Dyrektor ds. przychodów w branży technologicznej mówi, że sztuczna inteligencja wzmacnia prognozowanie — i utrudnia unikanie odpowiedzialności dyrektora ds. przychodów

George Storm pracuje w sprzedaży od 23 lat. Obecnie pełni funkcję CRO w platformie B2B ABM o nazwie N.Rich, gdzie kieruje sprzedażą, marketingiem, sukcesem klienta, partnerami i wsparciem produktu.

Spotkaliśmy się z Georgem, aby dowiedzieć się, jak przebudował prognozowanie i raportowanie z wykorzystaniem AI. Oto, co nam powiedział.

Odpowiedzialność za cały lejek

Jestem George Storm, CRO w N.Rich, platformie B2B ABM. Przechodzimy od firmy ABM oferującej jeden produkt do modelu platformowego, który marketingowo określamy jako kompozycyjny GTM. Nasz obecny model przychodowy obejmuje roczną subskrypcję SaaS z dołączonymi usługami. Wprowadzamy model modułowy, subskrypcje poszczególnych modułów oraz ustalanie cen w zależności od rezultatów wraz z uruchomieniem systemu operacyjnego GTM.

Nadzoruję cały obszar przychodów, od początku do końca: sprzedaż, marketing, sukces klienta, partnerów i wsparcie produktu. Odpowiadam za wszystko — od generowania popytu po utrzymanie przychodów netto — za cały lejek, a nie tylko jego fragment. Nasza struktura GTM obejmuje szczupły zespół sprzedażowy skoncentrowany na regionie EMEA; organizację marketingową, która generuje popyt i prowadzi działania ABM; organizację CS zajmującą się odnowieniami i ekspansją; a także równoległy model współpracy z partnerami.

Obsługujemy przede wszystkim europejskie firmy B2B z segmentu średnich i dużych przedsiębiorstw, a konkretnie liderów ds. przychodów i marketingu, którzy realizują strategie wejścia na rynek oparte na kontach.

Jak AI zmieniła dokładność prognozowania przychodów

Pracuję w sprzedaży od 23 lat, a ostatni okres był trudniejszy niż dwie poprzednie dekady razem wzięte.

Nie zainteresowałem się AI z ciekawości. Trafiłem na nią przez porażkę. Prognozowałem tak, jak robi to każdy CRO — na podstawie historycznej konwersji — a model wciąż mówił mi to, co chciałem usłyszeć, aż do kwartału, w którym przestał. Mechanizmem samooszukiwania był sam model. A to ja go stworzyłem.

Dlatego przebudowałem cały sposób, w jaki prognozujemy. Odeszliśmy od modelu punktowego opartego na historycznej konwersji. Miał nakładkę Monte Carlo, która sprawiała, że wydawał się rygorystyczny. Nie był. Szacunek punktowy pozostaje szacunkiem punktowym, nawet gdy uśredni się trzy takie szacunki.

Przeszliśmy na probabilistyczny model zależny od reżimu, oparty na czterech danych wejściowych. Wskaźnik wygranych, udział w rynku, NRR i długość cyklu — każda z tych zmiennych jest kalibrowana względem zewnętrznych założeń bazowych pochodzących z WEF, MFW i McKinsey. AI stale oblicza rozkład prawdopodobieństwa, zamiast zmuszać mnie do przebudowy arkusza kalkulacyjnego raz na kwartał. W tym celu korzystamy z Claude do analizy sygnałów makroekonomicznych, a także z Fathom, Hubspot i naszej własnej platformy.

Uwzględniające reżim. Probabilistyczne. Ciągłe. To właśnie ta przebudowa sprawiła, że właściwie zaangażowałem się w AI — nie jako warstwę produktywności dołożoną do stanowiska, lecz jako narzędzie, które pozwala jednej osobie przeprowadzać obliczenia, analizować rynek i działać w tym samym tygodniu. Na tym teraz polega ta praca.

Dzięki tej zmianie prognoza stała się odczytem, a nie raportem. Ujawniła lukę poniżej poziomu deklaracji, zanim kwartał się odwrócił, a nie dopiero po fakcie. Zarząd przestał być zaskakiwany. I właśnie o to w tym wszystkim chodzi.

Dlaczego AI analizuje, ale operator musi działać

Jeśli chodzi o to, czym powinno zajmować się AI, a czym ludzie, AI dostarcza analizy:

• Rozkład prognozy zależny od reżimu
• Priorytetyzacja szans sprzedażowych
• Ocena kondycji kont
• Flagi ryzyka odejścia klientów
• Comiesięczna analiza międzyfunkcyjna obejmująca sprzedaż, marketing, CS i partnerów

AI zasila teraz wszystkie te obszary, ponieważ obejmują one rozpoznawanie wzorców na podstawie większej liczby sygnałów, niż człowiek jest w stanie zapamiętać.

Działania, które wyraźnie pozostają domeną człowieka, dotyczą reakcji:

• Decyzja dotycząca konkretnej szansy sprzedażowej
• Ustalenie ceny dla strategicznego konta
• Obsadzenie poszczególnych stanowisk
• Narracja przedstawiana zarządowi.

Powód jest prosty. AI poszerza zakres tego, co mogę dostrzec, ale nie możemy przekazać odpowiedzialności modelowi. Wpływaj na model jako źródło danych wejściowych, a nie jako decydenta. Model analizuje. Operator działa.

Jak AI usprawnia przepływy pracy, ale stwarza ryzyko nadmiernej pewności siebie

Oto dobre rezultaty:

• Tygodniowy raport CRO, który wcześniej zajmował większą część dnia, teraz tworzy się sam, a ja poświęcam ten czas na podejmowanie decyzji zamiast na zbieranie danych.
• Ocena kondycji klientów wykrywa konta zagrożone od jednego do dwóch kwartałów wcześniej, zanim zmieni się opóźniony wskaźnik.
• Prognoza sprawdza się podczas posiedzeń zarządu, a to jedyny test dokładności, który ma znaczenie.

Ale nie wszystko wygląda dobrze. Pierwsze modele były zbyt pewne siebie. Jeden wskazał 97% prawdopodobieństwa i okazał się strukturalnie zbyt optymistyczny, ponieważ wprowadziłem czyste założenia do nieuporządkowanych danych wejściowych.

Kalibracja adversarialna okazała się sednem pracy, a nie jednym z jej etapów — testowałem własny model za pomocą promptu starszego analityka, którego jedynym zadaniem było pozbycie się nadmiernego optymizmu. Mogłem zaoszczędzić kwartał, gdybym zrozumiał to wcześniej.

AI nie wykonało tej pracy za mnie. Przeniosło ją w inne miejsce.

Praktyczny przepływ pracy związany z raportowaniem

Przemyślenia George'a

Prognoza to odczyt. Plan to reakcja. Pętla to system operacyjny.

Przejdźmy przez tygodniowy przepływ pracy związany z odczytem danych.

W poniedziałek AI pobiera dane z HubSpotu dotyczące lejka sprzedażowego i odnowień, z Amplitude dotyczące korzystania z produktu, z Pylon dotyczące wsparcia, z Fathom dotyczące nastrojów podczas rozmów oraz ze Slacka dotyczące sygnałów od klientów i wewnątrz firmy. Tworzy jedną zarządzaną warstwę danych. Ocenia kondycję kont, oznacza konta zagrożone, wysyła alerty na Slacku bezpośrednio do właścicieli i odświeża warunkowy względem reżimu rozkład prognozy.

Następnie odczytuję dane, decyduję o reakcji, a do piątku zamykamy pętlę. Śledzenie, odczyt, działanie — w tygodniowym cyklu, z jednym właścicielem, który celowo nie jest menedżerem. System zajmuje się zbieraniem danych i oceną. Osoba na tym stanowisku podejmuje decyzje.

Prognoza zasila pętlę. Pętla na nowo kalibruje kierunki przepływu kapitału i wysiłku. Cała organizacja odczytuje dane i reaguje w cyklu tygodniowym, a nie dziewięćdziesięciodniowym. Prognoza to odczyt. Plan to reakcja. Pętla to system operacyjny.

Jak AI utrudnia przywództwo w obszarze przychodów

AI nie wygenerowało nowego popytu. Kompresuje i przyspiesza istniejący lejek sprzedażowy, ale nie tworzy intencji zakupowej u nabywcy, który nie jest obecnie na rynku. Każdy, kto sprzedaje AI jako cud na szczycie lejka, sprzedaje ci niewłaściwą rzecz.

Nie zastąpiło też osądu w transakcjach z dużymi przedsiębiorstwami na późnym etapie i nie naprawiło nieuporządkowanych danych. Nieuporządkowane dane nie stają się lepsze dzięki AI. Stają się głośniejsze.

AI utrudniło moje życie również poprzez kompresję ról po stronie nabywcy. Gdy firmy łączą trzy stanowiska w jedno, osoba wspierająca zakup, która kupiła od nas rozwiązanie w zeszłym roku, mogła zmienić rolę, stracić odpowiedzialność albo odejść z organizacji. AI stworzyło tę dynamikę. Nie rozwiązuje jej za mnie.

Od czego CRO powinni zacząć — i czego powinni unikać

Oto moja rada: Nie dokładajcie AI do stanowiska jako narzędzia zwiększającego produktywność. Przeprojektujcie stanowisko wokół AI.

Zacznij od swojej prognozy, bo to właśnie na jej podstawie ocenia cię zarząd, a w 2026 roku poprzeczka poszła w górę. Nie tracisz już pracy za nietrafienie w wynik. Tracisz ją za zaskoczenie. Model, który nie potrafi przewidzieć zbliżającego się odchylenia, jest obciążeniem, a nie samo odchylenie.

I samodzielnie angażuj się w obliczenia. Dyrektorzy ds. przychodów, którzy powierzają to narzędziu i odwracają wzrok, otrzymają odpowiedź, do której narzędzie zostało stworzone. Skonfiguruj je tak, by informowało cię, gdy się mylisz.

Bądź na bieżąco

Możesz śledzić pracę George'a Storma na LinkedInie oraz na stronie georgestorm.io.

W The CRO Club pojawi się więcej wywiadów z ekspertami!