Omzetleider zegt dat AI-adoptie een businesscase nodig heeft voordat deze de go-to-marketactiviteiten raakt

Alexey Navolokin leidt AMD's activiteiten in APAC, waar hij strategie, partnerschappen en marktintroductie aanstuurt.

We spraken met Alexey om te ontdekken hoe AI strategieën voor omzetbeheer verandert. Dit is wat hij vertelde.

Leiderschap op het gebied van omzet in het AI-tijdperk draait niet om het verdedigen van een territorium.

Ik leid AMD's activiteiten in APAC — voor ondernemingen, de cloud, de commerciële markt en consumenten — en stuur de strategie, partnerschappen en marktintroductie aan om EPYC, Ryzen, Radeon en Instinct naar datacenters, pc's en AI-infrastructuur te brengen.

Maar de weg hiernaartoe was niet rechtlijnig, en dat is het deel dat ik wil delen.

Ik begon in de zakelijke technologiesector bij bedrijven als Apple en Intel, waar ik leerde hoe je wereldwijde GTM-machines opbouwt en opschaalt. Daarna stortte ik me op iets riskanters: het leiden van markt- en softwareontwikkeling voor een blockchainstartup die telecomaanbieders bediende. In die jaren adviseerde ik startups en mkb-bedrijven in Singapore over digitale transformatie — en hielp ik hen distributed-ledgertechnologie te gebruiken om transparantie te brengen in toeleveringsketens, voedselveiligheid en de wereldhandel. Geen draaiboek, geen routekaart. Alleen de overtuiging dat opkomende technologie uiteindelijk de manier waarop bedrijven werken zou veranderen.

Die overtuiging bleek juist — alleen eerder dan ik had verwacht, en voor een andere technologie dan waarop ik aanvankelijk had ingezet.

Blockchain leerde me hoe je een paradigmaverschuiving verkoopt voordat de markt daar klaar voor is. Dat bleek precies de vaardigheid die ik nodig had toen AI niet langer een dia in iemands presentatie was, maar het product werd. Bij AMD heb ik gezien hoe het leiderschap op het gebied van omzet zelf opnieuw wordt ingericht: de GTM-strategie houdt nu rekening met de economie van rekenkracht, GPU-roadmaps en ecosysteempartnerschappen met overheden en hyperscalers — en niet alleen met kanaalprogramma's en kwartaaldoelstellingen.

Daarom bestaat mijn werk vandaag niet alleen uit het verkopen van processors en versnellers. Het gaat om het opbouwen van AMD's AI-ecosysteem in APAC — het onderhouden van contacten met overheidsinstanties, het aangaan van partnerschappen met cloud- en ontwikkelaarsplatforms en het vormgeven van de manier waarop ondernemingen in de regio AI-infrastructuur op schaal invoeren.

Deze reis heeft me één ding geleerd: leiderschap op het gebied van omzet in het AI-tijdperk draait niet om het verdedigen van een territorium. Het gaat erom vroeg bij de volgende verschuiving in infrastructuur te zijn, actief betrokken te blijven terwijl de markt zich aanpast en over een veranderingsgerichte mentaliteit te beschikken om het draaiboek opnieuw op te bouwen wanneer het oude niet meer werkt.

Hardware en platforms verkopen via een hybride model

AMD is een volwassen, beursgenoteerde leider in halfgeleiders die concurreert aan de grens van hoogwaardige en adaptieve computertechnologie — CPU-, GPU-, FPGA-, DPU-, NPU- en AI-versnellertechnologie (EPYC, Ryzen, Radeon, Instinct).

We verkopen hardware en platforms via een hybride model dat bestaat uit directe deals met ondernemingen en hyperscalers, OEM- en kanaalpartnerschappen en software- en ecosysteemgerelateerde aanbiedingen zoals ROCm en AI-infrastructuuroplossingen.

Een door AI aangedreven workflow voor de voorbereiding van klantgesprekken

We segmenteren GTM over de zakelijke, cloud-, commerciële en consumentenlijnen en bouwen crossfunctionele GTM rond kanaalpartners, gezamenlijke verkooptrajecten met hyperscalers, OEM-allianties en samenwerking met overheden en de publieke sector (MSIT, EDB, NIPA) voor strategische AI-infrastructuurpartnerschappen.

We bedienen markten in heel APAC, met bijzondere diepgang in Korea, Australië, Singapore en andere Zuidoost-Aziatische landen, voor klanten in datacenters, pc's, AI en edge-infrastructuur.

Hoe AI strategieën voor omzetbeheer hervormt

Bij AMD nam het bedrijf AI-tools op informele wijze in gebruik binnen de organisatie, zonder een gedeelde manier om hun bedrijfswaarde te meten — projecten gingen vooruit op basis van enthousiasme voor de technologie, in plaats van op basis van een duidelijk inzicht in kosten, baten en afstemming op bedrijfsdoelstellingen.

Vervolgens herstructureerde de IT-organisatie van AMD, onder leiding van CIO Hasmukh Ranjan, de manier waarop AI werd geïntroduceerd in omzetgerichte en operationele werkzaamheden. AMD toetst nu elk AI-voorstel aan een businesscase — kosten, baten en geschiktheid — voordat het wordt uitgevoerd, met vastgelegde KPI's die de gerealiseerde waarde volgen. Als onderdeel van die verschuiving bracht AMD een "dag uit het leven" van specifieke functies, waaronder verkoop, in kaart en ontwikkelde het AI-tools die op elke functie waren afgestemd, in plaats van generieke tools bedrijfsbreed in te zetten.

Met duidelijke KPI's voor alle functies kan AMD nu meetbare, functiespecifieke verbeteringen aantonen — financiën ziet een productiviteitswinst van 15% dankzij AI-gestuurde automatisering, en inzichten uit machine learning hebben geleid tot verbeteringen in de productieopbrengst van halfgeleiders ter waarde van miljoenen dollars. Een interne catalogus met meer dan 100 gedocumenteerde AI-toepassingen stelt teams nu in staat om succesvolle toepassingen te repliceren in plaats van vanaf nul te experimenteren.

De verandering is niet dat AMD een AI-tool aan sales heeft toegevoegd — het is dat AMD nu een businesscase en meetbare KPI vereist voordat een AI-initiatief invloed heeft op omzetgerelateerd werk. Hierdoor verandert AI-adoptie binnen GTM-functies van een reeks eenmalige experimenten in een herhaalbare, meetbare capaciteit.

Alexey's Advies

Ik geloof dat AI de grootste commerciële impact heeft — niet door verkopers te vervangen, maar door iedere verkoper te helpen elke dag te werken met de voorbereiding en inzichten van hun beste dag.

Een AI-gestuurde workflow die ik dagelijks gebruik, is de voorbereiding op een klantgesprek met een bestuurder — van onderzoek tot opvolging.

Het begint met AI die openbare informatie verzamelt: de meest recente kwartaalcijfers van de klant, strategische prioriteiten, technologie-investeringen, het concurrentielandschap en trends in de sector. In plaats van uren te besteden aan het verzamelen van gegevens, krijg ik binnen enkele minuten een beknopte briefing voor bestuurders.

Vervolgens verbindt AI die externe informatie met onze interne prioriteiten. Het identificeert waar AMD's portfolio het beste aansluit op de bedrijfsdoelstellingen van de klant, of het nu gaat om AI-infrastructuur, soevereine AI-initiatieven, clouduitbreiding of modernisering van de onderneming.

Voor de vergadering stelt AI een presentatie op maat samen, doet het suggesties voor gesprekspunten op bestuursniveau, belicht het de concurrentiepositie en anticipeert het zelfs op vragen op basis van eerdere klantinteracties en marktontwikkelingen.

Na de vergadering vat AI het gesprek samen, legt het actiepunten vast, stelt het opvolgmails op, werkt het CRM-records bij en doet het aanbevelingen voor de volgende beste interactie. Wat voorheen enkele uren kostte, duurt nu enkele minuten. Daardoor kan ik meer tijd met klanten doorbrengen en minder tijd aan administratie besteden.

De grootste waarde hiervan is dat AI de tijd tussen inzicht, besluitvorming en klantinteractie verkort.

Voor een wereldwijde organisatie als AMD, waar kansen zich uitstrekken over cloudproviders, ondernemingen, overheden en AI-innovatie in Azië-Pacific, is snelheid belangrijk. Een snellere voorbereiding leidt tot betere gesprekken. Betere gesprekken leiden tot sterkere klantrelaties. En sterkere relaties stimuleren uiteindelijk de omzet.

Daarom geloof ik dat AI de grootste commerciële impact heeft — niet door verkopers te vervangen, maar door iedere verkoper te helpen elke dag te werken met de voorbereiding en inzichten van hun beste dag.

De beste toepassingsgebieden voor AI — en de resultaten

Gebieden binnen omzetorganisaties die zich goed lenen voor AI-ondersteuning zijn:

• Prioritering van de verkooppijplijn — signalen uit accountactiviteit en betrokkenheidsgegevens zichtbaar maken
• Deals scoren — patronen herkennen op basis van historische gegevens over gewonnen en verloren deals
• Prognoses — verkooppijplijngegevens sneller dan met handmatige consolidatie samenvoegen tot prognoses
• Omvang van territoria en markten bepalen

De positieve resultaten die we tot nu toe hebben gezien, zijn:

• Een kortere doorlooptijd van voorstel tot concept voor strategische opleveringen — financiële modellen en presentaties die vroeger weken kostten, zijn nu in dagen klaar
• Meer iteraties per deal of voorstel binnen hetzelfde tijdsbestek, wat leidt tot een scherper eindresultaat
• De mogelijkheid om zelf functieoverschrijdende middelen (model + verhaal + visualisatie) te produceren waarvoor voorheen andere teams moesten worden ingeschakeld

• Verbeteringen in de nauwkeurigheid van prognoses
• Minder klantverloop

Aan de negatieve kant heb ik gezien dat er te veel werd vertrouwd op door AI gegenereerde scores, waarbij relationele en politieke context in overheidsdeals over het hoofd werd gezien. Ook maakt de tijd die nodig is om AI-output te beoordelen en te corrigeren de tijdwinst van het genereren ervan soms ongedaan. En hoewel AI de productiviteit aanzienlijk heeft verbeterd, vertaalt dat zich niet altijd in een evenredige omzetgroei.

Waarom omzetverantwoordelijken AI-efficiëntie met menselijk inzicht in balans moeten brengen

Een ding dat door AI moeilijker is geworden, is weten wanneer je het niet moet vertrouwen.

AI vat informatie effectief samen, identificeert patronen en versnelt dagelijkse taken. Maar in enterpriseverkoop kan snelheid een vals gevoel van zekerheid creëren.

Een door AI gegenereerd accountplan, een prognose of een klantbriefing kan er verzorgd en compleet uitzien, maar subtiele dynamieken missen die bepalend zijn voor het succes of falen van een strategische deal — veranderingen in de steun van leidinggevenden, organisatiepolitiek, verschuivingen in budgetten of de kracht van een vertrouwensrelatie.

Voor omzetverantwoordelijken zorgt dit voor een nieuwe uitdaging: door AI aangestuurde efficiëntie in balans brengen met menselijk beoordelingsvermogen.

Bij AMD hebben we gemerkt dat AI de meeste waarde levert wanneer het onze teams voorbereidt op betere klantgesprekken — niet wanneer het cruciale commerciële beslissingen vervangt. Onze accountteams valideren door AI gegenereerde inzichten nog steeds, stellen aannames ter discussie en passen hun eigen ervaring toe voordat ze klanten benaderen of strategische toezeggingen doen.

Waarom AI moeite heeft met de nuances van deals en vertrouwen

AI heeft nog steeds moeite om de menselijke context achter enterprise-deals te begrijpen. Bij complexe B2B-verkoop, vooral op het gebied van AI-infrastructuur, zijn de grootste obstakels zelden technisch. Ze zijn organisatorisch.

AI kan CRM-gegevens analyseren, vergaderingen samenvatten, koopsignalen identificeren en zelfs de waarschijnlijkheid voorspellen dat een deal wordt gesloten. Maar vaak mist het de nuances die ervaren salesleiders onmiddellijk herkennen.

Een strategische kans kan er bijvoorbeeld gezond uitzien omdat de betrokkenheid van leidinggevenden groot is, de technische evaluatie vordert en de inkoop is begonnen. Op papier kan AI de kans beoordelen als een deal met een hoge waarschijnlijkheid. Een ervaren accountteam kan echter weten dat het budget van de klant ongemerkt is verschoven, dat een beslissing op bestuursniveau is uitgesteld of dat een belangrijke executive sponsor een andere functie heeft gekregen. Die factoren verschijnen mogelijk nooit in gestructureerde gegevens, maar ze kunnen de uitkomst van de kans volledig veranderen.

Bij AMD beschouwen we AI als een systeem ter ondersteuning van beslissingen — niet als een besluitvormer. Het helpt onze teams zich effectiever voor te bereiden, patronen tussen kansen te identificeren en administratief werk te verminderen. Maar bij het onderhouden van relaties met leidinggevenden, het onderhandelen over complexe commerciële overeenkomsten of het begrijpen van de strategische prioriteiten van een klant op lange termijn blijft menselijk beoordelingsvermogen essentieel.

Vertrouwen is een ander gebied waarop AI beperkingen heeft.

Klanten die infrastructuurinvesteringen van miljoenen doen, kiezen niet uitsluitend op basis van de kwaliteit van een door AI gegenereerd voorstel een partner. Ze kiezen op basis van het vertrouwen dat de technologie zal presteren, dat de roadmap geloofwaardig is en dat de mensen erachter gedurende de hele looptijd van het partnerschap zullen leveren.

Dat wordt opgebouwd door ervaring, transparantie en relaties — niet door algoritmen.

Hoe omzetverantwoordelijken de organisatie moeten voorbereiden voordat ze AI integreren

Als ik terug kon gaan, zou ik veel minder tijd besteden aan het evalueren van AI-tools en veel meer tijd aan het voorbereiden van de organisatie op het gebruik ervan.

Zoals bij veel bedrijven was ons eerste instinct om te vragen: "Welke AI-oplossing moeten we implementeren?" De betere vraag is: "Hoe herontwerpen we de manier waarop onze teams werken?" AI creëert niet alleen waarde doordat het wordt geïmplementeerd. Het creëert waarde wanneer het wordt ingebed in dagelijkse werkprocessen en wordt vertrouwd door de gebruikers ervan.

Achteraf gezien zijn er drie lessen die ik vanaf dag één had willen kennen.

1. Gegevens zijn belangrijker dan het model. Zelfs de meest geavanceerde AI kan versnipperde CRM-gegevens, inconsistente accountinformatie of niet-verbonden kennisbronnen niet overwinnen. Schone, betrouwbare gegevens vormen de basis van elk succesvol AI-initiatief.
2. Adoptie is de echte KPI. Het is eenvoudig om geïmplementeerde licenties of afgeronde pilots te meten. De moeilijkere — en belangrijkere — maatstaf is of verkoopteams AI dagelijks gebruiken om zich voor te bereiden op klantgesprekken, prognoses te verbeteren, voorstellen te versnellen en betere beslissingen te nemen.
3. Begin met bedrijfsresultaten, niet met technologie. AI moet een specifieke commerciële uitdaging oplossen: verkoopcycli verkorten, de productiviteit van verkopers verhogen, de nauwkeurigheid van prognoses verbeteren of nieuwe kansen identificeren. Technologie moet de strategie mogelijk maken, niet de strategie worden.

Hoe AI de verwachtingen voor omzetfuncties verandert

AI heeft niet fundamenteel veranderd wie we aannemen, maar wel wat we van elke functie verwachten.

In het verleden beschouwden we verkoop, technische specialisten, marketing en operations vaak als afzonderlijke functies. Tegenwoordig vervaagt AI die grenzen.

We verwachten bijvoorbeeld dat accountmanagers AI gebruiken om klanten te onderzoeken, accountstrategieën te ontwikkelen en gepersonaliseerde gesprekken met bestuurders voor te bereiden. Verkoopmanagers worden datagedreven coaches die AI-inzichten gebruiken om de kwaliteit van de verkooppijplijn en de nauwkeurigheid van prognoses te verbeteren. Verkoopoperatieteams verschuiven van het maken van rapporten naar het ontwerpen van AI-ondersteunde werkprocessen die het bedrijf helpen sneller en betere beslissingen te nemen.

Bij AMD zien we ook een toenemende vraag naar mensen die technologie en bedrijfsvoering met elkaar kunnen verbinden. Nu klanten hun toepassing van AI versnellen, willen ze partners die niet alleen CPU's, GPU's en AI-infrastructuur begrijpen, maar ook bedrijfstransformatie, cloudeconomie, soevereine AI-strategieën en rendement op investering.

Dat betekent dat de meest waardevolle talenten steeds vaker commercieel leiderschap combineren met technische kennis.

AI-geletterdheid is minstens zo belangrijk. We verwachten niet dat iedereen datawetenschapper wordt, maar we verwachten wel dat teams begrijpen hoe ze effectief met AI kunnen werken — hoe ze betere vragen stellen, door AI gegenereerde inzichten valideren en deze verantwoord toepassen in klantgesprekken.

En misschien is de grootste verschuiving wel dat AI de waarde van unieke menselijke vaardigheden verhoogt. Terwijl AI onderzoek, de voorbereiding van vergaderingen en routinematig administratief werk automatiseert, worden het opbouwen van relaties, communicatie met bestuurders, onderhandelen, strategisch denken en het vertrouwen van klanten nog belangrijker.

In veel opzichten vermindert AI het belang van goede verkopers niet — het vergroot het juist.

Advies van Alexey

De beste verkopers zijn niet langer simpelweg degenen met de meeste productkennis — ze verbinden bedrijfsdoelstellingen met AI-transformatie…Dat is waarschijnlijk de belangrijkste les die ik heb geleerd.

Hoe AI GTM, prijsstelling en verkoop verandert

Jarenlang waren productdifferentiatie, relaties en prijs grotendeels bepalend voor de verkoop van technologie aan ondernemingen. Die factoren zijn nog steeds belangrijk, maar AI heeft het gesprek fundamenteel veranderd.

Klanten kopen tegenwoordig niet langer afzonderlijke producten. Ze investeren in complete AI-resultaten.

Dat betekent dat gesprekken zijn verschoven van "Welke processor is sneller?" naar "Hoe snel kunnen we AI implementeren? Hoeveel kost het om onze modellen te trainen en te gebruiken? Kan deze infrastructuur meegroeien? En zitten we vast aan één ecosysteem?"

Als gevolg daarvan is onze marktbenaderingsstrategie geëvolueerd.

We richten ons nu op de manier waarop het volledige portfolio samenwerkt om klanten te helpen schaalbare AI-infrastructuur op te bouwen.

AI heeft ook gesprekken over prijsstelling veranderd.

Klanten beoordelen steeds vaker de totale eigendomskosten, prestaties per watt, het gebruik van infrastructuur, de openheid van software en flexibiliteit op lange termijn, in plaats van alleen de aanschafkosten van hardware te vergelijken. Het gesprek werd veel strategischer.

Tot slot heeft AI veranderd hoe we verkopen.

De beste verkopers zijn niet langer simpelweg degenen met de meeste productkennis — ze verbinden bedrijfsdoelstellingen met AI-transformatie. Ze moeten uitdagingen binnen de sector, datastrategie, soevereine AI-initiatieven, cloudeconomie en organisatorische verandering net zo goed begrijpen als technische specificaties.

Dat is waarschijnlijk de belangrijkste les die ik heb geleerd. AI heeft niet veranderd wat klanten waardevol vinden — het heeft veranderd hoe ze waarde definiëren.

Vijf prioriteiten voor CRO's die AI in hun organisaties implementeren

Voor CRO's is AI niet zomaar een softwareaankoop — het wordt een onderscheidende concurrentiefactor. Maar succes komt niet voort uit het implementeren van de meeste AI-toepassingen. Het komt voort uit het opbouwen van de juiste infrastructuur, datafundament en organisatorische capaciteiten.

Dit zijn vijf prioriteiten die ik zou aanbevelen:

• Investeer in AI-infrastructuur die kan meegroeien. De grootste bron van waarde is niet het model zelf — het is het vermogen om modellen efficiënt te trainen, verfijnen en implementeren. Open infrastructuur met hoge prestaties geeft organisaties de flexibiliteit om te innoveren zonder zich vast te leggen op één ecosysteem.
• Maak van AI klantwaarde, niet alleen interne productiviteit. Snellere generatie van voorstellen en geautomatiseerde CRM-updates zijn nuttig, maar de echte kans ligt in het bieden van betere klantervaringen, gepersonaliseerde interactie en snellere bedrijfsresultaten.
• Maak je data klaar voor AI. AI is slechts zo goed als de onderliggende data. Schone, veilige en beheerde data is nu een strategische omzetbron.
• Stel verkopers in staat om AI te gebruiken in plaats van hen te vervangen. De best presterende verkoopteams zullen AI-gestuurde inzichten combineren met menselijke expertise, vertrouwen en relatieopbouw. AI zou administratief werk moeten elimineren, zodat verkopers meer tijd aan klanten kunnen besteden.
• Denk op de lange termijn. De vraag naar AI versnelt snel, maar de infrastructuurbeslissingen van vandaag bepalen je concurrentiepositie in het komende decennium. Kies platforms die prestaties, openheid en flexibiliteit bieden naarmate workloads zich ontwikkelen.

De bedrijven die het AI-tijdperk zullen leiden, zijn niet per se de bedrijven met de grootste budgetten. Het zullen de bedrijven zijn die de meest aanpasbare AI-infrastructuur bouwen en elke medewerker in staat stellen deze effectief te gebruiken.

En AI zal geweldige omzetleiders niet vervangen. Maar omzetleiders die AI — en de infrastructuur die dit mogelijk maakt — omarmen, zullen beter presteren dan degenen die dat niet doen.

Blijf op de hoogte

Volg het werk van Alexey Navolokin op LinkedIn.

Er volgen meer interviews met experts op The CRO Club!