Intäktsrådgivare och tidigare intäktschef säger att samarbete med AI slår ren automatisering i säljprocesser

Dave Govan har en bakgrund inom att driva intäkter på organisationer som Oracle, VeriSign, Hitachi och Dell RSA. Han är grundare av G2 Strategic Advisory Services, där han ger teknikchefer, investerare och intäktsteam råd om strategi för marknadsintroduktion.

Vi satte oss ner med Dave för att lära oss hur samarbete mellan människa och AI, där människan är med i processen, gynnar säljprocesser mer än ren automatisering. Här är vad han sa.

Vändningar och genombrott

Daves tankar

Min väg till det här AI-ögonblicket är inte ny… Företagen som vinner det kommande decenniet kommer inte att vara de som har tillgång till AI. Alla har tillgång. Det kommer att vara de vars ledare och team förändrar hur de genomför sitt arbete. Det gapet är exakt där jag verkar.

Jag är grundare och Senior Principal på G2 Strategic Advisory Services. Jag ger teknikchefer, investerare och intäktsteam råd om strategi för marknadsintroduktion och om att implementera AI i intäktsmotorn. Jag gör detta som operatör, inte som konsult. Under min karriär har jag drivit 2,3 miljarder dollar i intäkter som CRO och säljchef, ingått i sex företagsledningar och skalat företag i alla faser, från såddfinansierade till börsnoterade och private equity-ägda.

Jag ger råd till intäktsorganisationer, men min grund är ledarskap inom företagsförsäljning på fältet. Tidigt i min karriär ledde jag regioner med stora kundkonton som regional RVP på Oracle och genererade över 100 miljoner dollar. Den erfarenheten av komplex försäljning till stora företag har format hur jag har byggt varje organisation sedan dess.

I företagsfasen och som private equity-ägt företag ledde jag Dell RSAs försäljningsorganisation i Nord- och Sydamerika, ett team på 250 personer bestående av generalister, specialister, kanalmedarbetare och innesäljare. Vi ökade intäkterna från 400 miljoner dollar till 540 miljoner dollar. Därefter befordrades jag till Chief Revenue Officer på NetWitness, cybersäkerhetsverksamheten som knoppades av och såldes till private equity. Där ledde jag en global organisation på 500 personer och ökade EBITDA med 52 procent. Vi sålde säkerhetsprogramvara för företag tillsammans med tjänster till säkerhetsdriftsteam på stora företag och myndigheter.

I startupfasen byggde och ledde jag intäktsorganisationerna på Sailthru och Dynamic Yield, martechföretag inom AI och stordata. Vi sålde SaaS-baserad personalisering till digitala marknadsförare inom e-handel och medier. Där handlade arbetet om att gå från noll till skalning: att bygga teamet, handboken och arbetssättet för marknadsintroduktion från några få säljare till en världsomspännande organisation som sålde till marknadschefer och deras team.

Min väg till det här AI-ögonblicket är inte ny. För ett decennium sedan arbetade jag redan med AI och stordata inom martech och skalade personaliseringsplattformar som Sailthru och Dynamic Yield. Jag har sett AI utvecklas från en funktion som man sålde till ett operativt lager och vidare till samarbete mellan människa och AI, där människan är med i processen.

Företagen som vinner det kommande decenniet kommer inte att vara de som har tillgång till AI. Alla har tillgång. Det kommer att vara de vars ledare och team förändrar hur de genomför sitt arbete. Det gapet är exakt där jag verkar.

Hur AI förändrar inriktningen på konton och hanteringen av säljtratten

Jag gjorde AI till det operativa lagret i mitt eget arbete med marknadsintroduktion, med början i hur jag väljer ut och bearbetar konton.

Nu arbetar jag med AI-driven målgruppsinriktning och research. Jag använder AI-baserad kontoinformation och avsiktssignaler för att identifiera vilka konton som är aktuella på marknaden och värda min tid, och jag samarbetar med AI genom hela säljtratten för att undersöka köpare, skapa kartor över marknadsintroduktionen och utforma kundmaterial. Jag är fortfarande människan i processen när det gäller bedömningar, positionering och alla beslut som påverkar kunden.

Resultatet blev bättre hävstång och tydligare signaler. Jag hanterar en större och bättre kvalificerad säljtratt än jag skulle kunna göra manuellt, når fram till en trovärdig ståndpunkt om en potentiell kund på en bråkdel av tiden och producerar arbete på en detaljnivå som tidigare krävde ett helt team. Jag hjälper också mina kunder att göra samma förändring, vilket håller mina råd förankrade i verkligheten. Jag säljer inte en omvandling som jag själv inte har genomfört.

Så används AI i säljprocessen

Jag ska gå igenom säljprocessen från en ny lead till en undertecknad order och hur AI stöder den.

Jag rekommenderar att du skapar ett Claude Project för varje ny affärsmöjlighet och varje signerad kund. Ett Claude Project fungerar som en arbetsyta där du kan samarbeta med Claude.  Du kan dela relevanta filer och promptar.  Det kommer ihåg alla dina interaktioner, vilket är utmärkt för samarbete.  Din uppgift är att lära upp det och dra nytta av det, men du äger affärsmöjligheten och resultatet.  Lita mer på ditt eget omdöme än på svaren och styr om det när du behöver.  

Börja med efterforskning före samtalet. När du har fått in en lead kan du använda AI-applikationer som Clearitty.com för att få fram information om företaget, köparen, de sannolika utmaningarna och gapet mellan deras uttalade och sannolika behov. Du kan utöka din efterforskning till att även omfatta de senaste modellerna som Claude. Att börja med ett informerat perspektiv och en tydlig ståndpunkt är bättre än en generisk behovsanalys utan förkunskaper.

Organisera sedan ditt behovssamtal med AI. Utforma agendan och frågorna för att göra samtalet skarpt och förtjäna rätten att gå djupare. De två frågorna som förankrar det förändras aldrig: "Vad behöver du få gjort?" och "Hur ser framgång ut för dig?"

Själva behovssamtalet är mänskligt. Men ett AI-verktyg för mötesanteckningar som Granola.ai kan tillhandahålla en utskrift som du kan ge till ditt AI-projekt. På så sätt fångar du hela sammanhanget kring det köparen sa och kan använda den informationen, i stället för att låta den stanna i ditt minne eller på ett anteckningsblock. Jag föreslår att du gör samma sak för varje möte med kontot och matar tillbaka det till Claude-projektet. Allteftersom säljcykeln fortskrider kan du be det att granska alla utskrifter och ge insikter eller vägledning. 

Daves tankar

…du är beslutsfattaren och behöver också lita på din magkänsla.  Ditt sinne är bättre lämpat för att skapa vinnande strategier. AI missar ofta sammanhang om du inte berättar det för AI:n.

När du går in i offert- och förhandlingsfaserna kan du samarbeta med AI för att utforma positionering och ordningsföljd, genom att börja med det de efterfrågade och sedan öppna upp den större möjligheten när förtroendet har etablerats. Testa olika scenarier.  Be AI:n bedöma hur konkurrenskraftig du kommer att vara för den här typen av projekt och så vidare. Sätt den kommersiella strukturen och prissättningen på prov för att säkerställa att de håller för granskning, och använd AI för att identifiera var du kan överkomplicera affären eller lämna pengar på bordet. Du är dock beslutsfattaren och behöver också lita på din magkänsla.  Ditt sinne är bättre lämpat för att skapa vinnande strategier. AI missar ofta sammanhang om du inte berättar det för AI:n.

Sedan skapar AI offerten med hjälp av dina egna mallar på en bråkdel av den tid det tidigare tog att göra det för hand. Du bidrar med bedömningen av omfattning och villkor.

Alla dessa steg sker inom en AI-arbetsyta i stället för genom olika enstaka uppmaningar. Det innebär att arbetsytan behåller sammanhanget och kan göra bättre slutsatser när ytterligare frågor eller problem uppstår.

Du driver försäljningen, behovsanalysen, positioneringen och avslutet. AI gör dig snabbare och skarpare i varje steg, fångar allt så att inget går förlorat och hjälper dig på vägen.

Hur specificitet minskar AI-avvikelser

Det uppstår ibland avvikelser i mina AI-arbetsflöden, men vi löser dem med enkla omdirigeringar. Ju mer du använder det, desto mer sällan händer det.

För att undvika avvikelser ska du alltid vara exakt med vad du gör och varför. Skriv tydliga uppmaningar som ger hela bilden av säljsituationen. Ju mer komplett uppmaningen är, desto mindre fram och tillbaka får du.

Varför intäktsprocesser behöver en människa i loopen

Överlag lutar jag mig mot AI för att driva analytiskt arbete och produktionsarbete där snabbhet och bredd ger fördelar: målgrupps- och prioriteringsarbete för konton, köpar- och kontoundersökningar, marknadskartläggning, arbete med ICP och köpkommittéer samt sammanställning av omfattande underlag till en tydlig ståndpunkt. AI bör framför allt användas för prioritering av pipeline, affärspoängsättning, prognoser och signaler på risk för kundbortfall, eftersom data stöder det.

Men även om AI informerar och påskyndar beslut fattar den aldrig själva beslutet.

Människor hanterar uttryckligen bedömningar under osäkerhet och allt som bygger på förtroende.

• Upptäcktsfasen förblir mänsklig. Att förstå vad en köpare behöver och hur framgång ser ut för dem är ett samtal, inte en fråga.
• Relationen och avslutet förblir mänskliga, inklusive mer lågmälda samtal, till exempel beslut om vad som ska lyftas fram eller undanhållas från en köpare och när man ska gå vidare eller avvakta.
• Prissättning och kommersiella villkor förblir mänskliga. AI rekommenderar ofta en prissättning som jag vet inte kommer att fungera eftersom den i stor skala inte klarar testet köpa kontra bygga eller köpa kontra anställa. När AI påminns om det ger den sedan ett annat svar.
• Även med AI-assisterade prognoser säger jag till teamen att behålla möjligheten till mänsklig överstyrning av det slutliga numret.

Överlag ser jag det som en samarbetsinriktad process där människan är en del av loopen, och där människor äger kvaliteten och resultatet.

Varför intäktsansvariga måste korrigera sina orealistiska förväntningar

Jag har inte varit med om något fall där AI misslyckades med att leverera den intäktseffekt jag förväntade mig. Eftersom AI är programvara förväntade jag mig aldrig att den skulle generera intäkter. Jag förväntade mig hävstångseffekt, och det har den levererat.

Det enda område där verkligheten däremot inte levde upp till hypen är autonomi. Tanken är att man riktar AI mot ett arbetsflöde och att den kör det på egen hand. I praktiken är obevakade resultat generiska, ibland självsäkert felaktiga, och behöver fortfarande människor i loopen. Den gör oss snabbare, inte överflödiga.

Jag skulle inte kalla det att AI presterar under förväntan. Jag skulle kalla det att människor behöver korrigera orealistiska förväntningar.

De behöver förstå att samarbete mellan människor och AI, där människan är en del av loopen, är rätt väg att gå. Varför? AI är fantastisk programvara som är utmärkt på att stödja tänkande, men inte på att tänka själv.

Varför MCP:er är avgörande för programvaruföretag

Modellkontextprotokollet (MCP) gör det möjligt för alla programvaruföretag att ansluta till valfri spetsmodell/LLM via anslutningar och kombinera det bästa av två världar. Det innebär att dina konkurrenter sannolikt låter användare interagera med deras applikationer via Claude, ChatGPT, Copilot och Gemini.

Om ditt erbjudande inte omfattar MCP riskerar du att gå i konkurs.

Så förbättrar du försäljningens produktivitet

Här är tre förändringar du kan göra för att avsevärt förbättra försäljningens produktivitet, effektiviteten i pipelinekonverteringen och prognosernas träffsäkerhet:

1. Använd Claude mer samarbetsinriktat.
2. Använd AI-signaler för att prioritera målkonton och målkontakter. Jag arbetar med AI-teknik från Clearitty.com som är utmärkt på detta. Jag har gjort om genomförandet högst upp i säljtratten.
3. I större organisationer föreslår jag att man använder Clari.com för att övervaka möjligheters och kontons hälsa och få mer träffsäkra prognoser.

Så kan CRO:er leda framgångsrika AI-drivna omställningar

Och här är tre råd till CRO:er som integrerar AI i sina arbetsflöden:

För det första handlar gapet inte om tillgång, utan om samarbete. Alla säger att de använder AI, men väldigt få samarbetar effektivt med den. Era team har sannolikt redan verktygen. Ni måste bygga om arbetsflödet kring dessa verktyg och lära er att arbeta effektivt med AI för att något ska förändras. Att köpa licenser är ingen strategi; det är det som förändrar hur arbetet utförs.

För det andra, led detta från operatörens perspektiv – inte som en teknisk utrullning. Ditt jobb är inte att få människor entusiastiska över AI; det är att visa dem var det gör det verkliga arbetet snabbare, skarpare och bättre, och var det inte gör det. Håll fokus på genomförande och intäktspåverkan, inte abstrakta AI-funktioner. Pressa inte människor med formuleringar om att de annars "hamnar på efterkälken"; det får motsatt effekt.

För det tredje, låt omdömet förbli mänskligt. AI är utmärkt på att komprimera analytiskt arbete och bredda ditt perspektiv, men beslut där det är kostsamt att ha fel, eller där värdet ligger i själva relationen, hör fortfarande hemma hos en människa.

De CRO:er som lyckas bäst i det här ögonblicket kommer inte att vara de som har mest AI. Det kommer att vara de vars team har förändrat hur de genomför sitt arbete och hur effektivt de samarbetar med AI.

Följ med

Du kan följa Dave Govans arbete på LinkedIn. Ta också en titt på G2 Strategic Advisory Services.

Fler expertintervjuer kommer i CRO-klubben!