Erfaren salgsleder deler hvordan AI kan løse det dyreste salgsproblemet

Ankit Kedia har ledet B2B-salgsteam i teknologiselskaper i 20 år. Han er for tiden fraksjonert salgsdirektør og rådgiver.

Vi satte oss ned med Ankit for å lære hvordan han bruker kunstig intelligens til å løse det han kaller «salgets dyreste problem». Her er det han sa.

Frigjøre mennesker til arbeidet som bare mennesker kan gjøre

Jeg heter Ankit Kedia. Jeg jobber som fraksjonert salgsdirektør og rådgiver, og hjelper selskaper med å gjøre salget skalerbart i stedet for at det avhenger av noen få stjerneselgere og mye flaks.

Veien hit har ikke vært rettlinjet. Jeg utdannet meg til elektroingeniør ved NTU Singapore, og jeg har aldri bygget én eneste krets. Jeg startet karrieren innen finans i stedet: aksjeanalyse, en handelsavdeling i et hedgefond og deretter oppkjøpsfond. Arbeidet var bra, men jeg la merke til det samme i alle avtaler. Selskapene som vant, visste hvordan de skulle selge. Derfor bestemte jeg meg etter hvert for å gå over til salg, og jeg har aldri sett meg tilbake.

De siste 20 årene har jeg bygget opp og ledet B2B-salgsteam i Nord-Amerika, APAC og EMEA, solgt i 13 land og vært salgsdirektør i SurveyMonkey og DropThought. Når du selger i så mange markeder, lærer du raskt at mennesker er hele spillet. Arbeid i så mange land lærte meg at en salgspresentasjon som avslutter en avtale i San Francisco, kanskje ikke fungerer i Tokyo, og ingen metodikk kan redde deg; bare forståelse av mennesket på den andre siden av bordet hjelper.

Dette bringer meg til kunstig intelligens, og for å være ærlig kom jeg sent i gang. Etter to tiår med salg begynte jeg først å bruke disse verktøyene seriøst for ett år siden. Men jeg har oppdaget at kunstig intelligens er en briljant juniorkollega. Den rydder unna rutinearbeidet, gjør forberedelsene skarpere og gir meg tid tilbake, men den kan ikke delta i samtalene og sikre avtalen for oss ved å vinne kundens tillit. Den delen er fortsatt vår, og jeg tror den alltid vil være det.

Så jeg ser enkelt på dette øyeblikket. Lederne som lykkes, vil bruke kunstig intelligens til å frigjøre medarbeiderne sine til det arbeidet som bare mennesker kan gjøre.

Slik forbedrer kunstig intelligens nøyaktigheten i avtalegjennomganger

Jeg endret måten jeg gjennomfører avtalegjennomganger på. Det pleide å være den mest frustrerende timen i uken min, og kunstig intelligens løste det stille og rolig.

Tidligere foregikk gjennomgangene av salgspipelinen slik: En selger fortalte meg at en avtale ville bli avsluttet denne måneden, og magefølelsen min sa at tallet var usikkert, men jeg kunne ikke bevise det. Samtalen fra forrige uke levde i noens hukommelse, CRM-systemet viste en stadieoppdatering uten reell kontekst, og ingen hadde noen gang skrevet ned et muntlig tilsagn fra to gjennomganger tidligere.

Vi argumenterte ut fra optimisme, og prognosen ble likevel forskjøvet. En studie fra Clari viste at 57 % av unøyaktighetene i prognoser kunne spores tilbake til gapet mellom det selgerne sa i samtalene, og det som faktisk kom inn i CRM-systemet. Det tallet stemte nøyaktig med det jeg hadde følt i 20 år.

Derfor begynte jeg å bruke verktøy for samtaleinnsikt – hovedsakelig Gong – for å hente sannheten ut av faktiske samtaler i stedet for å stole på det folk husket. Disse verktøyene transkriberer alle kundesamtaler og markerer reelle risikosignaler. I tillegg bruker jeg en assistent basert på kunstig intelligens til å stressteste salgspipelinen før hver gjennomgang og tydelig fortelle meg hvilke avtaler som ser reelle ut.

Takket være disse verktøyene oppdager jeg avtaler som er i ferd med å glippe flere uker tidligere, mens det fortsatt er tid til å gjøre noe med dem, i stedet for på siste dag i kvartalet, når det er for sent.

Hvor grensen bør gå for kunstig intelligens innen inntekter

Men her er forbeholdet. Kunstig intelligens tar ikke avgjørelsen; den legger bare faktaene på bordet raskere. Å bestemme hva man skal gjøre med en vaklende avtale – det er fortsatt mennesket i stolen som avgjør, og slik vil det alltid være.

Kunstig intelligens kan ikke fastsette prisstrategien. Den kan vise meg hva lignende avtaler ble avsluttet på, men prising av en stor foretaksavtale krever skjønn basert på relasjoner og forståelse av hvor sterkt kjøperen trenger den.

Et annet område er alt som involverer mennesker eller nyansert skjønn. Dette inkluderer å veilede en selger som sliter, og å stole på en avtale som magefølelsen sier er feil, selv når tallene ser fine ut. Kunstig intelligens kan gi informasjon i slike øyeblikk, men den kan ikke ta avgjørelsen.

Enkelt sagt lar jeg kunstig intelligens fortelle meg hva som skjer og hvor jeg bør se, men jeg lar den ikke bestemme hva jeg skal gjøre med det.

Grunnen er enkel. Kunstig intelligens er svært god på mønstre, men har problemer med kontekst. Den kan se at en avtale virker risikabel, men den kan ikke vite at kjøperen nettopp mistet den budsjettansvarlige, eller at administrerende direktør er nervøs for å signere før styremøtet, eller at en selger bare er én ærlig samtale unna å snu situasjonen.

Inntekter er i siste instans en rekke menneskelige beslutninger tatt under press og usikkerhet, og det er jeg ikke villig til å sette ut til andre.

En gjennomgang av en avtale fra virkeligheten og en arbeidsflyt for veiledning

Jeg skal gå gjennom arbeidsflyten min for gjennomgang av avtaler og veiledning. Den har fire stadier, og kunstig intelligens påvirker hvert stadium, men et menneske tar fortsatt beslutningene.

1. Før samtalene i det hele tatt finner sted: Når en selger har en viktig samtale på trappene, samler verktøyene alt som betyr noe: kontoens siste nyheter, kjøperens rolle og historikk, og hvor avtalen står, slik at selgeren møter forberedt. Dette krevde tidligere en times manuelt gravearbeid, men verktøyene gjør det nå til en to minutters gjennomgang.
2. Under og rett etter samtalen: Gong behandler hver kundesamtale. Det tar opp, transkriberer og analyserer samtalen, og skriver deretter viktige detaljer direkte inn i CRM-systemet: avtalestadiet, de neste stegene og hvem som deltok. Dette løser salgets dyreste problem: Ingen husker muntlige oppdateringer, og beslutninger om salgspipelinen gjelder i flere kvartaler. Nå går ingenting tapt mellom det som ble sagt, og det som står i systemet.
3. Før gjennomgangen min: De samme verktøyene markerer automatisk reelle risikosignaler: en intern forkjemper som har blitt taus, en ny interessent som plutselig har dukket opp, eller en sluttdato som allerede har blitt forskjøvet to ganger. I tillegg bruker jeg en KI-assistent, vanligvis Claude, til å analysere hele salgspipelinen og si tydelig hvilke avtaler som er reelle, og hvilke vi håper skal bli virkelighet. Dermed går jeg inn i hver gjennomgang og vet allerede hvor jeg skal sette inn støtet, i stedet for å oppdage problemer underveis.
4. Etter gjennomgangen: KI utarbeider utkast til oppsummeringer og oppgaver for neste steg basert på den faktiske samtalekonteksten, som selgeren gjennomgår og sender. Fordi hver samtale blir tatt opp, kan jeg veilede ut fra det som faktisk skjedde, og spille av det nøyaktige øyeblikket da en selger snakket forbi en innvending, i stedet for å veilede ut fra et sammendrag fra andre. Dette gjør veiledningen langt mer konkret.

Hvordan KI kan gjøre det enklere å gi etter for late vaner

De gode sidene ved KI blir ofte overdrevet, så her er det ærlige bildet.

For det første har den største gevinsten vært tid og oversikt. Gjennomgangene av avtalene mine er nå basert på bevis. Prognosesamtalene er langt mindre følelsesladde. Forarbeidet som tidligere tok et par timer, tar nå en brøkdel av tiden.

På tvers av teamene jeg har jobbet med, har mønsteret vært konsekvent: mindre tid på rapportering om salgspipelinen, mer tid på å jobbe med den.

Nå til det dårlige, for det finnes mye av det:

Den første feilen var å stole for mye på KI-vurderingene. Tidlig i prosessen viste en avtale som KI vurderte som sunn seg ikke å bli noe av, fordi verktøyet ikke kunne se at kjøperens interne forkjemper hadde problemer med å overbevise det interne teamet. Tallene så fine ut helt til avtalen døde, og det lærte meg å behandle KIs selvtillit som et utgangspunkt, men aldri som en dom.

Den andre er problemet med «ensartethet». Når alle automatiserer oppsøkingen sin med de samme verktøyene, begynner alt å høres identisk ut, og kjøperne legger merke til det. Jeg har sett svarprosenten på automatisert oppsøkende arbeid falle i hele bransjen nettopp av denne grunnen. Teamene som lener seg tyngst på automatisering for å høres personlige ut, ender ofte opp med å høres mest generiske ut.

Det tredje er at KI gjør det svært enkelt å føle seg produktiv samtidig som man unngår vanskelige samtaler. Jeg har måttet følge med på dette hos meg selv og i teamene jeg veileder.

KI har altså gjort de gode operatørene merkbart raskere og skarpere, men den har også gjort det enklere å gi etter for late vaner. Den er en multiplikator for inntektsledere, og hva den multipliserer, avhenger fullt og helt av vurderingsevnen til personen som bruker den.

Hvordan KI gjør uhåndgripelige salgsferdigheter enklere å lære

Det meste av karrieren min trodde jeg at det beste salgsarbeidet var nesten håndverksmessig: instinktet for å lese stemningen i rommet, den perfekt avveide oppfølgingen, følelsen av når man skal presse på og når man skal vente – alt dette fantes i hodene til de få beste medarbeiderne dine, og du kunne egentlig ikke kopiere det.

Du kunne ansette folk med dette og delvis lære det bort, men stort sett håpet du bare å finne flere av disse sjeldne menneskene. AI tvang meg imidlertid til å tenke annerledes.

For når du tar opp og analyserer hver eneste samtale, blir det som den beste selgeren din gjør, og som tidligere føltes som magi, synlig og konkret. De nøyaktige spørsmålene de stiller tidlig, måten de håndterer en bestemt innvending på, hvordan de senker tempoet i stedet for å øke det når en kjøper blir stille – dette er mønstre, og når du først ser dem tydelig, kan du lære dem bort til resten av teamet på en måte som aldri før har vært mulig.

Ankit deler

Det meste av karrieren min trodde jeg at det beste salgsarbeidet var nesten håndverksmessig: AI tvang meg imidlertid til å tenke annerledes.

Det jeg hadde avskrevet som en instinktiv evne man ikke kunne lære bort, viste seg altså i stor grad å være en samling ferdigheter som kunne læres, men som jeg ikke hadde hatt mulighet til å observere i stor skala før nå.

Og jeg sier ikke at salg har blitt en formel. Den menneskelige dømmekraften på høyeste nivå er fortsatt reell og fortsatt sjelden, men forskjellen mellom den beste selgeren din og en gjennomsnittlig selger er mindre og enklere å utjevne enn jeg trodde var mulig gjennom 20 år. Mye av det jeg pleide å kalle talent, handlet egentlig bare om synlighet, og nå har vi den.

Det er en genuint håpefull endring, og den endret hvordan jeg tenker på å bygge et team.

Slik forbedrer du innføringen av AI i inntektsteam

Jeg skulle ønske jeg hadde visst at verktøyene er den enkle delen; den vanskelige delen er å få folk til å endre måten de jobber på.

Da jeg startet, gjorde jeg den klassiske feilen: Jeg antok at gode AI-verktøy automatisk ville skape verdi. Kjøp programvaren, rull den ut, og se ting bli bedre. Derfor brukte jeg all energien min på å velge de riktige plattformene og nesten ingenting på menneskene som skulle bruke dem.

Men det som skjedde, var det som skjer med de fleste team. Teamene tok i bruk verktøyene på papiret, men ignorerte dem i praksis. Selgerne fortsatte å jobbe slik de alltid hadde gjort, lot de fancy AI-funksjonene være urørt, og noen få opplevde hele greia som noe som ble gjort mot dem, snarere enn for dem.

Hvis jeg hadde forstått dette på forhånd, ville jeg ha snudd rekkefølgen helt. Jeg ville ha brukt langt mindre tid på å gruble over hvilket verktøy jeg skulle kjøpe, fordi de fleste seriøse verktøyene er gode nok, og langt mer tid på selve endringen. Jeg ville ha involvert teamet tidlig, vist hver enkelt hvordan det gjør arbeidsdagen enklere i stedet for bare å gjøre rapporteringen til lederen ryddigere, og valgt én eller to arbeidsflyter som skulle fungere skikkelig før jeg la til mer.

Fem råd til CRO-er

Når det gjelder råd, er dette noen ting jeg skulle ønske noen hadde fortalt meg tidligere.

1. Ta i bruk AI offensivt, men definer tydelig hva det skal brukes til. Resultatene er reelle, og CRO-er som ignorerer disse verktøyene, vil sakke akterut for dem som bruker dem. AI gir fart og oversikt, ikke en erstatning for dømmekraft. Bruk det til å få raskere oversikt over salgspipelinen, forberede deg bedre og frigjøre teamet fra rutinearbeid.
2. Ikke kutt i teamet og kall det en AI-strategi. AI skal gjøre de dyktige medarbeiderne dine mer effektive; det skal ikke være en unnskyldning for å miste dem. Hvis planen din er å erstatte mennesker, har du misforstått hvor avtaler vinnes.
3. Beskytt deg mot ensretting. Når alle i markedet ditt bruker de samme verktøyene til å automatisere oppsøkende arbeid, blir resultatene like, og kjøperne slutter å lytte. Vinnende team vil bruke AI til å kjøpe tilbake tid, og deretter bruke den på å være mer menneskelige, mer til stede og genuint mer nyttige for kjøperne enn konkurrentene.
4. Veiled teamet gjennom endringen i stedet for bare å gi dem verktøy. De fleste selgere bruker knapt AI-en de allerede har i verktøystakken. Å kjøpe programvaren er den enkle delen; å få folk til å endre måten de jobber på er den egentlige jobben, og det er et lederansvar.
5. Hold deg selv tett på avtalene. Som leder er det fristende å styre alt gjennom dashbord nå fordi de er bedre enn noen gang, men det beste signalet er fortsatt en ekte samtale med en ekte kjøper. Ikke la verktøyene skape avstand mellom deg og ditt faktiske ansvar.

Følg med

Du kan følge arbeidet til Ankit Kedia på LinkedIn, X og Instagram.

Flere ekspertintervjuer kommer på The CRO Club!