Gelir Direktörü, Etmen Tabanlı İş Akışlarını Paylaşıyor ve Yapay Zekânın Gelir Yaşam Döngüsünde Nerede Tıkandığını Anlatıyor

André Magrini

OGI'de Gelir Direktörü

André Magrini

André Magrini'nin yapay zekâ etmenlerini gelir kararlarını güçlendirmek, fırsatları daha hızlı nitelendirmek ve kurumsal satışlarda insan muhakemesinin en önemli olduğu noktaları korumak için nasıl kullandığını görün.

Key Takeaways

Yapay Zekâ Sistemleri: Yapay zekâ, yüksek riskli karar alma süreçlerinin iyileştirilmesine yardımcı olur; ancak belirsizlik karşısında insan muhakemesinin yerini tutamaz.

Dijital Dönüşüm: OGI, dijital dönüşümlere yardımcı olmak için doğrudan yatırım getirisini vurgulayan, kanıtlanmış bir müşteri kazanma ve genişletme yöntemi kullanır.

Verimlilik Kazanımları: Yapay zekâ, hesap hazırlığı için gereken süreyi önemli ölçüde azaltarak çalışan sayısını artırmadan verimliliği yükseltir.

Yapay Zekânın Sınırlamaları: Yapay zekâ, deneyimli çalışanlardan daha iyi özgün hesap iletişimi oluşturamaz ve geliri tahmin edemez.

İnsan Unsuru: Yapay zekâ, özellikle nüans gerektiren ve yüksek risk taşıyan kurumsal satışlarda insan karar alma sürecini tamamlamalıdır.

André Magrini, OGI'de CRO olarak görev yapıyor. Gelir alanında 20 yıllık deneyime sahip olan Magrini, şu anda yüksek riskli kararları destekleyen etmen tabanlı iş akışlarını derinlemesine inceliyor.

André ile, etmenlerini nerelerde uyguladığını ve yapay zekânın nerelerde şaşırtıcı sorunlara yol açtığını öğrenmek için görüştük. Bize anlattıkları şöyle.

Yüksek riskli karar alma süreçleri için yapay zekâ sistemleri

Ben, Objective Group'un uluslararası kolu olan OGI'de Gelir Direktörü olarak görev yapan André Magrini'yim. Dünyam gelirden ibaret, ancak asıl takıntım gelire nasıl karar verdiğimiz: nitelikli her satış fırsatının, her tahmin görüşmesinin ve her "bu anlaşma gerçekten var mı?" konuşmasının ardındaki insan yargısı.

Buraya geliş yolum düz bir çizgi değildi. Yıllar boyunca, kaba kuvvet yerine bilinçli olarak ağ odaklı ve disiplinli şekilde tasarlanmış pazara giriş süreçleri oluşturdum ve yönettim — küçük ekipler, yüksek güvene dayalı ilişkiler ve titiz nitelendirme. Bu deneyim bana, çoğu yapay zekâ sohbetinin gözden kaçırdığı bir şeyi öğretti: Gelirdeki darboğaz faaliyet değil, belirsizlik altında karar kalitesidir. Temsilciler ve liderler sinyaller içinde boğuluyor, yine de tahmin yürütüyor.

Yapay zekâya yönelmemi sağlayan da buydu. CRO görevimin yanı sıra, yanlış ama kendinden emin bir yanıtın gerçek bir bedeli olduğu yüksek riskli karar alma süreçleri için yapay zekâ sistemleri oluşturmaya derinlemesine odaklandım.

Dolayısıyla şu anda bulunduğum nokta, "yapay zekâ araçlarını benimsemek"ten çok, "gelir motorunu daha iyi kararlar etrafında yeniden tasarlamak". Daha fazla e-posta yazan bir yapay zekâ değil; hangi anlaşmaların dikkatinizi hak ettiğini, tahminin nerelerde kırılgan olduğunu ve dürüst yanıtın ne zaman "henüz bilmiyoruz" olduğunu söyleyen bir yapay zekâ. Önemsediğim dönüşüm bu.

More Articles

Dijital dönüşümü yönlendirmek

Dijital dönüşümü yönlendirmek

OGI'de dijital dönüşümü yönlendiren kuruluşlara danışmanlık ve uygulama hizmetleri sunuyoruz — yalnızca strateji önermiyor, sonuçlar ortaya koyuyoruz. GTM yaklaşımımız, net ve doğrudan yatırım getirisine dayanan bir müşteri kazanma ve genişleme süreci kullanıyor. İlk etkileşimi ölçülebilir değer sağlayarak kazanıyor, ardından hesabı buradan büyütüyoruz.

Kuzey Amerika, Güney Amerika ve Avrupa'da ofisleri bulunan uluslararası bir ekibiz. Küresel varlığımız, gıdadan tüketim mallarına ve devlete ait büyük bankalara kadar çok çeşitli sektörlerdeki büyük çok uluslu kuruluşlara hizmet vermemizi ve birbirinden oldukça farklı satın alma kültürlerine ve karar döngülerine uyum sağlamamızı mümkün kılıyor.

İş ortakları ekosistemimiz, hizmet sunma biçimimizin önemli bir parçası. Databricks, Snowflake ve Liferay gibi platformlarla ve Azure ile AWS dahil olmak üzere büyük bulut sağlayıcılarıyla yakın çalışıyoruz. Bu sayede kurumsal müşterilerle, zaten yatırım yaptıkları teknoloji yığını üzerinden buluşabiliyoruz.

Etmenler müşteri hesabı hazırlığını nasıl destekleyebilir?

Yalın bir ekipte en kıt kaynağımız çalışan sayısı ya da satış fırsatları değil; bir anlaşmayı doğru şekilde değerlendirebilen insanların dikkati. Birinin şirket verilerini toplamak için harcadığı her saat, bu verilerle ne yapılacağına karar vermek için harcanmayan bir saatti.

André MagriniOGI'de CRO
Share This Quote on:

Darboğazımız hiçbir zaman potansiyel müşteri hacmi değil, hazırlık süreciydi. Bir satış temsilcisi bir müşteri hesabıyla ilgilenmeden önce kıdemli bir ekip üyesi şirketi araştırmak, bütçenin kime ait olduğunu ve toplantılara kimin yalnızca katıldığını anlamak, iletişime geçmek için güvenilir bir neden bulmak ve zaman ayırmaya değip değmeyeceğine karar vermek üzere bunu BANT üzerinden değerlendirmek gibi masa başı işlerini yapıyordu.

Üç bölgeye yayılmış küçük ve kıdemli bir ekiple bu iş, müşterilerin karşısında olması gereken aynı birkaç kişinin üzerine kalıyordu. Süreç yavaş ve tutarsızdı. Aynı türdeki bir hesabı araştıran iki kişi, farklı derinliklerde ve farklı sonuçlara ulaşarak geri dönebiliyordu.

"CRO Ekibimiz" adını verdiğim yapıyı kurdum. Bu ağır işi önce yapmaları için bir dizi yapay zekâ etmeni tasarladım. Buna derinlemesine müşteri hesabı araştırması, gerçek paydaşları gösteren bir organizasyon haritası, harekete geçmeye değer sinyaller ve temas noktaları ile yapılandırılmış ilk aşama nitelendirmesi dahil. Bir insan hesabı ele aldığında, önünde boş bir sayfa yerine savunulabilir bir devam et/etme kararı bulunuyor.

Sonuç olarak, daha önce 5 saat süren hazırlık artık 15 dakika alıyor. Her hesap aynı süreçten geçtiği için neyi reddettiğimiz, peşinden koştuklarımız kadar bilinçli hale geliyor.

Yalın bir ekipte en kıt kaynağımız çalışan sayısı ya da satış fırsatları değil; bir anlaşmayı doğru şekilde değerlendirebilen insanların dikkati. Birinin şirket verilerini toplamak için harcadığı her saat, bu verilerle ne yapılacağına karar vermek için harcanmayan bir saatti.

Gerçek dünyadan bir müşteri hesabı hazırlama iş akışı

Yeni hedef müşteri hesapları için kullandığımız iş akışı şöyle.

Her şey bir tetikleyiciyle başlıyor. Tetikleyiciler arasında pazar sinyalleri, iş ortağı hareketleri (örneğin Databricks veya Snowflake'in hesap etkinliğine dikkat çekmesi), mevcut müşterilerin genişleme talepleri ya da ekip üyelerimden birinin önerdiği bir isim bulunuyor. Kaynak ne olursa olsun hesap iş akışına giriyor ve CRO Ekibi çalışmaya başlıyor.

Etmenler; işletmenin faaliyetlerini, teknoloji yığınını, yakın dönemdeki sinyalleri (liderlik atamaları, dönüşüm girişimleri, finansman, basın haberleri gibi) ve karar vericileri toplantılara katılan kişilerden ayıran bir organizasyon haritasını ayrıntılı şekilde belgeleyen bir dosya oluşturuyor. Dosyadaki her iddianın kaynağı bulunuyor. Bir etmen kaynak gösteremiyorsa iddiayı ileri süremiyor.

Ardından, yapılandırılmış ve BANT tarzındaki ilk değerlendirme, hesabı nitelendirme kriterlerimize göre değerlendirir. En önemlisi, yapay zekâ güveninin düşük olduğu alanları işaretler. Bütçe sinyali zayıfsa veya yetki tahminden ibaretse, zayıf bir çıkarımı gerçekmiş gibi sunmak yerine bunu açıkça belirtir. Güvenemeyeceğim tek bir kendinden emin cümle görmektense, dürüstçe belirtilmiş on tane "düşük güven" işareti görmeyi tercih ederim.

Sıradaki adım, çoğu zaman gözden kaçırılan insan kontrol noktasıdır. Temsilci, yapay zekânın çıktısını incelemeden önce hesabı kendisi değerlendirir. Sezgilerini, bakış açısını ve devam etme veya vazgeçme eğilimini belgeleyerek kayda geçirir. Ancak bundan sonra dosyayı açıp kendi değerlendirmesiyle karşılaştırır. Uyum varsa ilerlenir; farklılık varsa, doğrudan yapay zekânın belirsiz olarak işaretlediği noktalara odaklanan bir görüşme başlatılır. Devam etme veya vazgeçme kararı tamamen insana aittir.

Birçok hesap bilerek burada sonlandırılır. Gerçekçi olmayan fırsatlara kıdemli çalışanların zamanını harcamamak için erken aşamada eleriz.

Devam eden hesaplar için yapay zekâ yaklaşımın şekillendirilmesine yardımcı olur: ilgili hesaba özel değer ve yatırım getirisi tezi, giriş noktası ve çözüm için hangi iş ortağının en uygun olduğu. Ancak mesajı ve görüşmeyi temsilci oluşturur; böylece iletişim toplu üretilmiş bir erişim değil, kişiden kişiye bir iletişim olur.

Buradan sonra süreç bir döngü olarak ilerler. Anlaşma ilerledikçe aracılar sinyalleri sürekli tarar — soğuma riski, müşteri kaybı riski veya genişleme fırsatları — ve tahmin zayıf görünüyorsa bizi bilgilendirir. Tahmin görüşmesi ve ilişki insani kalır.

Yapay zekâ GTM metriklerini nasıl değiştiriyor?

André Magrini

André Paylaşıyor

Daha fazla kapsama alanı her zaman daha iyi değildir. Yapay zekâ araştırma ve nitelendirme darboğazını ortadan kaldırdığında, belirgin bir kazanım bekledim: Tam tersini yaptı.

Daha fazla kapsama alanı her zaman daha iyi değildir. Yapay zekâ araştırma ve nitelendirme darboğazını ortadan kaldırdığında, belirgin bir kazanım bekledim: Ekibim çok daha fazla hesabı kapsayacak ve satış fırsatları havuzu büyüyüp genişleyecekti.

Tam tersini yaptı. Birdenbire çok büyük miktarda hesabı nitelendirebilsek de geri dönenlerin çoğu nitelendirilmiş çöpten ibaretti. Daha fazla kapsama alanı yalnızca daha fazla gürültü üretti. Ölçekten çok seçim ve ilişkinin derinliği önemliydi.

Bu yüzden ölçtüğüm şeyleri değiştirdim. GTM sağlığını hacim ve kapsama alanına göre takip etmeyi bıraktım; bunun yerine seçimin kalitesini ve kıdemli çalışanlarımın saatlerini nerede harcadığını izledim. Asıl kaldıraç ekleme değil, çıkarmaydı. Daha hızlı hayır demek, kıdemli ekibi daha az hesaba odaklamak ve daha genişe yayılmak yerine daha derine inmek.

Bunu kabul etmek zordu; çünkü yirmi yıl boyunca ekipleri nasıl yönettiğime ters düşüyordu.

Ne insana ait kalmalı, neyi yapay zekâ üstlenmeli?

Yapay zekâyı bir üretkenlik çarpanı olarak düşünmeyi bırakıp küçük bir ekibin dikkatini korumanın bir yolu olarak görmeye başladığınızda, yapay zekâ ile insan arasındaki görev paylaşımı netleşir.

Yapay zekâ toplar ve sıralar — hesap araştırması, organizasyon şeması ve BANT ilk değerlendirmesi. Ayrıca satış fırsatları havuzunun önceliklendirilmesini destekler, anlaşmaları puanlayıp tasnif eder; böylece hepimiz aynı kırk fırsata aynı donuk bakışla bakmayız ve genişlemeye hazır bir hesabı ya da sessizce soğuyan bir hesabı gösteren sinyalleri tarar. Tahminleme için verileri bir araya getirir ve benim için daha da yararlısı, değerlendirmenin nerede zayıf olduğunu işaretler. Hangi rakamlara güvenmediğini bana söyler.

Kararları insanlar verir. Nihai tahmin rakamının sorumluluğu bendedir. Fiyatlandırma ve ticari stratejiyi insanlar yönetir. İlişkiyi ve müzakereyi insanlar yürütür, nokta. Yatırım getirisine taahhütte bulunduğumuz veya güvenin söz konusu olduğu yüksek riskli bir müşteri kararını hiçbir zaman bir modele emanet etmeyiz. Bunun nedeni duygusal değildir. Bu kararlar gerçek belirsizlik altında, verilerde değil bir odada ve müşteriyle kurulan geçmişte bulunan bağlamla alınır. Bir modelin en zayıf olduğu ve hata yapmanın en pahalıya mal olduğu yer tam olarak burasıdır.

Yeni anlaşmalarda insan yargısının neden gerekli olduğuna dair bir örnek

Yeni anlaşmalarda insan yargısının neden gerekli olduğuna dair bir örnek

Geçen yıl, sistemin olumlu değerlendirdiği küresel bir üreticiyle bir anlaşmamız vardı. Her metrik yeşildi: haftada onlarca e-posta, düzenli görüşmeler ve yazışmalarda aktif olan altı ya da yedi paydaş. CRO Squad bunu satış fırsatları havuzunun üst sıralarına yerleştirdi ve benden daha fazla odaklanmamı, tahminlemeye dâhil etmemi ve kapanış için bastırmamı istedi. Kâğıt üzerinde en sağlıklı anlaşmamızdı.

Hesaptan sorumlu kıdemli temsilcim bunun tam tersini düşünüyordu ve haklıydı. Tüm bu hareketlilik ivme değil, sürtüşmeydi. Odada yedi kişi vardı; çünkü hiçbirinin evet deme yetkisi yoktu. Görüşmeler, anlaşma aynı yanıtlanmamış soruya geri döndüğü için tekrarlanıyordu. E-posta trafiğinin çoğunu yönlendiren en hevesli bağlantımızın bütçe yetkisi yoktu. Yapay zekâ hacmi niyet olarak yorumladı. Asıl neden, iç politikalar ve karar vermekten fazla korkan bir satın alma grubuydu.

Makine, önemli olan tek yöneticinin sessizliğini veya fiyat her gündeme geldiğinde odadaki düz tonu göremedi. Etkileşim üst verileri bu alt metni göstermez. Temsilcimiz bunu biliyordu; çünkü insanları tanıyordu.

Ona güvendik, anlaşmanın notunu düşürdük ve kıdemli çalışanların saatlerini bu anlaşmaya akıtmayı bıraktık. Haklıydık; boşa harcanan çeyrek yıllık çabadan kendimizi kurtardık. Bu, hâlâ uyguladığımız bir kuralı pekiştirdi: Yapay zekâ kanıtları getirir; insanlar satır aralarını okur.

Yapay zekâ verimliliği, disiplini ve kazanma oranlarını nasıl artırıyor?

Genel olarak, zaman tasarrufu yapay zekânın sağladığı en belirgin kazanım… Bir diğer sessiz fayda ise disiplin.

André MagriniOGI'de CRO
Share This Quote on:

Genel olarak, zaman tasarrufu yapay zekânın sağladığı en belirgin kazanım. Yalnızca hesap hazırlama araçları, mevcut çalışan sayımızla aynı süreci yaklaşık üç kat daha fazla hesapta yürütmemizi sağlıyor. Yeni insanlar işe almadık; mevcut ekibimize saatlerini geri verdik ve bu saatler artık elektronik tablolara değil, müşterilerin karşısına çıkıyor.

Bir diğer sessiz fayda ise disiplin. Artık daha erken diskalifiye ediyoruz. Yanlış anlaşmalara daha hızlı hayır diyoruz; bu kulağa olumsuz gelebilir ancak satış fırsatlarımız açısından en sağlıklı gelişmelerden biri.

Henüz rakamın dürüst olmayacağını düşündüğüm için net bir kazanma oranı yüzdesi vermeyeceğim. Söyleyebileceğim şey şu: İlerlemeyi seçtiğimiz anlaşmalarda dönüşümde ölçülebilir bir artış görüyoruz ve tahminlerde daha az sürpriz yaşanıyor. Bunun bir kısmı daha iyi anlaşmaların peşinden gitmemizden kaynaklanıyor. Bir kısmı da yapay zekânın tahminin nerelerde zayıf olduğunu ve kanıtların kararı gerçekten desteklemediğini göstermesinden. Üç hafta önceden görebildiğiniz bir sürpriz aslında sürpriz değildir. Tek bir ölçümden daha fazla olarak, çeyreği yönetme biçimimizi değiştiren şey bu oldu.

Yapay zekâ çıktısı neden taslak olarak değerlendirilmelidir?

Başlangıçta çıktıya gereğinden fazla güvendik. Araştırma temiz, iyi yazılmış, kendinden emin ve iyi bir analistin raporu gibi biçimlendirilmiş görünüyordu. Birkaç durumda kritik açılardan yanlıştı.

Bir hesap haritası yanlış karar vericiyi belirledi. Bir diğeri aylar öncesine ait, güncelliğini yitirmiş bir sinyale dayanıyordu. Biri, bir ekip üyesi fark etmeden önce neredeyse gerçek bir müşteri görüşmesine taşınacaktı. Bu bizi kaçırdığımız herhangi bir sayıdan daha fazla korkuttu; çünkü kendinden emin olup yanlış olmak, en pahalı hata biçimidir.

İçeride de sürtüşmeler yaşandı. Çalışanlarım kıdemli kişiler. İyi bir satışçının isteyeceği son şey, bir makinenin kendisine bir puan verip hesabı ondan daha iyi bildiğini ima etmesidir.

Yapay zekâ çıktısını gerçek olarak değerlendirmeyi bıraktık ve taslak olarak görmeye başladık. Sistem artık emin olmadığında bunu işaretliyor ve tahminde bulunmak yerine kararı bir insana geri bırakıyor. Ekip, yapay zekânın onların yerine geçmek için değil, angarya işleri yapmak ve muhakemelerini korumak için orada olduğunu anladığında direnç hızla azaldı. Ona güvenmeye başladılar; çünkü yapay zekâ bu güveni kazandı ve bilmediğini kabul etti.

Yapay zekânın gelir iş akışlarında hedefi ıskaladığı üç alan

Yapay zekânın gelir iş akışlarında hedefi ıskaladığı üç alan

Yapay zekâyla ilgili en büyük hayal kırıklığı muhtemelen erişim çalışmalarıydı. Yapay zekânın bizim için satış fırsatları oluşturmasını, yüzlerce hesaba bire bir hissi veren kişiselleştirilmiş mesajları geniş ölçekte iletmesini bekliyorduk. İşe yaramadı.

Önemli değere sahip karmaşık kurumsal anlaşmalarda daha fazla mesaj, daha fazla satış fırsatı oluşturmaz. Satış yaptığım alıcılar yapay zekâ kaynaklı erişimi anında fark ediyor ve aynı hızla siliyor. Dolayısıyla yanıt oranını artırmadık; aksine sabitledik. Yapay zekâ bir insanı görüşmeye hazırlama konusunda çok başarılı, ancak görüşmenin kendisinin yerini almakta başarısız.

Tahmin de başka bir hayal kırıklığıydı ve bu beni daha çok şaşırttı. Söylem, yapay zekânın aynı anlaşmaları analiz eden kıdemli bir kişiden daha iyi gelir tahmini yapacağı yönündeydi. Bunun doğru olduğu kanıtlanmadı. Kurumsal sonuçları gerçekten değiştiren şey, verilerde bulunmayan bilgilerdir. Bir sponsor ayrılır. Anlaşmanın kapanmasından iki hafta önce bir bütçe dondurulur. Müşteri içindeki sessiz bir siyasi değişim, şampiyonunuzu bir anda destekten yoksun bırakır. Model bunların hiçbirini göremez. Hangi anlaşmaların zayıf göründüğünü söyleyerek kırılganlığı gerçekten iyi işaretliyor, ancak çeyreğin sonucunu belirleyemiyor. Bu noktada hâlâ kıdemli muhakeme üstün geliyor.

Son hayal kırıklığı ise satış döngüsünü kısaltmaktı. Bunun üzerinde neredeyse hiç etkisi olmadı. Kurumsal bir döngü bizim değil, müşterinin takvimine göre ilerler: Satın alma, hukuk, komite ve bütçe takvimi. Satıcının tarafını büyük ölçüde hızlandırabiliriz ve hızlandırdık da; ancak zaman çizelgesini belirleyen alıcının tarafını hızlandıramayız.

Gelir liderleri yapay zekâ benimsemesinin insani tarafına neden dikkat etmelidir?

André Magrini

André Paylaşıyor

Zorunlu benimsetme, daha nazik bir üslupla gerçekleştirilen sessiz sabotajdır.

İşin insani tarafını ciddi biçimde yanlış değerlendirdim. Bunu bir davranış değişikliği yerine araç kullanıma sunma süreci gibi ele aldım. Bir şey geliştirdim, tamamlanmış hâliyle teslim ettim ve benimsenmenin kendiliğinden geleceğini düşündüm.

Dirençle karşılaştım. İnsanlar yalnızca kendilerine kullanmaları söylendiği için kullandılar. Diğerleri ise sessizce görmezden geldi. Zorunlu benimsetme, daha nazik bir üslupla gerçekleştirilen sessiz sabotajdır.

Başa dönebilseydim, onlara tamamlanmış bir yanıt sunmak yerine ekibi ilk günden itibaren ortak tasarım sürecine dâhil ederdim.

Bu, gerçek sorun yazılı olmayan kriterlerde ve benimsemeyi başaramamış bir ekipte yatarken mükemmel aracı aramakla geçen ayları kurtarırdı. Daha küçük bir başlangıç yapar, tek bir iş akışıyla ve ekibi sürece dâhil ederek ilerler, kriterleri de önce yazardım. Böylece pahalı bir yanlış başlangıçtan ve sonrasında yeniden inşa etmek zorunda kaldığım güvenden tasarruf ederdim.

Gelir liderleri için dört tavsiye

İşte tavsiyem:

  1. Bir araçla değil, bir soruyla başlayın. Kendinize ekibinizde en kıt kaynağın ne olduğunu sorun. Karmaşık satış yürüten hemen herkes için bu kaynak, faaliyet değil; muhakeme ve dikkattir. En iyi çalışanlarınızın bir anlaşma hakkında net düşünebildikleri saat sayısı sınırlıdır ve eksikliğini yaşadığınız şey budur. Bu nedenle yapay zekâyı bunu koruyacak şekilde yönlendirin.
  2. Gösteriş amaçlı ölçütler konusunda kendinize karşı dürüst olun. Daha fazla e-posta, daha fazla temas, daha fazla içerik, sistemde daha fazla faaliyet. Karmaşık bir satışta bunlar çoğunlukla ilerleme kılığına bürünmüş gürültüden ibarettir. Yapay zekâ, iş gibi görünen ve hiçbir sonuç üretmeyen faaliyetler yaratmakta çok başarılıdır. Yapay zekânın yardımcı olduğuna dair tek kanıtınız ekibinizin daha meşgul olmasıysa yanlış şeyi satın almışsınız demektir.
  3. Yapay zekâ sistemlerinizin "Bilmiyorum" diyebilmesini ve konuyu bir insana aktarabilmesini talep edin. Her çıktıyı kontrol edilmesi gereken bir taslak olarak değerlendirin; asla gerçek olarak kabul etmeyin.
  4. Küçük başlayın ve yapay zekâyı dürüstçe ölçün. Gelir disiplininizi bir modele devredip buna dönüşüm demeyin. Bu döngüde avantaj, en çok yapay zekâyı benimseyenlere gitmeyecek. Avantaj, insan muhakemesini doğru noktaya odaklayan ve yalnızca bir insanın karar vermesi gereken şeylere aracın karar vermesine izin vermeyen kişilerin olacak.

Takipte kalın

André Magrini'nin çalışmalarını LinkedIn üzerinden takip edebilir veya kişisel web sitesine göz atabilirsiniz.

CRO Kulübü'nde daha fazla uzman röportajı sizlerle olacak!

You may also like