Innholdsfortegnelse
Forrige måned holdt vi en todagers AI-opplæring internt på Sresky.
For å være ærlig, var det ulike meninger innad i selskapet i starten. Noen mente at det å sette av to dager til å lære seg AI kunne være «for idealistisk», gitt vår stramme timeplan. Andre var bekymret for at selv om AI ser ut til å være veldig populært, ville det kanskje ikke være anvendelig i faktisk salg og kundeinteraksjoner.
Men etter at de to dagene var over, var alles tilbakemeldinger ganske ensartede: det var ikke et spørsmål om hvorvidt det var nyttig, men snarere at vi ikke hadde funnet ut hvordan vi skulle bruke det før.
Det som virkelig holder salgsteamet tilbake er ikke evner – det er tidsstyring
Hvis du har jobbet med B2B-salg, har du sannsynligvis hatt den samme opplevelsen:
Ved dagens slutt er mengden tid som faktisk brukes på «kundebeslutningstaking» og «å videreføre ordre» overraskende begrenset.
Mesteparten av tiden er fragmentert av disse oppgavene:
- Gjentatte endringer i tonen og ordlyden i e-poster
- Søker etter klientinformasjon på tvers av flere systemer
- Bli avbrutt halvveis i lesingen av produktdokumentasjonen
- Mottar mange henvendelser, men sliter med å prioritere dem raskt
Hver for seg er ingen av disse oppgavene kompliserte, men når de hoper seg opp, forstyrrer de dagens rytme fullstendig.
Under evalueringen etter treningen kom vi frem til en ganske enkel konklusjon:
Problemet er ikke lav effektivitet – det er den lave tettheten av informasjonsbehandling.
Der AI virkelig utgjør en forskjell er ikke ved å «erstatte arbeid», men ved å redusere byrden
Under opplæringen fokuserte vi ikke på teoretiske konsepter; i stedet jobbet vi direkte med virkelige forretningsscenarier.
Ta for eksempel e-poster på tvers av språk.
Tidligere, når forretningskollegaer skrev en e-post på tysk eller spansk, var standardprosessen: utkast til kinesisk → oversett → juster tone → bekreft teknisk terminologi.
Det var normalt å gå frem og tilbake med revisjoner, og én e-post tok ofte 30–40 minutter.
Senere byttet vi til en annen tilnærming, som lot AI delta direkte i «generering av førsteutkast».
En spesielt merkbar fordel var ikke at det var «raskere», men snarere at vi ikke lenger trengte å bekymre oss for ordlyden.
Den vanligste tilbakemeldingen fra kolleger var: «Endelig slipper jeg å stirre på en eneste setning og tenke på den i evigheter.»
Tilbakemeldingene fra klientene var også ganske direkte; noen svarte til og med spesifikt: «Dette svaret var mer profesjonelt og rettidig enn før.»
Denne endringen virker kanskje ikke dramatisk, men for internasjonal handel eller utenlandske B2B-team er den faktisk ganske betydelig.
Den andre endringen skjedde i «behandling av kundeinformasjon»
I B2B-virksomhet er de mest arbeidskrevende oppgavene ofte de som virker som «bare litt organisering».
For eksempel:
- Prioritering av en gruppe henvendelser
- Fylling av manglende kundebakgrunnsinformasjon
- Sammenligning av tekniske spesifikasjoner på tvers av ulike versjoner
- Kategorisering av tilbakemeldinger etter salg etter problemtype
Disse oppgavene er ikke vanskelige, men de er tidkrevende og utsatt for feil.
Vi utførte et eksperiment under opplæringen:
Vi matet en rekke reelle forespørsler og dusinvis av sider med produktdokumentasjon direkte inn i AI-en, og fikk teamet til å designe en arbeidsflyt for behandling.
Et klart resultat var at:
Innhold som tidligere tok en halv dag å organisere, kunne nå gjøres om til en «brukbar versjon» på litt over ti minutter, inkludert:
- Hvilke kunder er verdt å prioritere
- Hvilke forespørsler utgjør potensielle risikoer
- Hvilken informasjon mangler tydeligvis
Dette betyr selvfølgelig ikke at AI-en direkte «tar avgjørelser»; snarere organiserer den først tidligere spredt informasjon i et strukturert format, hvoretter mennesker tar den endelige avgjørelsen.
Dette skillet er faktisk veldig viktig i det daglige arbeidet:
AI tar ikke avgjørelser for deg – den reduserer tiden du bruker på å «søke etter informasjon».
Den tredje endringen er enda mer interessant: alle begynte å lage sine egne arbeidsflyter
På den siste dagen av opplæringen ba vi alle om å ta fatt på en relativt «åpen» oppgave:
Identifiser de tre mest repeterende oppgavene i deres daglige rutine og finn ut hvordan du kan koble dem sammen ved hjelp av AI.
Det var ingen kodingskrav, og det var heller ingen faste svar.
Resultatene var ganske interessante:
Én person koblet konkurrentundersøkelser, ukentlig rapportskriving og intern rapportering sammen til én arbeidsflyt. Det som pleide å ta flere timer i uken, kan nå fullføres på omtrent en halvtime.
Andre opprettet en «onboardingprosess for nye kunder», som inkluderte:
- Automatisk organisering av bedriftsbakgrunn
- Uttrekk av viktige kommunikasjonspunkter
- Generering av samtaleemner til det første møtet
Salgsteamet bemerket at den mest merkbare endringen ikke var hastighet, men snarere at «ingenting blir oversett lenger».
Dette punktet er faktisk ganske avgjørende:
Mange effektivitetsproblemer stammer ikke fra treghet, men fra inkonsekvens.
Endringene var ikke så dramatiske som vi hadde forestilt oss, men de var jevne.
Etter opplæringen utførte vi en enkel sammenligning over en periode på én måned:
- E-postbehandlingstiden ble betydelig redusert (vi anslår med omtrent 60 %)
- Søknadsscreeningen ble raskere
- Tiden brukt på manuell organisering av informasjon ble redusert
- Feilraten gikk også litt ned
Men enda mer merkbar enn disse tallene var endringen i arbeidsstilen vår.
Tidligere fulgte alle tilnærmingen med å «håndtere oppgaver først, deretter lete etter informasjon».
Nå handler det mer om å «la systemet organisere informasjonen først, og deretter håndtere oppgaven».
Denne endringen i rekkefølge er subtil, men effekten er betydelig.
Et poeng som er lett å overse: AI bringer ikke bare effektivitet – den endrer arbeidsstrukturen.
Vi diskuterte senere et problem internt:
Hvis vi utelukkende fokuserer på effektivitetsgevinster, er det lett å undervurdere effekten av AI.
De viktigste endringene er faktisk:
- Folks tid er nå konsentrert om «dømmekraft» og «kommunikasjon»
- «Organisering» og «repeterende oppgaver» reduseres gradvis
- Teamets avhengighet av informasjon har endret seg
Med andre ord er det ikke at en spesifikk oppgave har blitt raskere, men at fokuset i arbeidet har flyttet seg.
Avsluttende tanker: AI er ikke et verktøyproblem, men et prosessproblem
Mange selskaper snakker om AI i disse dager, men når det gjelder faktisk implementering, står de ofte fast på ett punkt:
Det er ikke et spørsmål om «om man skal bruke det», men «hvordan man skal integrere det».
Vår erfaring denne gangen var ganske enkel:
Hvis AI bare er et frittstående verktøy, er verdien begrenset;
men hvis det integreres i prosesser, vil det gradvis forandre måten team jobber på.
Dette var også den mest håndgripelige lærdommen fra Sreskys treningsøkt.