Startupens intäktschef om hur små, kreativa team kan skapa stor hävstång med AI

Waleed Shaarani är intäkts- och GTM-chef på startupföretaget Spiky.ai. Han är specialiserad på B2B SaaS i såddfasen, vilket tvingar honom att vara resursfull, fokuserad och snabb – därför har AI inneburit en sådan omvälvande förändring för honom.

Vi satte oss ner med Waleed för att ta reda på hur resursstarka intäktsteam kan skapa hävstång med AI. Här är vad han hade att säga.

Startups i såddfasen behöver AI för att lyckas med intäkterna

Min resa har handlat mindre om att leda stora företags­team och mer om att befinna mig i hetluften på företag i ett tidigt skede, lösa saker i realtid, bära flera hattar och göra vad som än krävs för att skapa momentum.

Jag har arbetat nära grundare, hjälpt till att forma marknadsintroduktionen från grunden och verkat i miljöer utan stora team, perfekta handlingsplaner eller utrymme att gömma sig bakom processer. Jag fokuserar på att vara resursfull, agera snabbt och omvandla tvetydighet till genomförande.

Just nu leder jag intäktsarbetet på en B2B AI-startup i såddfasen med en prenumerationsbaserad SaaS-modell. Teamet är litet, med en eller två personer i intäktsteamet, så jag arbetar mycket operativt med GTM-strategi, uppsökande försäljning, pipelinegenerering, genomförande av försäljning och kundfeedback. Vår GTM-modell bygger på nära samarbete med grundarna och iterativa arbetssätt, med fokus på att landa tidiga kunder, lära oss snabbt och bygga upp repeterbar tillväxt på kundnära marknader och i intäktsteamsmarknader.

I såddfasen bygger mycket av intäktsframgången på grundarens intuition, spridda samtal, manuell uppföljning och tyst kunskap. Därför blev jag mycket intresserad av hur AI kan hjälpa startups att fånga upp dessa signaler tidigare, omsätta det som toppresterare gör i praktiken och ge små team hävstång utan en enorm organisation.

För mig ersätter AI inom intäktsarbetet inte människor och tillför inte komplexitet. Det hjälper små, handlingskraftiga team att prestera över sin viktklass. Det gör det möjligt för startups att agera snabbare, lära sig snabbare och bygga bättre system tidigare än de annars skulle kunna. Jag tycker om att använda AI för att hjälpa företag i såddfasen att skapa struktur ur kaos, omvandla insikter till handling och skala intäkterna utan att förlora snabbheten.

Så förbättrar AI fokus och snabbhet i intäktsarbetsflöden

För mig skapar AI fokus, snabbhet och hävstång.

Agenterna jag har byggt har hjälpt oss att vässa valet av målmarknad, identifiera konton med högre köpintention tidigare och få en mycket liten intäktsfunktion att arbeta mer precist. Det innebar mindre bortkastad insats på konton som passade dåligt, snabbare genomförande av uppsökande arbete och uppföljning samt bättre insyn i var vi såg köpsignaler. Det förbättrade också hur snabbt vi kunde testa budskap, förfina antaganden om vår ICP och styra resurser mot segment som visade starkare intention.

Det tydligaste kvantitativa resultatet var effektiviteten. AI minskade tiden för efterforskning, prioritering av konton och GTM-förberedelser med över 50 %, vilket gav oss mycket större försäljningskapacitet utan att öka personalstyrkan. Det ledde till bättre fokus i det uppsökande arbetet, högre möteskvalitet och mindre bortkastad insats genom hela tratten.

I vissa fall syntes effekten tydligare operativt än i det rena resultatet. Uppgifter som tidigare krävde timmar av manuell efterforskning kunde utföras mycket snabbare, vilket skapade mer utrymme för försäljning och beslutsfattande. Det gjorde också arbetsflödet mindre reaktivt. I stället för att jaga allt kunde vi vara mer medvetna om var vi skulle lägga vår tid.

I en startup spelar den typen av hävstång roll eftersom den hjälper dig att skala smartare innan du har uppnått skala.

Så kan AI förfina pipelinegenereringen

Här är ett exempel på ett arbetsflöde. Jag använde AI för att vässa hur vi genererade pipeline genom att identifiera vilka webbplatsbesökare och konton som visade köpintention. Tidigare utgick vi från bredare ICP-antaganden, manuell efterforskning och begränsade intentionsdata. Det innebar att vi lade tid på konton som såg rätt ut på papperet men som inte nödvändigtvis befann sig i en köpfas.

Vi förändrade detta genom att använda AI för att identifiera unika besökare, analysera engagemangsbeteende och poängsätta konton utifrån sannolikheten att de skulle köpa. Det gjorde det möjligt för oss att fokusera mer på målmarknadssegment och företag som visade verklig intention.

Resultatet blev bättre prioritering, relevans och konverteringseffektivitet. Vi lade mindre tid på att gissa och mer tid på att agera utifrån signaler, vilket gjorde vår GTM-modell skarpare och mer fokuserad.

Och den stora förändringen var att gå från ”vem ser rätt ut på papperet” till ”vem är mest värd att agera på just nu”. Det är dit fler CRO:er behöver ta sig.

Därför kan AI vara förödande för företag i ett tidigt skede

Nackdelen är att AI bara är så bra som dess indata, logik och skyddsräcken. Jag har sett fall där AI övervärderade brusiga signaler, lyfte fram falska positiva resultat eller gav en säkerhetsnivå som den underliggande datan inte förtjänade. I en miljö i ett tidigt skede kan detta vara farligt eftersom datamängden är mindre, marknaden fortfarande utvecklas och det är lätt att övertyga sig själv om att ett mönster är starkare än det faktiskt är. Ett dåligt resultat blir därför bortkastad energi när AI leder dig mot konton eller signaler som ser lovande ut men saknar verklig övertygelse.

Jag har också sett att AI kan fresta oss att automatisera för mycket, för tidigt. Om man inte är försiktig kan man till slut få mer aktivitet, men inte nödvändigtvis bättre omdöme.

Vi är långt ifrån att helt automatisera strategiska intäktsbeslut. AI kan hjälpa till med research, synliggöra signaler och snabba upp genomförandet, men det har ännu inte varit konsekvent tillförlitligt när det gäller prognoser, affärsstrategi eller att med säkerhet förutsäga vilka möjligheter som kommer att leda till avslut. Det tar dig 90 % av vägen; en människa behöver fylla i de återstående 10 %. Särskilt i miljöer i ett tidigt skede saknar AI vanligtvis tillräckligt med rena historiska data för att fatta sådana beslut på den nivå man hoppas på.

AI är alltså en hävstång för research, prioritering och genomförande. Men det ersätter inte operatörens intuition eller närheten till kunden. Strategi, omdöme och relationsdrivet beslutsfattande måste förbli mänskligt. Jag fattar fortfarande de slutliga besluten om marknadsfokus, budskap, prioritering, prissättning och hur affärer ska drivas i mål.

Så justerar du när AI inte räcker till i budskapet

Här är ett exempel på ett område där AI inte räckte till för mig.

Vi använde AI för att snabbare ta fram och finslipa utgående kommunikation, men mycket av den blev för generisk eller för polerad och lyckades inte skapa genklang hos köparna. Den lät bra, men återspeglade inte alltid den verkliga marknadsnyansen eller det som köparna skulle reagera på.

För att åtgärda det slutade jag att betrakta AI-genererade budskap som slutresultat och började i stället använda dem mer som ett utkast. Den slutliga positioneringen, tonen och skärpan förblev mänskliga. AI snabbar upp processen, men omdömet måste fortfarande komma från någon som står nära kunden.

Varför det är avgörande för intäkterna att mäta AI:s påverkan

Alla implementeringar av AI är inte faktiskt till hjälp. Jag mäter AI:s påverkan på samma sätt som jag skulle mäta vilken GTM-investering som helst. Varje AI-arbetsflöde jag implementerar måste göra något av följande:

• Öka produktionen
• Förbättra kvaliteten på besluten
• Korta tiden till intäktsresultat

Om det inte förbättrar något av dessa tre bidrar det sannolikt bara med brus.

På en övergripande nivå bedömer jag om AI hjälper oss att skapa mer pipeline, prioritera bättre möjligheter och göra teamet effektivare. Eftersom jag använder AI flitigt genom research och GTM-agenter följer jag mätvärden som sparad tid på kontoresearch, hur snabbt listor byggs, tiden till första kontakt och hur mycket mer riktad vår utgående kommunikation är. Om AI fungerar bör teamet lägga mindre tid på att samla in information och mer tid på att agera utifrån rätt möjligheter.

Jag följer också intäktsmätvärden med fokus på kvalitet, inte bara aktivitet. Dessa omfattar konverteringsgrad från målkonto till möte, från möte till möjlighet och från möjlighet till avslut, svarsfrekvens för AI-informerad kommunikation samt pipeline som härrör från konton med högre köpintention. Om AI hjälper oss att identifiera konton som passar bättre eller förbättra budskapen förväntar jag mig att det syns i samtal av högre kvalitet och starkare konverteringar längre fram i processen.

Operativt utvärderar jag precision och användbarhet. Identifierade agenten till exempel rätt konton, lyfte fram relevant sammanhang eller hjälpte oss att fokusera på rätt del av marknaden? Om resultaten är snabba men inte användbara hjälper de inte. Därför är en del av utvärderingen fortfarande kvalitativ: Är insikterna tillräckligt korrekta för att kunna litas på, och förändrar de på ett meningsfullt sätt hur vi arbetar?

Varför AI inte är strategi

AI är inte strategi; det är hävstång.

Alla CRO:er bör förstå detta innan de sätter igång, eftersom AI inte kommer att åtgärda svagheter i er ICP, era budskap, er försäljningsprocess eller era grundläggande processer. Det hjälper er bara att göra fel saker snabbare.

Företag som får ut mest av AI använder det för att vässa omdömet, snabba upp lärandet och ta bort manuellt arbete – inte för att ersätta tänkandet. Om du behandlar AI som en hävstång i stället för en magisk lösning kommer du att implementera det mycket mer effektivt.

Vad du behöver veta innan du lanserar AI i intäktsteamen

Rena indata och tydliga skyddsräcken är viktiga. Jag har redan berört detta, men det tål att upprepas eftersom jag önskar att jag hade insett det tidigare.

I början är det lätt att bli entusiastisk över vad AI kan producera, men om data är röriga, prompten vag eller arbetsflödet inte är tydligt definierat ser resultatet bättre ut än det faktiskt är. Det kan skapa falskt självförtroende och onödigt arbete.

Om jag hade vetat detta tidigare skulle jag ha ägnat mindre tid åt att jaga glänsande resultat och mer tid åt att från dag ett definiera det exakta användningsområdet, framgångsmåttet och lagret för mänsklig granskning. Det skulle ha hjälpt till att undvika brus, falska positiva resultat och mycket omarbete.

Jag lärde mig av mitt misstag och blev mycket mer disciplinerad när det gällde omfattning, indata och granskning.

För det första begränsade jag varje AI-initiativ till en specifik uppgift i stället för att be det göra för mycket på en gång. Sedan standardiserade jag indata – konsekventa datafält, tydligare instruktioner, striktare definitioner av vad ”bra” innebar och mindre beroende av rörig eller ofullständig information. Jag lade också till uttryckliga skyddsräcken som definierade var AI kunde bidra och var en människa behövde fatta det slutgiltiga beslutet.

Dessutom byggde jag in en granskningsloop. Jag testade resultaten mot verkliga utfall, identifierade var AI skapade brus eller falsk säkerhet och förfinade sedan processen utifrån det. Den största förändringen var att se AI mindre som magi och mer som ett operativsystem som behöver struktur, kvalitetssäkring och begränsningar för att vara användbart.

Varför CRO:er bör omfamna AI som en förändring av verksamhetens arbetssätt

Övergripande är detta mitt råd.

Se inte AI som en lansering av ett verktyg. Se det som en förändring av verksamhetens arbetssätt.

Börja med ett tydligt intäktsproblem där snabbhet, signalbearbetning eller manuellt arbete håller tillbaka teamet. Använd AI för att skapa hävstång där först. Håll omfattningen begränsad, mät effekten och bygg utifrån verkliga arbetsflöden i stället för hajp.

Viktigast av allt: lägg inte omdömet på entreprenad. De bästa CRO:erna kommer att använda AI för att arbeta snabbare, se tydligare och fatta bättre beslut – inte för att ersätta den mänskliga kontext som fortfarande driver ett framgångsrikt GTM-ledarskap.

Följ med

Du kan följa Waleed Shaaranis resa på LinkedIn när han fortsätter att leda intäktsorganisationer inom startupsektorn.

Fler expertintervjuer kommer på The CRO Club!