AI dalam Alur Kerja PMM: Apa yang Benar-Benar Berhasil (Dan Apa yang Langsung Dikenali Rep)

Setiap alat PMM kini mengaku memakai AI. Sebagian besar dari mereka hanya mengulang teks pemasaran yang sama yang ditulis oleh anak magang pesaing, lalu mengirimkannya kembali kepada Anda sebagai "intelijen kompetitif." Para rep Anda bisa mencium aroma battlecard yang ditulis AI dari seberang channel Slack. Pelanggan mengenali one-pager yang ditulis AI bahkan sebelum mereka selesai membaca judul utamanya.

Pekerjaan PMM adalah penilaian, suara, dan kebenaran pelanggan. Tiga hal yang benar-benar tidak dikuasai AI.

Namun ada lima area di mana ia menghemat waktu Anda sebanyak satu hari penuh per minggu. Triknya adalah mengetahui kelima area itu, dan bersikap jujur tentang sisanya. Saya pernah menyaksikan seorang AE terbaik merobek "battlecard hasil AI" di depan saya, menyerahkannya kembali, dan bertanya apakah kami bisa "mengirimkan yang asli." Jadi panduan ini bersikap tegas. Tujuannya bukan menggunakan lebih banyak AI. Tujuannya adalah menggunakan AI untuk bagian-bagian PMM yang bersifat pencocokan pola, dan menjaga tangan manusia tetap mengerjakan bagian-bagian yang bukan.

Di Mana AI Benar-Benar Membantu

Lima alur kerja, kurang lebih berurutan berdasarkan ROI.

1. Analisis transkrip menang-kalah. Inilah penggunaan AI dengan daya ungkit tertinggi dalam PMM, titik. Dua puluh panggilan Gong dulu berarti dua minggu mendengarkan, menandai, dan mencoba mengingat apa yang dikatakan calon pelanggan pada panggilan ke-14. Sekarang Anda menempelkan 20 transkrip ke dalam Claude dengan prompt terstruktur dan mendapatkan tema-tema terkode dalam 30 menit. Anda tetap akan memvalidasinya dengan rep sebelum mengirimkan apa pun, tetapi AI memadatkan sintesis dari berminggu-minggu menjadi berjam-jam.

2. Peringkasan intelijen kompetitif. Membaca 14 ulasan G2, tiga transkrip laporan keuangan terakhir, dan halaman harga baru pesaing adalah pekerjaan kasar. Masukkan semuanya ke Claude dan tanyakan: "Apa yang berubah dalam 90 hari terakhir, keberatan apa yang diangkat para pengulas, fitur baru apa yang mereka rilis?" Anda mendapatkan titik awal yang lebih bersih daripada yang akan dijual oleh alat "intelijen kompetitif AI" mana pun seharga $40 ribu per tahun. Catatan: inputnya adalah materi sumber. Outputnya adalah tulisan Anda sendiri, bukan ringkasan yang diteruskan.

3. Varian uji pesan. Anda sedang menjalankan A/B test judul utama pada halaman peluncuran dan membutuhkan 8 variasi. Membuatnya secara manual memakan waktu satu jam dan menghasilkan enam yang nyaris kembar karena otak Anda terjebak rutinitas. Membuatnya dengan AI memakan waktu empat menit dan memberi Anda delapan arah, separuhnya sengaja buruk karena variasinya yang menjadi intinya. Anda menilainya sebagai manusia. AI hanya memperluas ruang pencarian.

4. Draf awal aset penjualan. Kerangka battlecard. Rancangan FAQ. Garis besar penanganan keberatan. Kerangka struktural sebuah one-pager. AI membawa Anda ke v0 dalam 15 menit yang biasanya butuh 90 menit. Lalu Anda menulis ulang 70% darinya. Penghematannya ada pada tidak menatap dokumen kosong, bukan pada kata-kata yang dihasilkan AI.

5. Memo briefing. Spesifikasi produk yang berantakan perlu diubah menjadi brief peluncuran untuk pemasaran, penjualan, support, dan CS. Tempel spesifikasinya, tempel template brief peluncuran Anda, minta AI membuat draf. Anda akan memangkas separuhnya dan menulis ulang sisanya, tetapi Anda melewati bagian di mana Anda membaca ulang spesifikasi itu tiga kali sambil mencoba memahami harus mulai dari mana.

Itulah daftarnya. Perhatikan apa yang tidak ada di dalamnya.

Di Mana AI Gagal (Dan Rep Menyadarinya)

Inilah mode kegagalan yang saya lihat membuat para PMM terbakar. Masing-masing mengorbankan kepercayaan dari penjualan, dan kepercayaan itulah yang memberi PMM daya ungkit.

Penilaian positioning

AI merata-ratakan segalanya. Positioning adalah pilihan yang tajam.

Ketika Anda bertanya kepada Claude "apa positioning terbaik untuk produk kita," ia akan memberi Anda sesuatu yang terdengar masuk akal dan karena itu salah. Inti dari seluruh argumen April Dunford adalah bahwa positioning menuntut Anda memilih satu alternatif kompetitif, memilih untuk siapa Anda paling cocok, dan secara eksplisit meninggalkan semua orang lain. AI benci meninggalkan siapa pun. Model itu ingin menyenangkan. Positioning menuntut keberanian untuk mengecewakan.

Anti-pola: Pernyataan positioning hasil AI yang berbunyi seperti "platform terdepan untuk tim yang berpikiran maju." Itu bukan positioning. Itu justru kebisingan yang seharusnya ditembus oleh positioning.

Suara merek

Nada adalah selera. Selera bukanlah sebuah prompt.

Anda bisa memberi Claude 30 postingan blog terbaik Anda dan memintanya menulis dengan suara Anda. Ia akan menghasilkan sesuatu yang 70% mendekati. 30% yang hilang itulah bagian yang membuat pembaca berhenti menggulir layar. Suara merek adalah hasil dari ratusan penilaian kecil: kata sifat mana yang dipangkas, kapan harus melanggar aturan, kapan setengah kalimat lebih kuat menohok daripada kalimat penuh. AI meratakan semua itu.

Saya tidak mengatakan jangan gunakan AI untuk draf. Saya mengatakan jangan biarkan AI mengirimkan teks atas nama merek Anda tanpa sentuhan akhir dari manusia. Pembaca bisa merasakannya. Terutama pembaca yang Anda inginkan.

Kebenaran pelanggan

AI mengarang kutipan. Pelanggan tidak berbicara seperti itu.

Jika Anda meminta model untuk "menulis testimoni pelanggan tentang onboarding kami," Anda akan mendapatkan sesuatu yang terdengar seperti testimoni pelanggan. Itu tidak akan terdengar seperti pelanggan sungguhan, karena pelanggan sungguhan berkata "ya, implementasinya memang lebih lama dari perkiraan kami, tapi SE-nya hebat" sementara AI berkata "antarmuka platform yang intuitif mempercepat time-to-value tim kami."

Para rep punya indra keenam untuk hal ini. Begitu pula calon pelanggan. Begitu seseorang membaca kutipan yang terdengar ditulis AI, setiap kutipan di halaman itu menjadi mencurigakan.

Anti-pola: Apa pun yang berupa "suara pelanggan" hasil AI. Kutipan, pembuka studi kasus, kutipan testimoni yang ditonjolkan. Ambil dari transkrip panggilan asli atau jangan gunakan sama sekali.

POV orisinal

Jika narasi peluncuran Anda bisa saja ditulis tentang pesaing, berarti Anda tidak punya narasi.

AI dilatih dari teks peluncuran milik semua orang lain. Memintanya menulis milik Anda menghasilkan rata-rata dari teks peluncuran semua orang lain. Peluncuran yang menggerakkan pipeline adalah yang punya opini tajam yang belum dikatakan oleh kategorinya. Opini itu harus datang dari wawancara pelanggan Anda, data menang-kalah Anda, keyakinan sejati pendiri Anda tentang mengapa hal ini penting sekarang. Bukan dari sebuah prompt.

Kombinasi Gong + Claude untuk Menang-Kalah

Inilah satu-satunya alur kerja yang membenarkan keberadaan AI dalam PMM. Berikut alur yang saya jalankan.

Langkah 1. Tarik transkripnya. Ambil 15-20 transkrip panggilan transaksi kalah dari Gong (atau Chorus, atau Fathom). Saring berdasarkan tahap transaksi = "Proposal" atau lebih lanjut, sehingga Anda mendapatkan panggilan di mana pembeli benar-benar melakukan evaluasi. Hapus nama dan pengenal perusahaan. Anda bisa melakukan ini secara manual untuk 20 panggilan atau menggunakan ekspor Gong dengan skrip kecil.

Langkah 2. Tempel ke Claude dengan prompt terstruktur. Konteks panjang penting di sini. Claude menangani 15-20 transkrip dalam satu sesi lebih baik daripada ChatGPT, itulah sebabnya saya menjadikan Claude default untuk sintesis dan ChatGPT untuk pembuatan varian. Struktur prompt yang saya gunakan:

You are analyzing 18 closed-lost call transcripts from sales calls.
Each transcript is delimited by "=== TRANSCRIPT N ===".

For each transcript:
1. Identify the deal stage where the loss happened (discovery, demo, proposal, late-stage)
2. Code the primary loss reason using these categories:
   - Price / TCO concern
   - Feature gap (specify which)
   - Competitor preferred (specify which, why)
   - Internal champion lost / org change
   - Bad fit / disqualified
   - Timing / no decision
3. Pull 1-2 verbatim quotes that support the coding (preserve exactly)

After all transcripts, produce a synthesis:
- Top 3 themes by frequency
- For each theme: 3-5 verbatim quotes, deal-stage distribution,
  and which competitors came up most often
- Surprises: anything that contradicts our current narrative

Do not invent quotes. If a transcript doesn't support a theme, say so.

Langkah 3. Validasi dengan rep sebelum mengirim apa pun. Ini tidak bisa ditawar. Ambil 3 tema teratas yang dimunculkan Claude dan ujikan kepada 3 AE. Dua pertanyaan: "Apakah ini cocok dengan yang Anda dengar?" dan "Apa yang kurang?" Separuh dari waktu, rep akan memberi tahu Anda sebuah tema yang tidak muncul di transkrip karena rep tahu konteks yang tidak tertangkap transkrip (seperti percakapan anggaran yang terjadi lewat pesan teks).

Langkah 4. Kirim sintesisnya dengan kutipan bersumber. Setiap tema dalam tulisan akhir Anda dilampiri kutipan asli yang sungguhan dan ID panggilan. Tidak ada omong kosong parafrase "pelanggan memberi tahu kami...". Jika Anda tidak bisa mengutipnya, Anda tidak bisa mengklaimnya.

Inilah alur kerja yang membawa saya dari "kita seharusnya melakukan menang-kalah" menjadi "kita mengirimkan readout menang-kalah setiap kuartal." AI memadatkan analisisnya. Rep memvalidasi kebenarannya. Kombinasi itulah yang membuatnya kredibel di mata kepemimpinan.

Jebakan "Battlecard yang Ditulis AI"

Rep langsung mengenali battlecard AI. Tiga alasannya.

Perbandingan generik. AI menghasilkan "kami lebih mudah digunakan, lebih fleksibel, dan lebih baik untuk tim yang sedang bertumbuh." Battlecard AI setiap pesaing mengatakan hal yang persis sama. Battlecard sungguhan mengatakan "ketika mereka mengangkat X, ini pertanyaan jebakannya; ketika mereka bertanya tentang Y, ini gerakan demonya; ketika mereka mengutip studi kasus Acme, ini tindak lanjutnya." Itu konteks transaksi yang tidak dimiliki AI.

Tanpa pengetahuan orang dalam. Battlecard sungguhan mencakup hal-hal seperti "kepala penjualan mereka baru saja pindah ke perusahaan Series B pada Februari" dan "mereka tidak mendukung Workday SSO secara bawaan; Anda akan butuh jawaban yang tepat ini." AI tidak tahu kepala penjualan itu pindah. Ia tidak punya sinyal tentang celah SSO kecuali Anda memberi tahu keduanya, yang berarti Anda sudah mengerjakan pekerjaannya sendiri.

Kehilangan konteks transaksi yang dibutuhkan rep. Tugas battlecard adalah memenangkan jenis transaksi tertentu: transaksi mid-market di mana calon pelanggan sudah mengevaluasi pesaing yang lebih murah dan ragu soal harga. AI tidak tahu itu transaksinya. Ia menulis halaman perbandingan generik.

Apa yang harus dilakukan sebagai gantinya: Biarkan AI membuat draf strukturnya (bagian, header, kerangka tabel perbandingan). Anda yang mengisi pertanyaan-jebakan, ranjau-ranjaunya, nama rep pesaing yang menutup transaksi dengan cara berbeda, perubahan produk terbaru. AI membawa Anda ke v0 dalam 10 menit. Sisanya adalah manusia. Rep Anda akan memakai hasilnya. Mereka akan membuang versi yang hanya buatan AI.

Tumpukan Praktis

Apa yang seharusnya benar-benar dipakai oleh seorang PMM IC.

Apa yang harus dilewati: alat "generator battlecard AI" atau "narasi peluncuran AI" mana pun yang menjanjikan otomatisasi ujung-ke-ujung. Outputnya persis sampah yang akan ditolak rep dan pelanggan Anda. Penghematan yang dijanjikan vendor lenyap pada saat pertama sebuah transaksi macet karena rep membawa halaman perbandingan generik ke calon pelanggan yang tajam.

Rencana 30 Hari untuk Mengadopsi AI Tanpa Menjadi Sampah

Jangan coba meng-AI-kan segalanya sekaligus. PMM yang melakukan ini dengan benar memilih satu alur kerja, mengasahnya hingga tajam, lalu menambahkan yang berikutnya.

Minggu 1. Pilih satu alur kerja dan bangun prompt yang dapat dipakai ulang. Menang-kalah adalah titik awal dengan ROI tertinggi. Bangun struktur prompt di atas. Jalankan pada 10 transkrip yang sudah Anda analisis secara manual sehingga Anda bisa membandingkan output AI dengan milik Anda sendiri dan mengalibrasinya. Simpan prompt itu ke dokumen Notion dengan catatan tentang apa yang berhasil.

Minggu 2. Kirim satu output dengan bantuan AI. Dapatkan umpan balik rep. Catat apa yang gagal. Bawa sintesis menang-kalah ke QBR atau sales kickoff. Perhatikan bagaimana rep merespons. Catat setiap tempat di mana rep menyanggah, setiap tema yang tidak lolos validasi, setiap kutipan yang terasa janggal. Inilah data pelatihan Anda untuk putaran kedua.

Minggu 3. Bangun pustaka prompt untuk 3 tugas berulang teratas Anda. Sintesis menang-kalah. Ringkasan lanskap persaingan. Draf brief peluncuran. Masing-masing mendapat template prompt-nya sendiri, disempurnakan berdasarkan apa yang diajarkan minggu 2. Simpan di tempat yang bisa dipakai tim Anda, seperti Notion, dokumen bersama, atau sebuah proyek Claude.

Minggu 4. Tetapkan "zona tanpa AI" tim Anda. Tuliskan. Milik saya: dokumen positioning, narasi pendiri, kutipan pelanggan, teks peluncuran tier-1, apa pun yang membawa nama saya dan diberikan kepada pelanggan. Intinya bukan melarang AI dari membuat draf. Intinya adalah bersikap eksplisit bahwa suara dan penilaian final tetap milik manusia, dan bahwa siapa pun di tim boleh menunjuk kutipan pelanggan yang ditulis AI tanpa hal itu menjadi canggung.

Pada hari ke-30 Anda sudah punya dua atau tiga alur kerja yang berjalan rapi, sebuah pustaka prompt, dan garis jelas antara yang didraf AI dan yang dikirim manusia. Itulah keseluruhan tujuannya.

Penutup

AI adalah daya ungkit untuk 60% pekerjaan PMM yang membosankan. Sintesis, peringkasan, pendrafan, pembuatan varian. Itulah hal-hal yang bersifat pencocokan pola dalam skala besar. Gunakan. Hemat satu hari per minggu.

40% yang memenangkan transaksi (positioning, suara, kebenaran pelanggan, POV orisinal) tetap menjadi tugas Anda. Rep bisa merasakannya. Pelanggan bisa merasakannya. Mesin pencari pun mulai bisa merasakannya.

PMM yang memperlakukan AI sebagai pengganda kekuatan atas penilaian akan menang. Mereka yang memperlakukannya sebagai pengganti penilaian akan mengirimkan sampah, kehilangan kepercayaan rep, dan diam-diam ditinggalkan. Pilih yang pertama.

Jika Anda menyentuh ACE Framework, sebagian besar kasus penggunaan AI PMM berada di Analyze (menang-kalah, sintesis kompetitif) dan Generate (draf aset, varian pesan). Tahan keinginan untuk membingkai positioning sebagai tugas Generate. Itu bukan penyelesaian pola. Itu pilihan manusia yang tajam tentang untuk siapa Anda ada dan untuk siapa Anda tidak.

Pelajari Lebih Lanjut

• Deskripsi Pekerjaan Product Marketing Manager
• Analisis Menang-Kalah yang Benar-Benar Mengubah Strategi
• Intelijen Kompetitif Tanpa Sampah
• Aset Sales Enablement yang Harus Dimiliki PMM
• Pesan yang Bertahan dalam Penjualan