AI-infödd intäktschef bryter ner sitt AI-arbetsflöde med störst hävstång (och var AI inte är värt besväret)

Dhiraj Khare är CRO med en teknisk bakgrund och ett tekniskt tankesätt. Han omformar för närvarande intäktsprocesserna på det AI-infödda cybersäkerhetsföretaget Matters.AI.

Vi satte oss ner med Dhiraj för att ta reda på vilka AI-arbetsflöden som verkligen gör nytta och vilka som inte gör det. Här är vad han berättade.

Intäkter ur en ingenjörs perspektiv

Jag heter Dhiraj Khare och är CRO på Matters.AI, ett AI-infött cybersäkerhetsföretag med fokus på företagsdata. Jag började inom programvaruutveckling innan jag gick över till företagsförsäljning, och det formade mitt sätt att tänka kring intäkter. Tekniska personer tränas i att hålla fast vid problemet tills de faktiskt förstår det; säljteam tränas ofta i att gå vidare innan de förstår det. Jag passade aldrig helt in i den senare modellen. 

Min karriär har gått genom företag som MongoDB, SentinelOne och PingSafe. Olika företag, olika utvecklingsfaser, men samma underliggande mönster. Cybersäkerhetsteam arbetade redan i maskinhastighet, medan intäktsteamen inte gjorde det.

Cybersäkerheten hade underrättelser i realtid, beteendeanalys och automatiserade svarssystem. GTM-team var fortfarande begravda under kalkylblad, frånkopplade verktyg, manuell research och pipelinegenomgångar byggda på optimism som utgav sig för att vara prognoser. 

Den här frånkopplingen stannade kvar hos mig. Många beskriver AI inom intäkter som en produktivitetsfråga. Snabbare e-post. Mer utgående försäljning. Fler sekvenser. Jag tycker att det helt missar poängen. 

Problemet i dagens GTM är inte brist på aktivitet, utan för mycket brus. Det mesta av den utgående försäljningen i dag är operativt dyr skräppost som låtsas vara personalisering. Köpare märker det direkt. Alla har samma automatisering nu, så volym slutade vara en verklig fördel för länge sedan. 

Det som spelar roll är kontexten. Varför det här kontot? Varför nu? Vad har förändrats inom företaget som gör det här samtalet relevant i dag i stället för om sex månader?

Det var det som fick mig att söka mig mot AI-driven intäktsledning. På Matters.AI bygger vi en GTM-organisation med intelligens i första rummet där AI hjälper till att komprimera research, koppla samman fragmenterade signaler, identifiera tidsindikatorer och minska operativ friktion, så att teamen kan ägna mer tid åt att tänka klart och skapa intelligenta kontakter.

Dhirajs tankar

Alla har samma automatisering nu, så volym slutade vara en verklig fördel för länge sedan…Det som spelar roll är kontexten. Varför det här kontot? Varför nu? Vad har förändrats inom företaget som gör det här samtalet relevant i dag i stället för om sex månader?

En slimmad GTM-organisation

Matters.AIs GTM-organisation är medvetet slimmad. Vi arbetar med företagsförsäljning, strategisk utgående försäljning, partnerskap, lösningsingenjörskap och AI-assisterade arbetsflöden, men filosofin bakom allt är enkel: skala intelligens innan du skalar personalstyrkan. 

Många företag försöker fortfarande tvinga fram tillväxt genom hög aktivitetsvolym. Fler SDR:er, fler sekvenser och fler kontaktförsök. Vi har valt nästan motsatt strategi. 

Vi bryr oss mer om signaltäthet än om aktivitetstäthet. Fokus ligger på att förstå var det faktiskt finns en känsla av brådska, var tidpunkten är rätt och var kundkontexten är tillräckligt stark för att motivera kontakt. 

Det mesta av vårt arbete i dag kretsar kring AI-styrning, datasäkerhet, efterlevnadsberedskap och riskhantering för företag inom sektorer som BFSI, SaaS, teknik och reglerade branscher. 

Varför AI inte kan ersätta omdöme inom intäkter

Jag använder AI för att informera om prioritering av konton, kartläggning av intressenter, affärspoängsättning, engagemangsanalys, stöd vid prognoser, identifiering av kundbortfall och riskanalys för pipelinen.

Maskiner är mycket bättre än människor på att i stor skala bearbeta fragmenterade operativa signaler. Den delen är uppenbar nu.

Men beslut som omfattar samordning på ledningsnivå, förhandling och förtroende förblir mänskliga. Strategiskt omdöme förblir definitivt mänskligt. 

Inköpsbeslut inom cybersäkerhet för företag är i grunden känslomässiga, trots alla kalkylblad och upphandlingsarbetsflöden som människor gärna gömmer sig bakom. En affär kan se sund ut operativt, samtidigt som förtroendet i det tysta håller på att raseras inom kontot.

AI har fortfarande svårt för det lagret. Därför ser jag inte AI som en ersättare för omdöme inom intäkter, utan snarare som ett sätt att minska operativ blindhet.

Så möjliggör AI intelligensdrivet engagemang

Den största förändringen jag genomförde var att gå från aktivitetsdriven utgående bearbetning till intelligensdrivet engagemang. 

Tidigare såg den utgående bearbetningen ut som den fortfarande gör i de flesta organisationer i dag: en blandning av stora kontolistor, statiska sekvenser, manuell research, breda personaliseringsmallar och en hel del bortkastad ansträngning på att låtsas att det handlade om precision.

Vi byggde ett AI-assisterat arbetsflöde för att prioritera konton, vilket komprimerade timmars research till minuter. 

Nu samlar AI kontinuerligt in signaler från rekryteringsaktivitet, förändringar i säkerhetsläget, molnanvändning, efterlevnadstryck, förändringar bland chefer, finansieringsmönster, organisatoriska förändringar och indikatorer på teknikanvändning. 

Därefter sammanställer det dessa signaler till kontextuella berättelser om konton. Den delen är viktig eftersom råa signaler i sig är värdelösa. Säljare behöver inte fler instrumentpaneler; de behöver en tydligare förståelse. 

När kontexten har synliggjorts validerar säljaren den manuellt, prövar relevansen, personaliserar engagemanget och avgör om tidpunkten faktiskt motiverar kontakt. Efter möten hjälper AI till med sammanfattning, extrahering av åtgärdspunkter, intressentanalys, uppföljning av engagemang och riskövervakning under hela affärscykeln. 

Poängen är inte att automatisera kontakten. Det handlar om att först förstå om kontot faktiskt förtjänar uppmärksamhet. Det förändrade omedelbart kvaliteten på pipeline.

Samtalen blev skarpare. Upptäcktsfaserna blev kortare. Engagemanget från chefer förbättrades eftersom kontakten byggde på kontext i stället för på konstgjord personalisering. 

Så förändrar AI kulturen

Fördelarna med AI blev uppenbara ganska snabbt, och jag har redan nämnt många av dem.

Den större förändringen var dock kulturell. Människor började tänka mer analytiskt kring intäktsarbetet. Samtalen blev mindre åsiktsdrivna och mer evidensdrivna. Den här förändringen är viktigare än de flesta samtal om verktyg som pågår på marknaden just nu. 

Nackdelen är att AI mycket enkelt kan skapa en falsk trygghet. Det är den delen som människor underskattar. 

AI-resultat låter ofta så välformulerade att de känns tillförlitliga, även när de underliggande antagandena är svaga eller ofullständiga. Ledare behöver komma ihåg att AI är probabilistisk, inte allvetande. Omdömet spelar fortfarande roll. Operatörernas erfarenhet spelar fortfarande roll.

På många sätt blir kritiskt tänkande ännu viktigare i en AI-inhemsk miljö. 

Varför AI-personalisering ger sämre resultat

AI-genererad personalisering fungerade mycket dåligt i början. Inte för att tekniken var svag, utan för att köpare har blivit otroligt bra på att upptäcka falsk relevans. Den mesta AI-genererade utgående kommunikationen i dag låter välformulerad men känslomässigt tom. Den efterliknar personaliseringens struktur utan att faktiskt förstå kunden tillräckligt djupt för att säga något användbart. 

Det finns en skillnad mellan att infoga kontext och att visa förståelse. Och de flesta AI-system har fortfarande svårt att skilja mellan dessa saker. Vi lärde oss ganska snabbt att syntetisk personalisering inte är samma sak som insikt. 

Ironiskt nog blir autenticitet mer värdefull, inte mindre, i takt med att AI-genererad kommunikation skalas upp. 

Varför AI inte kan eliminera tvetydigheten i prognoser

Med AI blev våra prognoser mer disciplinerade. Men jag vill vara noga med att inte överdriva den delen, eftersom prognoser för företagsaffärer fortfarande till sin natur är röriga.

Företagsaffärer utvecklas av orsaker som sällan fångas på ett tydligt sätt i strukturerade system. Budgettidpunkter förändras. Interna förespråkare förlorar inflytande. Ledningens prioriteringar skiftar i det tysta. Friktion i inköpsprocessen uppstår sent. Den politiska samsynen bryts under ytan.

AI har svårt med dessa osynliga lager. Du kan ha starka engagemangsmätvärden, aktiva möten, hälsosamma svarsfrekvenser och positivt deltagande från intressenter, samtidigt som affären redan håller på att glida internt.

AI förbättrar synligheten. Det tar inte magiskt bort osäkerheten.

Dhirajs tankar

Ironin är att i takt med att AI-genererad uppsökande kommunikation skalas upp blir autenticitet mer värdefull, inte mindre … AI förbättrar synligheten. Det tar inte magiskt bort osäkerheten.

Hur kompetenserna inom intäktsarbete förändras

AI automatiserar i allt högre grad repetitivt operativt arbete, så en modern yrkesperson inom intäktsarbete behöver en helt annan kompetensprofil. Nu prioriterar vi analytiskt tänkande, kontextuellt berättande, systemtänkande, kommunikation med ledningen, anpassningsförmåga och AI-kompetens betydligt högre än tidigare. 

De bästa säljarna blir i dag orkestrerare av intelligens. De vet hur man validerar signaler, sammanför kontext, ställer bättre frågor och bygger strategiskt förtroende snabbare. 

Renodlad aktivitetsbaserad försäljning blir alltmer en standardvara. Mänsklig differentiering förskjuts mot omdöme, kreativitet och tydlighet i berättandet. 

Varför AI måste behandlas som en förändring av verksamhetsmodellen

Mitt råd är att se AI som en förändring av verksamhetsmodellen, inte som en uppgradering av verktygen.

Det är det misstag de flesta organisationer gör just nu. De lägger AI ovanpå bristfälliga arbetsflöden och kallar det transformation. Vanligtvis skapar det bara snabbare förvirring. 

Om er positionering är svag, er CRM-disciplin inkonsekvent, era arbetsflöden splittrade eller er kundförståelse ytlig, förstärker AI röran. Det räddar er inte från den. 

De företag som får störst nytta av AI är vanligtvis de företag som redan arbetar utifrån starka grundförutsättningar.

Var intäktsteamen bör börja med AI

Börja med operativ friktion och flaskhalsar: Överbelastning av research. Pipelinegranskning. Hämtning av kunskap. Prognosöverblick. Prioritering av konton. CRM-fragmentering.

Det är verkliga operativa problem som är värda att lösa. Jag skulle också lägga betydligt mer tid på AI-kunnighet än vad de flesta företag gör i dag. Den tekniska implementeringen är vanligtvis den enklare delen. Den svårare delen är att hjälpa teamen att tänka om kring hur de arbetar utan att få dem att känna sig ersatta.

Följ med

Du kan följa Dhiraj Khare på LinkedIn. Och besök Matters.AI.

Fler expertintervjuer kommer på CRO-klubben!