Założyciel firmy technologicznej i dyrektor ds. komercjalizacji mówi, że AI może prowadzić lejek sprzedażowy, ale umowy wciąż finalizują ludzie

Aryan Mahajan jest dyrektorem ds. komercjalizacji w Gerra i założycielem Zoro, gdzie tworzy warstwy operacyjne AI dla organizacji odpowiedzialnych za przychody.

Usiedliśmy z Aryanem, aby dowiedzieć się, jak wykorzystuje AI do zmieniania sposobu działania organizacji odpowiedzialnych za przychody. Oto, co nam powiedział.

Bycie własnym studium przypadku

Nazywam się Aryan Mahajan. Jestem dyrektorem ds. komercjalizacji w Gerra. Jestem również założycielem Zoro, gdzie tworzę prywatną warstwę operacyjną AI, która napędza organizacje odpowiedzialne za przychody.

Nie zaczynałem od szczytu organizacji sprzedażowej. Zaczynałem z kwotą 500 dolarów i bez siatki bezpieczeństwa, zmuszony sprawić, by niewielka ilość pieniędzy zachowywała się jak duży zespół. To ograniczenie stało się całą filozofią: kiedy nie możesz zatrudniać, przestajesz pytać „Kogo dodać?”, a zaczynasz pytać „Co może uruchomić jeden operator wraz z flotą agentów AI?”. Odpowiedzią stała się firma, która w ciągu 14 miesięcy przeszła od 0 do 90 tys. dolarów MRR, a obecnie generuje 150 tys. dolarów miesięcznie przy marżach przekraczających 95%. Działa z wykorzystaniem ponad 30 odrębnych agentów AI, zespołu, który można policzyć na palcach jednej ręki, oraz silnika treści, który wygenerował ponad 50 milionów wyświetleń i 50 000 leadów.

Zależy mi na AI w obszarze przychodów, ponieważ nie teoretyzuję na jej temat. Jestem studium przypadku. Organizacja odpowiedzialna za przychody, którą kieruję, stanowi dowód, że tworzona przeze mnie dla innych warstwa operacyjna działa.

Przebudowa górnej części lejka przychodów

Zastąpiłem całą górną część mojego lejka przychodów — wyszukiwanie potencjalnych klientów, analizę, kwalifikację i pierwszy kontakt — systemem AI, który prowadzi sekwencję działań komercyjnych od początku do końca.

Wcześniej praca ludzi stanowiła kosztowny początek procesu generowania przychodów. Przedstawiciel handlowy poświęca około 40 minut na analizę jednego potencjalnego klienta. Zespół liczący od czterech do pięciu osób kosztuje 100–200 tys. dolarów rocznie. Większość tej pracy polega na czytaniu, ocenianiu dopasowania i pisaniu pierwszej wiadomości. Jest to praca wymagająca osądu, ale powolna, niespójna i ograniczona liczbą ludzi, na których zatrudnienie możesz sobie pozwolić.

Zbudowałem proces, który wyszukuje potencjalnych klientów, wzbogaca dane o każdym z nich, analizuje firmę i konkretnego nabywcę, ocenia dopasowanie do profilu idealnego klienta, odrzuca tych, którzy nie pasują, tworzy wiadomości kontaktowe w wielu językach, a następnie obsługuje odpowiedzi.

Analiza, która zajmowała 40 minut na leada, kosztuje teraz około dwóch centów na leada i działa przez całą dobę, 7 dni w tygodniu. Ekonomia uległa odwróceniu: jednorazowe zbudowanie systemu zastępuje koszty zatrudnienia w wysokości 100–200 tys. dolarów rocznie, a klient jest pełnoprawnym właścicielem systemu. Ponieważ system rejestruje każdą odpowiedź i każdy rezultat, działania związane z generowaniem przychodów wreszcie mają pamięć: co zadziałało, co nie zadziałało i dlaczego — zamiast tego kontekstu istniejącego w głowach pięciu różnych przedstawicieli handlowych.

Najbardziej wymowny dowód: podczas jednej kampanii system przeanalizował 214 potencjalnych klientów, odrzucił 184, którzy nie pasowali, i skłonił fundusz hedgingowy o wartości 70 miliardów dolarów do odpowiedzi, gdy siedziałem na kanapie. To nie jest „AI pisząca zimne e-maile”, co było interesujące w 2022 roku. To AI prowadząca całą sekwencję działań komercyjnych. Na tym polega zmiana. Jednak większość liderów odpowiedzialnych za przychody nadal dokłada chatbota do procesu, który nie powinien istnieć, i nazywa to transformacją.

Dlaczego wyczucie i osąd muszą pozostać domeną człowieka

Pozwalam AI zasilać całą warstwę analityczno-wykonawczą: wyszukiwanie potencjalnych klientów i wzbogacanie danych, ocenę ICP i kwalifikację leadów, pierwsze wersje wiadomości kontaktowych i treści, klasyfikację odpowiedzi, monitorowanie lejka i przychodów — a nawet naprawę systemu. Prowadzę samonaprawiającą się pętlę, która obserwuje moje działające systemy klientów, wykrywa awarie i autonomicznie je naprawia; odnotowałem przypadek, w którym błąd przeszedł od zgłoszenia do rozwiązania w cztery i pół minuty. AI zajmuje się wszystkim, co ma dużą skalę lub opiera się na wzorcach, szczególnie pracą, która usprawnia się wraz z otrzymywaniem przez system większej ilości kontekstu.

Zadania, które pozostają wyraźnie ludzkie, obejmują ustalanie cen, pozycjonowanie, ostateczne decyzje komercyjne i osąd dotyczący wyczucia. Ustalam ceny na podstawie dźwigni, jaką tworzy system, a nie kosztu jego działania. Nie przekazuję modelowi tego osądu — tego, ile dany rezultat jest wart dla konkretnego nabywcy. To samo dotyczy ostatecznych słów w transakcji i tonu wypowiedzi. AI sprawiła, że tworzenie treści stało się darmowe, przez co wyczucie stało się tym, co kosztuje najwięcej. Wszyscy mają teraz te same modele, więc rynek po cichu ujawnia, kto naprawdę ma osąd. Nie zamierzam tego automatyzować.

AI nie powinna też zamykać transakcji. Prawdziwi ludzie budują zaufanie w pomieszczeniu lub w wiadomości prywatnej, a to zaufanie doprowadziło do zawarcia niektórych z moich największych kontraktów. Ostatni etap generowania przychodów opiera się na relacjach i osądzie, a AI prawie w ogóle go nie zmieniła.

Moja granica podziału jest prosta: AI nie podejmuje żadnych decyzji, które wiążą się z moją reputacją lub zobowiązują mnie wobec nabywcy. AI dostarcza informacji i tworzy wersje robocze wszystkiego, ale człowiek zatwierdza wszystko, co zostaje wysłane w moim imieniu lub wiąże się z przepływem pieniędzy. Mój system analizuje potencjalnego klienta, ocenia go i pisze dla niego wiadomość, ale człowiek zatwierdza jej wysłanie. Tworzy projekt odpowiedzi dla klienta, ale to ja naciskam przycisk wysyłania.

Dlaczego sztuczna inteligencja nie może samodzielnie tworzyć popytu

Sztuczna inteligencja sama z siebie nie wytwarza autorytetu ani popytu. Może tworzyć nieskończoną ilość treści, ale ilość nie jest dystrybucją ani zaufaniem.

Wygenerowałem ponad 50 mln wyświetleń, ale to nie w wyświetleniach są pieniądze — pieniądze tkwią w garstce relacji, które te wyświetlenia umożliwiły. Zespoły, które oczekują, że sztuczna inteligencja „wygeneruje szanse sprzedażowe” poprzez produkowanie większej ilości treści, zazwyczaj otrzymują po prostu więcej szumu.

Popyt wynika z określonego punktu widzenia i rzeczywistych dowodów — to wkład człowieka, który model wzmacnia, ale którego nie tworzy.

Dlaczego liderzy odpowiedzialni za przychody muszą uważać na zbyt daleko idącą automatyzację

Widzę dwie główne wady wykorzystania sztucznej inteligencji w obszarze przychodów.

Po pierwsze, może z pełnym przekonaniem podawać błędne informacje. Wczesne wersje systemu do kontaktu kierowały działania do zmyślonych domen firm, dopóki nie wprowadziłem wymogu zweryfikowania każdej z nich przed użyciem. Rozwiązaniem nie był inteligentniejszy model, lecz bramka weryfikacyjna.

Po drugie, automatyzacja, która przekracza swoje granice, jest niebezpieczna. Wczesny autonomiczny proces płatności dwukrotnie przetworzył płatność dla dostawcy na podstawie nieaktualnej akceptacji. Teraz wszystko, co wiąże się z przepływem pieniędzy lub jest kierowane do klienta, wymaga rygorystycznej bramki akceptacji i okna na cofnięcie — system tworzy projekty i przygotowuje działania, ale człowiek je zatwierdza.

Uważam też, że należy zauważyć, iż wąskie gardło po prostu się przesunęło — nie zniknęło. Gdy tworzenie treści staje się darmowe, ograniczeniem stają się gust, osąd i zabezpieczenia — warstwa ludzkiej weryfikacji — a nie produkcja. Zespoły, które doczepiają sztuczną inteligencję bez przebudowania tej warstwy, po prostu szybko generują więcej błędnych rzeczy.

Aryan dzieli się spostrzeżeniami

Uważam, że należy zauważyć, iż wąskie gardło po prostu się przesunęło; nie zniknęło. Gdy tworzenie treści staje się darmowe, gust, osąd i zabezpieczenia — warstwa ludzkiej weryfikacji — stają się ograniczeniem, a nie produkcja.

Jak zmieniają się zespoły odpowiedzialne za przychody

Sztuczna inteligencja sprawiła, że zespół stał się mniejszy, bardziej wszechstronny i w większym stopniu oparty na osądzie. Nie potrzebuję człowieka na każdym etapie produkcji. Potrzebuję niewielkiej liczby operatorów, którzy wystarczająco dobrze rozumieją klienta, ekonomię i system, aby kierować maszynami oraz brać odpowiedzialność za wyjątki.

Stworzyłem ponad 30 odrębnych agentów do prowadzenia badań, tworzenia wersji roboczych, monitorowania, działań następczych, dostarczania i naprawiania. Wysiłek człowieka koncentruje się tam, gdzie maszyna jest słaba: na pozycjonowaniu, ustalaniu cen, relacjach, wyczuciu, odpowiedzialności i decydowaniu, co powinno się wydarzyć, gdy standardowy schemat działania zawiedzie.

Premia za kompetencje przesunęła się w stronę operatorów-twórców — osób, które potrafią uczestniczyć w rozmowie handlowej, rozumieć konsekwencje biznesowe, a następnie kształtować przepływ pracy lub współpracować z inżynierami nad jego zmianą. Czysto koordynacyjne role mają mniejszą dźwignię, ponieważ sztuczna inteligencja może przekazywać informacje i tworzyć pierwszą wersję. Czysto wyspecjalizowani pracownicy nadal są ważni, ale ich osąd musi wpływać na szerszą organizację, zamiast pozostawać ograniczonym do ich własnych rezultatów.

Celem nie jest usunięcie ludzi z obszaru przychodów. Chodzi o to, by przestać angażować najlepszych pracowników w czytanie, kopiowanie, ponaglanie i aktualizowanie, a następnie ponownie skierować ich do budowania zaufania i podejmowania decyzji.

Dlaczego dyrektorzy ds. przychodów muszą przebudować swoje procesy

Mam trzy rady:

1. Przestań doczepiać AI do istniejących procesów — przebuduj je zamiast tego. Większość „transformacji AI” w obszarze przychodów polega na przyklejeniu chatbota do procesu, który nie powinien istnieć — a jeśli proces jest niewłaściwy, AI tylko przyspiesza robienie niewłaściwej rzeczy. Usuń ten krok, a następnie zautomatyzuj to, co pozostało. Organizacje, które traktują przychody jako problem infrastrukturalny — łącząc uprawnienia, pozyskiwanie, pamięć, działania następcze i atrybucję w jeden system — zwiększają swoją przewagę, podczas gdy inni wciąż piszą prompty.
2. Posiadaj tę warstwę, zamiast ją wynajmować. Oprogramowanie stało się towarem; zespół dysponujący pełnym kontekstem operacyjnym i rzeczywistą dystrybucją konsekwentnie wygrywa z gotowym oprogramowaniem SaaS. Zwycięskim posunięciem nie jest kupowanie kolejnych dziesięciu narzędzi, lecz zbudowanie systemu operacyjnego pod organizacją przychodową, tak aby inteligencja się kumulowała i abyś to Ty był jej właścicielem. Kupuj narzędzia do funkcji będących towarem; zbuduj tę część, która stanowi Twoją rzeczywistą przewagę.
3. Stań się obsesyjnie skupiony na ludzkiej warstwie, ponieważ właśnie tam przesunęła się Twoja przewaga. AI sprawiła, że tworzenie rezultatów stało się bezpłatne, przez co wyczucie, osąd i zaufanie stały się rzadkie i kosztowne. Wykorzystuj AI na dużą skalę — do badań, tworzenia wersji roboczych, monitorowania i działań następczych — a swoich najlepszych ludzi skup na ostatnim etapie, którego AI nie jest w stanie obsłużyć: ustalaniu cen, pozycjonowaniu, relacjach i finalizowaniu sprzedaży. Wprowadź też ścisłą bramkę akceptacji dla wszystkiego, co trafia do klienta lub wiąże się z przepływem pieniędzy. Celem nie jest mniejsza liczba ludzi generujących więcej hałasu, lecz skalowanie Twojego osądu.

CRO, którzy odniosą zwycięstwo w tym momencie, nie będą tymi, którzy wdrożą najwięcej AI. Będą tymi, którzy przebudują wokół niej swoje organizacje przychodowe, póki wciąż jest to niewygodne.

Śledź jego działalność

Możesz śledzić działalność Aryana Mahajana na LinkedInie, Instagramie i X. Możesz też umówić rozmowę z Aryanem.

W The CRO Club już wkrótce pojawią się kolejne wywiady z ekspertami!