Membina Pasukan AI Kolaboratif: Cara Menjadikan Jualan, Pemasaran dan Ops Bekerja Lebih Baik Bersama dengan AI

Ketua Pemasaran sebuah syarikat SaaS dengan 180 pekerja menghadapi masalah. Pasukannya telah menggunakan AI untuk penghasilan kandungan dan analisis kempen selama enam bulan. Sementara itu, pasukan jualan telah mula menggunakan AI untuk penyelidikan prospek dan persediaan panggilan. RevOps menggunakan AI untuk forecasting.

Tidak satu pun daripada pasukan ini bercakap antara satu sama lain tentang AI. Tiga set alatan yang berbeza. Tiga pustaka arahan yang berbeza. Tiga pendekatan berbeza tentang data yang boleh dimasukkan ke dalam alatan AI. Dan satu set masalah yang semakin berkembang disebabkan oleh jurang antara mereka.

Pemasaran mencipta model kedudukan AI yang tidak sepadan dengan bahasa yang dilatih oleh pasukan jualan. Jualan menghasilkan penyelidikan prospek yang menduplikasi kerja yang pasukan pemasaran telah lakukan dengan data yang lebih baik. RevOps menjalankan model forecast yang tidak mengambil kira isyarat Pipeline kempen yang pemasaran sudah ada.

Alatan itu berfungsi. Kerjasama tidak berfungsi.

Inilah masalah seterusnya setelah membina penggunaan AI asas dalam pasukan individu: bagaimana anda membolehkan pasukan-pasukan tersebut bekerjasama secara berkesan dengan AI, bukan sekadar secara selari?

Mengapa AI Memperkuat Kegagalan Kerjasama

Kebanyakan masalah kerjasama antara fungsi wujud sebelum AI. Ketidakselarasan antara jualan dan pemasaran, misalnya, terkenal sebagai masalah yang berterusan. Apa yang AI lakukan adalah memperkuat corak kerjasama yang sedia ada.

Jika pasukan sudah berkongsi data dan aliran kerja dengan baik, AI mempercepatkan kerjasama tersebut. Alatan AI boleh menyampaikan konteks, menghasilkan kandungan dan menganalisis data merentasi sistem lebih cepat daripada yang manusia boleh lakukan. Kerjasama yang baik menjadi lebih baik.

Jika pasukan beroperasi dalam silo dengan perkongsian data yang minimum dan proses peralihan yang lemah, AI mengukuhkan silo-silo tersebut dan memburukkannya. Setiap pasukan membina aliran kerja AI yang berfungsi dalam konteks mereka sendiri tetapi tidak disambungkan kepada sesuatu pun di luar konteks tersebut. AI menjadikan setiap pasukan lebih pantas secara individu sambil menjadikan kerja antara fungsi lebih sukar diselaraskan.

Implikasi untuk para directors: sebelum melabur banyak dalam membina keupayaan AI dalam pasukan individu, laburlah dalam infrastruktur kerjasama yang akan membolehkan keupayaan-keupayaan tersebut berkembang bersama. Anda akan mendapat lebih banyak daripada AI yang disambungkan merentasi fungsi berbanding tiga aliran kerja AI berasingan yang tidak pernah berkomunikasi antara satu sama lain.

Tiga Lapisan Kerjasama

Kerjasama AI antara fungsi yang berkesan berlaku pada tiga peringkat secara serentak.

Lapisan 1: Data dan konteks bersama

Kegagalan kerjasama paling asas dalam AI berlaku apabila fungsi-fungsi yang berbeza mempunyai akses kepada data yang berbeza dan tidak berkongsinya. Pemasaran mempunyai data tingkah laku daripada kempen. Jualan mempunyai nota panggilan dan data kelayakan daripada prospek. Kejayaan pelanggan mempunyai isyarat pembaharuan dan data penggunaan produk. Alatan AI setiap pasukan hanya boleh menggunakan data yang boleh diakses oleh alatan tersebut.

Apabila anda menghubungkan sumber data ini (walaupun sebahagian), hasil AI bertambah baik dengan ketara. Wakil jualan yang meminta AI untuk bersedia bagi panggilan dengan prospek mendapat bahan persediaan yang jauh lebih baik apabila AI dapat melihat bahawa prospek tersebut menghadiri webinar minggu lepas, memuat turun halaman harga, dan mempunyai peluang terdahulu yang tewas kepada pesaing 18 bulan lalu.

Kerja lapisan data ini bukan projek AI. Ia adalah projek CRM dan integrasi yang AI manfaatkan. Panduan rangka kerja kerjasama AI antara fungsi merangkumi corak integrasi teknikal. Perkara strategik adalah: data bersama harus menjadi pelaburan AI antara fungsi yang pertama, sebelum alatan bersama atau aliran kerja yang dikongsi.

Lapisan 2: Alatan bersama untuk aliran kerja yang merentasi sempadan

Sesetengah aliran kerja secara semula jadi melibatkan pelbagai fungsi. Peralihan dari pemasaran kepada jualan. Gelung maklum balas dari kejayaan pelanggan kepada produk. Kitaran pelaporan dari ops kepada kewangan.

Aliran kerja yang merentasi sempadan ini adalah di mana alatan kerjasama AI menghasilkan nilai yang paling ketara, dan ia juga di mana terdapat paling banyak geseran kerana ia memerlukan dua atau lebih pasukan bersetuju dengan proses bersama.

Pendekatan terbaik: pilih satu peralihan antara fungsi yang paling tinggi geserannya dan selesaikan dahulu, sepenuhnya, sebelum beralih kepada yang lain. Jangan cuba membolehkan lima aliran kerja antara fungsi dengan AI secara serentak.

Bagi kebanyakan syarikat B2B bersaiz sederhana, peralihan lead pemasaran kepada jualan adalah titik permulaan yang betul. AI boleh memperkaya lead semasa peralihan, menjana konteks untuk wakil jualan penerima, menilai lead berdasarkan isyarat tingkah laku, dan menghalanya kepada wakil yang betul. Tetapi ini memerlukan pemasaran dan jualan bersetuju tentang maksud "sedia untuk diserahkan", data apa yang dibawa bersama lead, dan bagaimana kualiti peralihan diukur.

Selesaikan perjanjian tersebut dengan semua pihak terlibat dalam satu bilik sebelum menulis sebarang automasi. AI adalah bahagian yang mudah. Penjajaran adalah bahagian yang sukar.

Lapisan 3: Pembelajaran dan amalan bersama

Lapisan yang paling kurang kelihatan dan sering kali paling berkesan dari masa ke masa. Apabila fungsi-fungsi yang berbeza berkongsi apa yang mereka pelajari tentang AI (arahan yang berkesan, aliran kerja yang menghasilkan hasil terbaik, alatan yang bernilai pelaburan), seluruh organisasi menjadi lebih bijak lebih cepat berbanding mana-mana pasukan individu sahaja.

Inilah tujuan program AI champions berstruktur yang merangkumi pelbagai fungsi. Satu sesi perkongsian AI antara fungsi bulanan di mana setiap pasukan berkongsi satu penambahbaikan aliran kerja mengambil masa 30 minit dan memberi kesan yang ketara selama enam bulan.

Tadbir Urus: Bahagian yang Kebanyakan Pasukan Abaikan

Halangan praktikal terbesar untuk kerjasama AI antara fungsi adalah tadbir urus, khususnya soalan siapa yang memutuskan alatan apa yang diluluskan dan data apa yang boleh dimasukkan ke dalamnya.

Apabila setiap pasukan mengurus alatan AI sendiri secara bebas, anda mendapat tiga hasil yang bertambah buruk dari masa ke masa. Pembesaran alatan: 15 alatan AI berbeza melakukan perkara serupa dengan data berbeza, kontrak vendor berbeza, semakan keselamatan berbeza, dan tiada integrasi. Kekacauan tadbir urus data: tiada siapa pasti alatan mana yang mempunyai akses kepada data pelanggan yang mana, yang menimbulkan risiko privasi dan keselamatan yang nyata. Shadow IT: penyumbang individu membuat keputusan alatan yang IT dan undang-undang tidak pernah semak, kerana tiada cara berstruktur untuk mendapatkan kelulusan alatan baru dengan cepat.

Penyelesaiannya adalah ringan, bukan berat. Fungsi tadbir urus AI pusat bukan bermaksud jawatankuasa kelulusan yang birokratik. Ia bermaksud:

Senarai alatan yang diluluskan dikemas kini setiap suku tahun. Senarai pendek (6-12 alatan) alatan AI yang telah lulus semakan keselamatan dan pengendalian data asas. Pasukan boleh memohon penambahan. Alatan baru disemak menggunakan senarai semak mudah (penyimpanan data, pematuhan privasi, kestabilan vendor) dan ditambah atau ditolak dalam dua minggu.

Kategori pengendalian data yang jelas. Putuskan sekali jenis data apa yang boleh dimasukkan ke dalam alatan AI dan yang mana tidak boleh. PII pelanggan biasanya tidak boleh dimasukkan ke dalam alatan AI pengguna tanpa perjanjian pemprosesan data. Metrik agregat biasanya boleh. Dokumen strategi dalaman adalah pertimbangan budi bicara. Tuliskan ini. Ia menjimatkan berjam-jam keputusan berasingan.

Pemilik yang ditetapkan. Biasanya dalam IT atau RevOps. Tugas mereka bukan untuk menghalang penggunaan AI. Ia untuk menjadikan penggunaan AI lebih cepat dan selamat dengan mengendalikan kerja tadbir urus supaya pasukan individu tidak perlu melakukannya.

Struktur tadbir urus ini cukup ringan untuk dilaksanakan dalam dua minggu dan menghalang kebanyakan geseran AI antara fungsi sebelum ia bermula. Panduan dasar tadbir urus AI merangkumi cara merangka dokumen dasar yang sebenar.

Membina Arahan dan Aliran Kerja Bersama

Salah satu pelaburan AI antara fungsi yang paling berkesan adalah pustaka arahan bersama: koleksi arahan yang didokumenkan yang berfungsi untuk tugasan antara fungsi yang biasa.

Ini terdengar mudah dan sering dianggap sebagai keutamaan rendah. Tetapi pustaka arahan bersama menyelesaikan beberapa masalah sekaligus. Ia bermaksud wakil jualan yang menulis persediaan panggilan mereka tidak menghabiskan 20 minit menulis semula arahan yang pasukan RevOps sudah ada. Ia bermaksud arahan AI brief kandungan pasukan pemasaran dimaklumkan oleh bahasa pasukan jualan daripada panggilan pelanggan. Ia bermaksud apabila pekerja baharu menyertai, mereka mempunyai titik permulaan untuk penggunaan AI dalam peranan mereka serta-merta dan bukannya menghabiskan berminggu-minggu mencari tahu.

Pustaka arahan bersama berfungsi paling baik apabila ia dianjurkan mengikut kes penggunaan (prospek, penciptaan kandungan, analisis data, persediaan mesyuarat) dan bukannya mengikut pasukan. Organisasi antara pasukan menggalakkan orang ramai mencari di luar fungsi mereka untuk arahan yang mungkin sesuai untuk mereka.

Selenggara pustaka dalam alatan yang sama yang semua orang gunakan untuk dokumentasi dalaman. Google Docs, Notion, Confluence, apa sahaja yang sudah menjadi sistem rekod. Jangan buat sistem baru untuk pengurusan arahan. Matlamatnya adalah kemudahan akses, bukan kelengkapan.

Menjalankan Projek AI Antara Fungsi

Apabila anda mahu membina sesuatu yang merentasi dua atau lebih pasukan, persediaan projek sama pentingnya dengan pelaksanaan AI.

Bersetuju tentang masalah sebelum bersetuju tentang penyelesaian. Bawa pemimpin setiap fungsi yang terlibat ke dalam bilik yang sama (maya atau fizikal) dan dapatkan persetujuan jelas tentang masalah yang sedang anda selesaikan. "Kami mahu menggunakan AI" bukan pernyataan masalah. "Kadar penukaran MQL-kepada-SQL kami adalah 22% dan penanda aras industri adalah 38%, dan kami fikir jurang itu ada pada konteks lead semasa peralihan" adalah pernyataan masalah.

Tugaskan seorang pemilik antara fungsi tunggal. Setiap projek antara fungsi memerlukan satu orang yang bertanggungjawab terhadap hasil, bukan konsensus antara tiga orang yang masing-masing sebahagiannya bertanggungjawab. Orang ini tidak perlu menjadi yang paling teknikal dalam projek. Mereka perlu menjadi orang yang mempunyai kredibiliti organisasi yang cukup untuk membuat keputusan merentasi fungsi.

Tetapkan horizon ujian 6 minggu. Projek antara fungsi yang panjang mati semasa perancangan. Projek pendek dengan titik akhir yang ditentukan menghasilkan keputusan yang mencipta momentum untuk projek seterusnya. Tetapkan horizon 6 atau 8 minggu dengan kriteria kejayaan yang ditentukan sebelum bermula. Gunakan proses program perintis AI sebagai templat anda.

Anggarkan untuk change management, bukan hanya untuk alatan. Projek AI antara fungsi memerlukan perubahan tingkah laku dalam beberapa pasukan serentak. Anggarkan secara jelas untuk latihan, dokumentasi dan sesi bimbingan individu yang menggerakkan orang yang enggan. Alatan biasanya 20-30% daripada pelaburan sebenar. Change management adalah selebihnya.

Mengukur Hasil AI Antara Fungsi

Proses mengukur ROI penggunaan AI terpakai di sini, tetapi projek antara fungsi mempunyai cabaran pengukuran khusus: siapa yang memiliki hasilnya?

Jika penambahbaikan peralihan pemasaran-kepada-jualan yang dikuasakan AI mendorong peningkatan 20% dalam win rate, jualan atau pemasaran yang mendapat kredit? Dalam kebanyakan organisasi, tiada pasukan akan menuntut pemilikan penuh, dan kedua-duanya mempunyai hujah yang sah tentang sumbangan.

Jawapannya bukan untuk berdebat tentang atribusi. Ia untuk mengukur metrik antara fungsi (win rate dari MQL, bukan hanya volum MQL atau win rate secara berasingan) dan melaporkannya kepada kepimpinan kedua-dua pasukan secara serentak. Apabila metrik kejayaan adalah secara semula jadi antara fungsi, insentif untuk bekerjasama menjadi lebih kuat.

Bina sekurang-kurangnya satu metrik antara fungsi ke dalam scorecard untuk setiap projek AI antara fungsi. Ia mengekalkan orientasi pasukan ke arah hasil yang sama dan bukannya mengoptimumkan metrik tempatan mereka sendiri dengan mengorbankan matlamat bersama.

Jurang Kemahiran yang Menghalang Kerjasama Antara Fungsi

Halangan teknikal untuk kerjasama AI antara fungsi biasanya lebih kecil daripada halangan kemahiran. Panduan perancangan tenaga kerja untuk peranan AI merangkumi ini secara terperinci. Tetapi untuk kerjasama antara fungsi khususnya, satu jurang kemahiran muncul secara konsisten: pemikiran sistem.

Kebanyakan penyumbang individu mahir dalam mengoptimumkan dalam aliran kerja mereka sendiri. Mereka sukar untuk melihat bagaimana aliran kerja mereka disambungkan kepada aliran kerja orang lain dan di mana titik integrasi mewujudkan peluang untuk AI. Ini adalah kemahiran pemikiran sistem, bukan kemahiran teknikal.

Latihan untuk ini tidak rumit. Satu bengkel dua jam di mana setiap fungsi memetakan aliran kerja mereka secara visual, kemudian kumpulan mencari 3-5 titik integrasi yang paling tinggi geserannya, menghasilkan hasil yang lebih berguna daripada kebanyakan program latihan AI. Kemudian anda boleh mengarahkan pelaburan alatan AI khusus kepada titik integrasi tersebut dan bukannya menyebarkannya merentasi setiap fungsi secara bebas.

Syarikat yang membina pasukan AI kolaboratif yang paling berkesan bukan syarikat yang memberi semua orang alatan AI. Mereka adalah syarikat yang melabur dalam memahami bagaimana fungsi mereka disambungkan sebelum mengautomatikkan apa-apa. AI adalah bahagian yang mudah. Seni bina sambungan adalah yang menentukan sama ada AI tersebut menghasilkan kecekapan terpencil atau pengaruh organisasi yang sebenar.