Leder inden for kundesucces deler, hvad AI kan (og ikke kan) løse

Andrea Bumstead er grundlægger og administrerende direktør for CS Impact, et konsulentfirma inden for kundesucces, som hjælper B2B SaaS-virksomheder med at gøre kundesucces til en indtægtskilde. Med mere end 15 års erfaring og dokumenterede resultater med at skalere organisationer fra $15M til $3B+ ARR har hun stået i spidsen for flere globale kundesucces-transformationer i virksomheder som Quest, Procore og One Identity.

Vi satte os ned med Andrea for at lære, hvordan hun bruger AI til at forbedre kundeoplevelsen. Her er, hvad hun havde at sige.

Sådan gøres kundesucces til en indtægtskilde

Jeg er grundlægger og administrerende direktør for CS Impact, et konsulentfirma, der leverer delt ledelse og strategisk rådgivning til B2B SaaS-virksomheder med $50M–$150M i ARR.

Vi gør kundesucces til en indtægtskilde, der skaber millioner af dollars i udvidelse og fastholdelse.

Hvorfor AI er et tveægget sværd inden for kundeoplevelse

Integrationen af AI i kundeoplevelsen har givet betydelige gevinster, men har også synliggjort nogle reelle udfordringer.

Her er fordelene:

• Betydelige tidsbesparelser: AI har reduceret det manuelle arbejde med forberedelse, opfølgning, CRM-opdateringer og rapportering. I mange tilfælde har jeg set CSM'er spare 1–2 timer om dagen, som de kan geninvestere i kundeorienteret arbejde.
• Stærkere og hurtigere kundeindsigter: Værktøjer som Claude, Gainsight, Gong AI og andre identificerer signaler i realtid — såsom risiko for kundeafgang, muligheder for udvidelse og ændringer i kundernes helbredstilstand — som tidligere tog timer (eller dage) at afdække.
• Forbedret ensartethed og skalerbarhed: AI hjælper med at standardisere output som succesplaner, QBR'er og kontosammendrag, hvilket er afgørende, når teams skaleres eller understøtter forskellige segmenter.
• Mere proaktive kundeoplevelsesinitiativer: I stedet for at reagere sent kan teams handle tidligere baseret på AI-drevne signaler — uanset om det gælder risikobegrænsning eller initiativer til udvidelse.

Men der er også en ulempe:

• Problemet med signaler kontra støj: Ikke alle AI-genererede indsigter kan omsættes til handling. Teams kan blive overvældet af advarsler, der mangler kontekst eller prioritering.
• Overdreven afhængighed af automatisering: Nogle teams læner sig for tungt op ad AI-genereret indhold (QBR'er, e-mails), hvilket kan føre til generiske kundeinteraktioner med lav effekt.
• Afhængighed af datakvalitet: AI er kun så god som de data, den bygger på. Hvis dine CRM- eller produktdata er ufuldstændige eller unøjagtige, mister resultaterne hurtigt deres troværdighed.
• Tab af kritisk tænkning: Der er en risiko for, at CSM'er holder op med at tænke strategisk og i stedet stoler på AI-anbefalinger frem for at udøve deres egen dømmekraft.

Hvorfor gode data er afgørende for gode AI-resultater

Her er det, alle ledere inden for kundeoplevelse skal vide: Gode data er alt.

Jeg har arbejdet med kundesuccesorganisationer, der har investeret i fantastiske AI-værktøjer, men deres underliggende data var rodede eller ufuldstændige. Det begrænsede fuldstændigt den værdi, de fik ud af dem.

En kunde havde ikke oprettet korrekte kontohierarkier i Salesforce. De havde for eksempel 15 separate konti med samme navn, som var en del af den samme kunde — men de var ikke forbundet. Da de lagde AI oven på det, genererede systemet indsigter på individuelt kontoniveau, men kunne ikke give et helhedsorienteret billede af kunderelationen.

I stedet for bedre indsigter endte de derfor med fragmenterede og til tider misvisende signaler.

Det er tiden værd at indsamle gode data og rense dårlige data!

Sådan bør AI-opgaver og menneskelige opgaver fordeles inden for kundeoplevelse

Mit syn på AI kontra mennesker inden for kundeoplevelse er, at AI bør håndtere skala, signaler og hastighed. Mennesker bør håndtere tillid, dømmekraft og transformation.

AI er mest effektiv i opgaver, der er datatunge, gentagelige eller tidskrævende:

• Administrativt arbejde: Forberedelse til samtaler, kontosammendrag, undersøgelse af interessenter og opfølgning efter samtaler – herunder noter, næste skridt og CRM-opdateringer (Salesforce, Gainsight)
• Generering af indhold og materialer: Succesplaner, QBR'er, kontoplaner, analyse af uudnyttede muligheder og kundekommunikation
• Generering af indsigter: Identificering af konti i risikozonen (fald i brug, tab af fortalere, M&A-aktivitet), muligheder for udvidelse og tendenser i produktfeedback
• Vejledning i stor skala: Identificering af de rigtige risiko- eller udvidelsesspilbøger på de rigtige tidspunkter
• Digital kundeoplevelse: Beskeder i appen, onboardingforløb, vidensbaser og supportindhold

Mennesker er afgørende overalt, hvor kontekst, tillid og nuancer betyder noget:

• Kundesamtaler og relationsopbygning: Især med ledende interessenter
• Behovsafdækning og problemformulering: Forstå ikke kun, hvad der sker, men også hvorfor
• At læse mellem linjerne: Opfange stemninger, risikosignaler og det, der ikke bliver sagt
• Konsultativ vejledning: Hjælpe kunder med at træffe beslutninger og skabe reelle forretningsresultater
• Øjeblikke, der opbygger tillid: Ledelsesmøder, middage ansigt til ansigt, arrangementer og interaktioner med stor betydning

Sådan fører automatiserede QBR'er til meningsfulde kundesamtaler

Andrea deler

Vi har hjulpet virksomheder med at automatisere ved at bruge AI til at indsamle data og indsigter, integrere dem i et gentageligt format og optimere leveringen til præsentationer ansigt til ansigt eller elektroniske præsentationer…Som et resultat kan disse virksomheder have mere meningsfulde samtaler med flere kunder – og levere større værdi.

Jeg nævnte QBR'er – vi skabte 15-minutters-QBR'en. Den dækker:

1. Den værdi, kunden har modtaget indtil nu
2. Hvordan de får mere værdi
3. Tre anbefalinger til de næste skridt

Vi har hjulpet virksomheder med at automatisere dette ved at bruge AI til at indsamle data og indsigter, integrere dem i et gentageligt format og optimere leveringen til præsentationer ansigt til ansigt eller elektroniske præsentationer. Hvad angår værktøjer, samler vi data fra Salesforce, Gong og Gainsight for automatisk at generere QBR-præsentationer ved hjælp af Claude.

Som et resultat kan disse virksomheder have mere meningsfulde samtaler med flere kunder – og levere større værdi.

Før 15-minutters-QBR'en implementeres, anbefaler jeg, at ledere inden for kundesucces fokuserer på fem kritiske grundlag:

1. Bliv klar på, hvilke problemer I løser: Identificer de 2-3 vigtigste forretningsproblemer, som jeres produkt løser – det bliver omdrejningspunktet for enhver kundesamtale.
2. Definér målsætninger og succeskriterier: Bliv enige om KPI'er, der er knyttet til realisering af værdi, så I tydeligt kan måle og kommunikere effekten.
3. Følg kundernes fremskridt: I har brug for indsigt i, hvordan hver kunde klarer sig i forhold til sine mål – ikke kun i produktbrugen.
4. Sammenlign jeres bedste kunder: Forstå, hvad jeres bedste kunder gør anderledes, så I kan fremhæve mangler og muligheder.
5. Opbyg en anbefalingsmotor: Udvikl gentagelige anbefalinger med stor effekt, som hjælper kunderne med at frigøre mere værdi.

Herfra anbefaler jeg en enkel tilgang til udrulningen:

1. Start i det små: Pilotér med en fokuseret gruppe, og finjustér tilgangen.
2. Automatisér, hvor det er muligt: Udnyt AI til at indhente data og generere indsigter i stor skala.
3. Skalér derefter: Udvid på tværs af segmenter, når det er bevist, at det fungerer.
4. Og lige så vigtigt: Gør teamet i stand til at levere det effektivt. Træn dem i at gå forrest med selvtillid, stille stærke afdækkende spørgsmål og styre samtalen ud fra et rådgivende og værdidrevet perspektiv.

Andrea deler

Start i det små. Automatisér, hvor det er muligt, og skalér derefter. Og lige så vigtigt: Gør teamet i stand til at levere det effektivt.

Hvor AI kommer til kort med QBR'er og indhold

En udfordring ved QBR-arbejdsgangen er, at AI ganske vist er fremragende til at generere indhold, men stadig har svært ved at strukturere det i et anvendeligt, forretningsklart format, f.eks. en præsentation, der er klar til ledelsen.

I praksis fremskynder AI de første 70 % af arbejdet, men de sidste 30 % — som ofte er det, der gør det anvendeligt og effektfuldt — kræver stadig menneskelig finpudsning.

Sådan forbedrer AI prognoser i CX — og hvad der stadig er nødvendigt

Jeg har brugt Gong til prognoser i flere organisationer, og det har de stærkeste funktioner, jeg har set inden for kundesucces.

Det samler signaler på tværs af kontoen: kundesentiment, aktivitetsniveauer og vigtige data fra Salesforce såsom ARR, TCV, aftalestadie, noter og næste skridt.

Det giver CS-ledere et langt mere holistisk billede af kontoens sundhed og potentielle resultater i realtid.

Processen er dog stadig i høj grad manuel. CSM'er er stadig ansvarlige for:

• At håndtere kontaktprocessen i Salesforce
• At opdatere aftalestadier
• At træffe vurderinger om fornyelser — om en konto forbliver uændret, nedgraderes eller udvides.

Den næste udvikling er AI-assisterede prognoser. I stedet for at begynde fra bunden bør AI:

• Analysere historiske tendenser
• Indarbejde sundhedsscorer og produktanvendelse
• Indhente signaler fra kundesamtaler
• Og generere en anbefalet prognose.

På det tidspunkt vil CSM'ens rolle ændre sig til at finpudse og validere prognosen i stedet for at opbygge den fra bunden.

Jeg ser også et hul i synligheden af ændringer over tid. Prognoser bør ikke kun være et øjebliksbillede — de bør tydeligt vise udviklingen fra uge til uge og præcis, hvad der har drevet ændringen. Blev en stor konto for eksempel pludselig risikofyldt? Eller lykkedes det os at genvinde omsætning, som vi tidligere havde markeret som tabt på grund af kundeafgang?

Dette niveau af synlighed kombineret med AI-drevne anbefalinger ville ikke blot forbedre prognosernes nøjagtighed, men også gøre dem langt mere handlingsanvisende, skalerbare og afstemt med den måde, CS-teams arbejder på.

Hvorfor CX-ledere skal blive fortrolige med fiasko

Her er mit råd: Vær ikke bange for at eksperimentere og prøve nye ting. Vær ikke bange for at fejle.

Prøv nye AI-arbejdsgange, tag kurser, og udvid din horisont.

Pavilion har et stærkt kursus i GTM og AI. Og Customer Success Collective-arrangementer, såsom deres Customer Success Summits i USA, Storbritannien og APAC, fokuserer på AI-drevne arbejdsgange.

Følg med

Følg Andrea Bumstead på LinkedIn for indsigt i, hvordan man omdanner kundesucces til en indtægtsmotor, opbygger effektive strategier for kundesucces og udnytter AI til at skabe kundeværdi. Abonnér på hendes Substack, Real Talk with CS Impact, for praktiske vejledninger og rammeværk. Og følg med på Instagram.

Der kommer flere ekspertinterviews på The CX Lead!