovo in flussi di lavoro proattivi, segnalando i rischi prima delle scadenze critiche.
Importanza dei dati: Il successo dell’adozione dell’IA dipende da una solida base dati e da informazioni costanti e affidabili.
Riprogettazione dei flussi di lavoro: Il vero potenziale dell’IA è nel ripensare e riprogettare i flussi di lavoro ad alto valore aggiunto, oltre a risolvere i punti di attrito.
Bill Dwoinen è il CRO dell’azienda B2B SaaS in fase di crescita, Mural. Lavora nell’ambito delle entrate da 20 anni e oggi supervisiona Vendite, Customer Success, Revenue Operations e sistemi GTM — ed è totalmente orientato all’IA.
Abbiamo parlato con Bill del motivo per cui i leader delle entrate devono smettere di risolvere i punti di attrito con l'IA ed iniziare a riprogettare interi flussi di lavoro. Ecco cosa ci ha detto.
Mai una linea retta verso la C-suite
Sono Bill Dwoinen, CRO in Mural. Ho trascorso circa 20 anni nelle vendite e nella leadership delle vendite. Ho iniziato nel settore delle risorse umane da CareerBuilder, poi sono passato al SaaS in LinkedIn e ho passato quasi cinque anni a guidare il business enterprise di Slack in Salesforce nel settore tecnologico strategico. Ho assunto il ruolo di CRO in Mural agli inizi del 2025.
Want more from The CRO Club?
Create a free account to continue reading and join modern revenue leaders using proven playbooks, peer insights, and AI-driven strategies to build predictable pipeline and scalable growth.
Have an account? Log In
Il mio percorso non è mai stato una linea retta. Lo dico sempre ai ragazzi delle superiori quando torno a parlare con loro, e lo intendo davvero. La vita non si muove in linea retta e neanche la carriera nelle vendite. Sono cresciuto come individual contributor, sono passato alla leadership perché mi importava sinceramente delle persone intorno a me più che del riconoscimento, e infine ho costruito la credibilità necessaria per aprire le porte della C-suite. Piccole scelte costanti per 20 anni — questo è stato.
Guidare l'organizzazione delle entrate
Guido l’intera organizzazione delle entrate in Mural, un’azienda B2B SaaS in fase di crescita con un modello di abbonamento ricorrente e uno strato servizi in espansione grazie alla partnership LUMA. L’organizzazione copre vendite, customer success, revenue operations e sistemi GTM. Ho deliberatamente portato i Sistemi GTM nell’organizzazione delle entrate per allineare sistemi, dati e flussi di lavoro a come i clienti acquistano, adottano e crescono con noi invece di ottimizzarli in compartimenti stagni.
Serviamo clienti enterprise in tutto il mondo, con la maggiore concentrazione in AMER ed EMEA. Il nostro go-to-market è focalizzato sia sull’acquisizione di nuovi clienti sia sull’espansione all’interno della nostra base clienti esistente e lavoriamo attivamente per espanderci verso nuovi casi d’uso e buyer persona oltre il tradizionale ambito di Mural.
Quello che conta di più per me è che l’organizzazione delle entrate funzioni come un unico motore connesso. New business, retention ed espansione non devono essere agende separate. Il mio compito è assicurarmi che il modello operativo lo rifletta e che ogni parte dell’organizzazione, dalla prima conversazione di vendita fino al valore per il cliente a lungo termine, remi nella stessa direzione.
Perché l’IA è un dono per i CRO
Ho sempre creduto nei processi: accuratezza nelle previsioni, disciplina nella pipeline, comprensione degli indicatori anticipatori. L’IA ora sta dando slancio a tutto ciò su cui ho basato la mia filosofia di leadership.
I team che una volta revisionavano manualmente la pipeline e si affidavano all’istinto ora ricevono segnali più rapidamente, agiscono con maggiore sicurezza e possono fare coaching in modo più preciso. Per un CRO, questo non è una minaccia; è un regalo.
I leader che vinceranno in questo momento non ne hanno paura. Non ho mai avuto paura di fallire, e non ho paura di questo. In Mural, mi concentro sul costruire un motore delle entrate in cui l’IA amplifica ciò che le persone di talento già fanno, non sostituisce il giudizio, le relazioni o la cultura che stiamo costruendo. Questo è il lavoro di oggi, e non potrei esserne più focalizzato.
Come l’IA può ripensare il lavoro ad alto valore delle entrate
Ho utilizzato l’IA per ridisegnare il modo in cui viene svolto il lavoro ad alto valore nelle entrate, in particolare per la ricerca degli account, la creazione del punto di vista (POV) e la comunicazione.
Questo lavoro è più vicino alle entrate di quanto si pensi. Determina quanto bene il team si presenta ai clienti, quanto è rilevante l’outreach e quanto coerentemente l’organizzazione inquadra il valore. Storicamente, inoltre, è stato troppo manuale, troppo disomogeneo e troppo legato all’iniziativa individuale. I migliori commerciali lo fanno bene. Altri fanno qualcosa di più generico. Questo crea un problema di qualità, non solo di produttività.
I miei nuovi flussi di lavoro sono GPT personalizzati costruiti per casi d’uso commerciali specifici. Non si tratta di IA generiche applicate ovunque, ma di strumenti pensati attorno al nostro modo di vedere gli account, come comunichiamo il valore e a cosa corrisponde un output commerciale di alto livello nel nostro contesto.
La specificità crea leva. Gli strumenti generici producono risultati generici.
L’esempio più evidente è il nostro flusso di lavoro per la ricerca account e la preparazione dell’outreach. Un commerciale inserisce l’account, il contesto rilevante e l’obiettivo. Il flusso produce una vista strutturata dell’account: cosa probabilmente sta accadendo nell’azienda, dove sono le priorità e i punti dolenti, quali segnali sono rilevanti e come inquadrare il nostro valore rispetto a quella situazione specifica.
IA nella ricerca account e nella preparazione dell’outreach
Il commerciale ottiene un vero punto di vista costruito intorno al cliente, non un modello riciclato. Un lavoro che prima richiedeva 10–30 minuti ora ne richiede circa tre senza perdita di qualità. E la qualità è più uniforme all’interno del team, indipendentemente da chi esegue il processo.
Un lavoro che prima richiedeva dai 10 ai 30 minuti ora ne richiede circa tre, senza ridurre la qualità. E la qualità è più coerente tra i membri del team, indipendentemente da chi lo esegue.
IA nei Workflow di Previsione
Un altro esempio è il Forecast Center, un GPT personalizzato che ho creato per cambiare il modo in cui i leader si preparano e gestiscono le conversazioni di previsione. Risolve il problema per cui la maggior parte delle riunioni di previsione si trasforma in leader che leggono i dati ad alta voce invece di ricavarne strategie. Forecast Center prende dati di gestione aziendale, input della pipeline e informazioni sulla salute dei clienti e aiuta i leader a trasformarli in una narrazione chiara e in un punto di vista difendibile prima ancora di unirsi alla chiamata.
Il nostro standard interno è semplice: se sembra che sia stato un GPT a riassumere un foglio di calcolo, non va bene. Deve sembrare come se fosse un CRO che ha svolto il lavoro e sia pronto a guidare l’azienda.
Risultati
Ciò che rende entrambi efficaci non è il modello. Sono la progettazione del workflow, il contesto integrato e lo standard che richiediamo per un output di qualità. Il rappresentante e il leader mantengono comunque la responsabilità del giudizio. L’IA elimina l’attrito dalla fase preparatoria, così che possano presentarsi più pronti, più rapidamente e in modo più coerente rispetto a prima.
Siamo ancora all’inizio, quindi invito a non esagerare sulle ricadute sui ricavi a valle. Ma attraverso questi workflow e altri, abbiamo già migliorato la velocità e la reattività dell’organizzazione senza sacrificare la qualità. I team riescono ad avvicinarsi più rapidamente ai clienti perché non devono più aspettare una riunione o seguire un lungo processo manuale per ricercare un account, costruire il contesto e formarsi un punto di vista. Questo ha migliorato la preparazione, aumentato la coerenza del lavoro a contatto con i clienti e reso l’organizzazione dei ricavi più efficace nel coinvolgimento degli account.
Perché i Rinnovi Hanno Bisogno di una Riprogettazione con l’IA
Anche i rinnovi necessitano di una riprogettazione.
La maggior parte delle organizzazioni dedicate ai ricavi tratta ancora i rinnovi in modo reattivo. I team si avvicinano alla scadenza, controllano il punteggio di salute e si affrettano a coprire le relazioni giuste.
Ma quando i team svolgono questo lavoro, sono già in ritardo. Io suggerisco di ripensare l’intelligenza dei rinnovi come un workflow continuo, non come un’esercitazione trimestrale di emergenza. L’IA è particolarmente adatta a questo scopo, perché può individuare segnali di rischio, segnalare lacune nella copertura e aiutare i leader a maturare un punto di vista su dove agire prima che si chiuda la finestra temporale.
Perché la Maggiore Opportunità con l’IA Non È Quella che Ti Aspetti
Ma ricorda, la maggiore opportunità con l’IA non è risolvere singoli punti di attrito. È ripensare l’intero workflow.
All’inizio ero probabilmente troppo concentrato su problemi immediati, il che creava valore ma era più incrementale che trasformativo in certi casi.
Se lo avessi capito prima, avrei passato meno tempo a ottimizzare attività isolate e più tempo a riprogettare dall’inizio alla fine i workflow a maggior valore, collegandoli chiaramente alle priorità GTM e agli impatti misurabili sul business sin dall’inizio.
Questo mi avrebbe aiutato a evitare una sperimentazione frammentata. Tale approccio può portare a strumenti utili che però non si traducono in un vero vantaggio strategico.
La lezione è che l’IA crea il massimo valore quando si connette a come l’azienda genera ricavi — non solo dove si avverte dolore nell’immediato.
Dove l’IA Guida le Attività Relative ai Ricavi
Mi affido maggiormente all’IA in quelle aree dove una sintesi migliore e una preparazione più rapida creano vero valore, come nella ricerca sugli account, nella creazione del punto di vista, nel messaging, nella comunicazione e nel riconoscimento di schemi su grandi moli di informazioni. Eccelle nell’elaborare input, strutturare il pensiero e migliorare la qualità e la coerenza dell’esecuzione a livello organizzativo.
Gli esseri umani entrano in gioco quando sono richiesti vero giudizio e responsabilità: previsioni, definizione dei prezzi, decisioni finali sulla pipeline, decisioni sui territori e scelte importanti relative al rischio o all'investimento per i clienti. L'IA può informare queste conversazioni, ma non sostituisce il giudizio della leadership.
Il motivo è semplice. Voglio che l'IA ci aiuti a pensare meglio e a muoverci più velocemente, non che prenda decisioni laddove sfumature, contesto e responsabilità contano di più. In un'organizzazione che si occupa di ricavi, la velocità è importante, ma il giudizio resta il vero elemento distintivo.
I responsabili delle entrate devono tenere d'occhio le inefficienze dell'IA
A volte, l'IA produce più output invece che output migliore. L'esempio più chiaro è la cosiddetta inefficienza dell'IA: contatti generici, messaggi generici, punti di vista generici e molte attività che sembrano produttive ma che non migliorano la qualità commerciale. In questi casi, l'IA genera rumore, non valore.
Ho anche visto l'IA essere applicata eccessivamente in aree dove giudizio, contesto e sfumature contano più della velocità. Se gli input sono deboli o gli standard sono bassi, l'IA non risolve il problema. Lo amplifica.
Il problema non è tanto la tecnologia in sé quanto il fatto che le persone possono facilmente confondere quantità e valore. Questo è il rischio che tengo maggiormente sotto controllo perché porta a una perdita di fiducia.
Affronto la questione fissando uno standard chiaro in tutta l'organizzazione, dando l'esempio e diffondendo la disciplina che ho usato per costruire i miei flussi di lavoro. Questo significa rafforzare il concetto che l'IA deve affinare il pensiero, non sostituirlo, e che contesto, iterazione e giudizio sono ancora fondamentali.
Questo è ciò che separa i team di ricavi che ottengono vero valore dall'IA da quelli che creano soltanto più rumore.
Perché la scalabilità non implica sempre un compromesso sulla qualità
Ho sempre pensato che la scalabilità comportasse necessariamente un compromesso sulla qualità. Nel go-to-market, l'automazione ha storicamente significato più output, ma di solito a discapito della rilevanza, del giudizio e della qualità.
L'IA ha cambiato la mia convinzione che questo compromesso sia inevitabile. Se usata bene, con il giusto contesto, design dei flussi di lavoro e standard adeguati, l'IA può aumentare velocità e scalabilità senza abbassare automaticamente il livello qualitativo.
L'esempio migliore sono i flussi di lavoro di ricerca e preparazione degli account di cui parlavo prima. Non avviene automaticamente, ma è possibile. Ed è un cambiamento significativo rispetto a come la maggior parte di noi ha vissuto l'automazione nelle organizzazioni di ricavi.
Se usata bene, con il giusto contesto, design dei flussi di lavoro e standard adeguati, l’IA può aumentare velocità e scalabilità senza abbassare automaticamente il livello qualitativo.
Perché dati di qualità sono fondamentali per una buona adozione dell'IA
Dati di qualità contano più degli strumenti. Se i dati sono incompleti, incoerenti o difficili da fidare, l'IA non risolve questo problema. Lo amplifica.
Potresti ottenere risultati più veloci, ma non migliori. Questa è stata una delle lezioni più importanti per me.
Una buona adozione dell'IA non riguarda solo l'accesso al modello giusto. Si tratta di avere una solida base dati, disciplina operativa e fiducia negli input per usare efficacemente il modello. Gli strumenti sono importanti, ma sono i dati di qualità a rendere tutto reale.
Come i CRO dovrebbero affrontare i cambiamenti guidati dall'IA
Consiglio ai CRO di utilizzare l'IA per affinare il pensiero, migliorare l'esecuzione e scalare il giudizio, non solo per sommergere il business con più output.
Partite dalle aree in cui la velocità e la sintesi generano vero valore: ricerca degli account, creazione di punti di vista, messaggistica e riconoscimento dei pattern su tutto il motore delle entrate. Siate chiari su ciò che l'IA dovrebbe informare e ciò che deve restare umano. E fissate uno standard elevato sin da subito; altrimenti, le persone tenderanno a produrre risultati generici che sembrano produttivi ma non migliorano la qualità commerciale.
I leader che ne trarranno maggior beneficio non saranno quelli che pensano di avere già tutte le risposte. Sono quelli che si impegnano seriamente, la applicano con intelligenza e continuano a innalzare le aspettative su cosa può fare per il business.
Rimani aggiornato
Puoi seguire il lavoro di Bill Dwoinen su LinkedIn.
Presto nuove interviste con esperti su The CRO Club!
