Murals CRO berättar var intäktschefer gör fel med AI – och hur det kan åtgärdas

Bill Dwoinen är CRO på tillväxtföretaget inom B2B SaaS, Mural. Han har arbetat med intäkter i 20 år och ansvarar nu för försäljning, kundframgång, intäktsoperationer och GTM-system – och han satsar helhjärtat på AI.

Vi pratade med Bill om varför intäktsledare måste sluta åtgärda friktionspunkter med AI och i stället börja utforma om hela arbetsflöden. Här är vad han berättade.

Aldrig en rak väg till C-sviten

Jag heter Bill Dwoinen och är CRO på Mural. Jag har arbetat med försäljning och försäljningsledning i ungefär 20 år. Jag började inom humankapital på CareerBuilder, gick sedan över till SaaS på LinkedIn och tillbringade därefter nästan fem år med att leda Slacks företagsverksamhet på Salesforce inom den strategiska tekniksektorn. Jag tillträdde som CRO på Mural i början av 2025.

Min resa har aldrig varit rak. Jag säger det till gymnasieelever när jag återvänder för att tala inför dem, och jag menar det verkligen. Livet går inte i en rak linje, och det gör inte heller en försäljningskarriär. Jag började som individuell medarbetare, gick in i ledarskap eftersom jag genuint brydde mig mer om människorna omkring mig än om äran, och byggde så småningom upp meriterna som öppnar dörrar till C-sviten. Små, konsekventa val under 20 år – det var så det gick till.

Att leda intäktsorganisationen

Jag leder hela intäktsorganisationen på Mural, ett B2B SaaS-företag i tillväxtfas med en återkommande prenumerationsmodell och ett växande tjänsteerbjudande genom vårt LUMA-partnerskap. Organisationen omfattar försäljning, kundframgång, intäktsoperationer och GTM-system. Jag tog medvetet in GTM Systems i intäktsorganisationen för att anpassa våra system, data och arbetsflöden efter hur kunder köper, börjar använda och växer med oss, i stället för att optimera dem i silor.

Vi betjänar företagskunder globalt, med den starkaste koncentrationen i AMER och EMEA. Vår modell för marknadsbearbetning fokuserar både på att vinna nya kunder och på expansion inom vår befintliga kundbas, och vi expanderar aktivt till nya användningsområden och köparpersonas utanför Murals traditionella räckvidd.

Det som betyder mest för mig är att intäktsorganisationen fungerar som en sammanhängande motor. Ny affär, bibehållande och expansion får inte drivas som separata agendor. Mitt jobb är att säkerställa att verksamhetsmodellen speglar det och att alla delar av organisationen, från det första säljsamtalet till långsiktigt kundvärde, drar åt samma håll.

Varför AI är en gåva till CRO:er

Jag har alltid trott på processer: prognosprecision, disciplin i pipelinen och förståelse för era ledande indikatorer. AI ger nu allt som jag har byggt min ledarskapsfilosofi kring en kraftig skjuts.

Team som tidigare manuellt granskade pipelinen och fattade magkänslebeslut kan nu få fram signaler snabbare, agera med större säkerhet och coacha mer precist. För en CRO är det inte ett hot, utan en gåva.

Ledare som kommer att lyckas i det här skedet är inte rädda för det. Jag har aldrig varit rädd för att misslyckas, och jag är inte rädd för det här. På Mural fokuserar jag på att bygga en intäktsmotor där AI förstärker det som fantastiska människor redan gör, utan att ersätta omdöme, relationer eller kulturen vi bygger. Det är det arbetet som gäller nu, och jag är mer fokuserad på det än någonsin.

Hur AI kan utforma om värdefullt intäktsarbete

Jag använde AI för att utforma om hur värdefullt intäktsarbete utförs, specifikt för kontoundersökning, skapande av POV och kommunikation.

Det här arbetet ligger närmare intäkterna än vad människor ibland inser. Det påverkar hur väl teamet möter kunderna, hur relevant kommunikationen är och hur konsekvent organisationen beskriver värdet. Historiskt har det också varit alltför manuellt, ojämnt och beroende av individuella insatser. De bästa säljarna gör det bra. Andra gör något mer generiskt. Det skapar ett kvalitetsproblem, inte bara ett produktivitetsproblem.

Mina nya arbetsflöden är anpassade GPT:er byggda för specifika kommersiella användningsområden. Det här är inte generisk AI som tillämpas brett, utan verktyg utformade kring hur vi ser på konton, hur vi beskriver värde och hur ett starkt kommersiellt resultat ser ut i vår kontext.

Specificitet skapar hävstång. Generiska verktyg ger generella resultat.

Det tydligaste exemplet är vårt arbetsflöde för kontoundersökning och förberedelse av kommunikation. En säljare matar in kontot, den relevanta kontexten och målet. Arbetsflödet skapar en strukturerad kontobild: vad som sannolikt händer i verksamheten, var prioriteringarna och problemen finns, vilka signaler som är viktiga och hur vi ska beskriva vårt värde utifrån den specifika situationen.

AI i kontoundersökning och förberedelse av kommunikation

Säljaren lämnar processen med ett verkligt perspektiv byggt kring kunden, inte en återanvänd mall. Arbete som tidigare tog 10 till 30 minuter tar nu närmare tre, utan att kvaliteten försämras. Och kvaliteten är mer konsekvent i hela teamet, oavsett vem som använder det.

AI i prognostiseringsarbetsflöden

Ett annat exempel är Forecast Center, en anpassad GPT som jag byggde för att förändra hur ledare förbereder sig inför och genomför prognossamtal. Den löser problemet med att de flesta prognossamtal övergår i att ledare läser upp data för gruppen i stället för att använda den för att driva strategin framåt. Forecast Center tar data från den löpande verksamheten, pipelineunderlag och information om kundernas hälsa och hjälper ledare att omvandla detta till en tydlig berättelse och en välgrundad ståndpunkt innan de ens ansluter till samtalet.

Vår interna standard är enkel: Om det låter som att en GPT har sammanfattat ett kalkylblad är det inte färdigt. Det ska låta som en CRO som har gjort hemläxan och är redo att driva verksamheten.

Resultat

Det som får båda dessa arbetssätt att fungera är inte modellen. Det är arbetsflödets utformning, den inbyggda kontexten och den standard vi håller fast vid för hur ett bra resultat ska se ut. Säljaren och ledaren äger fortfarande bedömningen. AI tar bort friktionen i förberedelserna så att de kan vara skarpare, snabbare och mer konsekventa än tidigare.

Vi befinner oss fortfarande i ett tidigt skede, så jag vill varna för att överdriva effekten på intäkterna längre fram i kedjan. Men genom dessa och fler arbetsflöden har vi redan förbättrat snabbheten och reaktionsförmågan i hela organisationen utan att offra kvaliteten. Teamen kan komma närmare kunderna snabbare eftersom de inte längre behöver vänta på ett möte eller en lång manuell process för att undersöka ett konto, bygga upp en förståelse och formulera en ståndpunkt. Detta har förbättrat förberedelserna, höjt konsekvensen i det kundinriktade arbetet och gjort intäktsorganisationen mer effektiv när det gäller att engagera konton.

Varför förnyelser behöver en AI-omarbetning

Även förnyelser behöver omarbetas.

De flesta intäktsorganisationer hanterar fortfarande förnyelser reaktivt. Teamen närmar sig förnyelsedatumet, kontrollerar hälsopoängen och skyndar sig att täcka in rätt relationer.

Men när teamen gör det arbetet ligger de redan efter. Jag skulle förespråka att man utformar om förnyelsearbetet som ett kontinuerligt arbetsflöde, inte som en kvartalsvis brandövning. AI lämpar sig väl för detta eftersom tekniken kan synliggöra risksignaler, flagga luckor i täckningen och hjälpa ledare att formulera en ståndpunkt om var de bör agera innan möjligheten stängs.

Varför den största möjligheten med AI inte är vad du förväntar dig

Men kom ihåg att den största möjligheten med AI inte är att åtgärda enskilda friktionspunkter. Det handlar om att tänka om kring själva arbetsflödet.

I början fokuserade jag förmodligen för mycket på att lösa omedelbara problem, vilket skapade värde men i vissa fall var mer inkrementellt än omvälvande.

Om jag hade förstått det tidigare skulle jag ha ägnat mindre tid åt att optimera isolerade uppgifter och mer tid åt att utforma om arbetsflödena med högst värde från början till slut, med en tydlig koppling till GTM-prioriteringar och mätbar affärspåverkan redan från start.

Det skulle ha hjälpt mig att undvika fragmenterade experiment. Sådana kan leda till användbara verktyg som inte tillsammans skapar någon verklig strategisk hävstång.

Lärdomen är att AI skapar störst värde när tekniken kopplas till hur verksamheten genererar intäkter – inte bara till var människor upplever problem i stunden.

Bill delar med sig

Den största möjligheten med AI är inte att åtgärda enskilda friktionspunkter. Det handlar om att tänka om kring själva arbetsflödet.

Där AI bidrar till intäktsrelaterade uppgifter

Jag förlitar mig mest på AI inom områden där bättre syntes och snabbare förberedelser skapar verklig hävstång, till exempel kontoundersökningar, skapande av POV, budskap, kommunikation och mönsterigenkänning i stora mängder information. AI är utmärkt på att bearbeta underlag, strukturera tankar och förbättra kvaliteten och konsekvensen i genomförandet i hela organisationen.

Människor kommer in där verkligt omdöme och ansvar krävs: prognoser, prissättning, slutgiltiga beslut om säljtratten, territoriella beslut och större beslut kring kundrisk eller investeringar. AI kan bidra till dessa samtal, men ersätter inte ledarskapets omdöme.

Anledningen är enkel. Jag vill att AI ska hjälpa oss att tänka bättre och agera snabbare, inte äga beslut där nyanser, sammanhang och ansvar är som viktigast. I en intäktsorganisation är snabbhet viktig, men omdömet är fortfarande det som gör skillnad.

Intäktsledare måste hålla noggrann uppsikt över AI-slask

Ibland skapar AI mer innehåll i stället för bättre innehåll. Det tydligaste exemplet är AI-slask: generisk uppsökande kommunikation, generiska budskap, generiska ståndpunkter och mycket aktivitet som ser produktiv ut men inte förbättrar den kommersiella kvaliteten. I sådana fall skapar AI brus, inte hävstång.

Jag har också sett AI användas för mycket inom områden där omdöme, sammanhang och nyanser är viktigare än snabbhet. Om indata är svaga eller standarderna låga löser AI inte det. Det förstärker problemet.

Problemet handlar mindre om själva tekniken och mer om hur lätt människor kan förväxla volym med värde. Det är det misslyckande jag håller närmast uppsikt över, eftersom det leder till urholkat förtroende.

Jag hanterar detta genom att sätta en tydlig standard i hela organisationen, föregå med gott exempel och skala upp den disciplin jag använde för att bygga mina egna arbetsflöden. Det innebär att förstärka att AI ska vässa tänkandet, inte ersätta det, och att sammanhang, iteration och omdöme fortfarande spelar roll.

Det är detta som skiljer intäktsteam som får verklig hävstång från AI från dem som bara skapar mer brus.

Varför skala inte alltid innebär en kvalitetsmässig kompromiss

Jag trodde att skala alltid innebar en kompromiss vad gäller kvalitet. Inom marknadsintroduktion har automatisering historiskt inneburit större volymer, men vanligtvis på bekostnad av relevans, omdöme och kvalitet.

AI förändrade min uppfattning att denna kompromiss är ofrånkomlig. Om AI används på rätt sätt, med rätt sammanhang, utformning av arbetsflöden och standarder, kan det öka snabbheten och skalan utan att ribban automatiskt sänks.

Det bästa exemplet är de arbetsflöden för kontoforskning och förberedelser som jag delade tidigare. Det sker inte automatiskt, men det är möjligt. Och det innebär en betydande förändring jämfört med hur de flesta av oss har upplevt automatisering i intäktorganisationer.

Varför bra data är avgörande för ett framgångsrikt införande av AI

Bra data är viktigare än verktygen. Om data är ofullständig, inkonsekvent eller svår att lita på löser AI inte det problemet. Det förstärker det.

Du kan få snabbare resultat, men inte bättre resultat. Det har varit en av de viktigaste lärdomarna för mig.

Ett framgångsrikt införande av AI handlar inte bara om tillgång till rätt modell. Det handlar om att ha den datagrund, den operativa disciplin och den tillit till indata som krävs för att använda modellen effektivt. Verktygen spelar roll, men det är bra data som gör allt detta verkligt.

Hur CRO:er bör förhålla sig till AI-drivna förändringar

Jag råder CRO:er att använda AI för att vässa tänkandet, förbättra genomförandet och skala upp omdömet, inte för att översvämma verksamheten med mer innehåll.

Börja inom de områden där snabbhet och syntes skapar verklig hävstång: kontoforskning, skapande av ståndpunkter, budskap och mönsterigenkänning i hela intäktsmotorn. Var tydlig med vad AI ska bidra med information till och vad som bör förbli mänskligt. Sätt också ribban högt tidigt; annars kommer människor att falla tillbaka på generiskt innehåll som ser produktivt ut men inte förbättrar den kommersiella kvaliteten.

De ledare som kommer att dra störst nytta är inte de som påstår sig ha förstått allt. Det är de som tar tekniken på allvar, tillämpar den genomtänkt och fortsätter att höja ribban för vad den åstadkommer för verksamheten.

Följ med

Du kan följa Bill Dwoinens arbete på LinkedIn.

Fler expertintervjuer kommer på The CRO Club!