Membangun Tim AI Kolaboratif: Cara Membuat Penjualan, Marketing, dan Ops Bekerja Lebih Baik Bersama dengan AI

Head of Marketing sebuah perusahaan SaaS dengan 180 karyawan memiliki masalah. Timnya telah menggunakan AI untuk pembuatan konten dan analisis kampanye selama enam bulan. Sementara itu, tim penjualan telah mulai menggunakan AI untuk riset prospek dan persiapan panggilan. RevOps menggunakan AI untuk forecasting.

Tidak ada satu pun dari tim-tim ini yang berbicara satu sama lain tentang AI. Tiga set alat yang berbeda. Tiga pustaka prompt yang berbeda. Tiga pendekatan berbeda tentang data apa yang bisa masuk ke alat AI. Dan sekumpulan masalah yang terus berkembang akibat celah di antara mereka.

Marketing membuat model positioning AI yang tidak sesuai dengan bahasa yang dilatihkan pada tim penjualan. Penjualan menghasilkan riset prospek yang menduplikasi pekerjaan yang tim marketing sudah lakukan dengan data yang lebih baik. RevOps menjalankan model forecast yang tidak memperhitungkan sinyal Pipeline kampanye yang marketing sudah miliki.

Alatnya bekerja. Kolaborasinya tidak.

Inilah masalah berikutnya setelah membangun adopsi AI dasar dalam tim individual: bagaimana membuat tim-tim tersebut bekerja bersama secara efektif dengan AI, bukan hanya secara paralel?

Mengapa AI Memperkuat Kegagalan Kolaborasi

Sebagian besar masalah kolaborasi antar fungsi sudah ada sebelum AI. Ketidakselarasan antara penjualan dan marketing, misalnya, terkenal sebagai masalah yang persisten. Yang dilakukan AI adalah memperkuat pola kolaborasi yang sudah ada.

Jika tim sudah berbagi data dan workflow dengan baik, AI mempercepat kolaborasi tersebut. Alat AI dapat meneruskan konteks, menghasilkan konten, dan menganalisis data lintas sistem lebih cepat dari yang bisa dilakukan manusia. Kolaborasi yang baik menjadi lebih baik.

Jika tim beroperasi dalam silo dengan berbagi data minimal dan proses handoff yang buruk, AI mengunci silo tersebut dan memperburuknya. Setiap tim membangun workflow AI yang bekerja dalam konteks mereka sendiri tetapi tidak terhubung dengan apa pun di luar itu. AI membuat setiap tim lebih cepat secara individual sambil membuat kerja lintas fungsi lebih sulit dikoordinasikan.

Implikasi bagi para directors: sebelum berinvestasi besar dalam membangun kapabilitas AI dalam tim individual, investasikan dalam infrastruktur kolaborasi yang akan membiarkan kapabilitas tersebut berkembang bersama. Anda akan mendapatkan jauh lebih banyak dari AI yang terhubung lintas fungsi daripada dari tiga workflow AI terpisah yang tidak pernah saling berkomunikasi.

Tiga Lapisan Kolaborasi

Kolaborasi AI lintas fungsi yang efektif terjadi pada tiga level secara bersamaan.

Lapisan 1: Data dan konteks bersama

Kegagalan kolaborasi paling mendasar dalam AI terjadi ketika berbagai fungsi memiliki akses ke data yang berbeda dan tidak membagikannya. Marketing memiliki data perilaku dari kampanye. Penjualan memiliki catatan panggilan dan data kualifikasi dari prospek. Customer success memiliki sinyal pembaruan dan data penggunaan produk. Alat AI setiap tim hanya dapat menggunakan data yang dapat diakses oleh alat tersebut.

Ketika Anda menghubungkan sumber data ini (bahkan sebagian), output AI membaik secara signifikan. Perwakilan penjualan yang meminta AI untuk mempersiapkan panggilan dengan prospek mendapatkan materi persiapan yang jauh lebih baik ketika AI dapat melihat bahwa prospek menghadiri webinar minggu lalu, mengunduh halaman harga, dan memiliki opportunity sebelumnya yang hilang ke pesaing 18 bulan yang lalu.

Pekerjaan lapisan data ini bukan proyek AI. Ini adalah proyek CRM dan integrasi yang manfaatnya dirasakan AI. Panduan framework kolaborasi AI lintas fungsi mencakup pola integrasi teknis. Poin strategisnya adalah: data bersama harus menjadi investasi AI lintas fungsi pertama, sebelum alat bersama atau workflow bersama.

Lapisan 2: Alat bersama untuk workflow yang melintas batas

Beberapa workflow secara alami melibatkan beberapa fungsi. Handoff dari marketing ke penjualan. Loop feedback dari customer success ke produk. Siklus pelaporan dari ops ke keuangan.

Workflow lintas batas ini adalah tempat alat kolaborasi AI menghasilkan nilai paling terlihat, dan juga di mana paling banyak gesekan karena memerlukan dua tim atau lebih untuk menyepakati proses bersama.

Pendekatan terbaik: pilih satu handoff lintas fungsi yang paling banyak gesekannya dan selesaikan terlebih dahulu, sepenuhnya, sebelum beralih ke yang lain. Jangan mencoba mengaktifkan AI untuk lima workflow lintas fungsi secara bersamaan.

Untuk sebagian besar perusahaan B2B menengah, handoff lead dari marketing ke penjualan adalah titik awal yang tepat. AI dapat memperkaya lead saat handoff, menghasilkan konteks untuk perwakilan penjualan penerima, menilai lead berdasarkan sinyal perilaku, dan mengarahkannya ke perwakilan yang tepat. Namun ini memerlukan marketing dan penjualan untuk menyepakati apa arti "siap untuk diserahkan", data apa yang dibawa bersama lead, dan bagaimana kualitas handoff diukur.

Selesaikan kesepakatan tersebut dengan semua pihak terlibat dalam satu ruangan sebelum menulis satu pun otomasi. AI adalah bagian yang mudah. Penyelarasan adalah bagian yang sulit.

Lapisan 3: Pembelajaran dan praktik bersama

Lapisan yang paling tidak terlihat dan sering kali paling berdampak dari waktu ke waktu. Ketika berbagai fungsi berbagi apa yang mereka pelajari tentang AI (prompt apa yang berhasil, workflow apa yang menghasilkan hasil terbaik, alat apa yang layak investasi), seluruh organisasi menjadi lebih cerdas lebih cepat daripada yang bisa dilakukan tim individual mana pun sendirian.

Itulah tujuan program AI champions terstruktur yang dibangun untuk mencakup beberapa fungsi. Sesi berbagi AI lintas fungsi bulanan di mana setiap tim berbagi satu peningkatan workflow membutuhkan 30 menit dan memberikan dampak besar selama enam bulan.

Tata Kelola: Bagian yang Dilewati Kebanyakan Tim

Hambatan praktis terbesar untuk kolaborasi AI lintas fungsi adalah tata kelola, khususnya pertanyaan tentang siapa yang memutuskan alat apa yang disetujui dan data apa yang bisa masuk ke dalamnya.

Ketika setiap tim mengelola alat AI-nya sendiri secara independen, Anda mendapatkan tiga hasil yang memburuk seiring waktu. Proliferasi alat: 15 alat AI berbeda yang melakukan hal serupa dengan data berbeda, kontrak vendor berbeda, tinjauan keamanan berbeda, dan tanpa integrasi. Kekacauan tata kelola data: tidak ada yang yakin alat mana yang memiliki akses ke data pelanggan mana, yang menciptakan risiko privasi dan keamanan nyata. Shadow IT: kontributor individu membuat keputusan alat yang IT dan hukum belum tinjau, karena tidak ada cara terstruktur untuk mendapatkan persetujuan alat baru dengan cepat.

Solusinya ringan, bukan berat. Fungsi tata kelola AI pusat bukan berarti komite persetujuan birokrasi. Artinya:

Daftar alat yang disetujui diperbarui setiap kuartal. Daftar pendek (6-12 alat) alat AI yang telah lulus tinjauan keamanan dan penanganan data dasar. Tim dapat meminta penambahan. Alat baru ditinjau berdasarkan checklist sederhana (penyimpanan data, kepatuhan privasi, stabilitas vendor) dan ditambahkan atau ditolak dalam dua minggu.

Kategori penanganan data yang jelas. Putuskan sekali jenis data apa yang bisa masuk ke alat AI dan mana yang tidak. PII pelanggan biasanya tidak bisa masuk ke alat AI konsumen tanpa perjanjian pemrosesan data. Metrik agregat biasanya bisa. Dokumen strategi internal adalah keputusan pertimbangan. Tuliskan ini. Ini menghemat berjam-jam keputusan individual.

Pemilik yang ditunjuk. Biasanya di IT atau RevOps. Tugas mereka bukan memblokir penggunaan AI. Ini membuat penggunaan AI lebih cepat dan lebih aman dengan menangani pekerjaan tata kelola sehingga tim individual tidak perlu melakukannya.

Struktur tata kelola ini cukup ringan untuk diterapkan dalam dua minggu dan mencegah sebagian besar gesekan AI lintas fungsi sebelum dimulai. Panduan kebijakan tata kelola AI mencakup cara menyusun dokumen kebijakan yang sebenarnya.

Membangun Prompt dan Workflow Bersama

Salah satu investasi AI lintas fungsi dengan leverage tertinggi adalah pustaka prompt bersama: kumpulan prompt yang terdokumentasi yang bekerja untuk tugas lintas fungsi yang umum.

Ini terdengar sederhana dan sering diabaikan sebagai prioritas rendah. Namun pustaka prompt bersama menyelesaikan beberapa masalah sekaligus. Ini berarti perwakilan penjualan yang menulis persiapan panggilan tidak menghabiskan 20 menit menulis ulang prompt yang tim RevOps sudah miliki dan berfungsi. Ini berarti prompt AI brief konten tim marketing diinformasikan oleh bahasa tim penjualan dari panggilan pelanggan. Ini berarti ketika karyawan baru bergabung, mereka memiliki titik awal untuk penggunaan AI dalam peran mereka segera, bukan menghabiskan berminggu-minggu mencari tahu.

Pustaka prompt bersama paling efektif ketika diorganisir berdasarkan kasus penggunaan (prospecting, pembuatan konten, analisis data, persiapan rapat) daripada berdasarkan tim. Organisasi lintas tim mendorong orang untuk mencari di luar fungsi mereka untuk prompt yang mungkin berhasil bagi mereka.

Kelola pustaka di alat yang sama yang semua orang gunakan untuk dokumentasi internal. Google Docs, Notion, Confluence, apa pun yang sudah menjadi sistem rekaman. Jangan buat sistem baru untuk manajemen prompt. Tujuannya adalah kemudahan akses, bukan kelengkapan.

Menjalankan Proyek AI Lintas Fungsi

Ketika Anda ingin membangun sesuatu yang mencakup dua tim atau lebih, pengaturan proyek sama pentingnya dengan implementasi AI.

Sepakati masalah sebelum menyepakati solusi. Kumpulkan pemimpin setiap fungsi yang terlibat dalam ruangan yang sama (virtual atau fisik) dan dapatkan kesepakatan eksplisit tentang masalah apa yang Anda pecahkan. "Kami ingin menggunakan AI" bukan pernyataan masalah. "Tingkat konversi MQL-ke-SQL kami adalah 22% dan benchmark industri adalah 38%, dan kami pikir kesenjangan ada pada konteks lead saat handoff" adalah pernyataan masalah.

Tunjuk satu pemilik lintas fungsi. Setiap proyek lintas fungsi membutuhkan satu orang yang bertanggung jawab atas hasil, bukan konsensus di antara tiga orang yang masing-masing sebagian bertanggung jawab. Orang ini tidak perlu menjadi yang paling teknis dalam proyek. Mereka perlu menjadi orang dengan kredibilitas organisasi yang cukup untuk membuat keputusan lintas fungsi.

Tetapkan horizon pengujian 6 minggu. Proyek lintas fungsi yang panjang mati dalam perencanaan. Proyek pendek dengan titik akhir yang ditentukan menghasilkan hasil yang menciptakan momentum untuk proyek berikutnya. Tetapkan horizon 6 atau 8 minggu dengan kriteria keberhasilan yang ditentukan sebelum memulai. Gunakan proses program pilot AI sebagai template Anda.

Anggarkan untuk change management, bukan hanya alatnya. Proyek AI lintas fungsi memerlukan perubahan perilaku di beberapa tim secara bersamaan. Anggarkan secara eksplisit untuk pelatihan, dokumentasi, dan sesi coaching satu lawan satu yang menggerakkan orang-orang yang enggan. Alat biasanya 20-30% dari investasi nyata. Change management adalah sisanya.

Mengukur Hasil AI Lintas Fungsi

Proses mengukur ROI adopsi AI berlaku di sini, tetapi proyek lintas fungsi memiliki tantangan pengukuran spesifik: siapa yang memiliki hasilnya?

Jika peningkatan handoff marketing-ke-penjualan yang didukung AI menghasilkan peningkatan win rate 20%, apakah penjualan atau marketing yang mendapat kredit? Di kebanyakan organisasi, tidak ada tim yang akan mengklaim kepemilikan penuh, dan keduanya memiliki argumen valid tentang kontribusi.

Jawabannya bukan berdebat tentang atribusi. Ini mengukur metrik lintas fungsi (win rate dari MQL, bukan hanya volume MQL atau win rate secara terpisah) dan melaporkannya ke kepemimpinan kedua tim secara bersamaan. Ketika metrik keberhasilan secara inheren bersifat lintas fungsi, insentif untuk berkolaborasi menjadi lebih kuat.

Bangun setidaknya satu metrik lintas fungsi ke dalam scorecard untuk setiap proyek AI lintas fungsi. Ini menjaga tim tetap berorientasi ke arah hasil yang sama daripada mengoptimalkan metrik lokal mereka sendiri dengan mengorbankan tujuan bersama.

Kesenjangan Kemampuan yang Menghentikan Kolaborasi Lintas Fungsi

Hambatan teknis untuk kolaborasi AI lintas fungsi biasanya lebih kecil dari hambatan kemampuan. Panduan perencanaan tenaga kerja untuk peran AI mencakup ini secara rinci. Namun untuk kolaborasi lintas fungsi secara khusus, satu kesenjangan kemampuan muncul secara konsisten: pemikiran sistem.

Sebagian besar kontributor individu pandai mengoptimalkan dalam workflow mereka sendiri. Mereka kesulitan melihat bagaimana workflow mereka terhubung dengan milik orang lain dan di mana titik integrasi menciptakan peluang untuk AI. Ini adalah kemampuan berpikir sistem, bukan kemampuan teknis.

Pelatihan untuk ini tidak kompleks. Lokakarya dua jam di mana setiap fungsi memetakan workflow mereka secara visual, kemudian kelompok menemukan 3-5 titik integrasi gesekan tertinggi, menghasilkan output yang lebih berguna daripada kebanyakan program pelatihan AI. Kemudian Anda dapat mengarahkan investasi alat AI secara khusus ke titik integrasi tersebut daripada menyebarkannya di setiap fungsi secara independen.

Perusahaan yang membangun tim AI kolaboratif paling efektif bukan yang memberi semua orang alat AI. Mereka adalah yang berinvestasi untuk memahami bagaimana fungsi mereka terhubung sebelum mengotomatisasi apa pun. AI adalah bagian yang mudah. Arsitektur koneksi adalah yang menentukan apakah AI tersebut menghasilkan efisiensi terisolasi atau leverage organisasi yang sesungguhnya.