Il VP delle vendite spiega come i team revenue possono entrare nel 6% che ha implementato con successo l’IA

Byron Munson è il Vicepresidente delle vendite per JAPAC presso Supermetrics.

Abbiamo parlato con Byron per capire perché solo il 6% dei team ha implementato con successo l'IA e come sta riuscendo a farlo con il suo team. Ecco cosa ci ha raccontato.

Costruire da zero macchine commerciali

Sono Byron Munson, Vicepresidente delle vendite per JAPAC presso Supermetrics, un'azienda MarTech globale in fase di crescita. La nostra base clienti spazia dalle PMI ai più grandi marchi aziendali. La nostra struttura GTM si basa su un modello snello di Key Account Manager e Commercial Account Executive, oltre che su un'organizzazione dedicata ai partner.

Ho trascorso più di vent'anni tra APAC ed EMEA, costruendo da zero strutture commerciali fino a portarle a una scala regionale. Ho iniziato nella pubblicità presso DDB e McCann a Sydney, per poi passare alla tecnologia pubblicitaria presso Adconion London e Videology SEA, e in seguito al MarTech presso Datorama. Ho contribuito a gestire le attività di Datorama nell'APAC e ho portato a termine l'acquisizione da parte di Salesforce nella regione.

Essere passato due volte attraverso un'acquisizione dall'interno mi ha insegnato molto di ciò che non avrei imparato da una presentazione strategica: cosa sopravvive in un'organizzazione più grande, cosa viene ricostruito e cosa scompare silenziosamente.

Ho anche fondato la mia azienda, una startup di tecnologia climatica chiamata Climagap, che mi ha dato una sana dose di umiltà riguardo all'ideazione, alla raccolta di finanziamenti e al lancio sul mercato di un'idea partendo da zero. Alla fine, per diverse ragioni, l'azienda non è riuscita a crescere, quindi ho deciso di chiudere le attività.

In Supermetrics, guido un team regionale di circa 20 dipendenti con competenze trasversali. Abbiamo costruito JAPAC, passando dall'assenza di una presenza dedicata sul mercato locale a un'operazione regionale significativa. Questo include un ecosistema di partner che offre accesso a professionisti qualificati nell'implementazione e nella gestione tecnologica sul mercato locale, elemento essenziale per una crescita sostenibile e per il successo a lungo termine dei nostri clienti.

Un'organizzazione commerciale influenzata dall'IA su due fronti

Più recentemente, questo si è esteso all'IA su due fronti. Internamente, abbiamo costruito la nostra infrastruttura commerciale basata sull'IA, che copre la salute della pipeline, il rischio dei clienti e il coaching sulle trattative, basandoci sui nostri dati. Questo mi ha insegnato in prima persona che l'adozione dell'IA è principalmente un problema di fiducia e gestione del cambiamento, non di tecnologia.

Esternamente, invece, ho osservato lo stesso cambiamento nei nostri clienti: marchi e agenzie sommersi da un eccesso di dati. La vera svolta non è stata avere più dati, ma aiutarli a decidere più rapidamente.

Le nostre partnership con gli LLM, incluso il nostro ruolo più recente come partner di lancio di Gemini Enterprise di Google nella regione, si collocano proprio all'intersezione di questi ambiti: portare direttamente nelle mani dei professionisti del marketing l'intelligence di marketing basata sull'IA. A dire il vero, ho imparato che non si tratta della tecnologia; le persone agiscono solo sulla base di insight di cui si fidano, che si tratti di un commerciale che si fida di un suggerimento di coaching o di un cliente che si fida abbastanza di una raccomandazione da modificare i propri piani di investimento nel marketing.

Dove l'IA eccelle e dove finisce la sua utilità

L'IA supporta le decisioni fornendo insight. La propensione all'espansione è il caso più evidente: in un modello self-service, i segnali relativi all'utilizzo, alla fatturazione e al coinvolgimento possono trovarsi in sistemi disconnessi, senza alcun collegamento naturale. L'IA riunisce queste fonti di dati, rivelando un segnale chiaro di quali clienti sono pronti a espandersi.

Ma l'IA non è mai l'unico motore. Ciò che rimane interamente umano include la definizione dei prezzi, la negoziazione e tutto ciò che si basa sulla fiducia e sull'interazione interpersonale. L'IA può dirmi che un account è pronto. Non può sostenere la conversazione.

Vale inoltre la pena sottolineare che non tutte le scommesse sull'IA si traducono in ricavi con la stessa rapidità suggerita dall'entusiasmo per l'IA. Alcune consumano una capacità significativa prima di produrre risultati rilevanti.

Per questo il rischio che tengo maggiormente sotto controllo è l'eccessiva sicurezza. L'output dell'IA può apparire curato e definitivo anche quando si basa su dati limitati. Lo tratto come la prima bozza di un analista junior: utile, ma non agisco mai senza averlo verificato.

Due ambiti in cui l'IA non è all'altezza nelle organizzazioni che generano ricavi

Vedo due pericolose lacune quando si parla di IA nei ricavi.

La più evidente riguarda la personalizzazione dei contatti in uscita generata dall'IA. È efficiente secondo ogni metrica di attività, ma non ha aumentato il tasso di vittoria perché gli acquirenti riconoscono immediatamente la personalizzazione artificiale.

Eccone una più sottile: lasciare che un modello valuti automaticamente il rischio delle trattative. Era corretto abbastanza spesso da conquistare la fiducia, e sbagliava esattamente nei casi più importanti — quando le relazioni si raffreddavano, un fenomeno che non emerge mai nei dati strutturati.

In entrambi i casi, è necessaria la presenza di una persona nel processo.

Come l'uso dell'IA nella gestione delle prestazioni e nella strategia di mercato migliora le decisioni

Di recente ho apportato due grandi cambiamenti:

1. Gestione delle prestazioni: Ora facciamo emergere i rischi individuali e di team prima che diventino un problema di prestazioni, non dopo. Elaborazione proattiva di soluzioni invece di un'analisi retrospettiva. Lo facciamo raccogliendo le trascrizioni delle chiamate, lo storico del flusso delle opportunità, le note del CRM, i ricavi per linea di prodotto e il feedback dei clienti; l'IA fa emergere i comportamenti sottostanti.
2. Strategia di mercato: L'analisi di 4 anni di dati operativi sull'intera regione ha fatto emergere una tendenza specifica in Thailandia, che ci ha portato a espanderci con una strategia incentrata prima sui partner. Abbiamo sviluppato una solida rete di partner per le soluzioni sul mercato, invece di insediarci direttamente con una presenza locale.

Ci siamo riusciti collegando tutti i nostri dati interni e le piattaforme di terze parti al nostro ambiente Claude. In definitiva, questo fornisce le basi per prendere decisioni ripetibili e commercialmente incisive su larga scala. Non un'analisi approfondita una tantum, ma un approccio coerente e di lungo periodo.

Byron Condivide

Abbiamo sviluppato una solida rete di partner per le soluzioni sul mercato, invece di insediarci direttamente con una presenza locale.

Come la collaborazione incentrata sul cliente diventa possibile grazie all'IA

Le vendite e il Successo del cliente hanno sempre operato fianco a fianco: stesso cliente, due funzioni, due sistemi di riferimento, due versioni della verità. Questa non è una partnership. È un gioco parallelo.

Il settore ha raggiunto questa consapevolezza. I responsabili dei ricavi più autorevoli concordano oggi su «Un numero, un'unica modalità operativa, un'unica fonte di verità». Il GTM come sistema connesso, non come una staffetta di passaggi di consegne.

Questa idea non è più controversa. Ma la maggior parte delle aziende si ferma alla struttura: obiettivi condivisi, cruscotti unificati, consolidamento del CRM. Questa è solo infrastruttura. Non risponde alla domanda: «Come possono due funzioni, che operano su due sistemi diversi, descrivere mai lo stesso cliente nello stesso modo?»

Ecco il meccanismo: quando il linguaggio proveniente da ogni punto di contatto con il cliente (vendite, inserimento e rinnovo) risiede in un LLM indirizzato ai vostri dati, non esistono più una versione del cliente vista dalle vendite e una versione vista dal Successo del cliente.

È così che la collaborazione e la trasparenza si concretizzano nella pratica. Non un valore su una slide, ma la struttura che impedisce ai team di perdere di vista il cliente. Ed è questo l'aspetto della collaborazione incentrata sul cliente.

Come adottare con successo l'IA nelle organizzazioni che generano ricavi

L'89% dei team sente la pressione di adottare l'IA. Solo il 6% l'ha effettivamente implementata. Questo divario rappresenta l'opportunità (Supermetrics, Rapporto sui dati di marketing 2026).

Ecco come colmare questo divario:

1. Verifica le tue lacune e necessità. Definisci i tuoi obiettivi e associa i test A/B per far emergere la direzione reale a lungo termine. Poi, mappa i tuoi dati. Se non li colleghi, l'LLM non ha contesto. La maggior parte delle "iniziative di IA" che si arenano deriva da problemi di igiene dei dati. Se non ti fidi degli input, non puoi fidarti degli output.
2. Non introdurre l'IA in tutta l'organizzazione fin dal primo giorno. Individua l'attività che crea il maggiore attrito per il tuo team: riepiloghi delle trattative, preparazione delle QBR, igiene della pipeline. Ricostruisci quel singolo flusso di lavoro con tutto il suo contesto. Dimostra i guadagni in termini di efficienza prima di ampliare l'implementazione.
3. Metti le regole per iscritto. I tuoi rappresentanti commerciali usano valutazioni non documentate: come si presenta una trattativa sana, cosa significa "bloccata" al nono mese e come distinguono i rinnovi dagli upsell. Se non lo metti per iscritto, il tuo LLM non può utilizzarlo, e nemmeno i nuovi assunti.
4. Misura l'adozione in base alle decisioni cambiate, non alle licenze attivate. Il numero di licenze e le statistiche di accesso non ti dicono nulla. Monitora se gli insight forniti dall'IA modificano le previsioni, le strategie sulle trattative o le conversazioni di coaching. Questo è l'unico segnale che distingue un'implementazione reale da quelle che non vanno mai oltre un progetto pilota.

Byron condivide

\u003cstrong\u003eEcco come colmare questa lacuna: verifica le tue lacune e necessità. Non introdurre l’IA in tutta l’organizzazione fin dal primo giorno. Metti le regole per iscritto. Misura l’adozione in base alle decisioni cambiate, non alle licenze attivate.\u003c/strong\u003e

Perché gli LLM devono essere integrati come nuovi assunti

E un'altra cosa: integra il tuo LLM come faresti con un nuovo assunto. Salta questo onboarding e otterrai sicurezza senza competenza.

Un nuovo dipendente non riceve l'accesso al CRM o al tuo manuale operativo senza conoscere ruoli e responsabilità e senza capire come si presenta un risultato "corretto". Un LLM ha bisogno degli stessi quattro elementi fondamentali prima di poter toccare i dati reali:

• I tuoi obiettivi: cosa significa "sana" per questa pipeline, questo trimestre e questa regione
• Le tue definizioni: cosa significa "a rischio" e come si presenta una pipeline sana
• Le tue linee guida: cosa non deve mai decidere da solo, ad esempio non riclassificare la fase di una trattativa né attribuire un motivo di abbandono senza l'intervento di una persona.
• La tua storia: il contesto che cambia il significato di un numero, ad esempio "la copertura della pipeline è bassa" assume un significato molto diverso quando sai che abbiamo appena anticipato di un trimestre un rinnovo importante.

Salta quell'onboarding e il modello non fallisce in silenzio: fallisce in modo convincente.

Resta aggiornato

Puoi seguire il lavoro di Byron Munson su LinkedIn.

Seguiranno altre interviste a esperti su The CRO Club!