Lider ds. przychodów twierdzi, że wdrożenie AI wymaga uzasadnienia biznesowego, zanim technologia trafi do GTM

Alexey Navolokin kieruje działalnością AMD w regionie APAC, gdzie odpowiada za strategię, partnerstwa i strategię wejścia na rynek.

Porozmawialiśmy z Alexeyem, aby dowiedzieć się, jak sztuczna inteligencja zmienia strategie zarządzania przychodami. Oto, co powiedział.

Przywództwo w obszarze przychodów w erze AI nie polega na obronie własnego terytorium.

Kieruję działalnością AMD w regionie APAC — obejmującą sektor przedsiębiorstw, chmurę, segment komercyjny i konsumencki — odpowiadając za strategię, partnerstwa i strategię wejścia na rynek, aby wprowadzać rozwiązania EPYC, Ryzen, Radeon i Instinct do centrów danych, komputerów osobistych oraz infrastruktury AI.

Jednak moja droga do tego miejsca nie była linearna i właśnie o tej części chcę opowiedzieć.

Karierę w technologiach dla przedsiębiorstw rozpocząłem w firmach takich jak Apple i Intel, ucząc się, jak budować i skalować globalne mechanizmy strategii wejścia na rynek. Następnie podjąłem większe ryzyko: pokierowałem rozwojem rynku i oprogramowania w startupie blockchainowym obsługującym operatorów telekomunikacyjnych. W tamtych latach doradzałem startupom i małym oraz średnim przedsiębiorstwom w Singapurze w zakresie transformacji cyfrowej — pomagając im wykorzystywać technologię rozproszonego rejestru do zapewniania przejrzystości w łańcuchach dostaw, bezpieczeństwie żywności i handlu międzynarodowym. Bez podręcznika, bez mapy drogowej. Tylko z przekonaniem, że nowe technologie ostatecznie zmienią sposób funkcjonowania biznesu.

To przekonanie okazało się słuszne — po prostu nastąpiło to wcześniej, niż się spodziewałem, i dotyczyło innej technologii, na którą początkowo postawiłem.

Blockchain nauczył mnie, jak sprzedawać zmianę paradygmatu, zanim rynek był na nią gotowy. Okazało się, że była to dokładnie umiejętność, której potrzebowałem, gdy AI przestała być slajdem w cudzej prezentacji i stała się produktem. W AMD obserwowałem, jak samo przywództwo w obszarze przychodów zmienia kierunek: strategia wejścia na rynek uwzględnia teraz ekonomię mocy obliczeniowej, plany rozwoju procesorów graficznych i partnerstwa ekosystemowe z rządami oraz dostawcami usług w chmurze na dużą skalę — a nie tylko programy kanałowe i kwartalne cele.

Dlatego dziś moja praca nie polega wyłącznie na sprzedaży procesorów i akceleratorów. Chodzi o budowanie ekosystemu AI AMD w regionie APAC — angażowanie instytucji rządowych, nawiązywanie partnerstw z dostawcami chmury i platformami dla deweloperów oraz kształtowanie sposobu, w jaki przedsiębiorstwa w regionie wdrażają infrastrukturę AI na dużą skalę.

Ta droga nauczyła mnie jednej rzeczy: przywództwo w obszarze przychodów w erze AI nie polega na obronie własnego terytorium. Chodzi o to, by odpowiednio wcześnie dostrzec kolejną zmianę infrastrukturalną, aktywnie działać, gdy rynek ją dogania, oraz mieć gotowe na zmiany nastawienie, aby przebudować sposób działania, gdy dotychczasowy przestaje się sprawdzać.

Sprzedaż sprzętu i platform w modelu hybrydowym

AMD to dojrzały, notowany na giełdzie lider branży półprzewodników, który konkuruje na czele wyścigu w dziedzinie wysokowydajnych i adaptacyjnych obliczeń — technologii CPU, GPU, FPGA, DPU, NPU oraz akceleratorów AI (EPYC, Ryzen, Radeon, Instinct).

Sprzedajemy sprzęt i platformy w modelu hybrydowym, obejmującym bezpośrednie umowy z przedsiębiorstwami i dostawcami usług w chmurze na dużą skalę, partnerstwa z producentami OEM i kanałami sprzedaży, a także oferty powiązane z oprogramowaniem i ekosystemem, takie jak ROCm oraz rozwiązania infrastruktury AI.

Wspierany przez AI proces przygotowania do spotkań z klientami

Dzielimy działania związane ze strategią wejścia na rynek na segmenty przedsiębiorstw, chmury, rynku komercyjnego i konsumenckiego oraz budujemy międzyfunkcyjne działania wokół partnerów kanałowych, wspólnej sprzedaży z dostawcami usług w chmurze na dużą skalę, sojuszy z producentami OEM oraz współpracy z administracją rządową i sektorem publicznym (MSIT, EDB, NIPA) na rzecz strategicznych partnerstw w zakresie infrastruktury AI.

Obsługujemy rynki w całym regionie APAC, ze szczególnym uwzględnieniem Korei, Australii, Singapuru i innych krajów Azji Południowo-Wschodniej, obejmując klientów infrastruktury centrów danych, komputerów osobistych, AI i infrastruktury brzegowej.

Jak AI zmienia strategie zarządzania przychodami

W AMD narzędzia AI były wdrażane nieformalnie w całej firmie, bez wspólnego sposobu pomiaru ich wartości biznesowej — projekty posuwały się naprzód dzięki entuzjazmowi wobec technologii, a nie na podstawie jasnego zrozumienia kosztów, korzyści i zgodności z celami biznesowymi.

Następnie organizacja IT AMD, pod kierownictwem CIO Hasmukha Ranjana, zrestrukturyzowała sposób wprowadzania AI do pracy związanej z przychodami i działalności operacyjnej. Obecnie AMD poddaje każdą propozycję dotyczącą AI ocenie biznesowej — pod kątem kosztów, korzyści i przydatności — zanim podejmie dalsze działania, a zdefiniowane KPI śledzą osiąganie wartości. W ramach tej zmiany AMD przeanalizowało „dzień z życia” osób na konkretnych stanowiskach, w tym w sprzedaży, i stworzyło narzędzia AI dostosowane do poszczególnych funkcji, zamiast wdrażać ogólne narzędzia w całej firmie.

Dzięki jasnym KPI w poszczególnych obszarach AMD może teraz wskazywać mierzalne, specyficzne dla funkcji usprawnienia — dział finansowy odnotowuje 15% wzrost produktywności dzięki automatyzacji opartej na AI, a analizy uczenia maszynowego przyniosły poprawę uzysku w produkcji półprzewodników wartą miliony dolarów. Wewnętrzny katalog obejmujący ponad 100 udokumentowanych przypadków użycia AI pozwala teraz zespołom powielać sprawdzone rozwiązania zamiast eksperymentować od podstaw.

Zmiana nie polega na tym, że AMD dodało narzędzie AI do sprzedaży — chodzi o to, że AMD wymaga teraz uzasadnienia biznesowego i mierzalnego KPI, zanim jakakolwiek inicjatywa AI będzie mogła dotyczyć działań związanych z generowaniem przychodów. Dzięki temu wdrażanie AI w obszarach GTM przekształca się z serii jednorazowych eksperymentów w powtarzalną i możliwą do śledzenia zdolność organizacji.

Porada Aleksieja

Uważam, że AI przynosi największy wpływ komercyjny — nie zastępując handlowców, lecz pomagając każdemu z nich działać każdego dnia z przygotowaniem i wiedzą charakterystycznymi dla ich najlepszego dnia.

Jednym z procesów wspieranych przez AI, z którego korzystam codziennie, jest przygotowywanie się do spotkania z kadrą kierowniczą klienta — od analizy informacji po działania następcze.

Proces zaczyna się od zebrania przez AI publicznie dostępnych informacji: najnowszych wyników finansowych klienta, jego priorytetów strategicznych, inwestycji w technologie, otoczenia konkurencyjnego i trendów branżowych. Zamiast spędzać godziny na gromadzeniu danych, otrzymuję zwięzłe omówienie dla kadry kierowniczej w ciągu kilku minut.

Następnie AI łączy te informacje zewnętrzne z naszymi wewnętrznymi priorytetami. Wskazuje, w jakich obszarach oferta AMD najlepiej odpowiada celom biznesowym klienta — niezależnie od tego, czy chodzi o infrastrukturę AI, suwerenne inicjatywy AI, rozwój chmury czy modernizację przedsiębiorstwa.

Przed spotkaniem AI tworzy prezentację dopasowaną do odbiorcy, proponuje tematy rozmowy na poziomie kadry kierowniczej, przedstawia pozycję względem konkurencji, a nawet przewiduje pytania na podstawie wcześniejszych interakcji z klientem i zmian zachodzących na rynku.

Po spotkaniu AI podsumowuje rozmowę, rejestruje działania, przygotowuje projekty wiadomości uzupełniających, aktualizuje dane w systemach CRM i rekomenduje kolejne najlepsze działanie. To, co wcześniej zajmowało kilka godzin, teraz trwa kilka minut, dzięki czemu mogę poświęcać więcej czasu klientom, a mniej administracji.

Największa wartość polega na tym, że AI skraca czas między uzyskaniem informacji, podjęciem decyzji a kontaktem z klientem.

W globalnej organizacji takiej jak AMD, gdzie możliwości biznesowe obejmują dostawców chmury, przedsiębiorstwa, rządy i innowatorów AI w całym regionie Azji i Pacyfiku, szybkość ma znaczenie. Lepsze przygotowanie prowadzi do lepszych rozmów. Lepsze rozmowy prowadzą do silniejszych relacji z klientami. A silniejsze relacje ostatecznie napędzają przychody.

Właśnie w tym, moim zdaniem, AI przynosi największy wpływ komercyjny — nie zastępując handlowców, lecz pomagając każdemu z nich działać każdego dnia z przygotowaniem i wiedzą charakterystycznymi dla ich najlepszego dnia.

Najlepsze obszary zastosowania AI — i rezultaty

Obszary, w których pomoc AI sprawdza się w organizacjach odpowiedzialnych za przychody, to:

• Priorytetyzacja szans sprzedażowych — wyszukiwanie sygnałów w aktywności na kontach i danych o zaangażowaniu
• Ocena transakcji — dopasowywanie wzorców na podstawie historycznych danych o wygranych i przegranych
• Prognozowanie — szybsze przekształcanie danych o lejku sprzedażowym w prognozy niż w przypadku ręcznego konsolidowania danych
• Określanie wielkości terytoriów i rynków

Dotychczas zaobserwowane pozytywne rezultaty to:

• Szybsze przechodzenie od oferty do projektu w przypadku strategicznych materiałów — modele finansowe i prezentacje, których przygotowanie wcześniej zajmowało tygodnie, są teraz gotowe w kilka dni
• Możliwość przeprowadzenia większej liczby iteracji w ramach jednej transakcji lub oferty w tym samym czasie, co oznacza lepszy efekt końcowy
• Możliwość samodzielnego tworzenia materiałów międzyfunkcyjnych (model + narracja + wizualizacja), które wcześniej wymagały zaangażowania innych zespołów

• Poprawa dokładności prognoz
• Zmniejszenie odpływu klientów

Z drugiej strony obserwowałem nadmierne poleganie na ocenach generowanych przez AI, które pomijały kontekst relacyjny i polityczny w transakcjach rządowych. Ponadto czas potrzebny na sprawdzenie i poprawienie wyników AI czasami niweluje oszczędność czasu uzyskaną dzięki ich wygenerowaniu. I choć AI znacząco zwiększyło produktywność, nie zawsze przekłada się to na proporcjonalny wzrost przychodów.

Dlaczego liderzy odpowiedzialni za przychody muszą równoważyć efektywność AI z ludzką oceną

Jedną z rzeczy, które stały się trudniejsze wraz z pojawieniem się sztucznej inteligencji, jest rozpoznanie, kiedy nie należy jej ufać.

Sztuczna inteligencja skutecznie podsumowuje informacje, identyfikuje wzorce i przyspiesza codzienne zadania. Jednak w sprzedaży dla przedsiębiorstw szybkość może wywoływać fałszywe poczucie pewności.

Plan dotyczący klienta, prognoza lub briefing przygotowane przez sztuczną inteligencję mogą wyglądać na dopracowane i kompletne, a mimo to pomijać subtelne czynniki decydujące o sukcesie lub porażce strategicznej transakcji — zmiany w poparciu kadry kierowniczej, politykę organizacyjną, przesunięcia budżetowe lub siłę zaufanej relacji.

Dla liderów odpowiedzialnych za przychody oznacza to nowe wyzwanie: znalezienie równowagi między efektywnością napędzaną przez sztuczną inteligencję a ludzkim osądem.

W AMD przekonaliśmy się, że sztuczna inteligencja przynosi największą wartość wtedy, gdy przygotowuje nasze zespoły do lepszych rozmów z klientami — a nie wtedy, gdy zastępuje kluczowe decyzje handlowe. Nasze zespoły zajmujące się klientami nadal weryfikują spostrzeżenia wygenerowane przez sztuczną inteligencję, kwestionują założenia i wykorzystują własne doświadczenie przed nawiązaniem kontaktu z klientami lub podjęciem strategicznych zobowiązań.

Dlaczego sztuczna inteligencja ma trudności z niuansami transakcji i budowaniem zaufania

Sztuczna inteligencja nadal ma trudności ze zrozumieniem ludzkiego kontekstu stojącego za transakcjami dla przedsiębiorstw. W złożonej sprzedaży B2B, szczególnie w obszarze infrastruktury sztucznej inteligencji, największe przeszkody rzadko mają charakter techniczny. Są organizacyjne.

Sztuczna inteligencja może analizować dane z systemu CRM, podsumowywać spotkania, identyfikować sygnały zakupowe, a nawet przewidywać prawdopodobieństwo zamknięcia transakcji. Często jednak pomija niuanse, które doświadczeni liderzy sprzedaży rozpoznają natychmiast.

Na przykład strategiczna szansa sprzedażowa może wydawać się dobrze rokująca, ponieważ zaangażowanie kadry kierowniczej jest wysokie, ocena techniczna postępuje, a dział zakupów rozpoczął działania. Na papierze sztuczna inteligencja może ocenić ją jako transakcję o wysokim prawdopodobieństwie realizacji. Jednak doświadczony zespół zajmujący się klientem może wiedzieć, że budżet klienta po cichu się zmienił, decyzja na poziomie zarządu została opóźniona lub kluczowy sponsor po stronie kadry kierowniczej objął inną funkcję. Czynniki te mogą nigdy nie pojawić się w ustrukturyzowanych danych, a mimo to całkowicie zmienić wynik tej szansy sprzedażowej.

W AMD postrzegamy sztuczną inteligencję jako system wspierający podejmowanie decyzji — nie jako podmiot podejmujący decyzje. Pomaga naszym zespołom skuteczniej się przygotowywać, identyfikować wzorce w różnych szansach sprzedażowych i ograniczać pracę administracyjną. Jednak jeśli chodzi o budowanie relacji z kadrą kierowniczą, negocjowanie złożonych umów handlowych lub rozumienie długoterminowych priorytetów strategicznych klienta, ludzki osąd pozostaje niezbędny.

Zaufanie to kolejny obszar, w którym sztuczna inteligencja ma ograniczenia.

Klienci dokonujący wielomilionowych inwestycji w infrastrukturę nie wybierają partnera wyłącznie na podstawie jakości propozycji wygenerowanej przez sztuczną inteligencję. Wybierają go na podstawie pewności, że technologia będzie działać, plan rozwoju jest wiarygodny, a ludzie stojący za rozwiązaniem będą wywiązywać się ze zobowiązań przez cały okres partnerstwa.

To buduje się dzięki doświadczeniu, przejrzystości i relacjom — nie dzięki algorytmom.

Jak liderzy odpowiedzialni za przychody powinni przygotować organizację przed integracją sztucznej inteligencji

Gdybym mógł cofnąć czas, poświęciłbym znacznie mniej czasu na ocenę narzędzi sztucznej inteligencji, a znacznie więcej na przygotowanie organizacji do korzystania z nich.

Podobnie jak wiele firm, początkowo zadaliśmy sobie pytanie: „Które rozwiązanie sztucznej inteligencji powinniśmy wdrożyć?”. Lepsze pytanie brzmi: „Jak powinniśmy przeprojektować sposób pracy naszych zespołów?”. Sztuczna inteligencja nie tworzy wartości tylko dlatego, że zostaje wdrożona. Tworzy ją wtedy, gdy zostaje osadzona w codziennych przepływach pracy i zyskuje zaufanie użytkowników.

Patrząc wstecz, widzę trzy lekcje, które chciałbym znać od pierwszego dnia.

1. Dane są ważniejsze niż model. Nawet najbardziej zaawansowana sztuczna inteligencja nie pokona rozproszonych danych CRM, niespójnych informacji o klientach ani niepołączonych źródeł wiedzy. Czyste, wiarygodne dane stanowią fundament każdej udanej inicjatywy związanej ze sztuczną inteligencją.
2. Adopcja to najważniejszy wskaźnik KPI. Łatwo mierzyć liczbę wdrożonych licencji lub zakończonych programów pilotażowych. Trudniejszym — i ważniejszym — wskaźnikiem jest to, czy zespoły sprzedaży codziennie korzystają ze sztucznej inteligencji, aby przygotowywać się do spotkań z klientami, poprawiać prognozowanie, przyspieszać przygotowywanie ofert i podejmować lepsze decyzje.
3. Zacznij od celów biznesowych, a nie od technologii. Sztuczna inteligencja powinna rozwiązywać konkretny problem handlowy: skracać cykle sprzedaży, zwiększać produktywność sprzedawców, poprawiać dokładność prognoz lub identyfikować nowe szanse sprzedażowe. Technologia powinna umożliwiać realizację strategii, a nie stawać się strategią.

Jak AI zmienia oczekiwania wobec ról związanych z generowaniem przychodów

AI nie zmieniła zasadniczo tego, kogo zatrudniamy, ale zmieniła nasze oczekiwania wobec każdej roli.

W przeszłości często postrzegaliśmy sprzedaż, specjalistów technicznych, marketing i operacje jako odrębne funkcje. Dziś AI zaciera te granice.

Oczekujemy na przykład, że opiekunowie klientów będą korzystać z AI do analizowania klientów, opracowywania strategii dla klientów i personalizowania kontaktów z kadrą kierowniczą. Menedżerowie sprzedaży stają się trenerami opierającymi się na danych, którzy wykorzystują wnioski generowane przez AI do poprawy jakości lejka sprzedażowego i trafności prognoz. Zespoły operacji sprzedażowej odchodzą od tworzenia raportów na rzecz projektowania przepływów pracy wspieranych przez AI, które pomagają firmie podejmować szybsze i lepsze decyzje.

W AMD obserwujemy również rosnące zapotrzebowanie na osoby, które potrafią łączyć technologię z biznesem. W miarę jak klienci przyspieszają wdrażanie AI, chcą partnerów, którzy rozumieją nie tylko procesory CPU, procesory GPU i infrastrukturę AI, lecz także transformację biznesową, ekonomię chmury, strategie suwerennej AI oraz zwrot z inwestycji.

Oznacza to, że najbardziej wartościowe talenty coraz częściej łączą przywództwo handlowe z biegłością techniczną.

Równie ważna jest znajomość AI. Nie oczekujemy, że każdy zostanie analitykiem danych, ale oczekujemy, że zespoły będą rozumiały, jak skutecznie współpracować z AI — jak zadawać lepsze pytania, weryfikować wnioski generowane przez AI i odpowiedzialnie stosować je w kontaktach z klientami.

Być może największa zmiana polega na tym, że AI podnosi wartość wyjątkowo ludzkich umiejętności. W miarę jak AI automatyzuje analizę, przygotowywanie spotkań i rutynową pracę administracyjną, budowanie relacji, komunikacja z kadrą kierowniczą, negocjacje, myślenie strategiczne i zaufanie klientów stają się jeszcze ważniejsze.

Pod wieloma względami AI nie zmniejsza znaczenia świetnych handlowców — zwiększa je.

Rada Alexeya

Najlepsi handlowcy nie są już po prostu osobami posiadającymi największą wiedzę o produktach — łączą cele biznesowe z transformacją opartą na AI… To prawdopodobnie najważniejsza lekcja, jakiej się nauczyłem.

Jak AI zmienia GTM, ceny i sprzedaż

Przez lata sprzedaż technologii dla przedsiębiorstw opierała się w dużej mierze na wyróżnianiu produktów, relacjach i cenie. Czynniki te nadal mają znaczenie, ale AI zasadniczo zmieniła tę rozmowę.

Dziś klienci nie kupują już pojedynczych produktów. Inwestują w kompletne rezultaty związane z AI.

Oznacza to, że rozmowy przesunęły się od pytania „Który procesor jest szybszy?” do pytań „Jak szybko możemy wdrożyć AI? Ile będzie kosztować trenowanie i uruchamianie naszych modeli? Czy ta infrastruktura może się skalować? I czy zostaniemy uzależnieni od jednego ekosystemu?”

W rezultacie ewoluowała nasza strategia wejścia na rynek.

Obecnie koncentrujemy się na tym, jak całe portfolio współdziała, aby pomagać klientom budować skalowalną infrastrukturę AI.

AI zmieniła również rozmowy dotyczące cen.

Klienci coraz częściej oceniają całkowity koszt posiadania, wydajność na wat, wykorzystanie infrastruktury, otwartość oprogramowania i długoterminową elastyczność, zamiast po prostu porównywać koszty zakupu sprzętu. Rozmowa stała się znacznie bardziej strategiczna.

Wreszcie AI zmieniła sposób, w jaki sprzedajemy.

Najlepsi handlowcy nie są już po prostu osobami posiadającymi największą wiedzę o produktach — łączą cele biznesowe z transformacją opartą na AI. Muszą równie dobrze rozumieć wyzwania branżowe, strategię danych, inicjatywy suwerennej AI, ekonomię chmury i zmiany organizacyjne, co specyfikacje techniczne.

To prawdopodobnie najważniejsza lekcja, jakiej się nauczyłem. AI nie zmieniła tego, co cenią klienci — zmieniła sposób, w jaki definiują wartość.

Pięć priorytetów dla CRO, które wdrażają AI w swoich organizacjach

Dla CRO AI nie jest już tylko kolejnym zakupem oprogramowania — staje się czynnikiem przewagi konkurencyjnej. Sukces nie będzie jednak wynikał z wdrożenia największej liczby aplikacji AI. Zapewni go zbudowanie odpowiedniej infrastruktury, fundamentu danych i zdolności organizacyjnych.

Oto pięć priorytetów, które polecam:

• Inwestuj w infrastrukturę AI, którą można skalować. Największym źródłem wartości nie jest sam model — jest nim możliwość wydajnego trenowania, dostrajania i wdrażania modeli. Otwarta infrastruktura o wysokiej wydajności zapewnia organizacjom elastyczność potrzebną do wprowadzania innowacji bez uzależniania się od jednego ekosystemu.
• Przekształcaj AI w wartość dla klientów, a nie tylko w wewnętrzną produktywność. Szybsze przygotowywanie ofert i automatyczne aktualizacje systemu CRM są przydatne, ale prawdziwa szansa polega na zapewnianiu lepszych doświadczeń klientów, spersonalizowanym zaangażowaniu i szybszym osiąganiu rezultatów biznesowych.
• Przygotuj swoje dane na potrzeby AI. AI jest tak dobra, jak dane, na których się opiera. Czyste, bezpieczne dane objęte odpowiednim zarządzaniem są obecnie strategicznym zasobem przychodowym.
• Wspieraj sprzedawców za pomocą AI, zamiast ich zastępować. Najlepiej działające zespoły sprzedażowe będą łączyć spostrzeżenia generowane przez AI z ludzką wiedzą, zaufaniem i budowaniem relacji. AI powinna eliminować pracę administracyjną, pozwalając sprzedawcom poświęcać więcej czasu klientom.
• Myśl długoterminowo. Zapotrzebowanie na AI szybko rośnie, ale dzisiejsze decyzje dotyczące infrastruktury określą Twoją pozycję konkurencyjną w ciągu najbliższej dekady. Wybieraj platformy zapewniające wydajność, otwartość i elastyczność w miarę ewolucji obciążeń.

Firmy, które będą przewodzić erze AI, niekoniecznie będą tymi z największymi budżetami. Będą nimi te, które zbudują najbardziej elastyczną infrastrukturę AI i umożliwią każdemu pracownikowi skuteczne korzystanie z niej.

AI nie zastąpi też świetnych liderów przychodów. Jednak liderzy przychodów, którzy wykorzystają AI — oraz infrastrukturę, która ją napędza — osiągną lepsze wyniki niż ci, którzy tego nie zrobią.

Śledź na bieżąco

Śledź działania Alexeya Navolokina na LinkedIn.

Więcej wywiadów z ekspertami już wkrótce w Klubie CRO!