Voimme varmasti kaikki olla samaa mieltä siitä, että tekoäly on tulossa yhä tärkeämmäksi osaksi työelämää ja arkeamme. Kehitys on ollut nopeaa ja samalla tekoälyn vaikutus työpaikkoihin, toimialoihin ja koko yhteiskuntaan on vasta alkanut.
Vaikka olisi houkuttelevaa syventyä kaikkiin filosofisiin ja eettisiin pohdintoihin, joita tekoäly – erityisesti generatiivinen tekoäly – herättää, on tärkeää lähestyä aihetta myös käytännönläheisesti. Voidaankin jokainen kysyä: ”Miten tekoäly voi tehostaa käytännössä juuri minun työtäni, ja miten voin parhaiten sopeuttaa ajattelumaailmaani hyödyntääkseni sitä optimaalisesti?”
Myynnin maailmassa tekoälyn avulla avautuu valtava potentiaali, ja sen oikeaoppinen hyödyntäminen voi olla juuri se, mitä asiakkuuspäälliköt ovat odottaneet — jos sitä käyttää oikein.
Tekoälyn viimeaikaisesta kehityksestä on ilmestynyt lukuisia artikkeleita, mutta näkemyksemme termistä on muuttunut entistä monivivahteisemmaksi. Pohjimmiltaan tekoäly koostuu algoritmeista, jotka pystyvät a) tunnistamaan kaavoja ja malleja suurista tietomääristä, sekä b) oppimaan itsestään ja kehittämään ”älykkyyttään” ennustustarkkuuden lisäämiseksi.¹
On haastavaa täysin ymmärtää tekoälyn eksponentiaalisten edistysaskelten vaikutusta. Kiinnostavaa on, että ensimmäinen chatbot kehitettiin jo vuonna 1966 MIT:n tekoälylaboratoriossa, ja termi ”generatiivinen tekoäly” otettiin käyttöön vuonna 1997. Kuitenkin vasta viime aikoina olemme nähneet laajamittaista kiinnostusta tekoälyn kielimallien (LLM) sovelluksia kohtaan. Ehkä siksi, että vuorovaikutus niiden kanssa on osoittautunut niin helpoksi.
Kun ostajat käyttävät tekoälyä
ChatGPT:n tai DALL-E 2:n kaltaiset tekoälyt ovat nousseet ansaitusti otsikoihin, mutta tekoälyn vaikutukset eivät ole rajoittuneet ainoastaan luontaisen kielen käsittelyyn ja generatiivisiin tekstimalleihin. Tekoäly vaikuttaa ja tulee vaikuttamaan myynnin alalla työskenteleviin monilla liiketoiminnan osa-alueilla. Monet yritykset investoivat tekoälyyn – ei vain suuret teknologiayritykset, vaan myös perinteiset sekä startup-yritykset.
Kilpailijat ja asiakkaat ovat luultavasti parhaillaan kehittämässä omaa tekoälystrategiaansa. Näemme, että asiakkaiden hankintaosastot hyödyntävät tekoälyä monilla tavoilla, kuten ostopäätösten tekemisessä, toimittajien suorituskyvyn arvioinnissa ja ennakoivien hinnoittelumallien luomisessa ja näitä voidaan hyödyntää neuvottelutilanteissa. Kun ostajat ottavat käyttöön uusinta teknologiaa ja algoritmeja mutta myyvä yritys ei, ymmärretään tekoälyn merkitys.
Lisäksi on kehitteillä satoja teknologioita, jotka pian ylittävät Gartnerin Hype Cyclen kutsuman ”trough of disillusionment” (”pettymyksen aallonpohjan”) vaiheen ja tulevat olemaan olennainen osa yritysten liiketoimintaa. Kuten aina suurissa teknologisissa harppauksissa, meidän on valmistauduttava tähän välttämättömään muutokseen, tutustuttava tekoälyyn ja selvitettävä, miten se voi tehostaa rooliamme sen sijaan, että se korvaisi sen. Tämä ajatus voidaan kiteyttää usein toistettuun lauseeseen:
”Tekoäly ei tule korvaamaan sinua – sen tekevät ne, jotka osaavat hyödyntää sitä.”
Alla on muutamia esimerkkejä tekoälysovelluksista, joita käytetään asiakkuudenhallinnassa.
Hanki tietoa asiakkaistasi
Myyjät keräävät säännöllisesti tietoja asiakkaistaan ja analysoivat asiakasyrityksen markkinaa, kilpailutilannetta, tavoitteita ja tarpeita. Parhailla myyjillä on usein hallussaan enemmän tietoa asiakkaasta kuin asiakkaalla itsellään. Tekoälyn avulla voimme saavuttaa oivalluksia, joita asiakkaalla ei välttämättä ole. Seuraavassa on esimerkkejä tekoälytyökaluista, jotka voivat tehokkaasti tukea organisaatioita:
- Tekoälyn integroiminen myyntiprosessin virtaviivaistamiseksi ja optimoimiseksi: Voimme hyödyntää tekoälyä osana myyntiprosessia, jotta se sujuu tehokkaammin ja tuottavammin. Esimerkiksi digitaalisten kaksosten avulla voimme luoda tarkkoja virtuaalisia malleja fyysisistä kohteista, suhteista tai ekosysteemeistä, mikä auttaa meitä ymmärtämään paremmin asiakkaiden tarpeita ja parantamaan vuorovaikutustamme heidän kanssaan.
- Tekoälyohjatut valmennussuositukset: Tekoäly voi tarjota yksilöllisiä valmennussuosituksia myyjille perustuen sekä sisäisiin että ulkoisiin tietoihin. Tämä auttaa parantamaan myyntiosaamista ja suorituskykyä.
- Käyttämällä tekoälytyökaluja CRM-järjestelmien ja muiden asiakastietojen läpikäymiseen ennustavien mallien tunnistamiseksi. Tekoäly voi analysoida suuria määriä asiakastietoja CRM-järjestelmissä, tunnistaa piileviä malleja ja ennustaa tietoa, mikä auttaa meitä ennakoimaan asiakkaiden tarpeita ja toiveita.
- Sosiaalinen kuuntelu: Tekoäly voi seurata ja analysoida sosiaalisen median keskusteluja ja trendejä, antaen arvokasta tietoa siitä, miten asiakkaat ajattelevat ja mitkä ovat heidän huolenaiheensa.
- Asiakkaiden käyttäytymisen ennustaminen: Tekoäly voi analysoida asiakkaiden aikaisempaa käyttäytymistä ja trendejä, auttaen ennustamaan heidän tulevia toimiaan ja tarpeitaan. Tämä mahdollistaa proaktiivisen lähestymistavan ja paremman palvelun tarjoamisen.
Nämä tekoälytyökalut voivat merkittävästi tehostaa myyntiprosessia ja auttaa tarjoamaan parempaa ja yksilöllisempää palvelua asiakkaille. Samalla ne mahdollistavat myyjille paremmat työkalut tehokkuuden ja suorituskyvyn parantamiseksi.
Tavoitteiden määrittäminen ja strategian suunnittelu
Myyntihenkilöstön, erityisesti asiakkuuspäälliköiden tehtävänä on rakentaa kestävä strategia tärkeimpiä asiakkuuksiaan varten, tukea liiketoiminnan kehittämistä sekä saada koko organisaatio sitoutettua asetettuihin tavoitteisiin. Tekoälyä hyödyntävät työkalut, jotka tukevat tätä prosessia, voivat sisältää esimerkiksi seuraavat:
- Sisäänrakennetut välineet strategisten kasvumahdollisuuksien ennakointiin.
- White spot -analyysi asiakkuusstrategian aukkojen tunnistamiseksi.
- Luonnollista kieltä ymmärtävä chatbot-käyttöliittymä, joka tarjoaa välittömän pääsyn asiakastietoihin asiakassuunnitelman laadintaa varten.
Näiden työkalujen avulla voimme varmistaa, että asiakkuuspäälliköt voivat suunnitella strategiansa entistä älykkäämmin, täydentää puutteita asiakasstrategiassa ja hyödyntää nopeasti saatavilla olevaa asiakastietoa tehokkaammin.
Asiakassuhteiden hoitaminen
Asiakkuussuhteista vastaavien tulee varmistaa johdonmukainen ja merkityksellinen vuoropuhelu niiden tahojen kanssa, joilla on päätöksentekovaltuudet asiakassuhteen puitteissa. Tämä voi olla sekä heidän omassa organisaatiossaan, että asiakkaan puolella. Seuraavista tekoälytyökaluista voi olla apua:
- Juridinen tekoäly: avustaa tarkastamaan ja valvomaan oikeudellisia asiakirjoja, jotka määrittelevät sopimusperusteiset suhteet. Tämä tekoäly voi esimerkiksi valvoa sopimusten noudattamista.
- Sosiaalisen median sisällön tuotannon sekä viestinnän työkalut; jotta voidaan optimoida mm. sisältöjä, jakelukanavia, analysointia ja mainontaa.
- Luottamuksen rakentaminen tehokkaan totetutuksen avulla, esim. sosiaalisen median ja asiakaspalautteiden analysoinnin sekä reaaliaikaisen seurannan avulla.
- Kieltä prosessoiva virtuaaliavustaja: tarjoaa ajantasaista ja olennaista tietoa, dataa ja oivalluksia luonnollista kieltä käsittelemällä, tehostaen toimintaa.
- Hinnoittelustrategioiden optimointi kulutushyödykkeille ja liiketoimituksille.
Nämä tekoälytyökalut on suunniteltu tehostamaan asiakkuussuhteista vastaavien toimintaa edistämällä tuottavaa vuoropuhelua ja strategista päätöksentekoa sekä heidän omassa organisaatiossaan että asiakkuuksissa.
Mahdollisuuksien tunnistaminen ja luominen
Asiakkuuspäällikön tulee tunnistaa ja arvioida uusia mahdollisuuksia tärkeimpien asiakkuuksien osalta ja luoda sitä varten optimaalinen strategia. Tekoälytyökaluja tämän helpottamiseksi ovat mm:
- Tietojen louhinta omassa organisaatiossa.
- Ennustava analyysi.
- Pipeline-analyysi.
- Asiakaskohtainen markkinointi.
- Chatbot-valmentajat, jotka avustavat myyntiprosessissa.
- Tekoälypohjainen liidien pisteytys.
- Visuaalinen tarkastelu mahdollisuuksien tunnistamiseksi — eli tutkimalla visuaalisesti esim. tuotetta, ympäristöä, dataa tai muita elementtejä voidaan tunnistaa uusia liiketoimintaan liittyviä mahdollisuuksia. Tämä auttaa organisaatioita havaitsemaan potentiaalisia kehitysalueita tai parantamaan toimintaansa.
Näiden tekoälytyökalujen avulla asiakkuuspäälliköt voivat tehokkaasti havaita, analysoida ja kehittää mahdollisuuksia sekä luoda paremman suunnitelman vastatakseen asiakkaan tarpeisiin.
Kehitys ja arvon tuottaminen
Myyntimenestyksen saavuttamiseksi myyjien on rakennettava vaikuttavia arvolupauksia, jotka vastaavat asiakkaiden tarpeisiin ja välittyvät houkuttelevan viestin muodossa. Tekoälytyökalujen avulla voimme:
- Kerätä ja koota yhteen arvolupauksia virtuaalisista myyntikokouksista läpi koko organisaation.
- Tarkastella arvolupauksia, antaa palautetta sekä syventää ymmärrystä eri arvolupausten onnistumisista.
- Hyödyntää tekoälyyn perustuvia simulaatioita arvolupausten tuottamiseksi ja innovaatioiden tai prototyyppien iterointiin virtuaalisten kokeilujen ja oppimisen kautta.
- Luoda digitaalisia kaksosia.
Näiden tekoälytyökalujen avulla asiakkuuspäälliköt voivat tehokkaammin hahmottaa, kehittää ja testata arvolupauksia, mikä puolestaan auttaa heitä tarjoamaan entistä parempia ja vaikuttavampia viestejä asiakkaille.
Tarkastele, ennusta ja mukauta
Myyjät ja asiakkuuspäälliköt kohtaavat usein haasteen siinä, että heillä ei ole riittävästi mahdollisuutta päivittää asiakassuunnitelmiaan hyödyllisellä tiedolla ja parhailla käytännöillä, jotka voisivat ohjata asiakkuussuunnittelua ja ennustaa suurten, tunnetusti haastavien asiakkuuksien kehitystä.
”Monet yritykset turvautuvat yhä manuaaliseen ennustamiseen, koska uskotaan, että tekoäly vaatii korkealaatuisempaa tietoa kuin mitä yritykset pystyvät tarjoamaan. Tämä harhaluulo voi kuitenkin tulla kalliiksi.”²
McKinsey & Company
Asiakkuuspäälliköiden tueksi hyödynnettävät tekoälytyökalut voivat osoittautua korvaamattomiksi näissä tehtävissä:
- Tietyn ratkaisun kysynnän ennustaminen analysoimalla malleja.
- Generatiivisen tekoälyä käyttäminen, jotta voidaan parantaa ja luoda myyntiaktiviteettien yhteenvetoja ja tiivistettyjä katsauksia.
- Automaattisen asiakkuussuunnittelun mahdollistaminen.
- Strategisten asiakkuuksien valinnan ja luopumisen helpottaminen.
- Innovoinnin ja yhteiskehittämisen edistäminen tekoälyn avulla.
Nämä tekoälytyökalut voivat auttaa asiakkuuspäälliköitä paremmin ennakoimaan ja kehittämään asiakkuuksiaan, mikä johtaa tehokkaampaan asiakkuuksien kehittämiseen ja parempaan strategiseen päätöksentekoon.
Riskit ja huolenaiheet
Työskentely tekoälyn kanssa avaa lupaavia mahdollisuuksia, mutta siihen liittyy myös sisäänrakennettuja riskejä. Kun tekoälyjärjestelmät muuttuvat yhä monimutkaisemmiksi, niiden tulosten perusteiden ymmärtäminen vaikeutuu. Jopa tekoälyn kehittäjät saattavat usein olla epävarmoja siitä, miten niiden luomukset toimivat. Koska tekoäly perustuu massiivisten tietomäärien analysointiin ja iteratiivisiin päätelmien vetämisiin, sen päättelyprosessin selittäminen tiiviisti A:sta Ö:hön voi olla haastavaa.
Kaikkien tekoälyn kanssa työskentelevien myyntiammattilaisten on oltava tietoisia seuraavista riskeistä, jotka liittyvät tekoälytyökalujen käyttöön:
Eettinen näkökulma
Antaessamme tekoälylle inhimillisiä piirteitä, kysymys kuuluu: Mitä se todella ymmärtää? Mitä päätöksiä tekoäly tekee? Onko tämä linjassa organisaatiomme arvojen kanssa? Sijoitusguru Warren Buffett totesi kerran, että ”hyvän maineen rakentamiseen tarvitaan 20 vuotta, mutta sen tuhoamiseen vain 5 minuuttia”. Voimmeko todella luottaa tekoälyyn niin vahvasti, että sallisimme sen hallinnoivan arvokkainta omaisuuttamme?
Tekoälyn virheelliset päätökset ja toimet voivat nopeasti ja vakavasti vaurioittaa luottamusta. Ja yksi osa kehittynyttä asiakkuuden hallintaa on määrittää asiakkuuden oikea automaatiotaso.
Liiallinen itsevarmuus
Meillä on usein virheellinen käsitys siitä, että tietokoneen tarjoamat vastaukset ovat aina oikeita. Miksi? Koska se on tietokone. Ongelmana kuitenkin on, että tekoäly perustuu todennäköisyyksiin.
Kuten tekoälystrategi Elin Hauge totesi Mercuri Internationalin vuoden 2022 myyntikonferenssissa:
”Muistakaamme, että algoritmeihin liittyy aina todennäköisyys. Ja todennäköisyyksiin liittyy mahdollisuus olla väärässä tai oikeassa. Tämä tosiasia unohtuu usein meiltä ihmisiltä.
Elin Hauge, The Sales Conference 2022
Joskus voi olla vaikeaa päättää, mikä vastaus on oikea, sillä tekoäly on aina täynnä itseluottamusta, vaikka se tuottaisi virheellisiä vastauksia. Antaessaan tekoälyalgoritmin hoitaa vastuullisia päätöksiä arvokkaimpien asiakkaidemme suhteen voimme ajautua tuhoisiin seurauksiin. Muistellaanpa esimerkiksi Zillow’n iBuying-tilannetta, jossa liiallinen luottamus algoritmeihin vaikutti negatiivisesti lopputulokseen. Zillow satsasi merkittävästi digitaaliseen asuntojen välitysliiketoimintaansa, Zillow Offersiin, mutta lopulta epäonnistui, sillä algoritmi ei pystynyt tarkasti ennustamaan asuntojen hintojen vaihteluita.³
Liian konservatiivinen lähestymistapa
Mikäli tekoälyä ei oteta keskeiseksi osaksi asiakkuudenhoitoa ja odotetaan, että AI-innostus hiipuu, sillä voi olla kohtalokkaita seurauksia. Tekoäly on strategisesti merkittävä tekijä useimmille yrityksille. Asiakkuuspäällikköille on tärkeää omata perustiedot tekoälystä voidakseen hyödyntää sitä henkilökohtaisen tuottavuuden tehostamiseksi sekä varmistaakseen organisaation ja asiakkaiden strategisen suunnan yhdenmukaisuuden.
Ensimmäinen iteraatio ei usein tuota heti toivottua tulosta, mutta eksponentiaaliset oppimismahdollisuudet ja jatkuvat parannukset tarkoittavat, että päteviä tekoälyn tuottamia ratkaisuja saatetaan hylätä liian aikaisin. Asiakkuuspäälliköiden on siis oltava strategisia siinä, miten tekoälyä sovelletaan. Näin tekoälyn omaksuvasta asiakkuuspäälliköstä voi tulla tulevaisuuden menestyksekäs asiakkuuspäällikkö. On kuitenkin tärkeää muistaa, että sokeasti seuraamalla jokaista uutta ilmiötä ja hyväksymällä tekoäly ilman kriittistä pohdintaa voi olla yhtä riskialtista kuin sen huomioimatta jättäminen.
Supermyyjä
Miten meidän tulisi siis tarkastella tekoälyn käytäntöjä strategisessa asiakkuudenhallinnassa? Kun tekoäly epäonnistuu, se tapahtuu yleensä huomiota herättävällä tavalla, ja meidän on kysyttävä itseltämme: Haluammeko todella luovuttaa arvokkaimmat asiakkaamme tekoälyn ohjattaviksi? Kuten OpenAI:n perustaja Sam Altman on todennut:
”Haluamme tehdä virheemme, kun panokset ovat vielä pienet.”
Sam Altman, OpenAI:n perustaja
Jotta voimme ymmärtää tekoälyn todelliset hyödyt, meidän kannattaa hahmottaa se nykyisten tehtävien täydentäjänä — resursseja säästävänä yksikkönä, joka tuo tehokkuutta ja tarjoaa oivalluksia. Voimme ajatella sitä tekoälyavusteisena asiakkuuspäällikkönä — tärkeänä lisäresurssina organisaatiossamme.
Yksi tapa ymmärtää tätä on verrata sitä itseohjautuviin autoihin. SAE Internationalin (aiemmin Society of Automotive Engineers) määrittelee autonomisessa ajamisessa kuusi tasoa:
Taso 0: Ei automaatiota
Taso 1: Automaattinen ajaminen avustettuna
Taso 2: Osittainen automaatio
Taso 3: Ehdollinen automaatio
Taso 4: Korkea automaatio
Taso 5: Täydellinen automaatio
Kun ajat moottoritiellä 65 km/h ja aktivoit vakionopeudensäätimen, ajat edelleen ja pidät ohjauspyörästä kiinni (toivottavasti), mutta auto säätää nopeuttaan ja tarkkailee mahdollisia esteitä, valmiina jarruttamaan tarvittaessa. Tässä tilanteessa käytät tason 2 automaatiota. Jotkin toiminnot hoitaa kuljettaja, toiset automaattinen järjestelmä.
Tämä vertaus on yksi tapa hahmottaa, mitä tekoäly voi tarkoittaa asiakkuuspäällikön roolin yhteydessä. Asiakkuuspäälliköiden kannattaa käyttää sopivia tekoäly-yhdistelmiä strategisten asiakkuuksien hallintaan ja kehitykseen.
Käytännön askeleet eteenpäin
Kuinka tekoälyn kanssa eteenpäin? Alla on muutamia näkökulmia pohdittavaksi strategisille asiakkuuspäälliköille ja tekoälyohjelmien suunnittelijoille:
- Millaisen ongelman tekoäly voi ratkaista asiakkaillemme, organisaatioillemme tai asiakkuuspäälliköillemme?
- Onko tekoäly soveltuva ratkaisu kyseiseen tilanteeseen?
- Mitkä tekoälyinnovaatiot ovat jo käytössä organisaatiossasi ja asiakkaiden parissa?
- Mitkä innovaatiot ansaitsevat strategisia keskusteluja?
- Kuinka asiakkuusstrategia ja organisaation tekoälysuunnitelma voidaan yhteensovittaa?
- Miten asiakkuuspäälliköt voivat valmistautua tekoälyn käyttöön, jotta he voivat käydä strategisia keskusteluja sekä sisäisesti että asiakkaiden kanssa?
- Onko ylin johto valmis tekoälyn käyttöönottoon?
Asiakkuuspäällikkö tai myyjä ei voi käyttää koko työaikaansa seuratakseen jokaista uutta sovellusta, startupia tai tekoälyteknologiaa. Siksi meidän on ymmärrettävä, mitä tekoäly käytännössä tarkoittaa. Meidän on myös hankittava riittävästi tietoa, jotta voimme työskennellä yhdessä asiakkaiden ja sisäisten tiimien kanssa luodaksemme ainutlaatuisen kilpailuedun tekoälyn avulla. Riittävä tietämys edellyttää systemaattista pohdintaa siitä, miten tekoälyä voidaan soveltaa. Lisäksi kannattaa harkita tarvittavien mittareiden asettamista mahdollisuuksien, toteutettavuuden sekä riskien ja tuottojen arvioimiseksi.
Yhteenveto
Millainen on tekoälyn tulevaisuus? Vaikka tämä aihealue ei sisälly artikkeliin, se on keskeinen kysymys asiakkuusvastaavan näkökulmasta. On tärkeää ymmärtää, mitä tekoäly pystyy ja ei pysty tekemään – sekä miten huolellisesti ohjattuna se voi tukea toimintaamme.
Tekoälyä ei tule pelätä, mutta siihen on suhtauduttava kunnioittavasti. Olemme nyt teknologisessa murroksessa, jossa menestyvät ne, jotka ymmärtävät, miten voimme todella hyödyntää näitä uusia työkaluja lisäarvon luomiseksi.
Kaikki vallankumoukselliset teknologiat tarjoavat valinnan – ne voi joko omaksua tai ohittaa. Tekoäly ei ole tässä suhteessa poikkeus. Tässä tilanteessa valinta voi tuntua yksinkertaiselta. Kuitenkin se, miten me hyödynnämme tätä uutta teknologiaa, riippuu siitä, kuinka tarkasti punnitsemme mahdollisuuksien ja käytännöllisyyden tasapainoa. On tärkeää arvioida tekoälyn mukautumisen edistymistä ja tehokkuutta jatkuvasti.
Robert Box
Managing Partner and Global Account Director – Mercuri International
Lähteet
- Chamorro-Premuzic, T. (2023, March 23). Should you share AI-driven customer insights with your customers? Harvard Business Review.
- Amar, J., Rahimi, S., Surak, Z., & Von Bismarck, N. (2022, February 15). AI-driven operations forecasting in data-light environments. McKinsey & Company. https://www.mckinsey.com/capabili- ties/operations/our-insights/ai-driven-operations-forecasting-in- data-light-environments
- Parker, W., & Putzier, K. (2021, November 17). What went wrong with Zillow? A real-estate algorithm derailed its big bet. The Wall Street Journal.
