Dyrektor ds. przychodów Mural mówi, gdzie liderzy przychodów popełniają błędy w pracy ze sztuczną inteligencją — i jak to naprawić

Bill Dwoinen jest dyrektorem ds. przychodów (CRO) w rozwijającej się firmie B2B SaaS Mural. Od 20 lat zajmuje się generowaniem przychodów, a obecnie nadzoruje sprzedaż, sukces klienta, operacje przychodowe i systemy GTM — i w pełni angażuje się w sztuczną inteligencję.

Porozmawialiśmy z Billem o tym, dlaczego liderzy odpowiedzialni za przychody muszą przestać naprawiać pojedyncze punkty tarcia za pomocą sztucznej inteligencji i zacząć przeprojektowywać całe przepływy pracy. Oto, co nam powiedział.

Droga do najwyższego kierownictwa nigdy nie jest prosta

Nazywam się Bill Dwoinen i jestem dyrektorem ds. przychodów w Mural. Od około 20 lat zajmuję się sprzedażą i zarządzaniem sprzedażą. Zaczynałem w obszarze kapitału ludzkiego w CareerBuilder, następnie przeszedłem do sektora SaaS w LinkedIn, a później przez prawie pięć lat kierowałem działalnością Slacka dla przedsiębiorstw w Salesforce w strategicznym segmencie technologicznym. Funkcję dyrektora ds. przychodów w Mural objąłem na początku 2025 roku.

Moja droga nigdy nie była prosta. Mówię o tym licealistom, kiedy wracam do ich szkoły, i naprawdę tak uważam. Życie nie porusza się po linii prostej — podobnie jak kariera w sprzedaży. Zaczynałem jako specjalista, przeszedłem do zarządzania, ponieważ szczerze bardziej zależało mi na ludziach wokół mnie niż na uznaniu, a z czasem zbudowałem dorobek, który otworzył mi drzwi do najwyższego kierownictwa. To były małe, konsekwentne decyzje podejmowane przez 20 lat.

Kierowanie organizacją odpowiedzialną za przychody

Kieruję całą organizacją odpowiedzialną za przychody w Mural — rozwijającej się firmie B2B SaaS działającej w modelu cyklicznych subskrypcji i poszerzającej ofertę usług dzięki partnerstwu z LUMA. Organizacja obejmuje sprzedaż, sukces klienta, operacje przychodowe i systemy GTM. Celowo włączyłem systemy GTM do organizacji przychodowej, aby dostosować nasze systemy, dane i przepływy pracy do tego, jak klienci kupują, wdrażają i rozwijają współpracę z nami, zamiast optymalizować je w odizolowanych obszarach.

Obsługujemy klientów biznesowych na całym świecie, przy czym największa ich koncentracja występuje w regionach AMER i EMEA. Nasz model wejścia na rynek koncentruje się zarówno na pozyskiwaniu nowych klientów, jak i na rozszerzaniu współpracy z obecną bazą klientów. Aktywnie rozwijamy się także w nowych przypadkach użycia i wśród nowych grup osób podejmujących decyzje zakupowe, wykraczających poza tradycyjny zakres działalności Mural.

Najważniejsze jest dla mnie to, aby organizacja przychodowa działała jak jeden połączony mechanizm. Nowy biznes, utrzymanie klientów i rozwój współpracy nie mogą funkcjonować jako odrębne priorytety. Moją rolą jest dopilnowanie, aby model operacyjny to odzwierciedlał oraz aby każda część organizacji — od pierwszej rozmowy sprzedażowej po długoterminową wartość klienta — działała w tym samym kierunku.

Dlaczego sztuczna inteligencja jest darem dla dyrektorów ds. przychodów

Zawsze wierzyłem w procesy: dokładność prognoz, dyscyplinę w zarządzaniu lejkiem sprzedażowym i rozumienie wskaźników wyprzedzających. Sztuczna inteligencja przyspiesza teraz wszystko, na czym opierałem swoją filozofię przywództwa.

Zespoły, które wcześniej ręcznie analizowały lejek sprzedażowy i podejmowały decyzje intuicyjnie, mogą teraz szybciej uzyskiwać istotne sygnały, działać z większą pewnością i precyzyjniej wspierać rozwój pracowników. Dla dyrektora ds. przychodów nie jest to zagrożenie, lecz dar.

Liderzy, którzy odniosą sukces w obecnej sytuacji, nie boją się sztucznej inteligencji. Nigdy nie bałem się porażki i nie boję się również tego. W Mural koncentruję się na budowaniu mechanizmu przychodowego, w którym sztuczna inteligencja wzmacnia to, co już robią świetni ludzie, zamiast zastępować osąd, relacje czy kulturę, którą tworzymy. To jest teraz najważniejsze zadanie i całkowicie się na nim skupiam.

Jak sztuczna inteligencja może przeprojektować działania o wysokiej wartości przychodowej

Wykorzystałem sztuczną inteligencję do przeprojektowania sposobu realizacji działań o wysokiej wartości przychodowej, a konkretnie: analizy klientów, tworzenia punktu widzenia oraz komunikacji.

Te działania są bliżej przychodów, niż czasami zdajemy sobie sprawę. Wpływają na to, jak dobrze zespół prezentuje się przed klientami, jak trafny jest kontakt oraz jak konsekwentnie organizacja przedstawia wartość. W przeszłości były również zbyt manualne, zbyt nierówne i zbyt zależne od indywidualnego wysiłku. Najlepsi przedstawiciele handlowi wykonywali je dobrze. Inni robili coś bardziej ogólnego. Tworzyło to problem z jakością, a nie tylko problem z produktywnością.

Moje nowe przepływy pracy to niestandardowe GPT-y stworzone z myślą o konkretnych zastosowaniach handlowych. Nie są to ogólne narzędzia sztucznej inteligencji stosowane na szeroką skalę, lecz rozwiązania zaprojektowane wokół tego, jak myślimy o klientach, jak przedstawiamy wartość i jak wygląda wysokiej jakości efekt działań handlowych w naszym kontekście.

Specyfika tworzy przewagę. Ogólne narzędzia generują ogólne rezultaty.

Najlepszym przykładem jest nasz przepływ pracy związany z analizą klientów i przygotowaniem kontaktu. Przedstawiciel handlowy wprowadza dane klienta, istotny kontekst i cel. Przepływ pracy tworzy uporządkowany obraz klienta: tego, co prawdopodobnie dzieje się w jego firmie, jakie są priorytety i problemy, które sygnały mają znaczenie oraz jak przedstawić naszą wartość w odniesieniu do konkretnej sytuacji.

Sztuczna inteligencja w analizie klientów i przygotowaniu kontaktu

Przedstawiciel handlowy otrzymuje rzeczywisty punkt widzenia opracowany wokół klienta, a nie ponownie wykorzystany szablon. Praca, która wcześniej zajmowała od 10 do 30 minut, teraz zajmuje około trzech minut, bez obniżenia jakości. Jakość jest też bardziej spójna w całym zespole, niezależnie od tego, kto wykonuje zadanie.

AI w przepływach pracy związanych z prognozowaniem

Innym przykładem jest Centrum prognozowania — niestandardowy GPT, który zbudowałem, aby zmienić sposób, w jaki liderzy przygotowują się do rozmów dotyczących prognoz i je prowadzą. Rozwiązuje ono problem polegający na tym, że większość rozmów dotyczących prognoz sprowadza się do odczytywania danych zespołowi przez liderów, zamiast wykorzystywania ich do wyznaczania strategii. Centrum prognozowania korzysta z danych dotyczących bieżącego funkcjonowania firmy, informacji o lejku sprzedażowym i danych o kondycji klientów, pomagając liderom przekształcić je w jasną narrację i dobrze uzasadniony punkt widzenia, zanim jeszcze dołączą do rozmowy.

Nasz wewnętrzny standard jest prosty: jeśli brzmi to tak, jakby GPT podsumował arkusz kalkulacyjny, praca nie jest zakończona. Całość powinna brzmieć jak wypowiedź CRO, który odrobił pracę domową i jest gotowy pokierować firmą.

Wyniki

O skuteczności obu rozwiązań nie decyduje model. Decydują o niej projekt przepływu pracy, wbudowany kontekst oraz poprzeczka, którą ustawiamy dla jakości oczekiwanych rezultatów. Przedstawiciel handlowy i lider nadal odpowiadają za ocenę sytuacji. AI usuwa przeszkody z etapu przygotowań, dzięki czemu mogą działać sprawniej, szybciej i bardziej konsekwentnie niż wcześniej.

Wciąż jesteśmy na wczesnym etapie, dlatego przestrzegam przed wyciąganiem zbyt daleko idących wniosków na temat wpływu na przychody w dalszej perspektywie. Jednak w ramach tych przepływów pracy i wielu innych już poprawiliśmy szybkość działania oraz responsywność w całej organizacji, nie poświęcając przy tym jakości. Zespoły mogą szybciej zbliżyć się do klientów, ponieważ nie muszą już czekać na spotkanie ani na długi, ręczny proces, aby zbadać konto, zebrać kontekst i wyrobić sobie punkt widzenia. Poprawiło to przygotowanie, zwiększyło spójność pracy wykonywanej na rzecz klientów i sprawiło, że organizacja przychodowa skuteczniej angażuje konta.

Dlaczego odnowienia wymagają przeprojektowania z wykorzystaniem AI

Odnowienia również wymagają przeprojektowania.

Większość organizacji przychodowych nadal podchodzi do odnowień reaktywnie. Zespoły czekają do momentu, gdy zbliża się termin, sprawdzają wskaźnik kondycji klienta i w pośpiechu starają się objąć właściwe relacje.

Jednak zanim zespoły wykonają tę pracę, już są spóźnione. Opowiadałbym się za przeprojektowaniem analizy danych dotyczących odnowień tak, aby stała się ciągłym przepływem pracy, a nie kwartalnym gaszeniem pożaru. AI dobrze się do tego nadaje, ponieważ może ujawniać sygnały ryzyka, wskazywać luki w zakresie obsługi i pomagać liderom wyrobić sobie pogląd na temat tego, gdzie należy działać, zanim zamknie się okno możliwości.

Dlaczego największa szansa związana z AI nie jest tym, czego można się spodziewać

Pamiętaj jednak, że największa szansa związana z AI nie polega na naprawianiu pojedynczych punktów tarcia. Chodzi o ponowne przemyślenie całego przepływu pracy.

Na początku prawdopodobnie zbyt mocno koncentrowałem się na rozwiązywaniu bieżących problemów, co przynosiło wartość, ale w niektórych przypadkach miało bardziej przyrostowy niż transformacyjny charakter.

Gdybym wcześniej to zrozumiał, poświęciłbym mniej czasu na optymalizację odizolowanych zadań, a więcej na przeprojektowanie od początku do końca przepływów pracy o najwyższej wartości, wyraźnie łącząc je z priorytetami GTM i mierzalnym wpływem na działalność firmy już od samego początku.

Pomogłoby mi to uniknąć fragmentarycznych eksperymentów. Mogą one prowadzić do powstania użytecznych narzędzi, które jednak nie składają się na rzeczywistą strategiczną dźwignię.

Wniosek jest taki, że AI tworzy największą wartość wtedy, gdy łączy się ze sposobem generowania przychodów przez firmę — a nie tylko z obszarami, w których ludzie odczuwają w danym momencie trudności.

Bill dzieli się

Największa szansa związana z AI nie polega na naprawianiu pojedynczych punktów tarcia. Chodzi o ponowne przemyślenie całego przepływu pracy.

Gdzie AI wspiera zadania związane z przychodami

Najczęściej korzystam z AI w obszarach, w których lepsza synteza informacji i szybsze przygotowanie zapewniają rzeczywistą dźwignię, takich jak analiza kont, tworzenie punktu widzenia, przygotowywanie komunikatów, komunikacja i rozpoznawanie wzorców w dużych ilościach informacji. AI doskonale przetwarza dane wejściowe, porządkuje sposób myślenia oraz poprawia jakość i spójność realizacji działań w całej organizacji.

Ludzie wkraczają tam, gdzie potrzebne są prawdziwy osąd i odpowiedzialność: w prognozowanie, ustalanie cen, podejmowanie ostatecznych decyzji dotyczących lejka sprzedażowego, decyzje dotyczące terytoriów oraz kluczowe decyzje związane z ryzykiem dotyczącym klientów lub inwestycjami. AI może wspierać te rozmowy, ale nie zastępuje przywódczego osądu.

Powód jest prosty. Chcę, aby AI pomagała nam myśleć lepiej i działać szybciej, a nie podejmowała za nas decyzje w obszarach, w których najważniejsze są niuanse, kontekst i odpowiedzialność. W organizacji zajmującej się przychodami szybkość ma znaczenie, ale osąd nadal jest tym, co nas wyróżnia.

Liderzy ds. przychodów muszą uważnie obserwować śmieci generowane przez AI

Czasami AI tworzy więcej treści zamiast lepszych treści. Najwyraźniejszym przykładem są śmieci generowane przez AI: ogólnikowy kontakt z odbiorcami, ogólnikowe komunikaty, ogólnikowe punkty widzenia oraz wiele działań, które wyglądają na produktywne, ale nie poprawiają jakości działań komercyjnych. W takich przypadkach AI tworzy szum, a nie dźwignię.

Widziałem również, jak AI była nadmiernie wykorzystywana w obszarach, w których osąd, kontekst i niuanse są ważniejsze niż szybkość. Jeśli dane wejściowe są słabe lub standardy niskie, AI tego nie naprawi. Tylko to wzmacnia.

Problem dotyczy w mniejszym stopniu samej technologii, a w większym tego, jak łatwo można pomylić ilość z wartością. To właśnie ten sposób ponoszenia porażki obserwuję najdokładniej, ponieważ prowadzi on do utraty zaufania.

Radzę sobie z tym, ustanawiając jasny standard w całej organizacji, dając przykład własnym działaniem i skalując dyscyplinę, którą wykorzystałem do zbudowania własnych przepływów pracy. Oznacza to podkreślanie, że AI powinna wyostrzać myślenie, a nie je zastępować, oraz że kontekst, iteracja i osąd nadal mają znaczenie.

To właśnie odróżnia zespoły ds. przychodów, które czerpią z AI prawdziwą dźwignię, od tych, które jedynie tworzą więcej szumu.

Dlaczego skalowanie nie zawsze wiąże się z kompromisem dotyczącym jakości

Uważałem, że skalowanie zawsze wiąże się z kompromisem dotyczącym jakości. W działaniach związanych z wejściem na rynek automatyzacja historycznie oznaczała większą produkcję, ale zwykle kosztem trafności, osądu i jakości.

AI zmieniła moje przekonanie, że ten kompromis jest nieunikniony. Jeśli jest dobrze wykorzystywana, przy odpowiednim kontekście, projekcie przepływu pracy i standardach, AI może zwiększyć szybkość i skalę bez automatycznego obniżania poprzeczki.

Najlepszym przykładem są opisane wcześniej przeze mnie przepływy pracy związane z analizą klientów i przygotowaniem do spotkań. Nie dzieje się to domyślnie, ale jest możliwe. I oznacza znaczącą zmianę w porównaniu ze sposobem, w jaki większość z nas doświadczyła automatyzacji w organizacjach zajmujących się przychodami.

Dlaczego dobre dane są kluczem do udanego wdrożenia AI

Dobre dane są ważniejsze niż narzędzia. Jeśli dane są niekompletne, niespójne lub trudne do zweryfikowania, AI nie rozwiąże tego problemu. Tylko go wzmacnia.

Możesz uzyskać szybsze wyniki, ale nie lepsze. To jedna z najważniejszych lekcji, jakie wyciągnąłem.

Udane wdrożenie AI nie polega wyłącznie na dostępie do odpowiedniego modelu. Chodzi o podstawę danych, dyscyplinę operacyjną i zaufanie do danych wejściowych, które pozwalają skutecznie korzystać z modelu. Narzędzia mają znaczenie, ale to dobre dane sprawiają, że całość staje się rzeczywistością.

Jak liderzy CRO powinni podchodzić do zmian napędzanych przez AI

Radzę liderom CRO wykorzystywać AI do wyostrzania myślenia, usprawniania realizacji i skalowania osądu, a nie do zalewania firmy większą ilością treści.

Zacznij od obszarów, w których szybkość i synteza tworzą prawdziwą dźwignię: analizy klientów, tworzenia punktów widzenia, komunikacji oraz rozpoznawania wzorców w całym mechanizmie generowania przychodów. Jasno określ, na co AI powinna wpływać, a co powinno pozostać domeną człowieka. Od początku ustaw też wysoką poprzeczkę; w przeciwnym razie ludzie będą domyślnie tworzyć ogólnikowe treści, które wyglądają na produktywne, ale nie poprawiają jakości działań komercyjnych.

Najwięcej zyskają ci liderzy, którzy nie twierdzą, że mają już wszystko rozpracowane. To ci, którzy traktują AI poważnie, stosują ją w przemyślany sposób i nieustannie podnoszą poprzeczkę w zakresie jej wpływu na firmę.

Śledź nasze działania

Możesz śledzić pracę Billa Dwoinena na LinkedInie.

W The CRO Club pojawi się więcej wywiadów z ekspertami!