De CRO van Mural vertelt waar omzetleiders de fout ingaan met AI — en hoe ze dat kunnen oplossen

Bill Dwoinen is de CRO van het B2B SaaS-bedrijf in de groeifase Mural. Hij werkt al 20 jaar in omzetfuncties en houdt nu toezicht op sales, klantsucces, omzetoperaties en GTM-systemen — en hij zet volop in op AI.

We spraken met Bill over waarom omzetleiders moeten stoppen met het oplossen van knelpunten met AI en moeten beginnen met het herontwerpen van volledige workflows. Dit vertelde hij ons.

Nooit een rechte lijn naar de C-suite

Ik ben Bill Dwoinen, CRO bij Mural. Ik werk inmiddels ongeveer 20 jaar in sales en salesleiding. Ik begon in de human-capitalsector bij CareerBuilder, maakte vervolgens de overstap naar SaaS bij LinkedIn en gaf daarna bijna vijf jaar leiding aan de enterprise-activiteiten van Slack bij Salesforce in de strategische technologiesector. Begin 2025 werd ik CRO bij Mural.

Mijn loopbaan verliep nooit in een rechte lijn. Ik vertel dit aan middelbare scholieren wanneer ik terugga om te spreken, en ik meen het echt. Het leven verloopt niet in een rechte lijn, en een salesloopbaan evenmin. Ik begon als individuele medewerker, groeide door naar een leidinggevende functie omdat ik oprecht meer gaf om de mensen om me heen dan om de eer, en bouwde uiteindelijk het trackrecord op dat deuren naar de C-suite opent. Kleine, consistente keuzes gedurende 20 jaar — dat was het.

Leiding geven aan de omzetorganisatie

Ik geef leiding aan de volledige omzetorganisatie bij Mural, een B2B SaaS-bedrijf in de groeifase met een model voor terugkerende abonnementen en een groeiende dienstenlaag via onze samenwerking met LUMA. De organisatie omvat sales, klantsucces, omzetoperaties en GTM-systemen. Ik heb GTM Systems bewust ondergebracht in de omzetorganisatie om onze systemen, gegevens en workflows af te stemmen op de manier waarop klanten bij ons kopen, ons product in gebruik nemen en met ons meegroeien, in plaats van ze in afzonderlijke silo's te optimaliseren.

We bedienen wereldwijd zakelijke klanten, met de sterkste concentratie in AMER en EMEA. Onze marktbenadering richt zich zowel op het werven van nieuwe klanten als op uitbreiding binnen ons bestaande klantenbestand, en we breiden actief uit naar nieuwe toepassingen en koperspersona's buiten het traditionele werkterrein van Mural.

Wat voor mij het belangrijkst is, is dat de omzetorganisatie als één verbonden motor opereert. Nieuwe omzet, retentie en uitbreiding mogen niet als afzonderlijke agenda's functioneren. Het is mijn taak ervoor te zorgen dat het operationele model dat weerspiegelt en dat elk onderdeel van de organisatie, vanaf het eerste verkoopgesprek tot en met de langetermijnwaarde voor de klant, dezelfde richting op werkt.

Waarom AI een geschenk is voor CRO's

Ik heb altijd in processen geloofd: nauwkeurigheid van prognoses, discipline in de pipeline en inzicht in je voorlopende indicatoren. AI geeft nu alles waarop ik mijn leiderschapsfilosofie heb gebouwd een enorme impuls.

Teams die vroeger handmatig pipelines beoordeelden en beslissingen op gevoel namen, kunnen nu sneller signalen oppikken, met meer vertrouwen handelen en gerichter coachen. Voor een CRO is dat geen bedreiging; het is een geschenk.

Leiders die op dit moment zullen winnen, zijn er niet bang voor. Ik ben nooit bang geweest om te falen, en ik ben hier ook niet bang voor. Bij Mural richt ik me op het bouwen van een omzetmotor waarin AI versterkt wat goede mensen al doen, in plaats van het beoordelingsvermogen, relaties of de cultuur die we opbouwen te vervangen. Dat is nu het werk, en ik ben er volledig op gefocust.

Hoe AI waardevol omzetwerk opnieuw kan ontwerpen

Ik heb AI gebruikt om de manier waarop waardevol omzetwerk wordt uitgevoerd opnieuw te ontwerpen, specifiek voor accountonderzoek, het creëren van POV's en communicatie.

Dit werk staat dichter bij omzet dan mensen soms beseffen. Het bepaalt hoe goed het team voor de dag komt bij klanten, hoe relevant de benadering is en hoe consequent de organisatie waarde positioneert. Historisch gezien was het ook te handmatig, te wisselvallig en te afhankelijk van individuele inspanning. De beste verkopers doen het goed. Anderen doen iets algemeners. Dit leidt niet alleen tot een productiviteitsprobleem, maar ook tot een kwaliteitsprobleem.

Mijn nieuwe workflows zijn aangepaste GPT's die zijn gebouwd voor specifieke commerciële toepassingen. Dit zijn geen generieke AI-toepassingen die breed worden ingezet, maar hulpmiddelen die zijn ontworpen rond de manier waarop wij naar accounts kijken, waarde positioneren en bepalen hoe sterke commerciële output er in onze context uitziet.

Specificiteit zorgt voor hefboomeffect. Generieke hulpmiddelen leveren generieke output.

Het duidelijkste voorbeeld is onze workflow voor accountonderzoek en de voorbereiding van benaderingen. Een verkoper voert het account, de relevante context en het doel in. De workflow levert een gestructureerd accountoverzicht op: wat er waarschijnlijk in het bedrijf gebeurt, waar de prioriteiten en pijnpunten liggen, welke signalen ertoe doen en hoe we onze waarde tegenover die specifieke situatie kunnen positioneren.

AI bij accountonderzoek en de voorbereiding van benaderingen

De verkoper houdt een echt standpunt over dat rond de klant is opgebouwd, geen hergebruikt sjabloon. Werk dat vroeger 10 tot 30 minuten kostte, duurt nu ongeveer drie minuten, zonder dat de kwaliteit afneemt. En de kwaliteit is consistenter binnen het team, ongeacht wie de workflow uitvoert.

AI in prognoseworkflows

Een ander voorbeeld is het Forecast Center, een aangepaste GPT die ik heb gebouwd om de manier waarop leiders forecastgesprekken voorbereiden en voeren te veranderen. Het lost het probleem op dat de meeste forecastgesprekken veranderen in situaties waarin leiders gegevens aan de aanwezigen voorlezen, in plaats van op basis daarvan de strategie aan te sturen. Forecast Center gebruikt gegevens over de bedrijfsvoering, input uit de pipeline en informatie over de klantgezondheid en helpt leiders om daaruit een helder verhaal en een goed onderbouwd standpunt te ontwikkelen voordat ze überhaupt aan het gesprek beginnen.

Onze interne standaard is eenvoudig: als het klinkt alsof een GPT een spreadsheet heeft samengevat, is het niet af. Het moet klinken als een CRO die zijn huiswerk heeft gedaan en klaar is om het bedrijf aan te sturen.

Resultaten

Wat beide toepassingen laat werken, is niet het model. Het zijn het workflowontwerp, de ingebouwde context en de norm die we hanteren voor hoe goede output eruitziet. De vertegenwoordiger en de leider blijven verantwoordelijk voor het oordeel. AI neemt de wrijving uit de voorbereiding weg, zodat zij scherper, sneller en consistenter dan voorheen voor de dag kunnen komen.

We staan nog aan het begin, dus ik waarschuw ervoor om de impact op de omzet stroomafwaarts te overschatten. Maar in deze workflows en andere hebben we de snelheid en responsiviteit binnen de organisatie al verbeterd zonder aan kwaliteit in te boeten. Teams kunnen sneller dichter bij klanten komen, omdat ze niet langer hoeven te wachten op een vergadering of een lang handmatig proces om een account te onderzoeken, context op te bouwen en een standpunt te formuleren. Dit heeft de voorbereiding verbeterd, de consistentie van klantgerichte werkzaamheden verhoogd en de omzetorganisatie effectiever gemaakt in het benaderen van accounts.

Waarom contractverlengingen een AI-herontwerp nodig hebben

Ook contractverlengingen zijn toe aan een herontwerp.

De meeste omzetorganisaties behandelen contractverlengingen nog steeds reactief. Teams wachten tot de datum dichterbij komt, controleren de gezondheidsscore en haasten zich vervolgens om de juiste relaties af te dekken.

Maar tegen de tijd dat teams dat werk doen, lopen ze al achter. Ik zou ervoor pleiten om inzicht in contractverlengingen te herontwerpen als een continue workflow, in plaats van als een driemaandelijkse crisissituatie. AI is hiervoor zeer geschikt, omdat het risicosignalen kan signaleren, hiaten in de dekking kan markeren en leiders kan helpen een standpunt te vormen over waar actie nodig is voordat het venster sluit.

Waarom de grootste kans met AI niet is wat je zou verwachten

Maar onthoud: de grootste kans met AI ligt niet in het oplossen van afzonderlijke knelpunten. Het gaat om het opnieuw doordenken van de workflow zelf.

In het begin was ik waarschijnlijk te veel gericht op het oplossen van directe pijnpunten. Dat creëerde waarde, maar was in sommige gevallen eerder incrementeel dan transformationeel.

Als ik dat eerder had begrepen, had ik minder tijd besteed aan het optimaliseren van geïsoleerde taken en meer tijd aan het van begin tot eind herontwerpen van workflows met de hoogste waarde, waarbij ik vanaf het begin een duidelijke koppeling had gelegd met GTM-prioriteiten en meetbare bedrijfsimpact.

Dat had me geholpen om gefragmenteerd experimenteren te voorkomen. Dit kan leiden tot nuttige tools die niet optellen tot echte strategische slagkracht.

De les is dat AI de meeste waarde creëert wanneer het aansluit op de manier waarop het bedrijf omzet genereert — niet alleen op de plekken waar mensen op dat moment pijn ervaren.

Bill deelt

De grootste kans met AI ligt niet in het oplossen van afzonderlijke knelpunten. Het gaat om het opnieuw doordenken van de workflow zelf.

Waar AI omzetactiviteiten ondersteunt

Ik vertrouw het meest op AI op gebieden waar betere synthese en snellere voorbereiding echte slagkracht opleveren, zoals accountonderzoek, het opstellen van standpunten, berichtgeving, communicatie en patroonherkenning in grote hoeveelheden informatie. AI blinkt uit in het verwerken van input, het structureren van denkwerk en het verbeteren van de kwaliteit en consistentie van de uitvoering binnen de organisatie.

Mensen komen in beeld wanneer echt beoordelingsvermogen en verantwoordelijkheid vereist zijn: prognoses, prijsstelling, definitieve beslissingen over de pijplijn, territoriumbeslissingen en belangrijke beslissingen over klant risico of investeringen. AI kan die gesprekken informeren, maar vervangt het beoordelingsvermogen van leiders niet.

De reden is eenvoudig. Ik wil dat AI ons helpt beter te denken en sneller te handelen, niet dat het beslissingen overneemt waarbij nuance, context en verantwoordelijkheid het belangrijkst zijn. In een omzetorganisatie is snelheid belangrijk, maar beoordelingsvermogen blijft de onderscheidende factor.

Waarom omzetleiders AI-meuk nauwlettend in de gaten moeten houden

Soms creëert AI meer output in plaats van betere output. Het duidelijkste voorbeeld is AI-meuk: generieke outreach, generieke berichtgeving, generieke standpunten en veel activiteit die productief lijkt, maar de commerciële kwaliteit niet verbetert. In zulke gevallen creëert AI ruis, geen hefboomwerking.

Ik heb ook gezien dat AI te veel wordt toegepast op gebieden waar beoordelingsvermogen, context en nuance belangrijker zijn dan snelheid. Als de input zwak is of de standaarden laag zijn, lost AI dat niet op. Het versterkt het juist.

Het probleem zit minder in de technologie zelf en meer in hoe gemakkelijk mensen volume met waarde kunnen verwarren. Dat is de tekortkoming waar ik het meest op let, omdat die leidt tot afbrokkelend vertrouwen.

Ik pak dit aan door binnen de organisatie een duidelijke standaard vast te stellen, het goede voorbeeld te geven en de discipline op te schalen die ik heb gebruikt om mijn eigen werkprocessen op te bouwen. Dat betekent benadrukken dat AI het denken moet aanscherpen, niet vervangen, en dat context, iteratie en beoordelingsvermogen nog steeds belangrijk zijn.

Dit is wat omzetteams onderscheidt die echte hefboomwerking uit AI halen van teams die alleen maar meer ruis creëren.

Waarom schaalvergroting niet altijd ten koste gaat van kwaliteit

Ik dacht dat schaalvergroting altijd gepaard ging met een kwaliteitsafweging. In marktbenadering betekende automatisering historisch gezien meer output, maar meestal ten koste van relevantie, beoordelingsvermogen en kwaliteit.

AI veranderde mijn aanname dat deze afweging vaststaat. Bij goed gebruik, met de juiste context, workflowinrichting en standaarden, kan AI snelheid en schaal vergroten zonder de lat automatisch lager te leggen.

Het beste voorbeeld zijn de werkprocessen voor accountonderzoek en voorbereiding die ik eerder deelde. Dat gebeurt niet vanzelf, maar het is mogelijk. En het markeert een betekenisvolle verschuiving ten opzichte van hoe de meesten van ons automatisering in omzetorganisaties hebben ervaren.

Waarom goede data essentieel is voor een succesvolle AI-adoptie

Goede data is belangrijker dan hulpmiddelen. Als de data onvolledig, inconsistent of moeilijk te vertrouwen is, lost AI dat probleem niet op. Het versterkt het juist.

Je krijgt misschien sneller output, maar geen betere output. Dat is voor mij een van de belangrijkste lessen geweest.

Een succesvolle AI-adoptie draait niet alleen om toegang tot het juiste model. Het gaat erom dat je beschikt over een datafundament, operationele discipline en vertrouwen in de input om het model effectief te gebruiken. De hulpmiddelen zijn belangrijk, maar goede data maakt het allemaal werkelijkheid.

Hoe CRO's veranderingen door AI moeten benaderen

Ik adviseer CRO's om AI te gebruiken om het denken aan te scherpen, de uitvoering te verbeteren en beoordelingsvermogen op te schalen, niet om het bedrijf te overspoelen met meer output.

Begin op gebieden waar snelheid en synthese echte hefboomwerking creëren: accountonderzoek, het creëren van standpunten, berichtgeving en patroonherkenning in de volledige omzetmotor. Wees duidelijk over wat AI moet informeren en wat menselijk moet blijven. Leg bovendien vroeg de lat hoog; anders vervallen mensen in generieke output die productief lijkt, maar de commerciële kwaliteit niet verbetert.

De leiders die hier het meeste profijt van zullen hebben, zijn niet degenen die beweren dat ze het al helemaal hebben uitgedacht. Het zijn degenen die er serieus mee aan de slag gaan, het doordacht toepassen en de lat voor de bijdrage ervan aan het bedrijf steeds hoger leggen.

Volg ons

Je kunt het werk van Bill Dwoinen volgen op LinkedIn.

Er volgen meer interviews met experts op The CRO Club!