Yapay Zekâ Odaklı Gelirden Sorumlu Başkan, En Yüksek Kaldıraçlı Yapay Zekâ İş Akışını Açıklıyor (Ve Yapay Zekânın Nerelerde Değerli Olmadığını)

Dhiraj Khare, teknik geçmişe ve bakış açısına sahip bir CRO’dur. Şu anda yapay zekâ öncelikli siber güvenlik şirketi Matters.AI’de gelir süreçlerini yeniden tasarlıyor.

Hangi yapay zekâ iş akışlarının gerçekten işe yaradığını, hangilerinin ise yaramadığını öğrenmek için Dhiraj ile görüştük. Bize anlattıkları şöyle.

Bir mühendisin bakış açısından gelir

Ben, kurumsal verilere odaklanan yapay zekâ öncelikli bir siber güvenlik şirketi olan Matters.AI’de CRO olarak görev yapan Dhiraj Khare’yim. Kurumsal satışa geçmeden önce yazılım geliştirme alanında çalıştım ve bu deneyim, gelir konusundaki düşünce biçimimi şekillendirdi. Teknik insanlar, problemi gerçekten anlayana kadar onun üzerinde çalışmayı sürdürmek üzere eğitilir; satış ekipleri ise çoğu zaman problemi anlamadan ilerlemek üzere eğitilir. İkinci modele hiçbir zaman tam olarak uyum sağlayamadım. 

Kariyerim MongoDB, SentinelOne ve PingSafe gibi şirketlerde ilerledi. Farklı şirketler, farklı aşamalar; ancak altta yatan model aynıydı. Siber güvenlik ekipleri zaten makine hızında çalışıyordu, gelir ekipleri ise çalışmıyordu.

Siber güvenlikte gerçek zamanlı istihbarat, davranış analizi ve otomatik yanıt sistemleri vardı. GTM ekipleri ise hâlâ elektronik tabloların, birbirinden kopuk araçların, manuel araştırmaların ve iyimserliğin tahmin gibi gösterildiği, iyimserlik üzerine kurulmuş satış fırsatı incelemelerinin altında eziliyordu. 

Bu kopukluk bende iz bıraktı. Pek çok kişi gelir alanında yapay zekâyı bir üretkenlik hikâyesi olarak ele alıyor. Daha hızlı e-postalar. Daha fazla dışa dönük iletişim. Daha fazla dizi. Bence bu, asıl noktayı tamamen gözden kaçırıyor. 

Modern GTM’deki sorun faaliyet eksikliği değil, gürültünün fazla olmasıdır. Günümüzde dışa dönük iletişimin çoğu, kişiselleştirme kılığına girmiş, operasyonel açıdan maliyetli istenmeyen iletilerden ibaret. Alıcılar bunu hemen anlıyor. Artık herkes aynı otomasyona sahip olduğundan, hacim uzun zamandır gerçek bir avantaj olmaktan çıktı. 

Önemli olan bağlamdır. Bu hesap neden? Neden şimdi? İşletmenin içinde ne değişti de bu görüşme altı ay önce değil, bugün anlamlı hâle geldi?

Beni yapay zekâ odaklı gelir liderliğine yönelten şey buydu. Matters.AI’de, yapay zekânın araştırmayı hızlandırdığı, parçalanmış sinyalleri birbirine bağladığı, zamanlama göstergelerini ortaya çıkardığı ve operasyonel sürtünmeyi azalttığı istihbarat öncelikli bir GTM organizasyonu kuruyoruz. Böylece ekipler daha fazla zamanını net düşünmeye ve akıllıca etkileşim kurmaya ayırabiliyor.

Dhiraj'ın Düşünceleri

\u003cstrong\u003eArtık herkes aynı otomasyona sahip olduğundan, hacim uzun zamandır gerçek bir avantaj olmaktan çıktı…Önemli olan bağlamdır. Bu hesap neden? Neden şimdi? İşletmenin içinde ne değişti de bu görüşme altı ay önce değil, bugün anlamlı hâle geldi?\u003c/strong\u003e

Yalın bir GTM organizasyonu

Matters.AI’nin GTM organizasyonu kasıtlı olarak yalın tutuluyor. Kurumsal satış, stratejik dışa dönük iletişim, iş ortaklıkları, çözüm mühendisliği ve yapay zekâ destekli iş akışları genelinde faaliyet gösteriyoruz; ancak her şeyin altında yatan felsefe basit: çalışan sayısını artırmadan önce istihbaratı ölçeklendirin. 

Pek çok şirket hâlâ faaliyet hacmiyle büyümeyi zorla artırmaya çalışıyor. Daha fazla SDR, daha fazla dizi ve daha fazla temas. Biz neredeyse bunun tam tersi bir yaklaşım benimsedik. 

Faaliyet yoğunluğundan çok sinyal yoğunluğunu önemsiyoruz. Odak noktamız, aciliyetin gerçekten nerede bulunduğunu, zamanlamanın nerede gerçek olduğunu ve müşteri bağlamının etkileşimi haklı çıkaracak kadar güçlü olduğu yerleri anlamak.

Bugün çalışmalarımızın çoğu BFSI, SaaS, teknoloji ve düzenlemeye tabi sektörler gibi alanlarda yapay zekâ yönetişimi, veri güvenliği, uyumluluğa hazırlık ve kurumsal risk yönetimi etrafında şekilleniyor. 

Yapay zekâ gelir konusundaki muhakemenin yerini neden alamaz?

Yapay zekâyı hesap önceliklendirmesi, paydaş haritalama, fırsat puanlama, etkileşim analizi, tahmin desteği, müşteri kaybı tespiti ve satış fırsatı riski analizi konularında bilgi edinmek için kullanıyorum.

Makineler, parçalanmış operasyonel sinyalleri büyük ölçekte işleme konusunda insanlardan çok daha iyi. Bu artık açıkça ortada.

Ancak yönetici uyumu, müzakere ve güven içeren kararlar insanlarda kalır. Stratejik muhakeme kesinlikle insanlarda kalır. 

Kurumsal siber güvenlik satın alma kararları, insanların arkasına saklanmayı sevdiği tüm elektronik tabloların ve satın alma iş akışlarının altında duygusaldır. Bir fırsat operasyonel olarak sağlıklı görünebilirken hesap içindeki güven sessizce çöküyor olabilir.

Yapay zekâ hâlâ bu katmanla mücadele ediyor. Bu nedenle yapay zekânın gelir konusundaki muhakemenin yerini alacağını düşünmüyorum; mesele daha çok operasyonel körlüğü azaltmakla ilgili.

Yapay zekâ istihbarat odaklı etkileşimi nasıl mümkün kılar

Yaptığım en büyük değişiklik, faaliyet odaklı dışa dönük satıştan istihbarat odaklı etkileşime geçmekti. 

Daha önce dışa dönük satış, bugün çoğu kuruluşun hâlâ yaptığı gibi, geniş hesap listeleri, sabit sıralı iletişim akışları, manuel araştırma, geniş kapsamlı kişiselleştirme şablonları ve isabetliymiş gibi görünmeye çalışırken boşa harcanan büyük miktarda emekten oluşuyordu.

Saatler süren araştırmayı dakikalara indiren, yapay zekâ destekli bir hesap önceliklendirme iş akışı oluşturduk. 

Artık yapay zekâ; işe alım faaliyetleri, güvenlik duruşundaki değişimler, bulut kullanımı, uyumluluk baskısı, yönetici hareketliliği, finansman kalıpları, kurumsal değişiklikler ve teknoloji benimseme göstergeleri genelindeki sinyalleri sürekli olarak bir araya getiriyor. 

Ardından bu sinyalleri bağlamsal hesap anlatılarına dönüştürüyor. Bu bölüm önemli, çünkü ham sinyaller tek başına işe yaramaz. Satış temsilcilerinin daha fazla gösterge tablosuna değil, daha net bir anlayışa ihtiyacı var. 

Bağlam ortaya çıkarıldıktan sonra satış temsilcisi bunu manuel olarak doğruluyor, ilgililiğini sınamaya tabi tutuyor, etkileşimi kişiselleştiriyor ve zamanlamanın gerçekten iletişime geçmeyi haklı çıkarıp çıkarmadığına karar veriyor. Toplantıların ardından yapay zekâ; özetleme, eylem maddelerinin çıkarılması, paydaş analizi, etkileşimin izlenmesi ve anlaşma süreci boyunca risk takibi konularında destek sağlıyor. 

Mesele iletişime geçmeyi otomatikleştirmek değil. Mesele, hesabın en başta gerçekten ilgiyi hak edip etmediğini anlamak. Bu, satış hattının kalitesini hemen değiştirdi.

Görüşmeler daha keskin hâle geldi. Keşif süreçleri kısaldı. İletişim, yapay bir kişiselleştirmeye değil bağlama dayandığı için yönetici katılımı arttı. 

Yapay zekâ kültürü nasıl değiştirir

Yapay zekânın faydası oldukça hızlı bir şekilde ortaya çıktı ve bunun büyük bir kısmından zaten bahsettim.

Ancak,daha büyük değişim kültüreldi. İnsanlar gelir elde etme süreçlerinin yürütülmesi hakkında daha analitik düşünmeye başladı. Görüşmeler daha az kanaate, daha çok kanıta dayalı hâle geldi. Bu değişim, şu anda piyasada gerçekleşen araç tartışmalarının çoğundan daha önemli. 

Dezavantajı ise yapay zekânın çok kolay bir şekilde sahte bir güven oluşturabilmesi. İnsanların hafife aldığı nokta bu. 

Yapay zekâ çıktıları, temel varsayımlar zayıf veya eksik olduğunda bile çoğu zaman güvenilir hissedilecek kadar kusursuz görünüyor. Liderlerin, yapay zekânın her şeyi bilen değil, olasılıksal bir sistem olduğunu hatırlaması gerekiyor. Muhakeme hâlâ önemli. Uygulayıcı deneyimi hâlâ önemli.

Birçok açıdan, yapay zekâ merkezli bir ortamda eleştirel düşünme daha da önemli hâle geliyor. 

Yapay zekâ ile kişiselleştirme neden beklenen performansı göstermez

Yapay zekâ tarafından oluşturulan kişiselleştirme başlangıçta ciddi şekilde başarısız oldu. Bunun nedeni teknolojinin zayıf olması değil, alıcıların sahte ilgililiği tespit etme konusunda inanılmaz derecede iyi hâle gelmiş olmasıydı. Günümüzde yapay zekâ tarafından oluşturulan dışa dönük satış iletişimlerinin çoğu kusursuz görünüyor ancak duygusal açıdan içi boş kalıyor. Gerçekte müşteriyi faydalı bir şey söyleyebilecek kadar derinlemesine anlamadan, kişiselleştirmenin yapısını taklit ediyor. 

Bağlam eklemek ile anlayış göstermek arasında fark var. Yapay zekâ sistemlerinin çoğu hâlâ bu ayrımda zorlanıyor. Sentetik kişiselleştirmenin içgörüyle aynı şey olmadığını oldukça hızlı öğrendik. 

İşin ironik yanı, yapay zekâ tarafından oluşturulan iletişim ölçeklendikçe özgünlüğün değerinin azalmak yerine artması. 

Yapay zekâ öngörülerdeki belirsizliği neden ortadan kaldıramaz

Yapay zekâ sayesinde öngörülerimiz daha disiplinli hâle geldi. Ancak bu noktayı abartmamaya dikkat etmek istiyorum, çünkü kurumsal öngörü doğası gereği hâlâ karmaşık.

Kurumsal anlaşmalar, yapılandırılmış sistemlerde nadiren düzgün bir şekilde kayda geçirilen nedenlerle ilerler. Bütçenin zamanlaması değişir. Kurum içindeki destekçiler etkilerini kaybeder. Yönetici öncelikleri sessizce değişir. Satın alma süreçlerindeki sürtüşmeler geç ortaya çıkar. Siyasi uyum yüzeyin altında bozulur.

Yapay zekâ, görünmez katmanlarla başa çıkmakta zorlanır. Anlaşma şirket içinde zaten yön değiştiriyor olsa bile güçlü etkileşim metriklerine, aktif toplantılara, sağlıklı yanıt oranlarına ve paydaşların olumlu katılımına sahip olabilirsiniz.

Yapay zekâ görünürlüğü artırır. Belirsizliği sihirli bir şekilde ortadan kaldırmaz.

Dhiraj'ın Düşünceleri

İronik olan şu ki yapay zekâ tarafından oluşturulan iletişim ölçeklendikçe özgünlük daha az değil, daha değerli hâle geliyor…Yapay zekâ görünürlüğü artırır. Belirsizliği sihirli bir şekilde ortadan kaldırmaz.

Gelir ekiplerinin yetkinlikleri nasıl değişiyor?

Yapay zekâ tekrarlayan operasyonel işleri giderek daha fazla otomatikleştiriyor; bu nedenle modern bir gelir profesyonelinin çok farklı bir yetkinlik profiline ihtiyacı var. Artık analitik düşünmeye, bağlamsal hikâye anlatımına, sistem düşüncesine, yönetici iletişimine, uyum sağlama becerisine ve yapay zekâ okuryazarlığına eskisinden çok daha fazla önem veriyoruz. 

Bugünün en iyi satış profesyonelleri, zekâ orkestratörlerine dönüşüyor. Sinyalleri nasıl doğrulayacaklarını, bağlamı nasıl sentezleyeceklerini, daha iyi sorular soracaklarını ve stratejik güveni nasıl daha hızlı inşa edeceklerini biliyorlar. 

Salt faaliyet temelli satış, metalaşıyor. İnsani farklılaşma; muhakemeye, yaratıcılığa ve anlatım netliğine doğru kayıyor. 

Yapay zekâ neden bir çalışma modeli değişikliği olarak ele alınmalı?

Tavsiyem, yapay zekâyı bir araç yükseltmesi olarak değil, bir çalışma modeli değişikliği olarak ele almanızdır.

Çoğu kuruluşun şu anda yaptığı hata bu. Yapay zekâyı bozuk iş akışlarının üzerine ekliyor ve buna dönüşüm diyorlar. Genellikle bu, yalnızca daha hızlı bir karmaşa yaratıyor. 

Konumlandırmanız zayıfsa, CRM disiplininiz tutarsızsa, iş akışlarınız parçalıysa veya müşterilerinizi anlama düzeyiniz yüzeyselse, yapay zekâ karmaşayı büyütür. Sizi bu karmaşadan kurtarmaz. 

Yapay zekâdan en çok fayda sağlayan şirketler genellikle zaten güçlü temellerle faaliyet gösteren şirketlerdir.

Gelir ekipleri yapay zekâya nereden başlamalı?

Operasyonel sürtüşme ve darboğazlarla başlayın: Araştırma yükü. Hattın incelenmesi. Bilgiye erişim. Tahmin görünürlüğü. Müşteri hesabı önceliklendirmesi. CRM parçalanmışlığı.

Bunlar çözülmeye değer gerçek operasyonel sorunlardır. Ayrıca çoğu şirketin şu anda yaptığından çok daha fazla zamanı yapay zekâ okuryazarlığına ayırırdım. Teknik uygulama genellikle daha kolay kısımdır. Daha zor olan ise ekiplerin kendilerini yerlerinden edilmiş hissetmelerine yol açmadan çalışma biçimlerini yeniden düşünmelerine yardımcı olmaktır.

Bizi takip edin

Dhiraj Khare'yi LinkedIn üzerinden takip edebilirsiniz. Ayrıca Matters.AI'ye göz atın.

CRO Kulübü'nde daha fazla uzman röportajı sizlerle olacak!