När artificiell intelligens förändrar spelplanen för säljet

Att säga att vi lever i en tid där artificiell intelligens (AI) blir alltmer relevant är en underdrift. Utvecklingstakten har varit hisnande, men AI:s inverkan på jobb, branscher och samhället i stort har bara börjat.

Men även om det är frestande att diskutera hela bredden av filosofiska och etiska frågor som AI – särskilt generativ AI – väcker, är det också bra att titta på det på en mer pragmatisk nivå och fråga: ”Vad exakt kan AI göra för mitt jobb, och vilka förändringar behöver jag göra i mitt sätt att tänka, om jag ska kunna dra nytta av det?”

I försäljningsvärlden finns det en enorm potential för AI – och det kan vara vad säljare har väntat på … om det används på rätt sätt.

Det finns många artiklar om den senaste utvecklingen inom artificiell intelligens, men vår förståelse av termen har blivit mer nyanserad, särskilt under de senaste månaderna. I grunden består AI av algoritmer som kan (a) hitta mönster i stora datamängder och (b) träna sig själva för att bli ”smartare” (öka sin prediktiva noggrannhet).¹

Det är svårt att fullt ut förstå effekterna av de exponentiella förbättringar som AI är kapabel till. Det som för bara några månader sedan var ett marginellt användningsområde kan mycket snabbt bli användbart och massanvändningen har följt i en häpnadsväckande takt. Till exempel utvecklades den första chatboten 1966 vid MIT Artificial Intelligence Laboratory och termen ”generativ AI” myntades 1997, men det är inte förrän nyligen som vi har sett ett massivt intresse för tillämpningar av AI:s stora språkmodeller (LLM), kanske på grund av att det är så enkelt att interagera med dem.

När inköpare använder AI

AI som ChatGPT eller DALL-E 2 har skapat rubriker, men AI är inte bara begränsat till naturlig språkbehandling och generativa textmodeller. Det finns många aspekter av verksamheten där AI påverkar och kommer att påverka oss som jobbar med sälj. Det finns en mängd företag som satsar på AI – inte bara stora teknikföretag, utan även traditionella företag och startups.

Dina konkurrenter och kunder arbetar sannolikt med sin egen AI-strategi. Faktum är att vi ser inköpsavdelningar som använder AI för att fatta inköpsbeslut, bedöma leverantörers prestationer och bygga prediktiva prismodeller som de kan använda i förhandlingar med dig. När inköpare utnyttjar den senaste tekniken och de senaste algoritmerna och du inte gör det, förstår du vikten av AI.

Det finns hundratals tekniker som håller på att utvecklas och som snart kommer att passera det som Gartner Hype Cycle kallar ”trough of disillusionment” och bli en del av vårt sätt att göra affärer. Som med alla stora språng framåt i den tekniska utvecklingen måste vi förbereda oss för detta oundvikliga, bli bekanta och bekväma med AI och arbeta fram hur det kan förbättra vår roll, snarare än att ersätta den. Detta kan sammanfattas i den ofta upprepade frasen:

AI kommer inte att ersätta dig, det kommer de som använder AI att göra.

Här är några exempel på de nuvarande praktiska tillämpningarna av AI inom kundhantering.

Få insikter om dina kunder

Säljare samlar ofta in information om kunder för att få insikter och analysera information om kundens marknad, konkurrenssituation, mål och behov. De bästa säljarna har ofta mer information om kunden än vad kunden själv har. Med AI kan vi ta nästa steg och få insikter som inte ens kunden själv har. AI-verktyg som kan hjälpa oss är till exempel:

• Integrering av AI i säljprocessen för att effektivisera och optimera. Till exempel att arbeta med digitala tvillingar som ett säljverktyg – en virtuell modell som är utformad för att exakt återspegla ett fysiskt objekt, en relation eller ett ekosystem.
• AI-drivna coachningsrekommendationer baserade på interna och externa data.
• Använda AI-verktyg för att genomsöka CRM-system och andra kunddata efter prediktiva mönster.
• Socialt lyssnande.
• Förutsägelse av kundbeteende.

Fastställa mål och strategi

Säljare och kanske framför allt Key Account Managers behöver skapa en förnuftig och hållbar strategi för prioriterade konton, hjälpa till att utveckla kontoplanen och skapa engagemang i hela organisationen. AI-verktyg för att hjälpa till i denna process kan omfatta:

• Inbyggda verktyg för att förutsäga strategiska tillväxtområden.
• White spot-analys för att identifiera luckor i kundstrategin.
• Chatbot-gränssnitt med naturligt språk för att få omedelbar tillgång till kundinformation som kan användas för att bygga upp kontoplanen.

Hantera kundrelationer

Kundansvariga behöver säkerställa en konsekvent och meningsfull dialog med de personer som har befogenhet att fatta beslut inom kontot. Det kan vara både inom den egna organisationen och på kundsidan. Några AI-verktyg som kan hjälpa till med detta kan vara:

• Juridisk AI som hjälper till att granska och kontrollera juridiska dokument som kodifierar avtalsförhållandet. Denna AI kan kontrollera avtal.
• Innehåll i sociala medier och interaktionsverktyg.
• Skapa förtroende.
• Virtuell assistent med naturlig språkbehandling för att tillhandahålla information, data och insikter till teammedlemmar, när och där de behöver det.
• Optimera prispolicys för förbrukningsvaror och transaktionsverksamhet.

Identifiera och skapa möjligheter

En säljare/KAM bör känna igen och utvärdera nya möjligheter för ett strategiskt konto och utveckla den bästa strategin för att positionera lösningen. AI-verktyg för att underlätta detta kan vara:

Utvinning av data i den egna organisationen.
Prediktiv analys.
Analys av pipeline.
Kontobaserad marknadsföring.
Chatbot-coacher som hjälper till i säljprocessen.
AI-driven poängsättning av leads.
Visuell inspektion för att identifiera möjligheter.

Utveckla och leverera värde

För att lyckas behöver säljare bygga slagkraftiga värdeerbjudanden som svarar mot kundens behov och leverera det som ett engagerande budskap. AI-verktyg för att hjälpa till med detta kan vara:

• Samla in värdeförslag från virtuella säljmöten i hela organisationen.
• Granska värdeförslag och ge feedback och djupinlärning om hur framgångsrika olika värdeförslag är.
• Använd AI-baserade simuleringar för att leverera värdeförslag och iterera innovationer eller prototyper genom virtuella försök och misstag.
• Skapa digitala tvillingar.

Granska, förutsäga och anpassa

Säljare och Key account managers kämpar ofta med att uppdatera sina kontoplaner med användbar information och bästa praxis, som skulle kunna användas som underlag för att styra kontoutvecklingen och för att förutse den notoriskt svåra utvecklingen av större konton.

“Alltför många företag förlitar sig fortfarande på manuella prognoser eftersom de tror att AI kräver data av bättre kvalitet än de har tillgång till. I dag är det ett kostsamt misstag.”²

McKinsey & Company

AI-verktyg för att hjälpa account managern kan vara ovärderliga när det gäller:

• Förutse efterfrågan på en viss lösning genom att analysera mönster.
• Använda generativ AI för att utveckla sammanfattningar av kontoaktivitet.
• Automatisering av kontoplanering.
• Val och bortval av strategiska konton.
• Främja samskapande och innovation med hjälp av AI.

Risker/farhågor

Att jobba med AI kan tyckas mycket lovande. Men det finns också risker. I takt med att AI blir mer komplext blir det svårare att veta ”hur” den har kommit fram till resultatet. Även AI-utvecklarna är ofta inte 100 % säkra på hur deras skapelser fungerar. Eftersom AI arbetar med att analysera massiva data och uppsättningar – och iterativt drar slutsatser – är det ofta svårt att tydligt redogöra för A till Ö i dess resonemang. Detta är problemet med förklarbarhet.

För alla inom försäljning som kommer att arbeta med AI är det viktigt att vara medveten om följande risker som användningen av AI-verktyg kan medföra.

Etik

Vi ger dem mänskliga attribut, men vad vet de? Vilka val gör AI? Är den i linje med din organisations värderingar? Investeringsgurun Warren Buffett påpekade en gång att ”det tar 20 år att bygga upp ett rykte och 5 minuter att förstöra det”. Litar du verkligen på att en AI hanterar din mest värdefulla tillgång?

Det förtroendet kan skadas allvarligt – och mycket snabbt – av felaktiga beslut och åtgärder som fattas av en AI. Det är ännu en anledning till att förstärka kontohanteringen för att fastställa rätt nivå av automatisering för kontot.

Överdriven självsäkerhet

Felaktigt tror vi ofta att de svar som en dator ger oss är korrekta. Varför tror vi det? För att det är datorn. Problemet är att AI bygger på sannolikhet.

Men som AI-strategen Elin Hauge sa som talare vid Mercuri International 2022 Sales Conference,

“Saken är den att dessa algoritmer kommer med en sannolikhet. Och en sannolikhet kommer med en sannolikhet för att vara fel såväl som rätt. Och vi människor gör en enda röra av det.”

Elin Hauge at 2022 Sales Conference

Det kan vara svårt att avgöra vad som är rätt svar ibland, med tanke på det självförtroende som AI har när den producerar felaktiga svar. Att helt lämna över nycklarna till din mest värdefulla kund till en AI-algoritm kan få katastrofala följder. Se bara på Zillows iBuying-situation, där en eventuell övertro på algoritmer kan få negativa effekter. För att sammanfatta satsade Zillow en betydande framtida tillväxt på sin digitala bostadsflippningsverksamhet, Zillow Offers, men den misslyckades i slutändan på grund av algoritmens oförmåga att exakt förutsäga svängningar i bostadspriserna.³

Alltför konservativ inställning

Att inte göra AI till en central del av ert KAM-program och förvänta sig att modeflugan ska försvinna kan få katastrofala följder. AI är en strategisk fråga för de flesta företag. Som KAM är det viktigt att ha grundläggande kunskaper om AI – för att kunna utnyttja AI för personlig produktivitet och för att anpassa den strategiska inriktningen för din organisation och dina kunder.

Ofta verkar den första iterationen inte ge det avsedda resultatet, men de exponentiella inlärningsmöjligheterna och förbättringarna innebär att vi kan avfärda giltiga AI-lösningar för tidigt. Key Account Managers måste vara strategiska i hur AI tillämpas. Det är så en account manager som tar vara på AI blir framtidens Key account manager. Men att blint följa nästa nya grej och acceptera AI utan att ställa frågor är lika riskabelt som att ignorera den.

Supersäljaren

Så hur ska vi tänka kring de praktiska tillämpningarna av AI när det gäller strategiskt account management-arbete? När AI misslyckas tenderar det att bli ett spektakulärt misslyckande, och vi måste ställa oss frågan: Vill vi överlåta våra mest värdefulla kunder till AI? För att citera Sam Altman, grundare av OpenAI:

“Vi vill göra våra misstag medan insatserna är låga.”

Sam Altman, founder of OpenAI

För att verkligen förstå fördelarna med AI är det bra att tänka på det som en förstärkning av befintliga roller – en arbetsbesparande enhet som skapar effektivitet och upptäcker insikter. Se det kanske som en AI-kompetent account manager med extra resurser.

Ett bra sätt att tänka på det är i termer av självkörande bilar. Enligt SAE International (tidigare känt som Society of Automotive Engineers) finns det sex nivåer av automatiserad körning när vi beskriver autonom körning.

• Nivå 0: Ingen automatisering
• Nivå 1: Automatiserad körning med assistans
• Nivå 2: Delvis automatisering
• Nivå 3: Villkorlig automatisering
• Nivå 4: Hög automatisering
• Nivå 5: Full automatisering

När du kör på motorvägen i 65 km/h och trycker på en knapp på den adaptiva farthållaren med filcentrering kör du fortfarande, håller i ratten (förhoppningsvis), men bilen anpassar hastigheten och söker efter hinder ifall den behöver bromsa. I det här fallet använder du automatisering på nivå 2. Vissa åtgärder utförs av föraren, andra av maskinen.

Detta är det mest användbara sättet att tänka på AI i samband med en Key account managers roll. För Key account managers är det helt logiskt att använda rätt mix av AI för att få hjälp med de strategiska kontona.

Praktiska åtgärder framåt

Så hur omsätter vi allt detta i praktiken? Här är bara några frågor och åtgärder som strategiska kundansvariga och program designers kan ställa och göra:

1. Vilket problem kan AI lösa för våra kunder, organisationer eller Key account managers?
2. Är AI en lämplig lösning för situationen?
3. Vad finns där ute?
   • Vilka AI-innovationer använder er organisation och era kunder redan?
   • Vilka innovationer bör ni ha strategiska diskussioner om?
4. Anpassa KAM-strategin till organisationens plan för AI.
5. Gör era Key account Managers redo för AI så att de kan föra de strategiska affärsdiskussionerna internt och med kunderna.
6. Är högsta ledningen redo?

En KAM eller säljare kan inte ägna sin tid åt att uppdatera sig om varenda ny applikation, startup eller AI-teknik. Det vi kan och bör göra är att förstå vad AI innebär i praktiken och att ha tillräckligt med kunskap för att kunna arbeta med kunder och interna team för att skapa en unik konkurrensfördel med AI. Att veta tillräckligt innebär att systematiskt överväga hur AI ska tillämpas. Dessutom bör man överväga att använda en implementeringsbarometer för att bedöma möjligheten, genomförbarheten och risk/belöning.

Sammanfattning

Så vad är framtiden för AI? Det ligger utanför ramen för den här artikeln, men när det gäller KAM handlar det om pragmatism. Det innebär att vi måste utveckla en verklig, djupgående förståelse för vad AI kan och inte kan göra – och exakt hur AI, varsamt använd, kan hjälpa oss.

AI är inte något att frukta – men det bör behandlas med respekt. Vi befinner oss i en teknisk brytpunkt där vinnarna kommer att vara de som förstår hur man får ut verklig nytta av dessa nya verktyg.

Alla nya revolutionerande tekniker erbjuder samma val – att anamma eller ignorera – och AI är inget nytt. I det här fallet verkar valet ganska enkelt. Men vad vi får ut av den här nya tekniken kommer att bero på hur väl vi tänker igenom balansen mellan möjligheter och praktiska aspekter, och att vi ständigt granskar framsteg och effektivitet i vår AI-anpassning.

Referenser

1. Chamorro-Premuzic, T. (2023, March 23). Should you share AI-driven customer insights with your customers? Harvard Business Review.
2. Amar, J., Rahimi, S., Surak, Z., & Von Bismarck, N. (2022, February 15). AI-driven operations forecasting in data-light environments. McKinsey & Company. https://www.mckinsey.com/capabili- ties/operations/our-insights/ai-driven-operations-forecasting-in- data-light-environments
3. Parker, W., & Putzier, K. (2021, November 17). What went wrong with Zillow? A real-estate algorithm derailed its big bet. The Wall Street Journal.