Teknikgrundare och kommersiell chef säger att AI kan driva försäljningstratten, men människor slutför fortfarande affären

Aryan Mahajan är kommersialiseringschef på Gerra och grundare av Zoro, där han bygger AI-baserade operativa lager för intäktsorganisationer.

Vi satte oss ner med Aryan för att ta reda på hur han använder AI för att förändra intäktsorganisationer. Här är vad han berättade.

Att vara sin egen fallstudie

Jag heter Aryan Mahajan. Jag är kommersialiseringschef på Gerra. Jag är också grundare av Zoro, där jag bygger det privata AI-baserade operativa lager som driver intäktsorganisationer.

Jag kom inte hit från toppen av en säljorganisation. Jag började med 500 dollar och utan skyddsnät, tvingad att få en mycket liten summa pengar att fungera som ett stort team. Den begränsningen blev hela filosofin: när du inte kan anställa slutar du fråga "Vem ska jag lägga till?" och börjar fråga "Vad kan en person plus en flotta av AI-agenter driva?" Svaret blev ett företag som gick från 0 dollar till 90 000 dollar i MRR på 14 månader och nu genererar 150 000 dollar i månaden med marginaler över 95 %. Det drivs med mer än 30 separata AI-agenter, ett team som du kan räkna på ena handens fingrar och en innehållsmotor som har genererat mer än 50 miljoner visningar och 50 000 leads.

Jag bryr mig om AI inom intäkter eftersom jag inte teoretiserar kring det. Jag är fallstudien. Intäktsorganisationen jag leder är ett bevis på att det operativa lager jag bygger åt andra fungerar.

Att göra om toppen av intäktstratten

Jag ersatte hela toppen av min intäktstratt — prospektering, efterforskning, kvalificering och första kontakt — med ett AI-system som driver den kommersiella sekvensen från början till slut.

Tidigare var mänskliga arbetstimmar den dyra delen av intäktsarbetet. En säljare lägger ungefär 40 minuter på att undersöka en enda potentiell kund. Ett team på fyra eller fem personer kostar 100 000–200 000 dollar per år. Det mesta av arbetet handlar om att läsa, gissa hur väl kunden passar och skriva ett första meddelande. Arbetet kräver mycket omdöme men är långsamt, inkonsekvent och begränsas av hur många människor du har råd med.

Jag byggde en pipeline som hittar potentiella kunder, berikar informationen om var och en, undersöker företaget och den specifika köparen, poängsätter matchningen mot den ideala kundprofilen, rensar bort dem som inte passar, skriver uppsökande meddelanden på flera språk och sedan hanterar svaren.

Efterforskning som tidigare tog 40 minuter per lead kostar nu ungefär två cent per lead och körs dygnet runt. Ekonomin vändes upp och ner: ett engångsbygge av systemet ersätter bemanningskostnader på 100 000–200 000 dollar per år, och kunden äger systemet fullt ut. Eftersom det loggar varje svar och resultat har intäktsarbetet äntligen ett minne: vad som fungerade, vad som inte gjorde det och varför, i stället för att den kontexten finns i huvudet på fem olika säljare.

Det tydligaste beviset: i en kampanj undersökte det 214 potentiella kunder, rensade bort de 184 som inte passade och fick en hedgefond värd 70 miljarder dollar att svara medan jag satt i soffan. Det här är inte "AI som skriver kalla mejl", vilket var intressant 2022. Det är AI som driver hela den kommersiella sekvensen. Det är förändringen. Men de flesta intäktschefer kopplar fortfarande en chatbot till ett arbetsflöde som inte borde finnas och kallar det transformation.

Varför känsla och omdöme måste förbli mänskliga

Jag låter AI driva hela efterforsknings- och genomförandelagret: prospektering och berikning, ICP-poängsättning och kvalificering av leads, första utkast till uppsökande meddelanden och innehåll, klassificering av svar, övervakning av pipeline och intäkter — och till och med systemunderhåll. Jag kör en självläkande loop som övervakar mina aktiva kundsystem, upptäcker fel och åtgärdar dem autonomt; jag har klockat ett fel som gick från rapporterat till åtgärdat på fyra och en halv minut. AI hanterar allt som sker i stor volym eller är mönsterbaserat, särskilt arbete som förbättras när systemet får mer kontext.

Uppgifter som uttryckligen förblir mänskliga omfattar prissättning, positionering, slutgiltiga kommersiella beslut och bedömningar av känsla. Jag sätter pris utifrån den hävstång ett system skapar, inte dess driftkostnad. Jag överlåter inte det omdömet — vad ett resultat är värt för en specifik köpare — till en modell. Detsamma gäller de sista orden i en affär och tonen. AI gjorde produktion gratis och gjorde därmed känsla till det dyra. Alla har nu samma modeller, så marknaden visar tyst vem som faktiskt har omdöme. Jag vägrar automatisera det.

AI bör inte heller slutföra affärer. Riktiga människor bygger förtroende i ett rum eller i ett direktmeddelande, och det förtroendet har lett till några av mina största kontrakt. Den sista biten av intäktsarbetet handlar om relationer och omdöme, och AI har knappt påverkat den.

Min gränsdragning är enkel: AI fattar inget beslut som påverkar mitt anseende eller binder mig till en köpare. AI informerar och skriver utkast till allt, men en människa godkänner allt som skickas i mitt namn eller flyttar pengar. Mitt system undersöker, poängsätter och skriver meddelandet till en potentiell kund, men en person godkänner att det skickas. Det skriver ett utkast till ett kundsvar, men jag trycker för att skicka.

Varför AI inte kan skapa efterfrågan på egen hand

AI skapar inte auktoritet eller efterfrågan på egen hand. Det kan producera oändligt mycket innehåll, men volym är inte distribution, och det är inte förtroende.

Jag har genererat över 50 miljoner visningar, och visningarna är inte där pengarna finns — pengarna finns i den handfull relationer som visningarna gjorde möjliga. Team som förväntar sig att AI ska ”generera försäljningspipeline” genom att producera mer material får vanligtvis bara mer brus.

Efterfrågan kommer från ett perspektiv och verkliga bevis — mänskliga bidrag som modellen förstärker men inte skapar.

Varför intäktsansvariga måste vara försiktiga med överdriven automatisering

Jag ser två stora nackdelar med AI inom intäktsarbete.

För det första kan det ha fel med stort självförtroende. Tidiga versioner av systemet för uppsökande försäljning riktade sig mot påhittade företagsdomäner tills jag krävde att varje domän skulle verifieras före användning. Lösningen var inte en smartare modell, utan ett verifieringssteg.

För det andra är automatisering som går för långt farlig. En tidig autonom betalningskörning behandlade en leverantörsbetalning två gånger på grund av ett gammalt godkännande. Nu kräver allt som flyttar pengar eller skickas till en kund ett obligatoriskt godkännande och ett tidsfönster för att ångra åtgärden — systemet utarbetar och förbereder, men en människa verkställer.

Och jag tycker att det är viktigt att notera att flaskhalsen helt enkelt har flyttats; den har inte försvunnit. När produktionen blir gratis blir smak, omdöme och skyddsräcken — lagret för mänsklig granskning — begränsningen, inte produktionen. Team som kopplar på AI utan att bygga om det lagret skapar bara fler felaktiga saker snabbare.

Aryan delar med sig

Jag tycker att det är viktigt att notera att flaskhalsen helt enkelt har flyttats; den har inte försvunnit. När produktionen blir gratis blir smak, omdöme och skyddsräcken — lagret för mänsklig granskning — begränsningen, inte produktionen.

Hur intäktsteamen förändras

AI har gjort teamet mindre, mer generalistiskt och mer beroende av omdöme. Jag behöver inte en människa för varje produktionssteg. Jag behöver ett litet antal operatörer som förstår kunden, ekonomin och systemet tillräckligt väl för att styra maskiner och ta ansvar för undantagen.

Jag har byggt mer än 30 olika agenter för undersökningar, utkast, övervakning, uppföljning, leverans och reparation. Den mänskliga insatsen koncentreras där maskinen är svag: positionering, prissättning, relationer, smak, ansvarstagande och beslut om vad som ska hända när standardprocessen inte längre fungerar.

Talangpremien har förskjutits mot operatörsbyggare — personer som kan delta i ett kommersiellt samtal, förstå affärskonsekvensen och sedan utforma arbetsflödet eller samarbeta med ingenjörer för att förändra det. Rena samordnare har mindre hävstång eftersom AI kan flytta information och ta fram ett första utkast. Rena specialister är fortfarande viktiga, men deras omdöme måste påverka den bredare organisationen i stället för att förbli begränsat till deras eget resultat.

Målet är inte att ta bort människor från intäktsarbetet. Det är att sluta lägga de bästa människornas tid på att läsa, kopiera, jaga och uppdatera, och i stället låta dem fokusera på förtroende och beslut.

Varför CRO:er måste bygga om sina processer

Jag har tre råd:

1. Sluta bulta fast AI på befintliga processer – bygg om dem i stället. Det mesta av "AI-transformationen" inom intäkter handlar om att klistra fast en chattbot på ett arbetsflöde som inte borde finnas – och om processen är fel gör AI bara det felaktiga snabbare. Ta bort steget och automatisera sedan det som återstår. Organisationer som behandlar intäkter som ett infrastrukturproblem – genom att koppla samman auktoritet, kundanskaffning, minne, uppföljning och attribuering i ett enda system – förstärker sitt försprång medan andra fortfarande skriver promptar.
2. Äg lagret, hyr det inte. Programvara har blivit en standardvara; ett team med full verksamhetskontext och verklig distribution slår konsekvent färdiga SaaS-lösningar. Det vinnande draget är inte att köpa tio verktyg till, utan att bygga operativsystemet under din intäktsorganisation så att intelligensen byggs på och du äger den. Köp verktyg för standardiserade funktioner; bygg den del som faktiskt utgör ditt försprång.
3. Bli besatt av det mänskliga lagret, eftersom det är där ditt försprång har förskjutits. AI gjorde resultat kostnadsfria, vilket gjorde smak, omdöme och förtroende sällsynta och dyra. Använd AI i stor skala – för research, utkast, övervakning och uppföljning – och koncentrera dina bästa medarbetare på den sista biten som AI inte kan hantera: prissättning, positionering, relationer och avslut. Inför dessutom en strikt godkännandegrind för allt som går till en kund eller flyttar pengar. Målet är inte färre människor som skapar mer brus, utan att skala upp ditt omdöme.

De CRO:er som vinner i det här ögonblicket kommer inte att vara de som inför mest AI. Det kommer att vara de som bygger om sina intäktsorganisationer kring AI medan det fortfarande känns obekvämt.

Följ med

Du kan följa Aryan Mahajans arbete på LinkedIn, Instagram och X. Eller boka ett samtal med honom.

Fler expertintervjuer kommer på The CRO Club!