O CRO nativo de IA explica o seu fluxo de trabalho de IA de maior impacto (e onde a IA não compensa)

Dhiraj Khare é CRO, com formação e mentalidade técnicas. Atualmente, está a reformular os processos de receita na empresa de cibersegurança nativa de IA Matters.AI.

Sentámo-nos com Dhiraj para perceber quais os fluxos de trabalho de IA que estão realmente a dar resultados e quais não estão. Foi isto que nos contou.

A receita na perspetiva de um engenheiro

Sou Dhiraj Khare, CRO da Matters.AI, uma empresa de cibersegurança nativa de IA focada em dados empresariais. Comecei no desenvolvimento de software antes de passar para as vendas empresariais, e isso moldou a forma como penso sobre a receita. As pessoas técnicas são treinadas para acompanhar um problema até o compreenderem verdadeiramente; as equipas de vendas são frequentemente treinadas para avançar antes de o compreenderem. Nunca me integrei totalmente neste último modelo. 

A minha carreira passou por empresas como a MongoDB, a SentinelOne e a PingSafe. Empresas diferentes, fases diferentes, mas o mesmo padrão subjacente. As equipas de cibersegurança já operavam à velocidade das máquinas; as equipas de receita, não.

A cibersegurança dispunha de inteligência em tempo real, análise comportamental e sistemas de resposta automatizada. As equipas de GTM continuavam soterradas em folhas de cálculo, ferramentas desligadas, pesquisa manual e revisões do pipeline assentes num otimismo disfarçado de previsão. 

Esta desconexão ficou comigo. Muitas pessoas apresentam a IA na receita como uma questão de produtividade. E-mails mais rápidos. Mais prospeção ativa. Mais sequências. Creio que isso falha completamente o essencial. 

O problema do GTM moderno não é a falta de atividade, é o excesso de ruído. Atualmente, grande parte da prospeção ativa é spam operacionalmente dispendioso que finge ser personalização. Os compradores percebem-no imediatamente. Atualmente, todos dispõem da mesma automatização, pelo que o volume deixou de ser uma verdadeira vantagem há já algum tempo. 

O que importa é o contexto. Porquê esta conta? Porquê agora? O que mudou na empresa para tornar esta conversa relevante hoje, em vez de há seis meses?

Foi isso que me levou a assumir uma liderança da receita orientada pela IA. Na Matters.AI, estamos a construir uma organização de GTM orientada pela inteligência, na qual a IA ajuda a condensar a pesquisa, ligar sinais fragmentados, identificar indicadores de oportunidade e reduzir o atrito operacional, para que as equipas possam passar mais tempo a pensar com clareza e a interagir de forma inteligente.

Reflexões de Dhiraj

Atualmente, todos dispõem da mesma automatização, pelo que o volume deixou de ser uma verdadeira vantagem há já algum tempo… O que importa é o contexto. Porquê esta conta? Porquê agora? O que mudou na empresa para tornar esta conversa relevante hoje, em vez de há seis meses?

Uma organização de GTM eficiente

A organização de GTM da Matters.AI é deliberadamente eficiente. Operamos nas áreas de vendas empresariais, prospeção ativa estratégica, parcerias, engenharia de soluções e fluxos de trabalho apoiados por IA, mas a filosofia subjacente a tudo é simples: aumentar a inteligência antes de aumentar o número de colaboradores. 

Muitas empresas continuam a tentar forçar o crescimento através do volume de atividade. Mais SDR, mais sequências e mais interações. Adotámos uma abordagem quase oposta. 

Preocupamo-nos mais com a densidade dos sinais do que com a densidade da atividade. O foco está em compreender onde existe realmente urgência, onde o momento é adequado e onde o contexto do cliente é suficientemente sólido para justificar a interação. 

Atualmente, grande parte do nosso trabalho centra-se na governação da IA, segurança dos dados, preparação para a conformidade e gestão do risco empresarial em setores como o BFSI, o SaaS, a tecnologia e as indústrias regulamentadas. 

Porque é que a IA não pode substituir o discernimento na receita

Utilizo a IA para fundamentar a priorização de contas, o mapeamento de partes interessadas, a avaliação de negócios, a análise da interação, o apoio à previsão, a deteção de cancelamentos e a análise do risco do pipeline.

As máquinas são muito melhores do que os seres humanos a processar sinais operacionais fragmentados em grande escala. Essa parte é agora evidente.

Mas as decisões que envolvem alinhamento executivo, negociação e confiança continuam a ser humanas. O discernimento estratégico continua definitivamente a ser humano. 

As decisões de compra de cibersegurança empresarial são emocionais, por baixo de todas as folhas de cálculo e dos fluxos de trabalho de aprovisionamento atrás dos quais as pessoas gostam de se esconder. Um negócio pode parecer saudável do ponto de vista operacional, enquanto a confiança se desmorona silenciosamente dentro da conta.

A IA continua a ter dificuldades com essa camada. Por isso, não vejo a IA a substituir o discernimento na receita; trata-se mais de reduzir a cegueira operacional.

Como a IA permite uma interação orientada por inteligência

A maior mudança que fiz foi deixar de apostar numa prospeção baseada na atividade para adotar uma interação orientada por inteligência. 

Anteriormente, a prospeção consistia naquilo que a maioria das organizações ainda faz atualmente: uma mistura de listas extensas de contas, sequências estáticas, pesquisa manual, modelos de personalização abrangentes e muito esforço desperdiçado a fingir que se estava a trabalhar com precisão.

Criámos um fluxo de trabalho de definição de prioridades de contas assistido por IA que reduziu horas de pesquisa a minutos. 

Agora, a IA agrega continuamente sinais relacionados com a atividade de contratação, alterações na postura de segurança, adoção da nuvem, pressão de conformidade, movimentações de executivos, padrões de financiamento, mudanças organizacionais e indicadores de adoção tecnológica. 

Depois, sintetiza esses sinais em narrativas contextuais sobre as contas. Essa parte é importante porque os sinais isolados, por si só, são inúteis. Os vendedores não precisam de mais painéis; precisam de uma compreensão mais clara. 

Assim que o contexto é identificado, o vendedor valida-o manualmente, testa exaustivamente a sua relevância, personaliza a interação e decide se o momento justifica realmente o contacto. Depois das reuniões, a IA ajuda a fazer resumos, extrair itens de ação, analisar as partes interessadas, acompanhar a interação e monitorizar riscos ao longo do ciclo do negócio. 

O objetivo não é automatizar o contacto. É perceber se a conta merece realmente atenção em primeiro lugar. Isso alterou imediatamente a qualidade do funil de vendas.

As conversas tornaram-se mais incisivas. Os ciclos de descoberta foram encurtados. A interação com executivos melhorou porque o contacto se baseava em contexto, e não numa personalização artificial. 

Como a IA muda a cultura

As vantagens da IA tornaram-se rapidamente evidentes, e já mencionei muitas delas.

No entanto, a mudança maior foi cultural. As pessoas começaram a pensar de forma mais analítica sobre a execução de receitas. As conversas passaram a ser menos baseadas em opiniões e mais baseadas em evidências. Esta mudança é mais importante do que a maioria das conversas sobre ferramentas que estão a decorrer atualmente no mercado. 

A desvantagem é que a IA pode criar muito facilmente uma falsa sensação de confiança. É esta a parte que as pessoas subestimam. 

Muitas vezes, os resultados da IA parecem suficientemente bem elaborados para serem considerados fiáveis, mesmo quando os pressupostos subjacentes são fracos ou incompletos. Os líderes têm de se lembrar de que a IA é probabilística, não omnisciente. O discernimento continua a ser importante. A experiência de quem executa continua a ser importante.

De muitas formas, o pensamento crítico torna-se ainda mais importante num ambiente nativo de IA. 

Porque é que a personalização por IA tem resultados inferiores

A personalização gerada por IA teve resultados muito fracos no início. Não porque a tecnologia fosse fraca, mas porque os compradores se tornaram extremamente bons a detetar relevância falsa. Atualmente, a maioria da prospeção gerada por IA parece elaborada, mas é emocionalmente vazia. Reproduz a estrutura da personalização sem compreender realmente o cliente em profundidade suficiente para dizer algo útil. 

Há uma diferença entre inserir contexto e demonstrar compreensão. E a maioria dos sistemas de IA ainda tem dificuldade em distinguir essas duas coisas. Aprendemos rapidamente que a personalização sintética não é o mesmo que uma visão estratégica. 

A ironia é que, à medida que o contacto gerado por IA se expande, a autenticidade se torna mais valiosa, e não menos. 

Porque é que a IA não consegue eliminar a ambiguidade das previsões

Com a IA, as nossas previsões tornaram-se mais disciplinadas. Mas quero ter cuidado para não exagerar essa parte, porque as previsões empresariais continuam, por natureza, a ser complexas.

Os negócios empresariais avançam por razões que raramente são registadas de forma clara nos sistemas estruturados. O calendário orçamental muda. Os promotores internos perdem influência. As prioridades dos executivos mudam silenciosamente. Surgem obstáculos nas aquisições numa fase tardia. O alinhamento político desfaz-se nos bastidores.

A IA tem dificuldade com essas camadas invisíveis. Pode ter métricas de envolvimento sólidas, reuniões ativas, taxas de resposta saudáveis e uma participação positiva das partes interessadas, enquanto o negócio já se está a desviar internamente.

A IA melhora a visibilidade. Não elimina magicamente a incerteza.

Reflexões de Dhiraj

A ironia é que, à medida que o contacto gerado por IA aumenta, a autenticidade torna-se mais valiosa, não menos…A IA melhora a visibilidade. Não elimina magicamente a incerteza.

Como estão a mudar as competências das equipas de receitas

A IA está cada vez mais a automatizar tarefas operacionais repetitivas, por isso, um profissional moderno de receitas precisa de um perfil de competências muito diferente. Atualmente, damos muito mais importância ao pensamento analítico, à narrativa contextual, ao pensamento sistémico, à comunicação com executivos, à adaptabilidade e à literacia em IA do que anteriormente. 

Atualmente, os melhores vendedores estão a tornar-se orquestradores de inteligência. Sabem validar sinais, sintetizar contexto, fazer perguntas melhores e criar confiança estratégica mais rapidamente. 

As vendas baseadas exclusivamente em atividade estão a tornar-se uma mercadoria. A diferenciação humana está a deslocar-se para o discernimento, a criatividade e a clareza narrativa. 

Porque é que a IA deve ser encarada como uma mudança do modelo operacional

O meu conselho é encarar a IA como uma mudança do modelo operacional, e não como uma atualização de ferramentas.

Esse é o erro que a maioria das organizações está a cometer neste momento. Estão a sobrepor a IA a fluxos de trabalho deficientes e a chamar-lhe transformação. Normalmente, isso apenas cria confusão mais rapidamente. 

Se o seu posicionamento for fraco, a disciplina no CRM for inconsistente, os seus fluxos de trabalho estiverem fragmentados ou o seu conhecimento dos clientes for superficial, a IA amplifica a desorganização. Não o resgata dela. 

As empresas que mais beneficiam da IA são, normalmente, as empresas que já operam com fundamentos sólidos.

Onde devem as equipas de receitas começar com a IA

Comece pelos atritos e estrangulamentos operacionais: sobrecarga de investigação. Análise do pipeline. Acesso ao conhecimento. Visibilidade das previsões. Priorização de contas. Fragmentação do CRM.

São problemas operacionais reais que vale a pena resolver. Também dedicaria muito mais tempo à literacia em IA do que a maioria das empresas dedica atualmente. A implementação técnica é, normalmente, a parte mais fácil. A parte mais difícil é ajudar as equipas a repensar a forma como trabalham sem as fazer sentir que estão a ser substituídas.

Acompanhe

Pode acompanhar Dhiraj Khare no LinkedIn. E consulte a Matters.AI.

Em breve teremos mais entrevistas com especialistas no The CRO Club!