AI-gedreven directeur omzetgroei ontleedt zijn AI-workflow met de grootste impact (en waar AI niet de moeite waard is)

Dhiraj Khare is een CRO met een technische achtergrond en mindset. Momenteel herontwerpt hij de omzetprocessen bij het cybersecuritybedrijf Matters.AI, dat van meet af aan op AI is gebouwd.

We gingen met Dhiraj om de tafel om te ontdekken welke AI-werkstromen hun waarde bewijzen en welke niet. Dit vertelde hij ons.

Omzet vanuit het perspectief van een technicus

Ik ben Dhiraj Khare, CRO bij Matters.AI, een cybersecuritybedrijf dat van meet af aan op AI is gebouwd en zich richt op bedrijfsdata. Ik begon in softwareontwikkeling voordat ik overstapte naar verkoop aan grote ondernemingen, en dat heeft de manier gevormd waarop ik over omzet denk. Technische mensen worden getraind om bij een probleem te blijven totdat ze het daadwerkelijk begrijpen; salesteams worden vaak getraind om verder te gaan voordat ze het begrijpen. Ik heb nooit volledig binnen dat laatste model gepast. 

Mijn carrière voerde me langs bedrijven als MongoDB, SentinelOne en PingSafe. Verschillende bedrijven, verschillende fases, maar daaronder hetzelfde patroon. Cybersecurityteams werkten al op machinesnelheid, maar omzetteams niet.

Cybersecurity beschikte over realtime-intelligentie, gedragsanalyse en geautomatiseerde reactiesystemen. GTM-teams lagen nog steeds begraven onder rekenbladen, niet-gekoppelde tools, handmatig onderzoek en pipelinebeoordelingen die waren gebaseerd op optimisme dat zich voordeed als prognose. 

Deze kloof is me bijgebleven. Veel mensen presenteren AI in omzet als een productiviteitsverhaal. Snellere e-mails. Meer uitgaande acquisitie. Meer reeksen. Ik denk dat daarmee het punt volledig wordt gemist. 

Het probleem in moderne GTM is niet een gebrek aan activiteit, maar te veel ruis. De meeste uitgaande acquisitie is tegenwoordig operationeel dure spam die zich voordoet als personalisatie. Kopers hebben dat onmiddellijk door. Iedereen beschikt nu over dezelfde automatisering, dus volume is al een tijd geen echt voordeel meer. 

Wat telt, is context. Waarom dit account? Waarom nu? Wat is er binnen het bedrijf veranderd waardoor dit gesprek vandaag relevant is en niet pas over zes maanden?

Dat zette me aan tot leiderschap op het gebied van AI-gedreven omzet. Bij Matters.AI bouwen we aan een GTM-organisatie waarin intelligentie centraal staat en waarin AI helpt onderzoek te versnellen, gefragmenteerde signalen met elkaar te verbinden, signalen voor het juiste moment zichtbaar te maken en operationele frictie te verminderen, zodat teams meer tijd kunnen besteden aan helder nadenken en intelligente interactie.

Gedachten van Dhiraj

\u003cstrong\u003eIedereen beschikt nu over dezelfde automatisering, dus volume is al een tijd geen echt voordeel meer… Wat telt, is context. Waarom dit account? Waarom nu? Wat is er binnen het bedrijf veranderd waardoor dit gesprek vandaag relevant is en niet pas over zes maanden?\u003c/strong\u003e

Een slanke GTM-organisatie

De GTM-organisatie van Matters.AI is bewust slank. We zijn actief in verkoop aan grote ondernemingen, strategische uitgaande acquisitie, partnerschappen, technische oplossingsondersteuning en AI-ondersteunde werkstromen, maar de filosofie die hieraan ten grondslag ligt, is eenvoudig: schaal intelligentie op voordat je het personeelsbestand opschaalt. 

Veel bedrijven proberen groei nog steeds af te dwingen via een groot activiteitenvolume. Meer SDR's, meer reeksen en meer contactmomenten. Wij hebben vrijwel de tegenovergestelde aanpak gekozen. 

Signaaldichtheid is voor ons belangrijker dan activiteitsdichtheid. De focus ligt op begrijpen waar daadwerkelijk urgentie bestaat, waar timing echt is en waar de klantcontext sterk genoeg is om interactie te rechtvaardigen. 

Het meeste van ons werk draait momenteel om AI-governance, databeveiliging, compliance-readiness en risicobeheer voor grote ondernemingen in sectoren zoals BFSI, SaaS, technologie en gereguleerde bedrijfstakken. 

Waarom AI het beoordelingsvermogen op het gebied van omzet niet kan vervangen

Ik gebruik AI om prioriteiten voor accounts te bepalen, belanghebbenden in kaart te brengen, verkoopkansen te scoren, interacties te analyseren, prognoses te ondersteunen, klantverloop te detecteren en risico's in de verkooppijplijn te analyseren.

Machines zijn veel beter dan mensen in het op grote schaal verwerken van gefragmenteerde operationele signalen. Dat is inmiddels duidelijk.

Maar beslissingen waarbij afstemming tussen leidinggevenden, onderhandelingen en vertrouwen een rol spelen, blijven mensenwerk. Strategisch beoordelingsvermogen blijft absoluut mensenwerk. 

Aankoopbeslissingen op het gebied van cybersecurity voor grote ondernemingen zijn onderliggend emotioneel, ondanks alle rekenbladen en inkoopwerkstromen waarachter mensen zich graag verschuilen. Een verkoopkans kan er operationeel gezond uitzien, terwijl het vertrouwen binnen het account stilletjes afbrokkelt.

AI heeft nog steeds moeite met die laag. Daarom zie ik AI niet als vervanging van beoordelingsvermogen op het gebied van omzet; het gaat er meer om operationele blindheid te verminderen.

Hoe AI betrokkenheid op basis van inzicht mogelijk maakt

De grootste verandering die ik heb doorgevoerd, was de overstap van activiteitgestuurde outbound naar betrokkenheid op basis van inzicht. 

Eerder zag outbound eruit zoals de meeste organisaties het vandaag de dag nog steeds aanpakken: een mix van grote accountlijsten, statische sequenties, handmatig onderzoek, brede personalisatiesjablonen en veel verspilde moeite om te doen alsof er sprake was van precisie.

We bouwden een door AI ondersteunde workflow voor het prioriteren van accounts, waarmee uren onderzoek werden teruggebracht tot minuten. 

Nu verzamelt AI voortdurend signalen over wervingsactiviteiten, veranderingen in de beveiligingspositie, cloudadoptie, compliance-druk, verschuivingen in het management, financieringspatronen, organisatorische veranderingen en indicatoren voor technologieadoptie. 

Vervolgens brengt het die signalen samen in contextuele accountverhalen. Dat onderdeel is belangrijk, want ruwe signalen zijn op zichzelf waardeloos. Verkopers hebben niet meer dashboards nodig; ze hebben behoefte aan een duidelijker begrip. 

Zodra de context zichtbaar is gemaakt, valideert de verkoper die handmatig, toetst de relevantie kritisch, personaliseert de benadering en bepaalt of het moment daadwerkelijk aanleiding geeft om contact op te nemen. Na vergaderingen helpt AI bij het samenvatten, het extraheren van actiepunten, stakeholderanalyse, het volgen van betrokkenheid en risicomonitoring gedurende de dealcyclus. 

Het doel is niet om outreach te automatiseren. Het gaat erom te begrijpen of het account überhaupt aandacht verdient. Dat veranderde de kwaliteit van de pijplijn onmiddellijk.

Gesprekken werden scherper. Ontdekkingstrajecten werden korter. De betrokkenheid van managers verbeterde, omdat de benadering was gebaseerd op context in plaats van gefabriceerde personalisatie. 

Hoe AI de cultuur verandert

De voordelen van AI werden al snel duidelijk, en ik heb er al veel van genoemd.

De grotere verandering was echter cultureel. Mensen begonnen analytischer na te denken over het uitvoeren van omzetstrategieën. Gesprekken werden minder gebaseerd op meningen en meer op bewijs. Deze verschuiving is belangrijker dan de meeste gesprekken over hulpmiddelen die momenteel in de markt worden gevoerd. 

Het nadeel is dat AI heel gemakkelijk een vals gevoel van vertrouwen kan creëren. Dat is het aspect dat mensen onderschatten. 

Vaak klinken AI-uitvoer zo verzorgd dat ze betrouwbaar lijken, zelfs wanneer de onderliggende aannames zwak of onvolledig zijn. Leiders moeten onthouden dat AI probabilistisch is en niet alwetend. Oordeelsvermogen blijft belangrijk. Ervaring uit de praktijk blijft belangrijk.

In veel opzichten wordt kritisch denken nog belangrijker in een AI-native omgeving. 

Waarom AI-personalisatie ondermaats presteert

Door AI gegenereerde personalisatie presteerde aanvankelijk bijzonder slecht. Niet omdat de technologie zwak was, maar omdat kopers ongelooflijk goed zijn geworden in het herkennen van onechte relevantie. De meeste door AI gegenereerde outbound klinkt tegenwoordig verzorgd, maar emotioneel leeg. Het weerspiegelt de structuur van personalisatie zonder de klant diep genoeg te begrijpen om daadwerkelijk iets nuttigs te zeggen. 

Er is een verschil tussen context invoegen en begrip tonen. En de meeste AI-systemen hebben nog steeds moeite met dat onderscheid. We leerden al snel dat synthetische personalisatie niet hetzelfde is als inzicht. 

De ironie is dat authenticiteit waardevoller wordt naarmate door AI gegenereerde outreach op grotere schaal wordt ingezet, niet minder. 

Waarom AI de ambiguïteit van prognoses niet kan wegnemen

Met AI werden onze prognoses gedisciplineerder. Maar ik wil dat onderdeel niet groter maken dan het is, want prognoses voor ondernemingen zijn van nature nog steeds rommelig.

Deals met ondernemingen verlopen om redenen die zelden netjes worden vastgelegd in gestructureerde systemen. De timing van budgetten verandert. Interne voorvechters verliezen invloed. Prioriteiten van managers verschuiven stilletjes. Inkoopfrictie ontstaat laat in het proces. Politieke overeenstemming valt onder de oppervlakte uiteen.

AI heeft moeite met die onzichtbare lagen. Je kunt sterke betrokkenheidsstatistieken, actieve vergaderingen, gezonde responspercentages en positieve deelname van belanghebbenden hebben, terwijl de deal intern al begint af te drijven.

AI verbetert de zichtbaarheid. Het neemt onzekerheid niet op magische wijze weg.

Gedachten van Dhiraj

De ironie is dat naarmate door AI gegenereerde benadering op grotere schaal wordt ingezet, authenticiteit waardevoller wordt, niet minder…AI verbetert de zichtbaarheid. Het neemt onzekerheid niet op magische wijze weg.

Hoe vaardigheden binnen omzetteams veranderen

AI automatiseert steeds meer repetitief operationeel werk, waardoor een moderne omzetprofessional een heel ander vaardighedenprofiel nodig heeft. Tegenwoordig hechten we veel meer belang aan analytisch denken, verhalen vertellen in context, systeemdenken, communicatie met leidinggevenden, aanpassingsvermogen en AI-vaardigheid dan voorheen. 

De beste verkopers van vandaag worden orkestrators van intelligentie. Ze weten hoe ze signalen moeten valideren, context moeten synthetiseren, betere vragen moeten stellen en sneller strategisch vertrouwen moeten opbouwen. 

Verkoop die uitsluitend op activiteiten is gebaseerd, wordt een commodity. Menselijke differentiatie verschuift naar beoordelingsvermogen, creativiteit en duidelijkheid van het verhaal. 

Waarom AI moet worden gezien als een verschuiving van het operationele model

Mijn advies is om AI te zien als een verschuiving van het operationele model, niet als een upgrade van hulpmiddelen.

Dat is de fout die de meeste organisaties momenteel maken. Ze leggen AI boven op gebrekkige werkprocessen en noemen dat transformatie. Meestal zorgt dat alleen voor snellere verwarring. 

Als je positionering zwak is, je CRM-discipline inconsistent is, je werkprocessen versnipperd zijn of je begrip van klanten oppervlakkig is, vergroot AI de chaos. Het verlost je er niet van. 

De bedrijven die het meeste profijt hebben van AI, zijn meestal de bedrijven die al met sterke basisprincipes werken.

Waar omzetteams met AI moeten beginnen

Begin met operationele frictie en knelpunten: overbelasting door onderzoek. Pipeline-inspectie. Informatie opzoeken. Inzicht in de prognose. Prioritering van accounts. CRM-versnippering.

Dat zijn echte operationele problemen die het oplossen waard zijn. Ik zou ook veel meer tijd besteden aan AI-geletterdheid dan de meeste bedrijven momenteel doen. De technische implementatie is meestal het eenvoudigste deel. Het moeilijkere deel is teams helpen om opnieuw na te denken over hoe ze werken, zonder dat ze het gevoel krijgen dat ze worden vervangen.

Volg mee

Je kunt Dhiraj Khare volgen op LinkedIn. Bekijk ook Matters.AI.

Er komen nog meer interviews met experts op The CRO Club!