Teknoloji kurucusu ve Ticari Ticarileştirme Direktörü, yapay zekânın satış hunisini yönetebileceğini ancak anlaşmayı hâlâ insanların kapattığını söylüyor

Aryan Mahajan, Gerra'da Ticarileştirme Direktörü ve gelir organizasyonları için yapay zekâ işletim katmanları geliştirdiği Zoro'nun kurucusudur.

Gelir organizasyonlarında işleri nasıl yapay zekâyla değiştirdiğini öğrenmek için Aryan'la bir araya geldik. Bize anlattıkları şöyle:

Kendi vaka çalışması olmak

Ben Aryan Mahajan. Gerra'da Ticarileştirme Direktörü olarak görev yapıyorum. Aynı zamanda Zoro'nun kurucusuyum; burada gelir organizasyonlarını yöneten özel yapay zekâ işletim katmanını geliştiriyorum.

Buraya büyük bir satış organizasyonunun tepesinden gelmedim. 500 dolarla ve hiçbir güvenlik ağım olmadan başladım; çok küçük bir miktar parayı büyük bir ekip gibi çalışmaya zorladım. Bu kısıt, tüm felsefenin temelini oluşturdu: İşe alım yapamadığınızda “Kimi eklemeliyim?” diye sormayı bırakıp “Tek bir operatör ve yapay zekâ ajanlarından oluşan bir filo neleri yürütebilir?” diye sormaya başlarsınız. Bunun sonucunda 14 ayda 0 dolardan aylık 90 bin dolar yinelenen gelire ulaşan ve şimdi yüzde 95'in üzerinde kâr marjıyla ayda 150 bin dolar gelir üreten bir şirket ortaya çıktı. Şirket, 30'dan fazla farklı yapay zekâ ajanı, tek elle sayabileceğiniz kadar küçük bir ekip ve 50 milyondan fazla görüntülenme ile 50.000'den fazla müşteri adayı üreten bir içerik motoruyla faaliyet gösteriyor.

Gelirde yapay zekâyı önemsiyorum çünkü bunun hakkında teoriler üretmiyorum. Vaka çalışmasının kendisiyim. Yönettiğim gelir organizasyonu, başkaları için geliştirdiğim işletim katmanının işe yaradığının kanıtı.

Gelir hunisinin üst kısmını baştan yapılandırmak

Gelir hunimin üst kısmının tamamını — potansiyel müşteri bulma, araştırma, nitelendirme ve ilk temas — ticari süreci baştan sona yürüten bir yapay zekâ sistemiyle değiştirdim.

Eskiden insan emeği, gelirin pahalı başlangıç noktasıydı. Bir satış temsilcisi tek bir potansiyel müşteriyi araştırmak için yaklaşık 40 dakika harcar. Dört ya da beş kişilik bir ekibin yıllık maliyeti 100-200 bin dolardır. Bu işin büyük kısmı okuma, uygunluğu tahmin etme ve ilk mesajı yazmadan oluşur. Bu çalışma yoğun muhakeme gerektirir; ancak yavaştır, tutarsızdır ve karşılayabileceğiniz insan sayısıyla sınırlıdır.

Potansiyel müşterileri bulan, her birinin verilerini zenginleştiren, şirketi ve ilgili alıcıyı araştıran, uygunluğu ideal müşteri profiline göre puanlayan, uygun olmayanları eleyen, erişim mesajlarını birden fazla dilde yazan ve ardından yanıtları yöneten bir süreç oluşturdum.

Potansiyel müşteri başına 40 dakika süren araştırma artık müşteri başına yaklaşık iki sente mal oluyor ve 7/24 çalışıyor. Ekonomik yapı tersine döndü: Bir defaya mahsus sistem geliştirme, yıllık 100-200 bin dolarlık personel maliyetinin yerini alıyor ve müşteri sistemin tüm mülkiyetine sahip oluyor. Her yanıtı ve sonucu kaydettiği için gelir süreci nihayet bir hafızaya sahip: Beş farklı satış temsilcisinin zihninde dağınık hâlde duran bağlam yerine neyin işe yaradığı, neyin yaramadığı ve neden yaramadığı artık görülebiliyor.

En net kanıt şu: Bir kampanyada sistem 214 potansiyel müşteriyi araştırdı, uygun olmayan 184 tanesini eledi ve ben kanepemde otururken 70 milyar dolarlık bir serbest yatırım fonundan yanıt aldı. Bu, 2022'de ilgi çekici olan “yapay zekânın soğuk e-posta yazması” değil. Bu, ticari sürecin tamamını yapay zekânın yürütmesi. Değişim bu. Ancak gelir liderlerinin çoğu hâlâ var olmaması gereken bir iş akışına sohbet robotu ekleyip buna dönüşüm diyor.

Zevk ve muhakeme neden insana özgü kalmalı?

Tüm araştırma ve uygulama katmanını yapay zekâyla çalıştırıyorum: potansiyel müşteri bulma ve veri zenginleştirme, ICP puanlama ve müşteri adayı nitelendirme, ilk taslak erişim mesajları ve içerik, yanıt sınıflandırma, süreç ve gelir takibi — hatta sistem onarımı. Canlı müşteri sistemlerimi izleyen, bir arızayı tespit eden ve bunu otonom olarak düzelten kendi kendini onaran bir döngü çalıştırıyorum; bir hatanın bildirilmesinden çözülmesine kadar geçen sürenin dört buçuk dakika olduğunu ölçtüm. Yapay zekâ, yüksek hacimli veya örüntü temelli her şeyi, özellikle de sistem daha fazla bağlam aldıkça gelişen işleri yürütüyor.

Açıkça insana bırakılan görevler arasında fiyatlandırma, konumlandırma, nihai ticari kararlar ve zevke ilişkin muhakemeler yer alıyor. Fiyatlandırmayı sistemin işletme maliyetine göre değil, yarattığı kaldıraç etkisine göre belirliyorum. Belirli bir alıcı için bir sonucun ne değere sahip olduğu konusundaki bu muhakemeyi bir modele devretmiyorum. Aynı durum bir anlaşmadaki son sözler ve üslup için de geçerli. Yapay zekâ çıktıyı ücretsiz hâle getirdi; böylece pahalı olan şey zevk oldu. Artık herkes aynı modellere sahip, dolayısıyla piyasa, gerçekte kimin muhakeme yeteneğine sahip olduğunu sessizce ortaya çıkarıyor. Bunu otomatikleştirmeyi reddediyorum.

Yapay zekâ anlaşmaları da kapatmamalı. Gerçek insanlar bir odada ya da doğrudan mesajlaşmada güven oluşturur ve en büyük sözleşmelerimden bazıları bu güven sayesinde ortaya çıktı. Gelirin son aşaması ilişkiler ve muhakemeyle ilgilidir; yapay zekâ bu alanı neredeyse hiç değiştirmedi.

Benim sınırım basit: Yapay zekâ, itibarımı taşıyan veya beni bir alıcıya karşı yükümlülük altına sokan hiçbir şeye karar vermez. Yapay zekâ her şeyi bilgilendirir ve taslak hâline getirir; ancak benim adıma gönderilecek ya da para hareket ettirecek her şeyi bir insan onaylar. Sistemim bir potansiyel müşteri için araştırma yapar, puan verir ve mesajı yazar; ancak gönderimi bir kişi onaylar. Bir müşterinin yanıtını taslak hâline getirir, ancak göndermek için dokunan kişi benim.

Yapay zekâ neden kendi başına talep yaratamaz?

Yapay zekâ kendi başına otorite veya talep yaratmaz. Sonsuz miktarda içerik üretebilir, ancak hacim dağıtım değildir ve güven de değildir.

50 milyondan fazla görüntülenme elde ettim ve para görüntülenmelerde değil — para, bu görüntülenmelerin mümkün kıldığı az sayıdaki ilişkide. Daha fazla çıktı üreterek yapay zekânın "satış fırsatı hattı oluşturmasını" bekleyen ekipler genellikle yalnızca daha fazla gürültü elde eder.

Talep, bir bakış açısından ve gerçek kanıttan doğar — modelin güçlendirdiği ancak kendisinin ortaya koymadığı insan girdileri.

Gelir liderleri neden aşırıya kaçan otomasyonlara karşı dikkatli olmalı?

Gelir alanında yapay zekânın iki büyük dezavantajını görüyorum.

İlk olarak, kendinden emin bir şekilde yanlış olabilir. Erişim sisteminin ilk sürümleri, her birinin kullanılmadan önce doğrulanmasını zorunlu kılana kadar var olmayan şirket alan adlarını hedefledi. Çözüm daha akıllı bir model değil, bir doğrulama aşamasıydı.

İkinci olarak, aşırıya kaçan otomasyon tehlikelidir. İlk otonom ödeme çalıştırmalarından biri, güncelliğini yitirmiş bir onaya dayanarak bir tedarikçi ödemesini iki kez gerçekleştirdi. Artık para hareket ettiren veya müşteriye gönderilen her şey için kesin bir onay aşaması ve geri alma penceresi gerekiyor — sistem taslağı hazırlıyor ve süreci hazırlıyor, ancak işlemi bir insan kesinleştiriyor.

Darboğazın basitçe yer değiştirdiğini; ortadan kalkmadığını belirtmenin önemli olduğunu düşünüyorum. Çıktı ücretsiz hâle geldiğinde, üretim değil; beğeni, muhakeme ve güvenlik önlemleri — insan inceleme katmanı — kısıtlayıcı unsur hâline gelir. Bu katmanı yeniden oluşturmadan yapay zekâyı sisteme ekleyen ekipler, yalnızca daha fazla yanlış şeyi daha hızlı üretir.

Aryan Paylaşıyor

Bence darboğazın basitçe yer değiştirdiğini; ortadan kalkmadığını belirtmek önemli. Çıktı ücretsiz hâle geldiğinde, beğeni, muhakeme ve güvenlik önlemleri — insan inceleme katmanı — üretim değil, kısıtlayıcı unsur hâline gelir.

Gelir ekipleri nasıl değişiyor?

Yapay zekâ ekibi daha küçük, daha genelci ve muhakemeye daha fazla dayalı hâle getirdi. Her üretim adımı için bir insan pozisyonuna ihtiyacım yok. Müşteriyi, ekonomiyi ve sistemi; makineleri yönlendirecek ve istismaların sorumluluğunu üstlenecek kadar iyi anlayan az sayıda operatöre ihtiyacım var.

Araştırma, taslak hazırlama, izleme, takip, teslimat ve onarım için 30'dan fazla farklı aracı oluşturdum. İnsan emeği, makinenin zayıf olduğu alanlarda yoğunlaşıyor: konumlandırma, fiyatlandırma, ilişkiler, beğeni, hesap verebilirlik ve standart çalışma yöntemi bozulduğunda ne olması gerektiğine karar verme.

Yetenek primi, operatör-geliştiricilere — ticari bir görüşmeye katılabilen, iş sonuçlarını anlayabilen ve ardından iş akışını şekillendirebilen ya da değiştirmek için mühendislerle çalışabilen kişilere — doğru kaydı. Yapay zekâ bilgiyi taşıyabildiği ve ilk taslağı oluşturabildiği için salt koordinatörlerin etkisi azaldı. Salt uzmanlar hâlâ önemli, ancak muhakemeleri kendi çıktılarıyla sınırlı kalmak yerine daha geniş organizasyonu etkilemeli.

Amaç, insanları gelir süreçlerinden çıkarmak değil. En iyi çalışanlarınızı okuma, kopyalama, peşinden koşma ve güncelleme işlerine harcamayı bırakıp onları yeniden güven ve karar alma süreçlerine yönlendirmek.

CRO'lar neden süreçlerini yeniden oluşturmalı?

Üç tavsiyem var:

1. Yapay zekâyı mevcut süreçlere ekleyip durmayın; bunun yerine onları yeniden kurun. Gelir süreçlerindeki "yapay zekâ dönüşümünün" çoğu, var olmaması gereken bir iş akışına sohbet robotu eklemekten ibaret — süreç yanlışsa yapay zekâ yalnızca yanlış işi daha hızlı yapar. Önce o adımı ortadan kaldırın, ardından geriye kalanı otomatikleştirin. Geliri bir altyapı sorunu olarak ele alan kuruluşlar — yetkiyi, müşteri kazanımını, hafızayı, takibi ve ilişkilendirmeyi tek bir sisteme bağlayanlar — diğerleri hâlâ komutlar yazarken avantajlarını katlayarak büyütür.
2. Katmana sahip olun, onu kiralamayın. Yazılım metalaştı; operasyon bağlamının tamamına ve gerçek dağıtım gücüne sahip bir ekip, hazır SaaS çözümlerini sürekli olarak geride bırakır. Kazandıran hamle on araç daha satın almak değil; zekânın birikerek çoğalacağı ve sahipliğin sizde kalacağı şekilde, gelir organizasyonunuzun altında işleyen sistemi kurmaktır. Metalaşmış işlevler için araç satın alın; gerçek avantajınızı oluşturan kısmı ise kendiniz geliştirin.
3. İnsan katmanına takıntılı biçimde odaklanın, çünkü avantajınız artık oraya kaydı. Yapay zekâ çıktıyı ücretsiz hâle getirerek zevki, muhakemeyi ve güveni kıt ve pahalı unsurlara dönüştürdü. Yapay zekâyı yüksek hacimli işlere yönlendirin — araştırma, taslak hazırlama, izleme, takip — ve en iyi çalışanlarınızı onun dokunamayacağı son aşamaya yoğunlaştırın: fiyatlandırma, konumlandırma, ilişkiler ve satışın kapatılması. Ayrıca müşteriye giden veya para hareket ettiren her şey için sıkı bir onay kapısı uygulayın. Amaç daha fazla gürültü çıkaran daha az insan değil; muhakemenizi ölçeklendirmektir.

Bu dönemde başarılı olacak gelirden sorumlu yöneticiler, en çok yapay zekâyı benimseyenler olmayacak. Henüz rahatsız ediciyken gelir organizasyonlarını onun etrafında yeniden kuranlar olacak.

Takipte kalın

Aryan Mahajan'ın çalışmalarını LinkedIn, Instagram ve X üzerinden takip edebilirsiniz. Ya da onunla bir görüşme planlayın.

CRO Kulübü'nde daha fazla uzman röportajı sizleri bekliyor!