ایجاد رشد قابل‌پیش‌بینی با هوش مصنوعی: چه چیزی واقعاً برای تیم‌های ورود به بازار (GTM) تغییر ملموس ایجاد می‌کند

در حال حاضر، هوش مصنوعی در تمام بخش‌های ورود به بازار (Go-To-Market) حضور دارد.

به زبان خیلی ساده، GTM (ورود به بازار) یعنی:

«تمام کارهایی که یک شرکت انجام می‌دهد تا محصولش را به دست مشتری برساند و بفروشد.»

تیم‌های GTM معمولاً همان تیم‌های فروش، بازاریابی و پشتیبانی (موفقیت مشتری) هستند که با هم همکاری می‌کنند تا مشتری را پیدا کنند، محصول را به او بفروشند و او را راضی نگه دارند.

به پادکست تفسیر این مقاله گوش کنید:

هر تیم درآمدزایی در حال آزمایش آن است. ایمیل‌های پیگیری خودکار شده‌اند. خلاصه‌سازی تماس‌ها فوری انجام می‌شود. کارهای اداری زمان کمتری می‌برند. تیم‌ها با سرعت بیشتری حرکت می‌کنند.

اما برای بسیاری از شرکت‌ها، نتایج تغییری نکرده است. سرعت «پایپ‌لاین» (Pipeline) آن‌طور که رهبران انتظار داشتند افزایش نیافته است. نرخ‌های موفقیت در فروش بهبود معناداری پیدا نکرده‌اند. پیش‌بینی‌ها هنوز نامطمئن به نظر می‌رسند. و وقتی هم که رشدی اتفاق می‌افتد، رهبران اغلب نمی‌توانند دلیل دقیق آن را توضیح دهند.

دلیلش این است که بسیاری از سازمان‌ها در تله «بهره‌وری هوش مصنوعی» گرفتار شده‌اند: استفاده از هوش مصنوعی برای انجام کار بیشتر، به جای استفاده از آن برای بهبود نحوه عملکرد کسب‌وکار.

شرکت‌هایی که تأثیرات واقعی را می‌بینند، کار متفاوتی انجام می‌دهند. آن‌ها از هوش مصنوعی برای درک اینکه «چه چیزی واقعاً نتیجه می‌دهد» استفاده می‌کنند و آن بینش را به نحوه اجرای روزانه تیم‌هایشان تبدیل می‌کنند. رشد از اینجا آغاز می‌شود.

مشکل اصلی هوش مصنوعی نیست

مشکل هوش مصنوعی نیست. مشکل نحوه استفاده از آن است.

بیشترِ آنچه تیم‌ها امروز استفاده می‌کنند، برای بهره‌وری ساخته شده است. کار را سرعت می‌بخشد، اما آن کار را به یک «منبع حقیقتِ مشترک» متصل نمی‌کند. و در جایی که بیشترین اهمیت را دارد ظاهر نمی‌شود: جایی که تصمیمات گرفته می‌شوند.

بدون آن منبع حقیقت مشترک، هیچ زمینه‌ای (Context) وجود ندارد. هوش مصنوعی می‌تواند کار را سریع‌تر کند، اما آن را مرتبط‌تر یا تجویزی‌تر نمی‌کند و در نهایت، در هدایت درآمد مؤثرتر نخواهد بود.

بنابراین هوش مصنوعی نحوه عملکرد کسب‌وکار را تغییر نمی‌دهد؛ بلکه فقط باعث می‌شود سیستم موجود سریع‌تر اجرا شود، نه بهتر. و با این حال، آن سرعت اغلب فقط در ظاهر احساس می‌شود. اگر خودِ سیستم با آنچه واقعاً باعث ایجاد درآمد می‌شود همسو نباشد، شما فقط فعالیتِ بیشتری خواهید داشت، نه نتایج بهتر.

زیرا رشد از انجام کارهای بیشتر به دست نمی‌آید. رشد از اجرای مداومِ کارهایی که نتیجه می‌دهند حاصل می‌شود. و بیشتر سازمان‌ها در واقع نمی‌دانند چه چیزی نتیجه می‌دهد یا چرا. آن‌ها یک درک مشترک و عملیاتی از اینکه چه چیزی باعث هدایت پایپ‌لاین می‌شود، چه چیزی نرخ موفقیت را بهبود می‌بخشد یا چه چیزی باعث توقف معاملات می‌شود، ندارند.

حتی با وجود داده‌های بیشتر، ابزارهای بیشتر و هوش مصنوعی بیشتر، تیم‌ها همچنان بر اساس اطلاعات ناقص تصمیم می‌گیرند. به همین دلیل است که عملکرد، متناقض و بی‌ثبات باقی می‌ماند.

منحنی بلوغ هوش مصنوعی

در گفتگوهای من با رهبران درآمدزایی، یک موضوع مدام تکرار می‌شود: پذیرش هوش مصنوعی دیگر یک گفتگوی مربوط به «ابزار» نیست. بلکه یک گفتگوی مربوط به «بلوغ سازمانی» است.

یک سیر تکاملی واضح در نحوه استفاده سازمان‌ها از هوش مصنوعی وجود دارد، و اینکه شما در کجای این منحنی قرار دارید، تعیین می‌کند که آیا تأثیری خواهید دید یا خیر.

مرحله ۱: بهره‌وری

در مرحله اول، هوش مصنوعی برای وظایف فردی به کار می‌رود. ایمیل‌ها را پیش‌نویس می‌کند، تماس‌ها را خلاصه می‌کند و بارِ کلی کارهای اداری را کاهش می‌دهد. این یعنی افراد سریع‌تر حرکت می‌کنند.

اما تیم‌ها هنوز در حال حدس زدن هستند. اجرای سریع‌تر لزوماً به معنای اجرای بهتر نیست.

مرحله ۲: بینش (Insight)

در مرحله دوم، هوش مصنوعی شروع به شناسایی الگوها در تعاملات مشتریان می‌کند. تیم‌ها شروع به درک این موارد می‌کنند:

• یک مکالمه عالی چگونه است
• چه پیام‌هایی واقعاً تأثیرگذار هستند
• چه عواملی به طور مداوم در معاملات برنده دیده می‌شوند

شما می‌توانید شروع به درک این موضوع کنید که چه چیزی پایپ‌لاین را پیش می‌برد، و این یک گام مهم رو به جلو است. اما بینش به تنهایی نحوه عملکرد تیم‌ها را تغییر نمی‌دهد.

چرا؟ چون بینش‌ها اغلب در داشبوردها، در یک دپارتمان خاص، یا نزد چند نفر از بهترین نیروها باقی می‌مانند. تیم‌ها می‌توانند ببینند چه چیزی نتیجه می‌دهد، اما نمی‌توانند آن را در سطح کلان گسترش (Scale) دهند.

مرحله ۳: هماهنگ‌سازی (Orchestration)

مرحله ۳ نحوه عملکرد تیم‌های درآمدزا را تغییر می‌دهد. در این مرحله، هوش مصنوعی دیگر چیزی نیست که فقط افراد از آن استفاده کنند. بلکه شروع به تغییر نحوه عملکرد کسب‌وکار می‌کند.

در این فاز، هوش مصنوعی فقط بینش‌ها را نمایان نمی‌کند؛ بلکه اقدام هماهنگ را در سراسر تیم‌ها هدایت می‌کند. تیم‌ها از کار کردن به صورت جزیره‌ای (Silo) دست می‌کشند و بر اساس یک دیدگاه مشترک از مشتری شروع به فعالیت می‌کنند.

تیم بازاریابی پیام‌های خود را با آنچه خریداران به آن واکنش نشان می‌دهند همسو می‌کند. تیم فروش بر اساس رفتارهای اثبات‌شده کارش را اجرا می‌کند. رهبری در لحظه (Real-time) می‌بیند که چه چیزی در حال پیش بردن پایپ‌لاین است. تیم‌های در ارتباط با مشتری، همگی بر اساس یک واقعیت مشترک عمل می‌کنند.

سازمان‌هایی که به این مرحله می‌رسند، از سطحِ فعالیت و بینش فراتر می‌روند. آن‌ها رشد درآمدِ قابل‌پیش‌بینی ایجاد می‌کنند.

چه چیزی مرحله ۳ را ممکن می‌سازد

شرکت‌ها برای اینکه به این شیوه عمل کنند، به سه قابلیتِ متصل به هم نیاز دارند.

۱. ثبت آنچه واقعاً در حال رخ دادن است

هر تعامل با مشتری، از تماس‌ها و جلسات گرفته تا ایمیل‌ها و پیام‌ها، باید قابل مشاهده و متصل به هم باشد. وقتی اطلاعات ارزشمند مشتری پس از هر تعامل از بین برود، تیم‌ها نمی‌توانند اجرای کار را در مقیاس وسیع بهبود بخشند.

۲. درک معنای آن

داده‌های خام به تنهایی کمکی نخواهند کرد. تیم‌ها باید بدانند چه چیزی جواب می‌دهد، چه چیزی در حال تغییر است و در کجای پایپ‌لاین ریسک در حال شکل‌گیری است. این درک باید از رفتار واقعی مشتری ناشی شود، نه از مفروضات یا شنیده‌ها.

۳. عملیاتی کردن بینش

بیشتر سازمان‌ها گام نهایی را از دست می‌دهند. بینش تنها زمانی اهمیت دارد که تیم‌ها رفتار خود را تغییر دهند. الگوهای برنده باید به دستورالعمل‌های اجرایی (Playbooks)، روندهای مربی‌گری (Coaching)، راهنمای پیام‌رسانی، سیگنال‌های پیش‌بینی و اقداماتِ برترِ بعدی در جریان‌های کاریِ روزانه تبدیل شوند.

وقتی شرکت‌ها هر سه قابلیت را به هم متصل می‌کنند، بینش از داشبورد خارج شده و وارد کسب‌وکار می‌شود. تیم‌ها هوشمندانه‌تر می‌فروشند، سریع‌تر آموزش می‌بینند و تصمیمات قوی‌تری می‌گیرند.

این‌گونه است که بینش به درآمد تبدیل می‌شود.

نتیجه

سازمان‌ها از هوش مصنوعی به عنوان یک «ابزار» به سمت هوش مصنوعی به عنوان یک «مزیت عملیاتی» حرکت می‌کنند. این یعنی فعالیتِ کمتر و رشد درآمدِ قابل‌پیش‌بینی‌تر.

تیم‌ها از بحث درباره اینکه چه اتفاقی در حال رخ دادن است دست می‌کشند و شروع به اقدام بر اساس سیگنال‌های مشترک می‌کنند. فروش، بازاریابی، عملیات درآمد (RevOps) و رهبری همگی بر اساس یک واقعیتِ مشترک کار می‌کنند. اجرا بسیار سازگارتر و یکدست‌تر می‌شود. پیش‌بینی‌ها قابل‌اعتمادتر می‌شوند. و رشد درآمد قابل‌پیش‌بینی‌تر می‌گردد.

عصر بعدی رشد درآمد

فصل بعدی هوش مصنوعی در ورود به بازار (GTM) تنها با دستاوردهای بهره‌وری تعریف نخواهد شد. بلکه با این موضوع تعریف می‌شود که آیا سازمان‌ها می‌توانند واقعیتِ مشتری را به یک اجرای هماهنگ تبدیل کنند یا خیر. این به معنای حرکت از فعالیت به بینش، و از بینش به اقدام است. در نهایت، این به معنای حرکت از هوش مصنوعی به عنوان یک ابزار، به هوش مصنوعی به عنوان یک مدل عملیاتی است. شرکت‌هایی که برنده می‌شوند، آن‌هایی نخواهند بود که بیشترین استفاده را از هوش مصنوعی می‌کنند؛ بلکه آن‌هایی هستند که بهترین موتورها را طراحی و معماری کرده‌اند. و وقتی این کار را درست انجام دهید، هوش مصنوعی فقط فعالیت ایجاد نمی‌کند؛ بلکه رشد درآمدِ مقیاس‌پذیر و قابل‌پیش‌بینی را هدایت می‌کند.