Bahasa Indonesia

AI dalam Alur Kerja Enterprise AE

Seorang enterprise AE yang saya kenal mengirimkan briefing pra-rapat yang "dipersonalisasi" kepada seorang CFO Fortune 500 kuartal lalu. Empat puluh lima menit prosa hasil model tentang angin kencang industri, prioritas strategis sang CFO, dan bagaimana platform si penjual selaras dengan tujuan transformasi digital yang dinyatakan perusahaan. Sang CFO membalas dengan satu baris.

"Apakah ChatGPT yang menulis ini?"

Dengan Cc: si EVP. Deal itu tidak mati hari itu juga, tetapi tidak pernah pulih. Vendor lain menutup kontrak tersebut delapan bulan kemudian. Bagian yang membuat geleng kepala adalah briefing itu tidak salah. Ia mengutip earnings call yang nyata, prioritas strategis yang nyata, pernyataan publik yang nyata. Ia hanya cukup generik sehingga seorang pembeli senior bisa mencium bau model di baliknya. Dan begitu seorang pembeli menyimpulkan bahwa Anda tidak benar-benar memikirkan hubungan ini, setiap email setelah itu dibaca melalui filter yang sama.

Inilah bagian dari percakapan soal AI yang tidak diperingatkan kepada para enterprise AE. AI adalah leverage yang sungguh nyata. Ia akan menghemat lima sampai delapan jam Anda per minggu. Ia akan membuat Anda lebih cepat dalam riset, sintesis, dan draf pertama. Dan jika Anda membiarkannya menyentuh permukaan deal yang salah, ia akan diam-diam membakar kredibilitas Anda di hadapan orang-orang persis yang Anda perlukan untuk menutup deal.

Mengapa Ini Penting Sekarang

Pembeli enterprise menoleransi lebih sedikit sampah AI dibanding pembeli SMB, bukan lebih banyak. Itulah bagian yang kebanyakan penjual pahami secara terbalik. Asumsinya adalah "para eksekutif sibuk, mereka mau yang ringkas." Benar. Tetapi ringkas tidak sama dengan generik, dan pembeli senior bisa mendengar perbedaannya dalam satu kalimat.

Di level C, setiap kata dibaca sebagai sinyal seberapa serius Anda menanggapi bisnis mereka. Email eksekutif generik yang ditulis AI memberi tahu seorang CRO bahwa Anda tidak cukup mengenal perusahaan mereka untuk menulis tiga paragraf khusus. Yang berarti, dengan demikian, Anda mungkin juga tidak bisa menjalankan siklus deal yang kompleks. Risikonya bukan AI. Risikonya adalah AI yang belum diedit di hadapan orang-orang senior. AI yang sudah Anda tinjau, tulis ulang, dan beri lapisan pemikiran Anda sendiri hanyalah sebuah alat. AI yang Anda teruskan langsung dari model adalah sebuah indikator yang membongkar Anda.

Ada risiko terkait yang lebih sulit dilihat. AI paling berguna untuk bagian-bagian pekerjaan EAE yang bersifat mekanis: penjadwalan, transkripsi, sintesis riset, draf pertama. Itu kemenangan nyata. Tetapi bagian pekerjaan yang sebenarnya menutup deal (menjadi penasaran dalam panggilan discovery, membaca ruangan berisi eksekutif skeptis, mengetahui stakeholder mana yang butuh percakapan pribadi sebelum komite pengarah) tidaklah mekanis. Jika Anda mengalihdayakan 70% bagian mekanis ke AI, Anda punya lebih banyak waktu untuk 30% bagian manusia. Jika Anda mencoba mengalihdayakan 30% bagian manusia itu, deal akan tergelincir.

Di Mana AI Membantu vs. Di Mana Ia Merugikan

Inilah kerangka keputusan praktis yang saya gunakan. Tiga zona: hijau (biarkan AI berjalan), kuning (AI untuk draf pertama, Anda tulis ulang), merah (jangan biarkan AI menyentuh ini).

Zona hijau, AI menangani dari awal sampai akhir:

  • Riset stakeholder pra-panggilan. Beri AI sebuah profil LinkedIn, transkrip earnings call terbaru, dan kutipan dari 10-K. Minta ia memunculkan tiga prioritas strategis dan dua kemungkinan keberatan. Anda memverifikasi, tetapi Anda memulai satu jam lebih maju dari posisi Anda yang seharusnya.
  • Sintesis catatan pasca-panggilan. Tempel transkrip mentah Gong atau Chorus, minta AI mengekstrak keputusan, pemilik tugas, langkah berikutnya, dan pertanyaan yang belum terjawab. Sepuluh menit alih-alih empat puluh. Ini salah satu kemenangan paling andal dalam alur kerja.
  • Persiapan tinjauan deal internal. Tarik data CRM Anda, tempel, minta AI menandai celah dalam MEDDPICC Anda. Ia akan menangkap hal-hal yang Anda lewatkan karena Anda terlalu dekat dengan deal-nya.
  • Boilerplate proposal. Latar belakang perusahaan, gambaran keamanan, lini masa implementasi, struktur rencana penutupan bersama. AI merakit kerangkanya. Anda menghabiskan waktu pada narasi nilai khusus, yang merupakan satu-satunya bagian yang benar-benar dibaca pembeli dengan saksama.

Zona kuning, AI membuat draf dan Anda menulis ulang secara mendalam:

  • Outreach kadensi multi-threading. Hasilkan draf pertama email untuk 6-8 stakeholder dalam sebuah deal, lalu tulis ulang masing-masing sendiri. AI memberi Anda kerangkanya. Pengetahuan Anda tentang akun yang membuatnya spesifik. Ada pembahasan lebih panjang tentang bagaimana ini bekerja dalam praktik di Multi-Threading Deal Enterprise.
  • Persiapan keberatan. AI menghasilkan daftar kemungkinan keberatan; Anda menguji ketahanannya terhadap apa yang sebenarnya Anda dengar dalam discovery.
  • Ringkasan eksekutif. Draf pertama dari AI, lalu edit manusia yang berat agar terdengar seperti Anda, bukan seperti model.

Zona merah, jangan biarkan AI menyentuh:

  • Komunikasi eksekutif yang belum diedit. Jangan pernah mengirim email hasil AI ke VP ke atas tanpa penulisan ulang manusia yang berat. Pembeli senior bisa mengenali irama prosa hasil model dalam dua kalimat. Ketika saya mengirim email eksekutif hasil draf AI tanpa menulisnya ulang, saya diabaikan tanpa balasan. Setiap kali.
  • Red line MSA khusus. AI mengarang istilah hukum. Tim procurement dan hukum akan menangkapnya, kehilangan kepercayaan, dan memperlambat deal selama dua minggu sementara mereka memverifikasi ulang semua yang sudah Anda kirim.
  • Jawaban kuesioner keamanan. Jawaban yang salah menciptakan risiko pelanggaran dan pernyataan palsu secara tertulis. Ini pekerjaan untuk tim keamanan dan InfoSec, bukan asisten AI Anda.
  • Pembuatan pertanyaan discovery. Anda kehilangan otot rasa ingin tahu yang membuat EAE menjadi hebat. Pertanyaan discovery yang memenangkan deal datang dari benar-benar mendengarkan panggilan terakhir, bukan dari template prompt.

Pustaka Prompt EAE

Tujuh prompt yang benar-benar saya gunakan. Tempel ini ke Claude atau ChatGPT, edit input dalam tanda kurung, dan Anda punya sebagian besar alur kerja AI yang Anda butuhkan.

1. Pra-baca stakeholder

Anda membantu saya bersiap untuk panggilan discovery 30 menit dengan [NAMA], 
[JABATAN] di [PERUSAHAAN]. 

Saya menempelkan: profil LinkedIn mereka, transkrip earnings call kuartalan 
terbaru, dan kutipan dari pengajuan 10-K terbaru.

Output:
1. Tiga prioritas strategis yang telah perusahaan komitmenkan secara publik 
   dalam 12 bulan terakhir, dengan sumber untuk masing-masing.
2. Dua kemungkinan keberatan yang akan diangkat orang ini tentang pembelian 
   [kategori Anda], mengingat peran mereka dan profil keuangan perusahaan saat ini.
3. Satu hubungan tidak kentara antara prioritas yang mereka nyatakan dan sebuah 
   tantangan yang dipecahkan oleh [kategori Anda]: dirumuskan sebagai hipotesis 
   yang harus saya uji dalam panggilan, bukan klaim yang harus saya buat.

Bersikaplah konservatif. Jika Anda tidak dapat menyumberkan sebuah klaim dari 
dokumen yang saya tempel, katakan "tidak ada sumber publik: verifikasi sebelum 
mengutip."

[TEMPEL LINKEDIN]
[TEMPEL TRANSKRIP EARNINGS]
[TEMPEL KUTIPAN 10-K]

Klausa "bersikaplah konservatif" adalah bagian yang penting. Tanpa itu, model mengarang prioritas strategis yang terdengar masuk akal tetapi sebenarnya tidak ada. Dengan itu, Anda mendapatkan titik awal yang bisa dipertahankan.

2. Sintesis pasca-panggilan

Saya menempelkan transkrip mentah dari panggilan discovery 45 menit dengan 
[NAMA-NAMA, JABATAN] di [PERUSAHAAN].

Ekstrak:
1. Keputusan yang dibuat selama panggilan (siapa yang memutuskan, apa yang diputuskan)
2. Item tindakan dengan pemilik dan tenggat waktu (jika dinyatakan)
3. Pertanyaan terbuka yang diangkat tetapi tidak terselesaikan
4. Sinyal pembelian: bahasa yang menunjukkan urgensi, anggaran, atau 
   kesiapan stakeholder. Kutip frasa persisnya.
5. Sinyal risiko: bahasa yang menunjukkan keraguan, prioritas yang bersaing, 
   atau keberatan yang belum terselesaikan. Kutip frasa persisnya.
6. Tiga pertanyaan lanjutan yang harus saya tanyakan dalam percakapan berikutnya 
   berdasarkan apa yang dikatakan, bukan apa yang saya asumsikan.

Jangan meringkas panggilannya. Ekstrak saja.

[TEMPEL TRANSKRIP]

Instruksi "jangan meringkas" itu penting. Model secara default membuat ringkasan, yang merupakan output paling tidak berguna. Anda ingin ekstraksi mentah agar bisa memverifikasinya terhadap transkrip.

3. Draf kadensi multi-threading

Saya menjalankan peluang aktif di [PERUSAHAAN]. Economic buyer-nya adalah 
[NAMA, JABATAN]. Saya punya hubungan setingkat champion dengan [NAMA, JABATAN] 
dan [NAMA, JABATAN]. Saya perlu memperluas ke [NAMA, JABATAN] (keamanan), 
[NAMA, JABATAN] (IT), dan [NAMA, JABATAN] (keuangan).

Konteks: [3-4 kalimat tentang deal-nya: apa yang sedang mereka pecahkan, 
di mana posisi mereka dalam proses, apa yang baru saja terjadi pada panggilan terakhir].

Buatlah draf email sentuhan pertama untuk masing-masing dari tiga stakeholder baru. 
Setiap email harus:
- Mereferensikan satu hasil bisnis spesifik yang relevan dengan peran itu 
  (keamanan: pengurangan risiko; IT: beban implementasi; keuangan: TCO).
- Menyertakan satu pertanyaan saja yang hanya bisa dijawab peran itu.
- Di bawah 120 kata.
- Menghindari frasa "circle back," "touch base," "leverage," "synergies," 
  dan kalimat apa pun yang diawali dengan "Semoga email ini menemui Anda 
  dalam keadaan baik."

Setiap draf akan ditulis ulang secara berat sebelum dikirim. Optimalkan untuk 
spesifisitas di atas kehalusan.

[TEMPEL KONTEKS]

Daftar frasa yang diblokir itulah yang menghentikan model dari kebiasaan jatuh ke prosa outreach. Coba tanpa daftar blokir itu dan Anda akan paham alasannya.

4. Persiapan keberatan

Tahap deal: [tahap]. Peran pembeli: [JABATAN]. Industri: [industri]. 
Ukuran deal: $[jumlah] ARR.

Berdasarkan kekhawatiran tipikal seseorang dalam peran ini pada tahap pembelian 
perangkat lunak enterprise ini, hasilkan lima keberatan yang paling mungkin 
saya hadapi dalam percakapan saya berikutnya.

Untuk setiap keberatan:
1. Keberatan dalam rumusan yang kemungkinan dipakai pembeli
2. Kekhawatiran yang mendasari (sering berbeda dari keberatan di permukaan)
3. Pendekatan respons (bukan naskah: sudut yang harus saya ambil)
4. Pertanyaan discovery yang seharusnya saya tanyakan lebih awal untuk memunculkan ini

Tandai setiap keberatan yang benar-benar tentang [produk Anda] vs. tentang 
kategori yang lebih luas vs. tentang politik internal pembeli.

[TEMPEL KONTEKS DEAL]

Sumbu ketiga (keberatan tentang produk vs. kategori vs. politik) adalah yang paling sering manusia lewatkan. Itu juga yang menentukan apakah keberatan itu menjadi tanggung jawab Anda untuk menanganinya atau tanggung jawab champion Anda.

5. Narasi proposal

Saya menyusun bagian ringkasan eksekutif dari sebuah proposal untuk [PERUSAHAAN]. 
Ini satu-satunya bagian yang akan dibaca dengan saksama oleh economic buyer [JABATAN]. 
Maksimum 250 kata.

Saya menempelkan catatan discovery saya dari empat percakapan dengan tim deal.

Hasilkan draf pertama ringkasan eksekutif yang:
- Membuka dengan masalah bisnis dalam kata-kata mereka, bukan kata-kata saya
- Menyatakan hasil terukur yang mereka katakan ingin mereka capai
- Menyebutkan dua atau tiga kapabilitas yang memetakan langsung ke hasil itu 
  (lewati fitur yang tidak memetakan)
- Menutup dengan seperti apa keberhasilan dalam 12 bulan

Tanpa bahasa marketing. Tanpa "transform," "unlock," "empower," "leverage," 
"unleash." Cocokkan gaya prosa dengan studi kasus Harvard Business Review, 
bukan deck penjualan.

[TEMPEL CATATAN DISCOVERY]

Jangkar gaya HBR adalah trik paling berguna yang saya temukan untuk mengeluarkan model dari suara marketing.

6. Rencana penutupan bersama

Saya membangun rencana penutupan bersama dengan [PERUSAHAAN] untuk deal [UKURAN] 
yang menargetkan penutupan [TANGGAL]. Komite pembelian mencakup: [DAFTAR NAMA, 
PERAN, TINGKAT PENGARUH].

Proses procurement mereka biasanya membutuhkan: [DAFTAR APA YANG ANDA TAHU].

Hasilkan kerangka milestone dengan:
1. Alur kerja (hukum, keamanan, validasi teknis, penyelarasan eksekutif, komersial)
2. Milestone kunci di setiap alur kerja dengan tanggal target
3. Pemilik di sisi mereka dan sisi kita
4. Ketergantungan antar alur kerja (apa yang memblokir apa)
5. Tiga milestone yang paling mungkin tergelincir dan alasannya

Format sebagai tabel yang bisa saya tempel ke dokumen bersama dengan pembeli.

[TEMPEL KONTEKS DEAL]

Yang satu ini paling tidak saya percayai. Output-nya selalu berupa struktur awal yang bagus, tetapi setiap deal punya keunikan yang tidak bisa dilihat model. Saya menulis ulang mungkin separuh baris sebelum membagikannya secara eksternal.

7. Tinjauan deal internal (celah MEDDPICC)

Saya bersiap untuk tinjauan deal internal. Saya menempelkan catatan CRM, 
utas email terbaru, dan ringkasan rapat untuk peluang [ID].

Jalankan analisis celah MEDDPICC. Untuk setiap huruf:
- Apa yang saya tahu dengan percaya diri (dengan sumber)
- Apa yang saya asumsikan tetapi belum saya verifikasi
- Satu pertanyaan bernilai tertinggi yang harus saya jawab sebelum tinjauan 
  Jumat depan

Bersikaplah skeptis. Jika saya mengklaim seorang champion ada tetapi tidak ada 
bukti advokasi independen dalam perilaku mereka, tandai itu. Jika saya punya 
sebuah metrik tetapi itu angka dari halaman marketing, bukan sesuatu yang 
pembeli katakan kepada saya, tandai itu.

[TEMPEL CATATAN]

Instruksi skeptisisme itulah yang membuat prompt ini benar-benar berguna. Tanpa itu, model akan menyetujui apa pun yang sudah Anda tulis di CRM Anda, yang persis bukan kebutuhan Anda sebelum tinjauan deal.

Jebakan Umum

Mengirim email eksekutif sepenuhnya hasil AI karena Anda ketinggalan pekerjaan di hari Jumat. Pembeli mengingat nadanya, bukan minggu sibuk Anda. Jalan pintasnya terasa sepadan untuk sepuluh menit; berkas mental pembeli tentang Anda butuh setahun untuk diperbaiki.

Menggunakan AI untuk membuat draf red line MSA atau jawaban keamanan. Ini berakhir di dokumen yang mengikat secara hukum. Peninjau ahli akan menangkap setiap kesalahan. Begitu tim hukum menandai bahasa yang dikarang, setiap baris kontrak diverifikasi ulang, dan di situlah keterlambatan deal dua minggu berubah menjadi empat minggu.

Memperlakukan riset akun dari AI sebagai kebenaran mutlak. Halusinasi model tentang struktur organisasi, berita terbaru, atau kinerja keuangan akan mempermalukan Anda secara langsung di dalam ruangan. Perbaikannya adalah disiplin paling sederhana yang mungkin: jangan pernah mengutip fakta di hadapan pembeli yang belum Anda verifikasi di sumbernya.

Menempelkan data pelanggan rahasia ke perangkat AI publik. Asumsikan setiap prompt dicatat kecuali perusahaan Anda punya perjanjian enterprise. Jika Anda bekerja dengan nama akun nyata, angka pendapatan nyata, atau bagan organisasi nyata, gunakan perangkat kelas enterprise yang disetujui tim keamanan Anda, bukan akun ChatGPT konsumen di ponsel Anda.

Membiarkan AI menulis pertanyaan discovery Anda. Anda kehilangan otot rasa ingin tahu. Pertanyaan yang menggerakkan deal enterprise datang dari benar-benar mendengarkan apa yang baru saja dikatakan pembeli, bukan dari template prompt. Ada daftar lebih panjang tentang ini di Jebakan Umum Enterprise AE.

Tiga Aturan Tinjauan Output

Sebelum output AI mana pun meninggalkan komputer Anda, tiga pemeriksaan. Ini memakan waktu tiga puluh detik dan menyelamatkan deal.

  1. Apakah ada yang salah secara faktual? Khususnya, nama, angka, tanggal, atau klaim apa pun tentang bisnis pembeli. Jika Anda tidak bisa menyumberkannya, potong.
  2. Apakah saya akan malu jika orang ini tahu AI yang menulis ini? Jika ya, ini perlu lebih banyak penulisan ulang. Jika benar-benar tidak, ini mungkin terbaca sebagai Anda, bukan sebagai model.
  3. Apakah ini terdengar seperti saya, atau terdengar seperti model? Bacakan paragraf pertama dengan suara keras. Model punya irama. Trikolon, klausa berimbang, lima kata penghubung yang sama. Suara Anda punya tonjolan dan asimetri. Jika prosanya terlalu mulus, kasarkan sedikit.

Sebelum vs. Sesudah: Sebuah Email Eksekutif

Inilah draf AI yang belum diedit dari sebuah email outreach kepada seorang VP of Engineering di sebuah perusahaan perangkat lunak mid-market:

Subjek: Menyelaraskan velocity engineering di [Perusahaan]

Hai [Nama],

Semoga email ini menemui Anda dalam keadaan baik. Saya telah mengikuti pertumbuhan terbaru [Perusahaan] dan terkesan dengan skala organisasi engineering Anda. Seiring Anda terus berkembang, saya ingin sekali menjajaki bagaimana [Produk] dapat membantu tim Anda membuka velocity yang lebih besar dan memberikan lebih banyak nilai kepada pelanggan Anda.

Banyak pemimpin engineering yang bekerja dengan kami menghadapi tantangan serupa seputar fragmentasi perkakas dan pengalaman developer. Kami telah membantu perusahaan seperti [X] dan [Y] menyederhanakan alur kerja mereka dan mempercepat waktu ke pasar.

Apakah Anda bersedia untuk percakapan 30 menit minggu depan untuk menjajaki bagaimana kita bisa bermitra bersama?

Salam, [Pengirim]

Ini tidak salah. Ini hanya email model. Setiap pembeli senior sudah membaca email persis seperti ini ribuan kali.

Inilah versi setelah ditulis ulang:

Subjek: Post-mortem reliabilitas Q3

[Nama],

Melihat post-mortem Anda tentang insiden reliabilitas Q3. Bagian tentang infrastruktur pengujian yang menjadi bottleneck sebenarnya (bukan frekuensi deploy) adalah tulisan engineering paling jujur yang saya baca tahun ini.

Dua pertanyaan, tanpa pitch terlampir:

  1. Perbaikan yang Anda gambarkan memindahkan bottleneck ke penyediaan environment. Apakah itu terbukti di Q4?
  2. Kami bekerja dengan tiga perusahaan yang menabrak tembok persis sama di kisaran 200 engineer. Layak bertukar catatan selama 20 menit?

Jika ya, saya akan kirim tiga hal konkret yang mereka lakukan. Jika tidak, tanpa tindak lanjut.

[Pengirim]

Maksud yang sama. Probabilitas yang berbeda untuk mendapat balasan. Yang kedua butuh enam menit untuk ditulis karena tiga menit pertama dihabiskan membaca post-mortem yang benar-benar ditulis pembeli.

Mengukur Apakah AI Membantu atau Merugikan

Lacak tiga hal selama satu kuartal.

Waktu admin yang dihemat per minggu. Target 5-8 jam. Ukur dengan jujur. Jika Anda menghemat empat jam pada sintesis lalu menghabiskan tiga di antaranya untuk lebih banyak sintesis, hasil bersihnya adalah satu jam, bukan empat.

Deal velocity di tahap-tahap tempat AI mengerjakan persiapan. Target pergerakan 15-20% lebih cepat melalui tahap-tahap yang pekerjaannya sebagian besar riset dan sintesis (discovery awal, penyusunan proposal, tinjauan internal). Jika tahap-tahap itu tidak menjadi lebih cepat, alur kerja AI Anda sebenarnya tidak bekerja untuk Anda.

Kualitas keterlibatan eksekutif. Tingkat balasan dari kontak VP ke atas bertahan stabil atau membaik, bukan menurun. Metrik yang salah adalah "email terkirim." Metrik yang benar adalah apakah pembeli senior merespons lebih banyak, sama, atau lebih sedikit sejak Anda mulai menggunakan AI. Jika tingkat balasan dari pembeli senior turun setelah Anda mengadopsi AI, Anda mengirim terlalu banyak output model yang belum diedit. Kurangi volume, tingkatkan kualitas. Ada uraian yang lebih lengkap tentang cara berpikir mengenai tool stack seorang EAE di Tools & Tech Stack Enterprise AE.

Bagaimana Rework Cocok

Kebanyakan perangkat AI hidup di luar CRM Anda. Penyerahan antara "AI menghasilkan draf ini" dan "draf ini ada di catatan deal tempat anggota tim lainnya bisa melihatnya" adalah tempat waktu bocor. Rework CRM menjaga riset berbantuan AI, sintesis pasca-panggilan, dan catatan stakeholder tetap melekat pada catatan peluang itu sendiri, sehingga SE, CSM, dan komite tinjauan deal melihat konteks yang sama dengan yang Anda hasilkan. AI sebagai perangkat produktivitas terpisah tidak masalah. AI yang terintegrasi ke dalam catatan deal benar-benar lebih cepat. CRM mulai dari $12/pengguna/bulan.

Apa yang Bisa Diambil dari Ini

AI adalah leverage, bukan jalan pintas yang menghindari bagian-bagian pekerjaan yang sebenarnya membutuhkan seorang EAE. Pembeli senior selalu bisa membedakannya. Disiplinnya adalah mengetahui 70% mana dari minggu Anda yang AI tangani dengan baik, dan melindungi 30% yang tidak bisa ia tangani. 70% itu adalah riset, sintesis, penyusunan draf, persiapan internal. 30% itu adalah penilaian manusia yang menutup deal: duduk bersama CFO yang skeptis, mengetahui stakeholder mana yang butuh percakapan pribadi, mendengar apa yang tidak terucap dalam panggilan discovery.

Jika Anda menjalankan kembali minggu ini melalui kerangka hijau/kuning/merah, di mana Anda akan menemukan lima jam leverage berbantuan AI? Dan email eksekutif mana yang Anda kirim kuartal lalu yang, jika dipikir ulang, terdengar sedikit terlalu mulus?

Mulailah dari sana. Bentuk hari seorang enterprise AE, termasuk di mana AI berada di dalamnya, diuraikan lebih rinci di Sehari dalam Kehidupan Seorang Enterprise AE.

Pelajari Lebih Lanjut