De omzetbaas van een startup over hoe kleine, inventieve teams met AI grote hefboomwerking kunnen creëren

Waleed Shaarani is hoofd omzet en GTM bij een startup genaamd Spiky.ai. Hij is gespecialiseerd in de B2B SaaS-sector in de seedfase, waardoor hij vindingrijk, gefocust en snel moet zijn — daarom is AI zo'n grote verandering voor hem geweest.

We gingen met Waleed om tafel om te leren hoe slagvaardige omzetteams met AI meer slagkracht kunnen creëren. Dit is wat hij te zeggen had.

Startups in de seedfase hebben AI nodig voor omzetgroei

Mijn loopbaan draaide er minder om dat ik leiding gaf aan enorme bedrijfsteams, en meer om dat ik midden in de praktijk zat bij bedrijven in een vroeg stadium, in real time dingen uitzocht, meerdere petten op had en alles deed wat nodig was om momentum te creëren.

Ik heb nauw samengewerkt met oprichters, geholpen om go-to-market vanaf de basis vorm te geven en gewerkt in omgevingen zonder grote teams, perfecte draaiboeken of ruimte om je achter processen te verschuilen. Ik richt me op vindingrijkheid, snel handelen en het omzetten van ambiguïteit in uitvoering.

Momenteel geef ik leiding aan omzet bij een B2B AI-startup in de seedfase met een abonnementsmodel voor SaaS. Het team is klein, met één of twee mensen in het omzetteam, dus ik ben zeer hands-on betrokken bij GTM-strategie, outbound, pijplijngeneratie, verkoopuitvoering en klantfeedback. Onze GTM-aanpak is nauw verbonden met de oprichter en iteratief, met de nadruk op het binnenhalen van vroege klanten, snel leren en het opbouwen van herhaalbare tractie in klantgerichte markten en markten voor omzetteams.

In de seedfase hangt veel van het omzetsucces af van het instinct van de oprichter, verspreide gesprekken, handmatige opvolging en niet-vastgelegde kennis. Daarom raakte ik sterk geïnteresseerd in de manier waarop AI startups kan helpen die signalen eerder vast te leggen, te operationaliseren wat toppresteerders doen en kleine teams meer slagkracht te geven zonder een enorme organisatie.

Voor mij vervangt AI in omzetteams geen mensen en voegt het geen complexiteit toe. Het helpt kleine, slagvaardige teams om boven hun gewichtsklasse te presteren. Hierdoor kunnen startups sneller handelen, sneller leren en eerder betere systemen bouwen dan anders mogelijk zou zijn. Ik gebruik AI graag om bedrijven in de seedfase te helpen structuur uit chaos te creëren, inzichten in actie om te zetten en omzet op te schalen zonder snelheid te verliezen.

Hoe AI focus en snelheid in omzetprocessen vergroot

Voor mij zorgt AI voor focus, snelheid en slagkracht.

De AI-agenten die ik heb gebouwd, hebben ons geholpen de selectie van doelmarkten aan te scherpen, bedrijfsaccounts met een hogere koopintentie eerder te identificeren en een zeer kleine omzetfunctie nauwkeuriger te laten werken. Dit betekende minder verspilde inspanning aan accounts met een slechte match, snellere uitvoering van benadering en opvolging en beter inzicht in waar we koopsignalen zagen. Ook konden we sneller boodschappen testen, aannames over de ICP verfijnen en middelen verschuiven naar segmenten die sterkere intentie lieten zien.

Het duidelijkste kwantitatieve resultaat was efficiëntie. AI verminderde de tijd voor onderzoek, accountprioritering en GTM-voorbereiding met meer dan 50%, waardoor we veel meer verkoopcapaciteit kregen zonder extra personeel aan te nemen. Dit leidde tot meer focus in onze benadering, betere vergaderkwaliteit en minder verspilde inspanning in de hele verkooptrechter.

In sommige gevallen was de impact vooral operationeel zichtbaar in plaats van uitsluitend in de totale omzet. Taken die vroeger uren handmatig onderzoek kostten, konden veel sneller worden uitgevoerd, waardoor er meer ruimte ontstond voor verkoop en besluitvorming. Ook voelde het werkproces minder reactief aan. In plaats van alles achterna te jagen, konden we bewuster bepalen waar we onze tijd aan besteedden.

In een startup is dat soort slagkracht belangrijk, omdat het je helpt slimmer op te schalen voordat je daadwerkelijk schaal hebt bereikt.

Hoe AI pijplijngeneratie kan verfijnen

Hier is een voorbeeld van een werkproces. Ik gebruikte AI om de manier waarop we pijplijn genereerden aan te scherpen door te identificeren welke websitebezoekers en bedrijfsaccounts koopintentie toonden. Daarvoor werkten we met bredere ICP-aannames, handmatig onderzoek en beperkte intentiedata. Daardoor besteedden we tijd aan accounts die er op papier goed uitzagen, maar zich niet noodzakelijkerwijs in een koopfase bevonden.

We veranderden dit door AI te gebruiken om unieke bezoekers te identificeren, betrokkenheidsgedrag te analyseren en bedrijfsaccounts te scoren op basis van hun waarschijnlijkheid om te kopen. Hierdoor konden we ons sterker richten op doelmarktsegmenten en bedrijven die echte intentie toonden.

Het resultaat was een verbetering in prioritering, relevantie en conversie-efficiëntie. We besteedden minder tijd aan gissen en meer tijd aan handelen op basis van signalen, waardoor onze GTM-aanpak scherper en gerichter werd.

En de grote verschuiving was dat we gingen van “wie ziet er op papier goed uit” naar “op wie is het nu het meest de moeite waard om actie te ondernemen”. Daar moeten meer CRO's naartoe.

Waarom AI rampzalig kan zijn voor bedrijven in een vroeg stadium

Het nadeel is dat AI slechts zo goed is als de input, logica en waarborgen ervan. Ik heb gevallen gezien waarin AI te veel nadruk legde op ruisende signalen, valse positieven naar voren bracht of een mate van zekerheid gaf die de onderliggende data niet rechtvaardigde. In een omgeving in een vroeg stadium kan dit gevaarlijk zijn, omdat de dataset kleiner is, de markt nog in ontwikkeling is en het gemakkelijk is jezelf ervan te overtuigen dat een patroon sterker is dan het werkelijk is. Een mogelijk gevolg is dus verspilde inspanning wanneer AI je naar accounts of signalen leidt die veelbelovend lijken, maar echte overtuigingskracht missen.

Ik heb ook gezien dat AI ons kan verleiden om te veel, te vroeg te automatiseren. Als je niet voorzichtig bent, kun je eindigen met meer activiteit, maar niet noodzakelijkerwijs met beter beoordelingsvermogen.

We zijn nog lang niet zover dat strategische omzetbeslissingen volledig geautomatiseerd kunnen worden. AI kan helpen met onderzoek, signalen zichtbaar maken en de uitvoering versnellen, maar het is nog niet consistent betrouwbaar gebleken voor prognoses, dealstrategie of het vol vertrouwen voorspellen welke kansen zullen worden gesloten. Het brengt je voor 90% op weg; een mens moet de overige 10% invullen. Vooral in omgevingen met bedrijven in een vroege fase beschikt AI meestal niet over voldoende schone historische gegevens om die beslissingen op het gehoopte niveau te nemen.

AI is dus een hefboom voor onderzoek, prioritering en uitvoering. Maar het is geen vervanging voor het instinct van een operationeel verantwoordelijke of voor nauwe klantbetrokkenheid. Strategie, beoordelingsvermogen en besluitvorming die door relaties wordt gestuurd, moeten menselijk blijven. Ik neem nog steeds de uiteindelijke beslissingen over marktgerichtheid, boodschap, prioritering, prijsstelling en het navigeren door deals.

Hoe je je aanpast wanneer AI tekortschiet in berichtgeving

Hier is een voorbeeld van een situatie waarin AI voor mij tekortschiet.

We gebruikten AI om uitgaande teksten sneller te genereren en te verfijnen, maar veel ervan kwam te algemeen of te gepolijst over en wist geen aansluiting te vinden bij kopers. Het klonk goed, maar weerspiegelde niet altijd de echte nuances van de markt of wat kopers zou aanspreken.

Om dat op te lossen, ben ik AI-gegenereerde berichtgeving niet langer als eindresultaat gaan behandelen en gebruikte ik deze meer als eerste concept. De uiteindelijke positionering, toon en scherpte bleven mensenwerk. AI versnelde het proces, maar het beoordelingsvermogen moest nog steeds komen van iemand die dicht bij de klant staat.

Waarom het meten van de impact van AI cruciaal is voor omzet

Niet elke implementatie van AI is daadwerkelijk nuttig. Ik meet de impact van AI op dezelfde manier als ik elke GTM-investering zou meten. Elke AI-workflow die ik implementeer, moet een van de volgende dingen doen:

• De output verhogen
• De kwaliteit van beslissingen verbeteren
• De tijd tot het behalen van omzetresultaten verkorten

Als het geen van deze drie verbetert, voegt het waarschijnlijk alleen maar ruis toe.

Op hoofdlijnen beoordeel ik of AI ons helpt meer pipeline te creëren, betere kansen te prioriteren en het team efficiënter te maken. Omdat ik AI intensief gebruik voor onderzoek en GTM-agents, houd ik statistieken bij zoals de tijd die wordt bespaard op accountonderzoek, de snelheid waarmee lijsten worden samengesteld, de snelheid tot de eerste benadering en hoe veel gerichter onze uitgaande benadering is. Als AI werkt, zou het team minder tijd moeten besteden aan het verzamelen van informatie en meer tijd aan het handelen op de juiste kansen.

Ik houd ook omzetstatistieken bij die gericht zijn op kwaliteit, niet alleen op activiteit. Deze omvatten conversiepercentages van doelaccount naar gesprek, van gesprek naar kans en van kans naar gesloten deal, responspercentages op AI-geïnformeerde benadering en pipeline die afkomstig is van accounts met een hogere intentie. Als AI ons helpt beter passende accounts te identificeren of de berichtgeving te verbeteren, verwacht ik dat terug te zien in gesprekken van hogere kwaliteit en sterkere conversies verderop in de funnel.

Operationeel beoordeel ik precisie en bruikbaarheid. Bijvoorbeeld: heeft de agent de juiste accounts geïdentificeerd, relevante context naar voren gebracht of ons geholpen ons op het juiste marktsegment te richten? Als de resultaten snel maar niet bruikbaar zijn, helpt het niet. Daarom blijft een deel van de evaluatie kwalitatief: zijn de inzichten nauwkeurig genoeg om erop te vertrouwen en veranderen ze daadwerkelijk de manier waarop we werken?

Waarom AI geen strategie is

AI is geen strategie; het is een hefboom.

Elke CRO zou dit moeten begrijpen voordat hij of zij begint, want als je ICP, berichtgeving, verkoopaanpak en kernproces zwak zijn, zal AI ze niet verbeteren. Het helpt je alleen om de verkeerde dingen sneller te doen.

Bedrijven die het meeste uit AI halen, gebruiken het om hun beoordelingsvermogen aan te scherpen, het leren te versnellen en handmatig werk te verwijderen — niet om het denken te vervangen. Als je AI behandelt als een hefboom in plaats van als een magische oplossing, zul je het veel effectiever implementeren.

Wat je moet weten voordat je AI binnen omzetteams lanceert

Schone input en duidelijke waarborgen zijn belangrijk. Ik heb dit al aangestipt, maar het verdient herhaling omdat ik wou dat ik dit eerder had ingezien.

In het begin is het gemakkelijk enthousiast te worden over wat AI kan produceren, maar als de gegevens rommelig zijn, de prompt vaag is of de workflow niet duidelijk is afgebakend, ziet de output er beter uit dan hij in werkelijkheid is. Dit kan leiden tot een vals gevoel van vertrouwen en verspilde inspanning.

Als ik dit eerder had geweten, zou ik minder tijd hebben besteed aan het najagen van opvallende resultaten en meer tijd aan het definiëren van de exacte toepassing, succesmaatstaf en menselijke beoordelingslaag vanaf dag één. Dit zou hebben geholpen om ruis, fout-positieven en veel herwerk te voorkomen.

Ik heb van mijn fout geleerd en ben veel gedisciplineerder geworden wat betreft scope, input en beoordeling.

Ten eerste beperkte ik elk AI-initiatief tot één specifieke taak, in plaats van AI te vragen om te veel tegelijk te doen. Vervolgens standaardiseerde ik de input — consistente gegevensvelden, duidelijkere prompts, strakkere definities van wat “goed” eruitzag en minder afhankelijkheid van rommelige of onvolledige informatie. Ik voegde ook expliciete waarborgen toe die bepaalden waar AI ondersteuning kon bieden en waar een mens de uiteindelijke beslissing moest nemen.

Daarnaast bouwde ik een beoordelingscyclus in. Ik testte de resultaten aan de hand van resultaten uit de praktijk, stelde vast waar de AI ruis of een vals gevoel van zekerheid creëerde en verfijnde de aanpak van daaruit. De grootste verandering was dat ik AI minder als magie ging zien en meer als een besturingssysteem dat structuur, kwaliteitscontrole en beperkingen nodig heeft om nuttig te zijn.

Waarom CRO's AI zouden moeten omarmen als een verandering in de bedrijfsvoering

In het algemeen is dit mijn advies.

Benader AI niet als de uitrol van een tool. Benader het als een verandering in de bedrijfsvoering.

Begin met één duidelijk omzetprobleem waarbij snelheid, signaalverwerking of handmatig werk het team belemmert. Gebruik AI eerst daar om meer slagkracht te creëren. Houd de scope beperkt, meet de impact en bouw voort op echte workflows in plaats van op hype.

Het allerbelangrijkste: besteed je beoordelingsvermogen niet uit. De beste CRO's zullen AI gebruiken om sneller te handelen, helderder te zien en betere beslissingen te nemen — niet om de menselijke context te vervangen die nog altijd de drijvende kracht is achter sterk GTM-leiderschap.

Volg zijn reis

Je kunt de reis van Waleed Shaarani volgen op LinkedIn, terwijl hij leiding blijft geven aan omzetorganisaties binnen de startupwereld.

Er volgen meer interviews met experts op The CRO Club!