Teknologigründer og kommersiell direktør sier at KI kan drive salgstrakten, men mennesker avslutter fortsatt avtalen

Aryan Mahajan er kommersialiseringsdirektør i Gerra og grunnlegger av Zoro, der han bygger AI-driftslag for inntektsorganisasjoner.

Vi satte oss ned med Aryan for å lære hvordan han bruker AI til å endre inntektsorganisasjoner. Her er det han fortalte oss.

Å være sitt eget casestudie

Jeg er Aryan Mahajan. Jeg er kommersialiseringsdirektør i Gerra. Jeg er også grunnleggeren av Zoro, der jeg bygger det private AI-driftslaget som driver inntektsorganisasjoner.

Jeg kom ikke hit fra toppen av en salgsorganisasjon. Jeg startet med $500 og uten sikkerhetsnett, og måtte få en liten sum penger til å oppføre seg som et stort team. Denne begrensningen ble hele filosofien: Når du ikke kan ansette, slutter du å spørre «Hvem skal jeg legge til?» og begynner å spørre «Hva kan én operatør pluss en hel flåte av AI-agenter drive?» Svaret ble et selskap som gikk fra $0 til $90K i MRR på 14 måneder, og som nå genererer $150K i måneden med marginer på over 95 %. Det drives med mer enn 30 ulike AI-agenter, et team du kan telle på én hånd, og en innholdsmotor som har generert mer enn 50 millioner visninger og 50 000 potensielle kunder.

Jeg bryr meg om AI innen inntekter fordi jeg ikke teoretiserer om det. Jeg er casestudien. Inntektsorganisasjonen jeg leder, er et bevis på at driftslaget jeg bygger for andre, fungerer.

Å bygge om toppen av inntektstrakten

Jeg erstattet hele toppen av inntektstrakten min – prospektering, undersøkelse, kvalifisering og første kontakt – med et AI-system som kjører den kommersielle sekvensen fra ende til annen.

Tidligere var menneskelige arbeidstimer den kostbare fronten av inntektsarbeidet. En salgsrepresentant bruker omtrent 40 minutter på å undersøke ett prospekt. Et team på fire eller fem personer koster $100-200K i året. Det meste av arbeidet innebærer å lese, gjette på egnethet og skrive den første meldingen. Dette arbeidet krever mye dømmekraft, men er langsomt, inkonsekvent og begrenset av hvor mange mennesker du har råd til.

Jeg bygde en arbeidsflyt som finner prospekter, beriker hvert enkelt, undersøker selskapet og den spesifikke kjøperen, vurderer egnethet opp mot ideal kundeprofilen, fjerner dem som ikke passer, skriver oppsøkingen på flere språk og deretter håndterer svarene.

Undersøkelser som tidligere tok 40 minutter per kundeemne, koster nå omtrent to cent per kundeemne og kjører døgnet rundt. Økonomien ble snudd på hodet: Et engangsbygget system erstatter bemanningskostnader på $100K-200K per år, og kunden eier systemet fullt ut. Fordi det logger hvert svar og hvert resultat, har inntektsarbeidet endelig hukommelse: hva som fungerte, hva som ikke fungerte, og hvorfor, i stedet for at denne konteksten befinner seg i hodet på fem forskjellige salgsrepresentanter.

Det tydeligste beviset: I én kampanje undersøkte det 214 prospekter, fjernet de 184 som ikke passet, og fikk et hedgefond verdt $70 billioner til å svare mens jeg satt i sofaen. Dette er ikke «AI som skriver kalde e-poster», noe som var interessant i 2022. Dette er AI som kjører hele den kommersielle sekvensen. Det er dette skiftet handler om. Men de fleste inntektsledere kobler fortsatt en chatrobot på en arbeidsflyt som ikke burde eksistere, og kaller det transformasjon.

Hvorfor smak og dømmekraft må forbli menneskelig

Jeg lar AI drive hele undersøkelses- og utførelseslaget: prospektering og berikelse, ICP-vurdering og kundeemnekvalifisering, førsteutkast til oppsøkende meldinger og innhold, klassifisering av svar, overvåking av arbeidsflyt og inntekter – og til og med systemreparasjon. Jeg kjører en selvhelende sløyfe som overvåker kundesystemene mine i drift, oppdager en feil og løser den autonomt; jeg har målt en feil som gikk fra rapportert til løst på fire og et halvt minutt. AI håndterer alt som har stort volum eller er mønsterbasert, særlig arbeid som blir bedre etter hvert som systemet får mer kontekst.

Oppgaver som uttrykkelig forblir menneskelige, omfatter prising, posisjonering, endelige kommersielle beslutninger og vurderinger av smak. Jeg priser basert på verdien et system skaper, ikke driftskostnadene. Jeg overlater ikke denne vurderingen – hva et resultat er verdt for en bestemt kjøper – til en modell. Det samme gjelder de siste ordene i en avtale og stemmen. AI gjorde produksjon gratis, og dermed ble smak det kostbare. Alle har nå de samme modellene, så markedet avslører stille hvem som faktisk har dømmekraft. Det nekter jeg å automatisere.

AI bør heller ikke avslutte avtaler. Mennesker av kjøtt og blod bygger tillit i et rom eller i en direktemelding, og denne tilliten har ført til noen av mine største kontrakter. Den siste delen av inntektsarbeidet handler om relasjoner og dømmekraft, og AI har knapt flyttet på den.

Skillet mitt er enkelt: AI avgjør ingenting som bærer omdømmet mitt eller forplikter meg overfor en kjøper. AI informerer om og utarbeider utkast til alt, men et menneske godkjenner alt som sendes ut i mitt navn eller flytter penger. Systemet mitt undersøker, vurderer og skriver meldingen til et prospekt, men en person godkjenner utsendelsen. Det utarbeider et svar til en kunde, men jeg trykker for å sende.

Hvorfor KI ikke kan skape etterspørsel på egen hånd

KI skaper ikke autoritet eller etterspørsel på egen hånd. Den kan produsere uendelige mengder innhold, men volum er ikke distribusjon, og det er heller ikke tillit.

Jeg har generert over 50 millioner visninger, og visningene er ikke der pengene ligger — pengene ligger i det lille antallet relasjoner som visningene gjorde mulig. Team som forventer at KI skal «generere salgsmuligheter» ved å produsere mer, ender vanligvis bare opp med mer støy.

Etterspørsel springer ut av et ståsted og reelle bevis — menneskelige innspill som modellen forsterker, men ikke skaper.

Hvorfor inntektsledere må være på vakt mot automatisering som går for langt

Jeg ser to store ulemper ved KI innen inntekter.

For det første kan den ta feil med stor selvsikkerhet. Tidlige versjoner av oppsøkingssystemet målrettet oppdiktede firmanettadresser, inntil jeg krevde at hver enkelt skulle verifiseres før bruk. Løsningen var ikke en smartere modell, men et verifiseringsfilter.

For det andre er automatisering som går for langt, farlig. En tidlig autonom betalingskjøring behandlet en leverandørbetaling to ganger basert på en foreldet godkjenning. Nå krever alt som flytter penger eller sendes til en kunde, en streng godkjenningskontroll og et tidsvindu for å angre — systemet utarbeider og klargjør, men et menneske gjennomfører.

Og jeg mener det er viktig å merke seg at flaskehalsen ganske enkelt har flyttet seg; den forsvant ikke. Når produksjon blir gratis, blir smak, dømmekraft og sikkerhetsnett — laget for menneskelig gjennomgang — begrensningen, ikke produksjonen. Team som kobler på KI uten å bygge dette laget på nytt, produserer bare flere feil ting raskere.

Aryan deler

Jeg mener det er viktig å merke seg at flaskehalsen ganske enkelt har flyttet seg; den forsvant ikke. Når produksjon blir gratis, blir smak, dømmekraft og sikkerhetsnett — laget for menneskelig gjennomgang — begrensningen, ikke produksjonen.

Hvordan inntektsteam endrer seg

KI har gjort teamet mindre, mer generalistisk og mer avhengig av dømmekraft. Jeg trenger ikke en menneskelig rolle for hvert produksjonstrinn. Jeg trenger et lite antall operatører som forstår kunden, økonomien og systemet godt nok til å styre maskiner og ta ansvar for unntakene.

Jeg har bygget mer enn 30 forskjellige agenter for undersøkelser, utarbeidelse, overvåking, oppfølging, levering og reparasjon. Den menneskelige innsatsen konsentreres der maskinen er svak: posisjonering, prising, relasjoner, smak, ansvarlighet og avgjørelser om hva som skal skje når standardprosessen bryter sammen.

Kompetansepremien har flyttet seg mot operatørutviklere — personer som kan delta i en kommersiell samtale, forstå forretningskonsekvensen og deretter utforme arbeidsflyten eller samarbeide med utviklere for å endre den. Rene koordinatorer har mindre påvirkningskraft fordi KI kan flytte informasjon og produsere førsteutkastet. Rene spesialister er fortsatt viktige, men dømmekraften deres må påvirke den bredere organisasjonen i stedet for å forbli begrenset til deres eget arbeid.

Målet er ikke å fjerne mennesker fra inntektsarbeidet. Det er å slutte å bruke de beste menneskene dine på å lese, kopiere, purre og oppdatere, og i stedet sette dem tilbake til å bygge tillit og ta beslutninger.

Hvorfor CRO-er må bygge prosessene sine på nytt

Jeg har tre råd:

1. Slutt å bolte AI fast på eksisterende prosesser; bygg dem opp på nytt i stedet. Mye av «AI-transformasjonen» innen inntekter handler om å lime en chatbot på en arbeidsflyt som ikke burde eksistere – og hvis prosessen er feil, gjør AI bare det gale raskere. Slett steget, og automatiser deretter det som gjenstår. Organisasjoner som behandler inntekter som et infrastrukturproblem – ved å koble myndighet, kundeanskaffelse, hukommelse, oppfølging og attribusjon sammen i ett system – forsterker forspranget sitt mens andre fortsatt skriver prompter.
2. Ta eierskap til laget, ikke lei det. Programvare har blitt en handelsvare; et team med full operasjonell kontekst og reell distribusjon slår konsekvent standardisert SaaS. Det vinnende trekket er ikke å kjøpe ti verktøy til; det er å bygge operativsystemet under inntektsorganisasjonen din, slik at intelligensen forsterkes og du eier den. Kjøp verktøy til funksjoner som har blitt handelsvarer; bygg den delen som faktisk utgjør konkurransefortrinnet ditt.
3. Vær besatt av det menneskelige laget, fordi det er der konkurransefortrinnet ditt har flyttet seg. AI gjorde produksjon gratis, og dermed ble smak, dømmekraft og tillit sjeldne og kostbare. Bruk AI i stor skala – til undersøkelser, utarbeidelse, overvåking og oppfølging – og konsentrer de beste menneskene dine om den siste mila den ikke kan berøre: prising, posisjonering, relasjoner og avslutning. Og innfør en streng godkjenningsport for alt som sendes til en kunde eller flytter penger. Målet er ikke færre mennesker som lager mer støy; det er å skalere dømmekraften din.

CRO-ene som lykkes i dette øyeblikket, vil ikke være de som tar i bruk mest AI. Det vil være de som bygger inntektsorganisasjonene sine rundt den mens det fortsatt føles ukomfortabelt.

Følg med

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

Flere ekspertintervjuer kommer snart på CRO-klubben!