Av Urban Gavelin, , Data & AI-mognad i B2B-försäljning
Lägger man AI på kaos blir det värre
Många hoppas att AI åtminstone inte kan göra skada, även om den inte hjälper. Verkligheten är tyvärr den motsatta: lägger du AI ovanpå kaos automatiserar du inte bara det som fungerar, du automatiserar också röran.
Problemet är att AI faktiskt ger dig ett svar
En AI-modell som matas med halvifylld data producerar inte ingenting. Den producerar något som ser ut som ett svar, och där ligger faran. En tom rapport är lätt att ignorera. En snygg rapport med slutsatser, diagram och tre decimaler ser betydligt mer trovärdig ut, även när underlaget är skräp.
Prognoser har blivit sämre efter automatisering, inte för att systemet räknade fel, utan för att det räknade snabbt på siffror som ingen längre granskade ordentligt. Tidigare kunde en erfaren säljchef titta på prognosen och säga att den inte kändes rätt. När samma prognos kommer från ett system med tre decimaler börjar vi lita mer på tabellen än på verkligheten.
Samma mönster syns i AI-sammanfattningar av möten. Om ingen ställde den avgörande frågan eller kunden aldrig förklarade varför en förändring var viktig, får du bara en välskriven sammanfattning av ett ganska dåligt möte. Sedan hamnar den i CRM som om den vore ett riktigt underlag.
Ordningen går inte att förhandla bort
Förberedelse före mötet. Process före bearbetning. Data före AI. Det är inte tre goda råd utan en ordning där varje steg förutsätter det föregående.
I slutet av nittiotalet satt jag i ett viktigt möte hos en stor dansk detaljhandelskedja. Vi sålde digitala kameror och jag kunde produkterna, sortimentet och argumenten utantill. Problemet var att jag inte hade gjort tillräcklig research på kundens inköpsstrategi, så när jag väl satt framför inköparen kunde jag inte koppla mitt sortiment till det de faktiskt behövde. Jag åkte hem tomhänt.
Läxan var att förberedelsen inte är det som kommer före arbetet, den är en del av arbetet. Dubbelt så många kameror i sortimentet hade inte räddat mötet, eftersom grunden saknades. Ett AI-verktyg ovanpå ett CRM som ingen fyller i ordentligt är i grunden samma möte, fast i systemform.
Testet: läs era tio senaste vunna affärer
Öppna era tio senast vunna affärer i CRM och läs dem som om ni började på företaget idag. Försök förstå varför kunden sa ja, vad som var avgörande och vem som faktiskt fattade beslutet, enbart utifrån det som står i systemet.
Hur många av de tio går att förstå på det sättet? Är svaret färre än sju skulle jag vara försiktig med att lägga mer AI ovanpå. Ni har kanske ett CRM och en snygg dashboard, men inte nödvändigtvis ett underlag att bygga vidare på.
Det goda beskedet är att det går att fixa, och ofta betydligt billigare än nästa AI-pilot. Tre viktiga fält som fylls i varje gång slår tio fantastiska fält som fylls i ibland.
Frågan att ta med till ledningsmötet
AI är fantastiskt på att förstärka. Frågan är bara vad ni förstärker. Bra data, bra processer och bra beteenden ger hävstång åt rätt håll. Oordning, dåliga vanor och halvifylld information ger också hävstång, fast åt fel håll.
Ta därför med er en fråga till nästa ledningsmöte: om ni stängde av alla era AI-verktyg imorgon, vilka beslut skulle faktiskt bli sämre? Svaret säger förmodligen mer om er AI-mognad än hur många AI-verktyg ni har köpt.
Vanliga frågor
Varför blir resultatet sämre av AI om datan redan är dålig?
AI producerar alltid något som ser ut som ett svar, oavsett kvaliteten på underlaget. En snygg rapport med diagram och decimaler ser trovärdig ut även när den bygger på skräpdata, vilket gör att felaktiga slutsatser sprids snabbare och med större auktoritet än innan.
Hur vet vi om vårt CRM faktiskt duger som underlag för AI?
Läs era tio senast vunna affärer som om ni just börjat på företaget och försök förstå varför kunden sa ja utifrån det som faktiskt står i systemet. Klarar ni det för färre än sju av tio är det ett tecken på att grunden behöver stärkas innan ni investerar i fler AI-verktyg.