Erfaren försäljningsledare delar med sig av hur AI löser det dyraste försäljningsproblemet

Ankit Kedia har lett B2B-säljteam på teknikföretag i 20 år. Han arbetar för närvarande som fraktionerad CRO och rådgivare.

Vi satte oss ner med Ankit för att ta reda på hur han använder AI för att lösa det han kallar ”säljteamets dyraste problem”. Här är vad han sa.

Att frigöra människor för det arbete som bara människor kan utföra

Jag heter Ankit Kedia. Jag arbetar som fraktionerad CRO och rådgivare och hjälper företag att göra sin försäljning skalbar i stället för att vara beroende av några få stjärnsäljare och mycket tur.

Min väg hit var inte rak. Jag utbildade mig till elektroingenjör vid NTU Singapore, men jag har aldrig byggt en enda krets. I stället började jag min karriär inom finans: aktieanalys, en handelsavdelning på en hedgefond och därefter private equity. Arbetet var bra, men jag lade märke till samma sak i varje affär. Företagen som vann visste hur man sålde. Så småningom bestämde jag mig för att gå över till försäljning, och jag har aldrig sett tillbaka.

Under de senaste 20 åren har jag byggt upp och lett B2B-säljteam i Nordamerika, APAC och EMEA, sålt i 13 länder och varit försäljningschef på SurveyMonkey och DropThought. Att sälja på så många marknader lär dig snabbt att människor är hela spelet. Att arbeta i så många länder lärde mig att en presentation som leder till avslut i San Francisco kanske inte fungerar i Tokyo, och inget ramverk kan rädda dig; det är bara genom att förstå människan på andra sidan bordet som du lyckas.

Det för mig till AI, och om jag ska vara ärlig kom jag sent till det. Efter två decennier inom försäljning började jag använda de här verktygen på allvar först för ett år sedan. Men jag har upptäckt att AI är en briljant junior kollega. Det tar hand om rutinarbetet, vässar förberedelserna och ger mig tillbaka tid, men det kan inte delta i samtalen och vinna affären åt oss genom att vinna kundens förtroende. Den delen är fortfarande vår, och jag tror att det alltid kommer att vara så.

Så jag ser enkelt på den här situationen. De ledare som lyckas kommer att använda AI för att frigöra sina medarbetare till det exakta arbete som bara människor kan utföra.

Så förbättrar AI noggrannheten i affärsgenomgångar

Jag ändrade sättet jag genomför affärsgenomgångar på. Tidigare var det veckans mest frustrerande timme, och AI löste det i det tysta.

Tidigare gick pipelinegenomgångarna till så här: En säljare sa att en affär skulle stängas den här månaden, och min magkänsla sa att siffran var osäker, men jag kunde inte bevisa det. Förra veckans samtal fanns i någons minne, CRM-systemet visade en uppdatering av affärsfasen utan någon verklig kontext, och ingen hade någonsin skrivit ner ett muntligt åtagande från två genomgångar tidigare.

Vi argumenterade utifrån optimism, och prognosen flyttades ändå fram. En studie från Clari visade att 57 % av prognosfelaktigheterna kunde spåras till gapet mellan vad säljarna sa under samtalen och vad som faktiskt hamnade i CRM-systemet. Den siffran stämde exakt med det jag hade känt under 20 år.

Så jag började använda verktyg för samtalsanalys – främst Gong – för att få fram sanningen ur faktiska samtal i stället för att förlita mig på vad människor mindes. De här verktygen transkriberar varje kundsamtal och markerar verkliga risksignaler. Dessutom använder jag en AI-assistent för att stresstesta pipelinen före varje genomgång och tydligt tala om för mig vilka affärer som verkar verkliga.

Tack vare de här verktygen upptäcker jag affärer som håller på att falla igenom flera veckor tidigare, när det fortfarande finns tid att göra något åt dem, i stället för den sista dagen i kvartalet när det är för sent.

Var man ska dra gränsen för AI inom intäktsarbete

Men här kommer förbehållet. AI fattar inte beslutet; det lägger bara fram fakta snabbare. Att avgöra vad man ska göra åt en skakig affär – det är fortfarande människan i stolen som gör det, och så kommer det alltid att vara.

AI kan inte fastställa en prisstrategi. Det kan visa mig vad liknande affärer avslutades på, men att prissätta en stor företagsaffär kräver omdöme baserat på relationer och förståelse för hur stort köparens behov är.

Ett annat område är allt som involverar människor eller nyanserade bedömningar. Det innefattar att coacha en säljare som har det svårt och att lita på en affär som magkänslan säger är fel, även när siffrorna ser bra ut. AI kan bidra med information i de ögonblicken, men det kan inte fatta beslutet.

Enkelt uttryckt låter jag AI tala om för mig vad som händer och var jag ska leta, men jag låter det inte avgöra vad jag ska göra åt saken.

Anledningen är enkel. AI är utmärkt på mönster men har svårt med kontext. Det kan se att en affär verkar riskfylld, men det kan inte veta att köparen just har förlorat den person som ansvarar för budgeten, eller att vd:n är nervös inför att skriva under före styrelsemötet, eller att en säljare bara är ett ärligt samtal från att vända situationen.

Intäkter är i slutändan en serie av mänskliga beslut fattade under press och osäkerhet, och jag är inte beredd att lägga ut dem på entreprenad.

Ett arbetsflöde för granskning och coachning av verkliga affärer

Jag ska gå igenom mitt arbetsflöde för granskning och coachning av affärer. Det har fyra steg, och AI påverkar varje steg, men en människa fattar fortfarande besluten.

1. Innan samtalen ens äger rum: När en säljare har ett viktigt kommande samtal samlar verktygen ihop allt som är relevant: kundens senaste nyheter, köparens roll och historik samt var affären befinner sig, så att säljaren kommer förberedd. Tidigare krävde detta en timmes manuellt letande, men verktygen gör det nu till två minuters läsning.
2. Under och direkt efter samtalet: Gong bearbetar varje kundsamtal. Det spelar in, transkriberar och analyserar samtalet och skriver sedan in viktiga detaljer direkt i CRM-systemet: affärens steg, nästa steg och vilka som deltog. Det löser säljorganisationens dyraste problem: Ingen minns muntliga uppdateringar, och beslut om pipeline ligger kvar i flera kvartal. Nu går inget förlorat mellan det som sades och det som finns dokumenterat.
3. Innan min genomgång: Samma verktyg markerar automatiskt verkliga risksignaler: en förespråkare som har blivit tyst, en ny intressent som plötsligt har dykt upp eller ett avslutsdatum som redan har flyttats två gånger. Dessutom använder jag en AI-assistent, vanligtvis Claude, för att analysera hela pipelinen och tydligt tala om för mig vilka affärer som är verkliga och vilka vi hoppas ska bli verklighet. Därför går jag in i varje genomgång med vetskap om var jag ska trycka på, i stället för att upptäcka problemen under mötet.
4. Efter genomgången: AI utformar utkast till uppföljningssammanfattningar och uppgifter för nästa steg utifrån det faktiska samtalsinnehållet, som säljaren granskar och skickar. Eftersom varje samtal fångas upp kan jag coacha utifrån det som verkligen hände och spela upp det exakta ögonblick då en säljare pratade förbi en invändning, i stället för att coacha utifrån en andrahands sammanfattning. Det gör coachningen mycket mer konkret.

Hur AI kan göra det lättare att hänge sig åt lata vanor

De bra delarna av AI överdrivs ofta, så här är den ärliga bilden.

För det första har den största vinsten varit tid och tydlighet. Mina affärsgenomgångar baseras nu på fakta. Prognossamtalen är betydligt mindre känslomässiga. Förberedelserna som tidigare tog ett par timmar tar nu en bråkdel av tiden.

Över de team jag har arbetat med har mönstret varit konsekvent: mindre tid på att rapportera om pipelinen, mer tid på att arbeta med den.

Nu till det dåliga, för det finns gott om det:

Det första misstaget var att lita för mycket på AI-poängen. Tidigt visade det sig att en affär som AI bedömde som sund inte blev av, eftersom verktyget inte kunde se att köparens förespråkare hade svårt att övertyga det interna teamet. Siffrorna såg bra ut ända tills affären dog, och det lärde mig att se AI:s säkerhet som en utgångspunkt, men aldrig som ett slutgiltigt besked.

Det andra är problemet med "likformighet". När alla automatiserar sin uppsökande försäljning med samma verktyg börjar allt låta likadant, och köparna märker det. Jag har sett svarsfrekvensen på automatiserad uppsökande försäljning sjunka i hela branschen av just den anledningen. De team som förlitar sig mest på automatisering för att låta personliga slutar ofta med att låta mest generiska.

Det tredje är att AI gör det väldigt enkelt att känna sig produktiv samtidigt som man undviker svåra samtal. Jag har behövt vara uppmärksam på det hos mig själv och i de team jag coachar.

AI har alltså gjort de skickliga medarbetarna märkbart snabbare och skarpare, men det har också gjort det lättare att hänge sig åt lata vanor. Det är en multiplikator för intäktsansvariga, och vad den multiplicerar beror helt på omdömet hos personen som använder den.

Hur AI gör svårgripbara säljfärdigheter lättare att lära sig

Under större delen av min karriär trodde jag att den bästa försäljningen nästan var ett hantverk: instinkten att läsa av ett rum, den perfekt avvägda uppföljningen, känslan för när man ska trycka på och när man ska vänta — allt det fanns i huvudet på de främsta personerna i teamet, och det gick egentligen inte att kopiera.

Man kunde anställa personer med den förmågan och coacha dem lite, men oftast hoppades man bara på att hitta fler av dessa sällsynta människor. AI tvingade mig dock att tänka om.

För när man spelar in och analyserar varje samtal blir det som den bästa säljaren gör, och som tidigare kändes magiskt, synligt och konkret. De exakta frågorna personen ställer tidigt, sättet hen hanterar en viss invändning på, hur hen saktar ner i stället för att öka tempot när en köpare blir tyst — det är mönster, och när man väl ser dem tydligt kan man lära ut dem till resten av teamet på ett sätt som aldrig tidigare varit möjligt.

Ankit delar med sig

Under större delen av min karriär trodde jag att den bästa försäljningen nästan var ett hantverk: AI tvingade mig dock att tänka om.

Så det jag hade avfärdat som en instinkt som inte gick att lära ut visade sig till stor del vara en uppsättning beteenden som går att lära sig, men som jag inte kunde observera i stor skala förrän nu.

Och jag säger inte att försäljning har blivit en formel. Det mänskliga omdömet på högsta nivå är fortfarande verkligt och fortfarande sällsynt, men gapet mellan din bästa säljare och en genomsnittlig säljare är mindre och lättare att minska än jag trodde under 20 år. Mycket av det jag brukade kalla talang handlade egentligen bara om synlighet, och nu har vi den.

Det är en genuint hoppfull förändring, och den förändrade hur jag ser på att bygga ett team.

Så förbättrar du AI-användningen i intäktsteamen

Jag önskar att jag hade förstått att verktygen är den enkla delen; den svåra delen är att få människor att förändra hur de arbetar.

När jag började gjorde jag det klassiska misstaget: jag antog att bra AI-verktyg automatiskt skulle skapa värde. Köp programvaran, lansera den och se förbättringarna. Därför lade jag all min energi på att välja rätt plattformar och nästan ingen på människorna som skulle behöva använda dem.

Men det som hände var det som händer i de flesta team. Teamen anammade verktygen på pappret men ignorerade dem i praktiken. Säljarna fortsatte att arbeta som de alltid hade gjort, lät de avancerade AI-funktionerna förbli oanvända, och några personer ogillade hela upplägget eftersom det kändes som något som gjordes mot dem snarare än för dem.

Om jag hade förstått det från början skulle jag helt ha vänt på ordningen. Jag skulle ha lagt betydligt mindre tid på att våndas över vilket verktyg jag skulle köpa, eftersom de flesta seriösa verktyg är tillräckligt bra, och betydligt mer tid på själva förändringen. Att involvera teamet tidigt, visa varje person hur det gör arbetsdagen enklare i stället för att bara göra chefens rapportering smidigare, och välja ett eller två arbetsflöden att få ordning på innan man lägger till fler.

Fem råd till CRO:er

När det gäller råd finns det några saker som jag önskar att någon hade berättat för mig tidigare.

1. Anamma AI kraftfullt, men definiera tydligt vad det ska användas till. Vinsterna är verkliga, och CRO:er som ignorerar dessa verktyg kommer att hamna efter dem som använder dem. AI ger snabbhet och tydlighet, inte en ersättning för omdöme. Använd det för att få snabbare överblick över säljprocessen, förbereda dig bättre och befria teamet från rutinuppgifter.
2. Gör inte nedskärningar i teamet och kalla det en AI-strategi. AI ska göra dina duktiga medarbetare mer effektiva; det ska inte vara en ursäkt för att förlora dem. Om din plan är att ersätta människor har du missförstått var affärer vinns.
3. Skydda er mot likriktning. När alla på marknaden använder samma verktyg för att automatisera sin uppsökande försäljning blir resultaten alltmer lika, och köparna slutar lyssna. Vinnande team kommer att använda AI för att frigöra tid och sedan ägna den åt att vara mer mänskliga, mer närvarande och genuint mer användbara för köparna än konkurrenterna.
4. Coacha teamet genom förändringen i stället för att bara ge dem verktyg. De flesta säljare använder knappt den AI som redan finns i deras verktygsuppsättning. Att köpa programvaran är den enkla delen; att få människor att förändra hur de arbetar är det verkliga jobbet, och det är en ledarskapsfråga.
5. Håll dig själv nära affärerna. Som ledare är det frestande att låta allt gå via instrumentpaneler nu när de är bättre än någonsin, men den bästa signalen är fortfarande ett verkligt samtal med en verklig köpare. Låt inte verktygen skapa avstånd till ditt faktiska ansvar.

Följ med

Du kan följa Ankit Kedias arbete på LinkedIn, X och Instagram.

Fler expertintervjuer kommer på The CRO Club!