Dyrektor ds. przychodów w silnie regulowanej branży ostrzega: na co zwrócić uwagę podczas wdrażania kompleksowych zmian opartych na AI

John Stamatopoulos jest dyrektorem ds. przychodów (CRO) firmy Brook Health zajmującej się zdalną opieką medyczną, która pozyskała finansowanie w ramach rundy B. Wykorzystuje w niej sztuczną inteligencję do optymalizacji niemal każdej funkcji w ramach procesu generowania przychodów.

Spotkaliśmy się z Johnem, aby dowiedzieć się, jak stworzył działający w czasie rzeczywistym silnik sygnałów, który całkowicie zmienił jego sposób pracy. Opowiedział nam, jak działa, oraz podzielił się problemami, na które liderzy ds. przychodów powinni zwrócić uwagę podczas wdrażania sztucznej inteligencji.

Organizacja ds. przychodów

Nazywam się John Stamatopoulos i jestem dyrektorem ds. przychodów w Brook Health, gdzie koncentrujemy się na tym, aby ciągła zdalna opieka medyczna i zarządzanie chorobami przewlekłymi były dostępne, skalowalne i możliwe do utrzymania dla systemów opieki zdrowotnej w całym kraju.

Brook Health to firma zajmująca się zdalną opieką medyczną, będąca na etapie wzrostu po pozyskaniu finansowania w ramach rundy B, stworzona specjalnie z myślą o systemach opieki zdrowotnej i grupach lekarzy, aby umożliwić im zarządzanie chorobami przewlekłymi na dużą skalę. Nasz model przychodów opiera się na sprzedaży B2B do przedsiębiorstw. Zawieramy umowy bezpośrednio z systemami opieki zdrowotnej, IDN-ami i dużymi praktykami lekarskimi. Nasze powtarzalne przychody są przede wszystkim powiązane z rozliczaniem usług lekarskich w modelu opłat za usługę. Współpracujemy z klinicystami w modelu incident-to, pomagając im generować przychody, a za świadczone przez nas usługi obowiązuje powiązany cennik.

Organizacja ds. przychodów, którą kieruję, obejmuje sprzedaż, partnerstwa i zarządzanie klientami, a jej członkowie pracują w całych Stanach Zjednoczonych. Nasza struktura wejścia na rynek opiera się na sprzedaży do systemów opieki zdrowotnej. Skróciliśmy cykle sprzedaży, ale nadal musimy poruszać się wśród wielu interesariuszy, a nasza propozycja wartości musi jednocześnie przemawiać do dyrektora finansowego, dyrektora medycznego i lidera operacyjnego wdrażającego program.

Nasz model jest interesujący, ponieważ nie sprzedajemy wyłącznie oprogramowania ani urządzeń. Sprzedajemy możliwości kliniczne i operacyjne. Oznacza to, że sukces klienta nie jest funkcją wsparcia posprzedażowego, lecz partnerem we wspólnym wdrażaniu, który odpowiada za osiąganie wyników mierzonych w ramach naszych umów. Utrzymanie i zwiększanie przychodów odbywa się w ramach tych relacji klinicznych, co w fundamentalny sposób wpływa na to, jak zbudowałem zespół oraz jak podchodzimy do lejka sprzedażowego, prognozowania i wzrostu.

Udowodniliśmy skuteczność tego modelu i obecnie go skalujemy. To właśnie punkt zwrotny, w którym dyscyplina w obszarze wejścia na rynek, wsparcie ze strony sztucznej inteligencji i współpraca międzyfunkcyjna mają największe znaczenie.

Budowa działającego w czasie rzeczywistym silnika sygnałów

Moja droga do tego momentu była daleka od linearności, co czyni ją istotną. Pierwszą połowę kariery spędziłem w dużych firmach farmaceutycznych i produkujących urządzenia medyczne, a drugą na uruchamianiu firm z obszaru cyfrowej opieki zdrowotnej. Budowałem i przebudowywałem zespoły odpowiedzialne za wejście na rynek w wielu organizacjach zajmujących się zdalną opieką medyczną, poruszając się wśród zmian w refundacji CMS, cykli kontraktowania opartego na wartości oraz nieustannej złożoności sprzedaży do systemów opieki zdrowotnej — jednocześnie będących klientami, partnerami i konkurentami.

Przez cały ten czas nauczyłem się, że przywództwo w obszarze przychodów w ochronie zdrowia jest zasadniczo problemem związanym z danymi, który przybiera pozór problemu relacyjnego. Transakcje, które utknęły w martwym punkcie, nie stoją w miejscu dlatego, że ktoś cię nie polubił; zatrzymują się, ponieważ nie udało ci się połączyć swojego rozwiązania z właściwym wynikiem klinicznym lub bodźcem finansowym we właściwym momencie i podczas właściwej rozmowy. Właśnie tutaj sztuczna inteligencja zmienia wszystko.

Obecnie prognozowanie predykcyjne nie ogranicza się już do panelu CRM; nasz stos technologiczny to działający w czasie rzeczywistym silnik sygnałów, który informuje, który system opieki zdrowotnej znajduje się dziewięć miesięcy przed odnowieniem umowy, który dyrektor medyczny właśnie opublikował inicjatywę dotyczącą zdrowia populacyjnego i który kliniczny ambasador traci wsparcie kadry zarządzającej. Gdy włączysz te informacje do sposobu działania zespołów sprzedaży, marketingu i zarządzania klientami, przestajesz zarządzać funkcją przychodów, a zaczynasz zarządzać organizmem generującym przychody. Miejmy nadzieję, że takim, który się uczy, dostosowuje i rozwija wykładniczo.

Nie rozwijałem się zawodowo w oparciu o tradycyjny model SaaS. Moje doświadczenie wynika ze złożoności farmacji, urządzeń medycznych i cyfrowego świadczenia opieki zdrowotnej, gdzie stawką są wyniki leczenia pacjentów, a cykle sprzedaży trwają kwartały i lata, a nie tygodnie. Ten kontekst wyjaśnia, dlaczego obecny moment związany ze sztuczną inteligencją jest dla mnie tak ważny: zespoły, które nauczą się wspierać ludzi zaawansowanymi rozwiązaniami technicznymi w silnie regulowanych środowiskach, wyznaczą kierunek komercjalizacji ochrony zdrowia w następnej dekadzie.

Jak sztuczna inteligencja usprawnia cały proces generowania przychodów

Rok temu nasze przeglądy lejka sprzedażowego opierały się na intuicji. Przedstawiciele handlowi przekazywali ustne aktualizacje, a ja zestawiałem ze sobą wiadomości e-mail w CRM, notatki ze spotkań, przeczucia i wiek transakcji, aby odróżnić rzeczywiste szanse od myślenia życzeniowego. W złożonym procesie sprzedaży do systemów opieki zdrowotnej, z długimi cyklami i wieloma interesariuszami, jest to niebezpieczny sposób zarządzania organizacją ds. przychodów.

Zbudowaliśmy połączony stos technologii sprzedażowych, który obsługuje każdą warstwę generowania przychodów i zarządzania nimi. Wszystko zaczyna się od Definitive Healthcare, które przekazuje informacje rynkowe i dane dotyczące systemów ochrony zdrowia bezpośrednio do HubSpot za pośrednictwem niestandardowej integracji wypełniającej pola specyficzne dla danej transakcji. Każdy rekord konta odzwierciedla rzeczywisty kontekst, a nie tylko to, co przedstawiciel handlowy ręcznie wpisał po rozmowie.

Następnie automatycznie zapisujemy konto do sekwencji kontaktów. Jeśli mamy bezpośrednie dane kontaktowe, HubSpot uruchamia sekwencję. Jeśli ich nie mamy, lukę wypełnia LinkedIn Sales Navigator, zapewniając naszym przedstawicielom handlowym ciepłą ścieżkę dotarcia do właściwego członka kadry kierowniczej, nawet jeśli zaczynają od zupełnie nowego kontaktu. W obu przypadkach przedstawiciel handlowy rozpoczyna dzień z uporządkowaną listą celów, wstępnie uzupełnionym kontekstem kont oraz sekwencją kontaktów już w toku.

To, co wcześniej zajmowało przedstawicielowi handlowemu pół dnia na badania i ręczne wprowadzanie danych, teraz dzieje się w ciągu nocy. Zadaniem przedstawiciela nie jest już budowanie podstaw, lecz prowadzenie lepszych rozmów, gdy uda się otworzyć drzwi. Ten przepływ pracy, w swojej najprostszej formie, znacząco poprawił naszą efektywność w przechodzeniu od informacji rynkowych do aktywnego lejka sprzedażowego.

Dodatkowo połączyliśmy wszystko z Gmailem i Zoomem oraz korzystamy z funkcji analizy rozmów, aby monitorować schematy rozmów naszych zespołów i mierzyć w czasie rzeczywistym nastawienie kupujących. Ta widoczność zmieniła sposób, w jaki prowadzę coaching, oraz szybkość, z jaką możemy korygować działania w przypadku transakcji tracącej impet.

Ponadto korzystamy z Claude, aby automatyzować i przyspieszać pracę, która wcześniej nas spowalniała. Tworzenie modeli zwrotu z inwestycji, opracowywanie studiów przypadku, przygotowywanie spersonalizowanych prezentacji, które możemy szybko wdrożyć dla konkretnego systemu ochrony zdrowia lub IDN, a także dbanie o to, by żaden kontakt następczy nie został pominięty. To, co wcześniej wymagało dni przygotowań, teraz zajmuje godziny.

Poprawiło się wszystko, co następowało po utworzeniu lejka sprzedażowego. Rozmowy dotyczące prognoz stały się szczere, ponieważ dane były uporządkowane. Wzrosły wskaźniki wygranych transakcji, które wcześniej prawdopodobnie zakończyłyby się ciszą. Nasz zespół poświęca znacznie mniej czasu na pracę administracyjną i znacznie więcej na bezpośredni kontakt z kupującymi.

Jak sztuczna inteligencja na nowo definiuje identyfikację celów i personalizację

Przed pojawieniem się sztucznej inteligencji identyfikacja właściwych celów była procesem ręcznym i czasochłonnym. Przedstawiciele handlowi spędzali wiele godzin na porównywaniu danych, aby zidentyfikować systemy ochrony zdrowia gotowe do działania. Pomijano dobre cele, ponieważ przedstawiciele nie mieli wystarczająco dużo czasu, aby znaleźć je wszystkie.

Teraz sztuczna inteligencja w dużej mierze automatyzuje ten proces. Definitive Healthcare przekazuje do naszego systemu CRM dane o systemach ochrony zdrowia i grupach lekarzy, przefiltrowane pod kątem naszego profilu idealnego klienta. Populacja pacjentów, obciążenie chorobami przewlekłymi, infrastruktura technologiczna, położenie geograficzne — wszystko jest oceniane i porządkowane priorytetowo bez konieczności wykonywania jakiejkolwiek pracy przez przedstawiciela handlowego. Ujawniamy możliwości, które jeszcze rok temu pozostałyby niewidoczne.

Personalizacja zmieniła się równie radykalnie. Jeśli system ochrony zdrowia właśnie ogłosił inicjatywę dotyczącą zdrowia populacji lub zatrudnił nowego dyrektora ds. medycznych, sztuczna inteligencja automatycznie włącza ten kontekst do komunikacji. Wiadomość odwołuje się do czegoś rzeczywistego i aktualnego w ich świecie, zamiast do ogólnej propozycji wartości, która mogłaby pasować do każdego.

Dokładna wiedza o tym, do kogo kierować działania, oraz dostarczanie naprawdę trafnych komunikatów całkowicie zmienia sposób rozpoczynania rozmowy.

Jak integracja sztucznej inteligencji poprawia wyniki przychodowe

John się dzieli

Szczerym wyzwaniem jest adopcja. Stos technologii działa tylko wtedy, gdy zespół korzysta z niego konsekwentnie.

Odnotowaliśmy rzeczywiste sukcesy dzięki sztucznej inteligencji. Cykle sprzedażowe znacząco się skróciły. Gdy zespół ma uporządkowane dane, jasne plany dla kont, sygnały intencji kupujących i wsparcie sztucznej inteligencji w działaniach następczych, transakcje posuwają się szybciej. Nie czekamy, aż przedstawiciele handlowi ręcznie przygotują model zwrotu z inwestycji przed spotkaniem z dyrektorem finansowym ani aż przypomną sobie o wysłaniu wiadomości następczej. Ta praca odbywa się automatycznie, dzięki czemu utrzymujemy impet między kolejnymi kontaktami.

Przyspieszyło również generowanie leadów. Definitive Healthcare zasila nasz system CRM, a LinkedIn Sales Navigator uzupełnia braki w danych kontaktowych, umożliwiając nam szybsze niż kiedykolwiek ręcznie identyfikowanie, ustalanie priorytetów i docieranie do właściwych celów. Górna część lejka jest uporządkowana, a konwersja potencjalnego klienta w aktywną szansę sprzedaży się poprawiła.

Dokładność prognoz jest lepsza i chcę jasno podkreślić, że przyczynia się do tego nie tylko sztuczna inteligencja, lecz także standaryzacja. Stworzyliśmy proces wymagający higieny danych i konsekwentnego przechodzenia przez kolejne etapy. Sztuczna inteligencja wzmacnia tę dyscyplinę, zamiast rekompensować jej brak.

Szczerym wyzwaniem jest adopcja. Stos technologii działa tylko wtedy, gdy zespół korzysta z niego konsekwentnie. Osiągnięcie tego wymagało coachingu, wzmacniania właściwych zachowań oraz bezpośredniego powiązania korzystania z narzędzi z oczekiwaniami dotyczącymi wyników. Ta zmiana kulturowa zajęła więcej czasu niż wdrożenie techniczne.

Dlaczego ludzie zawsze pozostają zaangażowani

AI informuje więc lub standaryzuje większość operacyjnych mechanizmów naszej funkcji przychodowej. Priorytetyzacja szans sprzedażowych, ocena transakcji, prognozowanie, planowanie terytoriów, ryzyko rezygnacji, śledzenie aktywności i sekwencjonowanie działań następczych — wszystko to odbywa się za pośrednictwem naszego stosu technologicznego. AI ujawnia sygnały, oznacza anomalie i pomaga zespołowi przestrzegać procesu.

Był to świadomy wybór. W rozwijającej się organizacji najszybszym sposobem na utratę przychodów jest uzależnienie dyscypliny operacyjnej od indywidualnych nawyków. Standaryzacja i automatyzacja mechanizmów tworzą poziom bazowy, na którym wszyscy działają zgodnie z podstawowym standardem doskonałości, niezależnie od stażu.

Jednak ludzie wciąż podejmują decyzje tam, gdzie zaufanie, osąd i kontekst relacji są właściwym produktem. Chodzi o prowadzenie transakcji, w której kliniczny orędownik rozwiązania i dyrektor finansowy nie są zgodni. O wiedzę, kiedy się wycofać, kiedy eskalować sprawę i kiedy zrestrukturyzować umowę, aby chronić długoterminową relację z klientem. O rozmowy dotyczące cen, które w ramach systemu opieki zdrowotnej są zależne od kontekstu, relacji i wrażliwe politycznie.

AI może modelować zwrot z inwestycji i budować argumentację. Ludzie odczytują atmosferę. AI zarządza systemem, a ludzie zarządzają relacjami. W ochronie zdrowia nie można mieć jednego bez drugiego.

Dlaczego AI nie spełnia oczekiwań w marketingu B2B

Są również obszary, w których AI nie przyniosła oczekiwanych rezultatów.

Gdy w coraz większym stopniu zaczęliśmy korzystać z treści generowanych przez AI i zautomatyzowanego kontaktu, liczba naszych wyświetleń spadła. Kadra kierownicza systemów opieki zdrowotnej to wyrafinowani nabywcy, którzy widzieli już każdą szablonową sekwencję i wiadomość e-mail dopracowaną przez AI. Gdy treść wydaje się wygenerowana, a nie autentyczna, zaangażowanie spada. Co gorsza, AI nie zawsze dysponuje odpowiednim kontekstem i może w rezultacie tworzyć technicznie poprawne wiadomości, które są niewłaściwe pod względem tonu dla danej relacji. AI może tworzyć treści na dużą skalę, ale skala nie jest tym samym co rezonans.

Drugą luką jest rozwój zupełnie nowych rynków. AI doskonale optymalizuje to, co już jest w toku. Jednak identyfikowanie rzeczywiście nowych rynków i tworzenie narracji, która otwiera zimne drzwi, nadal wymaga ludzkiej kreatywności i intuicji rynkowej, których nasze narzędzia nie zdołały odtworzyć.

Szerszy wniosek jest taki, że AI wzmacnia to, co już działa. Gdy podstawowa strategia lub przekaz są słabe, AI równie skutecznie skaluje tę słabość, jak skaluje siłę.

Dlaczego liderzy przychodów muszą przejść przez cały przepływ pracy AI

Trzeba rozumieć dalszy wpływ zysków efektywności w jednym obszarze. Gdy automatyzujesz i przyspieszasz jedną część procesu przychodowego, nie zawsze zdajesz sobie sprawę, że tworzysz więcej pracy gdzie indziej — aż do momentu, gdy staje się to problemem.

Gdy przyspieszyliśmy generowanie leadów i aktywność na szczycie lejka, powstała liczba zadań, z którą nasze zespoły ds. sukcesu klienta i wdrażania nie były w stanie sobie poradzić. Narzędzie działało dokładnie zgodnie z założeniami. Po prostu nie przeanalizowaliśmy wcześniej, czego ten sukces będzie wymagał od sąsiednich zespołów, zanim uruchomiliśmy zmianę.

Zanim wdrożysz rozwiązanie, prześledź cały przepływ pracy i zapytaj, kto jeszcze będzie miał więcej pracy, gdy to zadziała.

Na co zwrócić uwagę, gdy Twój zespół wdraża AI

Oto, na co należy uważać w przypadku swojego zespołu:

• Mogą wyrobić w sobie nawyk nieczytania tego, co wysyłają. Treść wygląda na dopracowaną, więc ludzie zakładają, że jest poprawna. W sprzedaży rozwiązań dla przedsiębiorstw z sektora ochrony zdrowia, gdzie pojedynczy błąd rzeczowy lub pozbawione wyczucia zdanie w wiadomości do dyrektora medycznego może zaszkodzić relacji budowanej przez wiele miesięcy, takie założenie jest niebezpieczne. Wbudowaliśmy korektę i przegląd z powrotem w przepływy pracy jako niepodlegający negocjacjom etap, a nie czynność wykonywaną po fakcie.

• Mogą poczuć się przytłoczeni i po cichu przestać korzystać z systemu. Zwykle zaczyna się od nadmiaru informacji. Narzędzia dostarczają więcej danych, więcej sygnałów i więcej zadań, niż zespół jest przyzwyczajony obsługiwać, a bez jasnych instrukcji, od czego zacząć, ludzie wycofują się zamiast zagłębiać w temat. Widać to po spadku aktywności w CRM, nieprzejrzanych sekwencjach i powrocie przedstawicieli handlowych do nawyków sprzed wdrożenia narzędzi.
• Mogą nie ufać procesowi. Niektórzy ludzie są przywiązani do swoich sposobów działania i żadna liczba dostępów do paneli nie zmieni tego podejścia. Podczas szkolenia będą przytakiwać, a potem wrócą do pracy we własnym systemie równolegle z nowym. Rozwiązaniem nie jest lepsza technologia. Jest nim lepsze wdrożenie. Zacznij od jednego przepływu pracy, upraszczaj go, doprowadź szybko do sukcesu i buduj pewność siebie, zanim dodasz kolejne elementy.

Dlaczego przestrzeń transakcyjna musi się zmienić

Przestrzeń transakcyjna nadal wymaga przeprojektowania. W szczególności dotyczy to tego, co dzieje się z transakcją po szczegółowej kwalifikacji. Większość organizacji przychodowych wciąż traktuje ten etap jako w dużej mierze manualny. Przedstawiciele handlowi samodzielnie koordynują działania następcze, przygotowują materiały, planują udział interesariuszy i zarządzają wewnętrznymi zatwierdzeniami. AI może przejąć te zadania — i właśnie tutaj większość dyrektorów ds. przychodów nie wykorzystuje możliwości zwiększenia efektywności.

Pracujemy nad bezobsługowym wirtualnym pokojem transakcyjnym. Gdy transakcja osiąga określony etap, system przejmuje mechanizmy operacyjne. AI tworzy i aktualizuje model ROI, generuje spersonalizowane materiały dla każdego interesariusza, zarządza sekwencjonowaniem działań następczych, monitoruje sygnały zaangażowania i sygnalizuje, kiedy potrzebna jest interwencja człowieka.

W całej tej rozmowie mówiłem, że ludzie muszą być zaangażowani, i nadal tak uważam. Chcę jednak doprecyzować tę kwestię. Dobrze przygotowane nagranie wideo lub zaplanowany przewodnik oparty na sposobie myślenia i komunikowania się konkretnej osoby może pełnić funkcję wiarygodnego reprezentanta tej osoby na kluczowych etapach transakcji. Nie zawsze potrzebujesz obecności człowieka na żywo, ale potrzebujesz, aby obecne były jego perspektywa, osąd i głos. AI i wideo mogą przekazywać je dalej w sposób, który jeszcze dwa lata temu był niemożliwy.

Organizacje, które przeprojektują swoje pokoje transakcyjne zgodnie z tym sposobem myślenia, nie będą po prostu bardziej efektywne. Strukturalnie trudniej będzie z nimi konkurować.

Dlaczego Claude Cowork jest niezbędny

Claude Cowork to moje niezbędne narzędzie.

Jego wszechstronność sprawia, że jest dla mnie niezastąpiony. Działa we wszystkich obszarach, obejmując zadania operacyjne, kreatywne, strategiczne i taktyczne. Podczas jednej sesji mogę zbudować model ROI, przygotować prezentację, dopracować narrację umowy i opracować strategię wejścia na rynek. Żadne inne narzędzie w naszym stosie technologicznym tego nie potrafi.

Każde inne narzędzie, którego używamy, jest stworzone do jednego konkretnego zadania. Claude łączy wszystkie te zadania. Ta elastyczność sprawia, że jest to narzędzie, z którego nigdy bym nie zrezygnował. Nie zawsze spełnia moje oczekiwania, ale nadal wydaje się robić najwięcej.

Jak budżetować AI i podejmować decyzje międzyfunkcyjne

Nikt otwarcie nie mówi o tym, jak budżetować AI i podejmować decyzje dotyczące narzędzi, które współdziałają między różnymi obszarami, a przecież jest to kwestia, z którą mierzy się każdy CRO.

Kilka ukierunkowanych inwestycji w narzędzia szybko okazało się kosztownych. Gdy każdy członek zespołu znajduje produkt, który mu odpowiada, i samodzielnie rozlicza jego koszt, zanim ktokolwiek zda sobie sprawę z tego, co się stało, otrzymujesz rozdrobniony, kosztowny i często niekompatybilny stos technologiczny.

Zdecydowaliśmy się na standaryzację, co było właściwą decyzją. Jednak nawet przy standaryzacji wciąż uczymy się dokładnie prognozować koszty. Zużycie tokenów, licencje na stanowiska, opłaty integracyjne — modele rozliczeń narzędzi AI nie są intuicyjne i skalują się w sposób trudny do przewidzenia, dopóki nie przekroczysz budżetu.

Aspekt międzyfunkcyjny dodaje kolejną warstwę złożoności. Czasami nie można połączyć narzędzia jednego zespołu z szerszą infrastrukturą AI, ponieważ stwarzałoby to ryzyko związane ze zgodnością lub bezpieczeństwem dla innego zespołu. W efekcie powstają wyspy automatyzacji, które nie mogą się ze sobą komunikować, co podważa ideę połączonego silnika przychodów, który od początku próbowaliście zbudować.

Moja rada: jak najwcześniej utwórzcie międzyfunkcyjną grupę ds. zarządzania AI, ustalcie scentralizowany budżet, zanim poszczególne zespoły zaczną wydawać pieniądze, i traktujcie wybór narzędzi jako decyzję całej organizacji, a nie pojedynczego działu. Większości tych rzeczy nauczyliśmy się w trudny sposób.

Co CRO muszą wiedzieć przed rozpoczęciem inicjatyw przychodowych opartych na AI

Chciałbym wcześniej wiedzieć, przez ile wewnętrznych procedur musiałem przejść, zanim uruchomiono choćby jedno narzędzie.

Mieliśmy jasną wizję tego, co budujemy. Uzasadnienie biznesowe było mocne. Nie przewidziałem w pełni, jak wiele zgód będę potrzebować od działów IT, inżynierii, zgodności i cyberbezpieczeństwa przed wdrożeniem. W ochronie zdrowia nie są to biurokratyczne formalności. To uzasadnione mechanizmy ochronne zabezpieczające dane pacjentów, systemy finansowe i organizację przed odpowiedzialnością prawną. Jednak czas, jaki dodają te przeglądy, może po cichu zabić dynamikę i sfrustrować zespół chętny do działania.

Gdybym o tym wiedział, rozpocząłbym te rozmowy co najmniej dwa kwartały wcześniej. Zaangażowałbym zespoły ds. zgodności i IT w proces planowania przed wyborem dostawców, a nie po nim. Od początku jasno przedstawiłbym też zespołowi oczekiwania, że harmonogram wdrożenia będzie dłuższy niż cykl sprzedaży samych narzędzi.

Moglibyśmy uniknąć tego pośpiechu. Audyt systemów pod kątem narażenia PHI, wyznaczenie granic danych, zapewnienie oddzielnych środowisk dla narzędzi, które nie mogą mieć dostępu do wrażliwych danych finansowych — wszystkie te działania były rzeczywiste i konieczne. Zakłócenia byłyby znacznie mniejsze, gdybyśmy je zaplanowali, zamiast na nie reagować.

W regulowanej branży wewnętrzni interesariusze są częścią planu wejścia na rynek. Traktuj ich w ten sposób od pierwszego dnia.

Jak liderzy obszaru przychodów powinni podchodzić do AI

Moja rada? Zacznij od małych kroków. Wybierz jedną rzecz i naprawdę dobrze ją opanuj, zanim dodasz kolejną warstwę. Zabraliśmy się za zbyt wiele rzeczy zbyt szybko, a część z nich nie była jeszcze gotowa do użycia na szeroką skalę. Obietnica w pełni połączonego, wykorzystującego AI silnika przychodowego jest realna, ale droga do niego przebiega etapami, a nie jednocześnie.

Przygotuj się na to, że AI wygeneruje więcej pracy, zanim ją ograniczy. Musieliśmy przeprowadzić audyt i zabezpieczyć systemy zawierające PHI, ustalić jasne granice dotyczące danych, a w niektórych przypadkach zapewnić członkom zespołu osobne komputery, aby odizolować wrażliwe dane finansowe — nigdy nie podejmujemy żadnego ryzyka w przypadku danych partnerów ani pacjentów. To dodatkowe obciążenie operacyjne jest realne, a większość dostawców nie wspomni o nim podczas prezentacji.

Gdy znajdziesz rozwiązanie, które działa, mocno się zaangażuj. Wyrób nawyk, zwiększaj wykorzystanie i pozwól, aby efekty się kumulowały, zanim dodasz kolejne narzędzie. Zespoły, które odnoszą sukces, to nie te, które mają najwięcej narzędzi. To te, które wykazują się największą dyscypliną w korzystaniu z najmniejszej liczby — i właściwych — narzędzi.

Na koniec miej realistyczne oczekiwania. AI zwielokrotnia siłę strategii przychodowej, która już opiera się na solidnych fundamentach. Jeśli Twój lejek sprzedażowy jest słaby lub komunikaty są nietrafione, AI szybciej ujawni te problemy, ale ich nie rozwiąże. CRO, którzy odnoszą sukces, wykorzystują AI do wyostrzania swojego myślenia, a nie do jego zastępowania.

Śledź dalsze informacje

Możesz śledzić pracę Johna Stamatopoulosa na platformie LinkedIn.

Wkrótce więcej wywiadów z ekspertami w The CRO Club!