Erfaren leder inden for kundesucces gennemgår, hvor AI ændrer spillet — og hvor teknologien kommer til kort

Anika Zubair er administrerende direktør for The Customer Success Pro, en virksomhed, der samarbejder med organisationer om at hjælpe deres kundesuccesteams med at skabe omsætning fra deres eksisterende kundebaser.

Vi satte os ned med Anika for at lære mere om, hvordan hun bruger AI til at skabe effekt. Her er, hvad hun fortalte os.

Skiftet fra reaktiv til proaktiv CX

Jeg er Anika Zubair, grundlægger og administrerende direktør for The Customer Success Pro. Jeg har arbejdet med kundesucces og tiden efter salget i over 16 år, heraf omkring et årti i ledende stillinger, før jeg startede min egen virksomhed.

I dag arbejder jeg med B2B SaaS-organisationer globalt, typisk mellemstore og store virksomheder, hvor jeg hjælper deres kundesucces-, kundeansvars- og øvrige teams efter salget med at skabe omsætning fra deres eksisterende kundebase. Ikke bare fastholdelse, men reel udvidelse og målbar vækst. Jeg arbejder med teams på mellem 10 og over 100 CSM'er i EMEA, USA og APAC.

Disse teams håndterer typisk en blanding af kundesegmenter, fra store virksomhedskunder med tæt opfølgning til porteføljer af mellemstore virksomheder, der håndteres i større skala. Fælles for dem alle er, at de bliver bedt om at gøre mere end blot at administrere relationer. De bliver bedt om at eje omsætningen, påvirke fornyelser og identificere muligheder for udvidelse.

Min rolle hjælper disse organisationer med at foretage dette skift: fra reaktiv, serviceorienteret kundesucces til proaktive, kommercielt drevne teams, der trygt kan knytte deres arbejde direkte til omsætningen.

Hvorfor CX-ledere skal være bevidste om, hvornår AI skal bruges

Mange teams fordeler opgaver mellem AI og mennesker forkert. De er enten for afhængige af AI eller undgår det fuldstændigt.

Grænsen er meget tydelig. AI bør informere beslutninger og fremskynde eksekveringen, men bør ikke eje relationen eller dømmekraften.

Sådan griber jeg det an. Jeg bruger AI til:

• Prioritering af problemer og risici: AI er fremragende til at identificere mønstre på tværs af store datamængder: fald i produktbrug, stigninger i supporthenvendelser, ændringer i engagement og endda tonen i kundekommunikationen. Det identificerer konti i risikozonen langt hurtigere, end et menneske kan ved at gennemgå kontrolpaneler.
• Personalisering i stor skala: Ikke til at opbygge relationer, men til forberedelse. AI hjælper med at udarbejde skræddersyede e-mails, dagsordener til samtaler, opfølgninger og endda budskaber målrettet specifikke interessenter baseret på deres rolle. I stedet for at en CSM stirrer på en tom side, starter vedkommende med noget, der er 80 % færdigt.
• Generering af indsigter til samtaler: Før en fornyelse eller en værdigennemgang samler AI alt i et samlet perspektiv. Det identificerer, hvad der har ændret sig, hvor værdien viser sig, hvor der er friktion, og hvor potentialet for udvidelse ligger. Dette niveau af sammenfatning tog tidligere flere timer.
• Intern effektivitet: Opsummering af samtaler, opdatering af CRM-noter, identificering af næste skridt — alt dette automatiserer det. CSM'er bør ikke bruge deres tid som administrative medarbejdere.

Her er, hvor jeg bevidst sørger for, at det udtrykkeligt forbliver menneskeligt:

• Kommerciel dømmekraft: At beslutte, hvordan en fornyelse skal håndteres, om man skal lægge pres på, hvor man skal give sig, og hvordan en aftale skal struktureres. Det kræver kontekst, erfaring og evnen til at læse rummet. AI kan informere beslutningen, men bør ikke træffe den.
• Relationsopbygning og tillid: Kunder mærker automatisering. Samtaler med ledelsen, vanskelige diskussioner og situationer, hvor du udfordrer en kunde eller ændrer deres perspektiv, skal komme fra et menneske.
• Servicegenopretning og eskaleringer: Når noget går galt, er det værste, man kan gøre, at gemme sig bag automatisering. Empati, ansvar og stærk kommunikation betyder mest i sådanne situationer.
• Design af kunderejsen på strategisk niveau: AI kan foreslå mønstre, men det er en ledelsesbeslutning at afgøre, hvordan din kundeoplevelse skal føles, hvor du skal engagere dig, hvad der skal automatiseres, og hvordan du skal differentiere dig.

AI bør gøre dit team hurtigere, skarpere og bedre forberedt. Men de øjeblikke, der definerer kunderelationer, tillid og omsætningsresultater, kræver stadig et menneske ved roret.

De teams, der vinder, vælger ikke mellem AI og mennesker. De er bevidste om, hvor hver af dem skal spille en rolle.

Hvorfor AI ikke er en genvej til transformation

Og husk: AI vil forstærke det, dit team allerede er.

Hvis dit team er strategisk, kommercielt skarpt og kundefokuseret, vil AI gøre dem hurtigere, mere konsekvente og mere effektfulde. Men hvis dit team er reaktivt, opgaveorienteret og arbejder som support, vil AI blot gøre dem til en hurtigere version af det.

Det er ikke en genvej til transformation.

Hvorfor AI i CX har store fordele — og ulemper

Resultaterne med AI har i høj grad — men ikke fuldstændigt — været gode:

• Tidsbesparelserne er betydelige: Teams oplever en reduktion på 30 til 60 % i forberedelsestiden til QBR'er, oplæg om fornyelser og kontogennemgange. Det, der tidligere tog to til tre timer, er nu færdigt på 20 til 40 minutter.
• Kvaliteten af samtalerne er steget: Det betyder mest for mig. CSM'er går ind i samtaler med et synspunkt, ikke bare data. Det hører man med det samme. Mere sprog på ledelsesniveau, flere resultatorienterede samtaler og mindre fokus på funktioner.
• Tidligere identifikation af risici: AI hjælper med at finde signaler om kundefrafald uger, nogle gange måneder, tidligere end før. Det giver teams en reel mulighed for at gribe ind i stedet for at reagere, når det allerede er for sent.
• Påvirkning af omsætningen: Teams får større sikkerhed omkring fornyelser og giver færre rabatter, fordi de kan formulere værdien tydeligt. Når det gælder udvidelse, opdager de muligheder tidligere, hvilket øger antallet af salgsmuligheder hos eksisterende kunder. Jeg har set en forbedring på mellem 10 og 25 % i kvaliteten af salgsmulighederne for udvidelser — ikke kun i mængden.
• Mindre administrativ belastning: Opkaldsnoter, CRM-opdateringer og opsummeringer håndteres hurtigere, hvilket giver CSM'en tiden tilbage.

Disse effektivitetsgevinster kræver et ændret mindset — CX-ledere skal bevæge sig væk fra overbevisningen om, at en fremragende kundeoplevelse kræver tid.

I årevis antog vi, at en kundeoplevelse af høj kvalitet krævede timer: grundig forberedelse, lange forberedelser af QBR'er, manuel analyse og formulering af hver besked fra bunden. Og for at være fair var det tidligere sandt. Men AI udfordrede det fuldstændigt.

Hvordan AI forbedrer den måde, CSM'er håndterer QBR'er på

Her er en stor ændring, jeg har foretaget takket være AI.

For et år siden hentede de fleste teams data manuelt, byggede dias og forsøgte at samle en “værdifortælling” ud fra brugsmålinger, supportsager og mavefornemmelse. Denne proces var langsom, inkonsekvent og meget aktivitetsfokuseret.

Jeg vendte fuldstændigt op og ned på denne proces med AI. Nu bruger jeg AI til at generere et første udkast til kundens fortælling, før jeg åbner en diaspræsentation. I stedet for at spørge: “Hvilke dias har jeg brug for?” starter de med: “Hvad er fortællingen om forretningspåvirkningen for denne konto?”

Jeg giver den produktets brugstendenser, vigtige milepæle, supportinteraktioner, kendte kundemål og opkaldsnoter. AI hjælper derefter med at strukturere dette i:

• De resultater, kunden forsøgte at opnå
• Hvad der ændrede sig i kundens virksomhed
• Hvor der blev skabt værdi, eller hvor værdien er i fare
• Hvor der findes tydelige signaler om udvidelse

De værktøjer, jeg bruger til dette, er tilpassede GPT'er, Claude, Fathom, Gong og Planhat,

Når CSM'en udarbejder QBR'en eller afholder mødet, gætter de ikke. De møder op med et klart perspektiv. Resultaterne er betydelige:

1. Samtalernes kvalitet blev straks forbedret. CSM'er lyder mere strategiske, fordi de har en fortælling og ikke kun data.
2. Forberedelsestiden faldt markant. Det, der tidligere tog timer, tager nu minutter. Det betyder, at teams bruger mere tid på at tænke og mindre tid på at samle materialet.
3. Vigtigst af alt havde det en direkte indvirkning på omsætningen. Når man lægger ud med en klar værdifortælling, bliver det meget lettere at håndtere fornyelser, afvise rabatter og naturligt introducere muligheder for udvidelse.

AI gjorde ikke bare processen hurtigere. Det gjorde kundesucces mere kommerciel.

Hvorfor AI i CX har store ulemper

Anika deler

Det største problem er overfladisk tænkning: Når teams i for høj grad stoler på AI-output, holder de op med at stille spørgsmål ved fortællingen.

Nu til det negative — for der er bestemt en ulempe, hvis det gøres forkert:

• Det største problem er overfladisk tænkning: Når teams i for høj grad stoler på AI-output, holder de op med at stille spørgsmål ved fortællingen. Jeg har set CSM'er tage en AI-genereret opsummering for pålydende uden at anvende deres egen dømmekraft, hvilket kan føre til, at de fuldstændig overser, hvad der foregår hos kunden.
• Generisk kommunikation: Hvis man ikke passer på, begynder alt at lyde ens. Det mærker kunderne. Tilliden forsvinder hurtigt, hvis hver e-mail eller opdatering føles skabelonbaseret, selv om den teknisk set er “personliggjort”.
• Falsk følelse af strategi: Dette er et betydeligt problem. Bare fordi AI kan generere en flot “værdifortælling”, betyder det ikke, at teamet arbejder strategisk. Jeg har set ledere tro, at de havde løftet deres team, mens de i virkeligheden bare havde forbedret formateringen — ikke tænkningen.
• Overautomatisering på de forkerte tidspunkter: Brug af AI i eskaleringer, vanskelige fornyelsessamtaler eller følsomme situationer kan give alvorligt bagslag. Det er situationer, hvor tone, empati og dømmekraft betyder mere end hastighed.

Jeg har erfaret, at de bedste teams bruger AI som et udgangspunkt, ikke som det endelige svar.

Hvorfor AI ikke formår at levere ægte personalisering af kundeoplevelsen

Det største område, hvor AI ikke har leveret den forventede effekt på kundeoplevelsen, er ægte personalisering på relationsniveau.

AI er fremragende til at få ting til at fremstå personlige. Det kan skræddersy e-mails, henvise til brugsdata og tilpasse tonen efter persona. På papiret ser det godt ud. Men kunder — især på virksomhedsniveau — mærker straks forskellen.

Der er stor forskel på “Dette blev genereret til mig” og “Denne person forstår min forretning.” Og den forskel betyder noget, fordi tillid bygger på dybde, ikke formatering.

Hvorfor kompetenceudvikling betyder mere end værktøjer

Kompetenceudvikling betyder mere end selve værktøjerne. Det ville jeg ønske, jeg havde indset tidligere.

Da jeg første gang afprøvede AI med CS-teams, troede jeg, at den svære del var at vælge det rigtige værktøj og vise folk nogle få prompts. Det var det ikke. Den virkelige udfordring var at få teamet til at tænke anderledes om deres arbejde.

For at gøre dette holdt jeg op med at tale om AI som et værktøj og begyndte at tale om det som en løftestang for omsætning. Jeg sørgede for, at mit team havde de rigtige værktøjer og den rigtige indstilling. Og i stedet for at bede dem bruge AI til at skrive hurtigere e-mails bad jeg dem bruge AI til at forberede sig på kommercielle samtaler. Hvad har denne kunde brug for at høre for at forny aftalen? Hvilke signaler om udvidelse gemmer sig i deres brugsdata? Hvilken risiko overser vi?

Så her er mit råd: Betragt ikke AI som et teknologisk initiativ. Betragt det som et skift i kompetencer.

Følg med

Du kan følge Anika Zubairs arbejde på LinkedIn. Og se også The Customer Success Pro.

Der kommer flere interviews med eksperter på The CX Lead!