Erfaren leder innen kundesuksess forklarer hvor AI endrer spillet – og hvor teknologien kommer til kort

Anika Zubair er administrerende direktør i The Customer Success Pro, et selskap som samarbeider med organisasjoner for å hjelpe kundesuksessteamene deres med å skape inntekter fra den eksisterende kundebasen.

Vi satte oss ned med Anika for å lære mer om hvordan hun bruker kunstig intelligens til å skape resultater. Her er det hun fortalte oss.

Fra reaktiv til proaktiv CX

Jeg er Anika Zubair, grunnlegger og administrerende direktør i The Customer Success Pro. Jeg har jobbet med kundesuksess og ettersalg i over 16 år, hvorav rundt ti år i lederroller før jeg startet mitt eget selskap.

I dag jobber jeg med B2B SaaS-organisasjoner over hele verden, vanligvis mellomstore og store virksomheter, og hjelper kundesuksess-, account management- og andre ettersalgsteam med å skape inntekter fra den eksisterende kundebasen. Ikke bare gjennom å beholde kunder, men gjennom reell utvidelse og målbar vekst. Jeg jobber med team på mellom 10 og over 100 CSM-er i EMEA, USA og APAC.

Disse teamene håndterer vanligvis en blanding av kundesegmenter, fra store virksomhetskunder som krever tett oppfølging, til porteføljer av mellomstore kunder som håndteres i større skala. Felles for dem alle er at de forventes å gjøre mer enn bare å håndtere relasjoner. De skal ta ansvar for inntekter, påvirke fornyelser og identifisere muligheter for utvidelse.

Rollen min hjelper disse organisasjonene med å gå fra reaktiv, tjenestedrevet kundesuksess til proaktive, kommersielt drevne team som trygt kan knytte arbeidet sitt til inntekter.

Hvorfor CX-ledere må være bevisste på når de skal bruke kunstig intelligens

Mange team fordeler oppgaver mellom kunstig intelligens og mennesker på feil måte. De er enten for avhengige av kunstig intelligens eller unngår det fullstendig.

Skillet er svært tydelig. Kunstig intelligens bør informere beslutninger og fremskynde gjennomføringen, men bør ikke ha ansvaret for relasjonen eller vurderingsevnen.

Slik går jeg frem. Jeg bruker kunstig intelligens til:

• Prioritering av problemer og risiko: Kunstig intelligens er svært god til å oppdage mønstre i store datamengder: nedgang i produktbruk, økning i supportsaker, endringer i engasjement og til og med tonen i kundekommunikasjonen. Den identifiserer risikoutsatte kunder mye raskere enn et menneske som går gjennom dashbord.
• Personalisering i stor skala: Ikke for å bygge relasjoner, men for forberedelser. Kunstig intelligens hjelper med å utarbeide tilpassede e-poster, møteagendaer, oppfølginger og til og med budskap tilpasset interessentenes roller. I stedet for at en CSM stirrer på en tom side, starter de med noe som er 80 % ferdig.
• Generering av innsikt til samtaler: Før en fornyelse eller en gjennomgang av verdi sammenfatter kunstig intelligens alt til et helhetlig perspektiv. Den identifiserer hva som har endret seg, hvor det skapes verdi, hvor det finnes friksjon og hvor potensialet for utvidelse ligger. Dette nivået av sammenfatning tok tidligere flere timer.
• Intern effektivitet: Oppsummering av samtaler, oppdatering av CRM-notater, identifisering av neste steg – alt dette automatiseres. CSM-er bør ikke bruke tiden sin som administrative operatører.

Her er hvor jeg er bevisst på å holde det uttrykkelig menneskelig:

• Kommersiell dømmekraft: Å avgjøre hvordan en fornyelse skal håndteres, hvor hardt man skal presse, hvor man skal gi etter, og hvordan en avtale skal struktureres. Dette krever kontekst, erfaring og evnen til å lese rommet. AI kan gi innsikt i dette, men bør ikke ta avgjørelsen.
• Relasjonsbygging og tillit: Kunder merker automatisering. Ledersamtaler, vanskelige diskusjoner og situasjoner der du utfordrer en kunde eller endrer perspektivet deres, må komme fra et menneske.
• Håndtering av tjenestesvikt og eskaleringer: Når noe går galt, er det verste du kan gjøre å gjemme deg bak automatisering. Empati, ansvarsfølelse og god kommunikasjon er viktigst da.
• Utforming av kundereisen på strategisk nivå: AI kan foreslå mønstre, men å avgjøre hvordan din kundeopplevelse skal føles, hvor du skal legge inn ekstra innsats, hva som skal automatiseres, og hvordan du skal skille deg ut – det er en lederbeslutning.

AI bør gjøre teamet ditt raskere, skarpere og bedre forberedt. Men øyeblikkene som definerer kunderelasjoner, tillit og inntektsresultater, krever fortsatt et menneske ved roret.

Teamene som lykkes, velger ikke mellom AI og mennesker. De er bevisste på hvor hver av dem skal bidra.

Hvorfor AI ikke er en snarvei til transformasjon

Og husk: AI vil forsterke det teamet ditt allerede er.

Hvis teamet ditt er strategisk, kommersielt skarpt og kundefokusert, vil AI gjøre dem raskere, mer konsistente og mer effektive. Men hvis teamet ditt er reaktivt, oppgaveorientert og jobber som et supportteam, vil AI bare gjøre dem til en raskere versjon av dette.

Det er ikke en snarvei til transformasjon.

Hvorfor AI i CX har store fordeler – og ulemper

Resultatene med AI har i stor grad – men ikke utelukkende – vært gode:

• Tidsbesparelsene er betydelige: Teamene opplever en reduksjon på 30 til 60 % i forberedelsestiden for QBR-er, fornyelsesnotater og kontogjennomganger. Det som tidligere tok to til tre timer, er nå ferdig på 20 til 40 minutter.
• Kvaliteten på samtalene har økt: Dette betyr mest for meg. CSM-er går inn i samtaler med et standpunkt, ikke bare data. Det hører du umiddelbart. Mer språk på ledernivå, flere resultatorienterte samtaler og mindre produktoppsummering.
• Identifisering av risiko tidligere: AI bidrar til å avdekke signaler på kundefrafall uker, noen ganger måneder, tidligere enn før. Dette gir teamene en reell mulighet til å gripe inn i stedet for å reagere når det allerede er for sent.
• Påvirkning på inntektene: Teamene får større trygghet rundt fornyelser og gir færre rabatter fordi de kan formulere verdien tydelig. Når det gjelder utvidelser, oppdager de muligheter tidligere, noe som øker opprettelsen av salgsmuligheter fra eksisterende kunder. Jeg har sett en forbedring på mellom 10 og 25 % i kvaliteten på salgsmulighetene for utvidelser, ikke bare i volumet.
• Mindre administrativ belastning: Samtalenotater, CRM-oppdateringer og sammendrag håndteres raskere, slik at CSM-en får mer tid tilbake.

Disse effektivitetsgevinstene krever et endret tankesett – CX-ledere må bevege seg bort fra forestillingen om at god CX krever tid.

I årevis antok vi at en kundeopplevelse av høy kvalitet tok timer: grundige forberedelser, omfattende QBR-utarbeidelse, manuell analyse og utforming av hver melding fra bunnen av. Og for å være rettferdig var det faktisk slik før. Men AI utfordret dette fullstendig.

Hvordan AI forbedrer måten CSM-er håndterer QBR-er på

Her er en stor endring jeg har gjort, takket være AI.

For ett år siden hentet de fleste teamene ut data manuelt, laget lysbilder og forsøkte å sette sammen en «verdihistorie» basert på bruksdata, supportsaker og magefølelse. Denne prosessen var langsom, inkonsekvent og svært aktivitetsfokusert.

Jeg la denne prosessen helt om med AI. Nå bruker jeg AI til å generere et førsteutkast til kundefortellingen før jeg åpner en presentasjon. I stedet for å spørre «Hvilke lysbilder trenger jeg?», starter de med «Hva er historien om forretningspåvirkningen for denne kontoen?»

Jeg mater den med trender i produktbruken, viktige milepæler, supportinteraksjoner, kjente kundemål og samtalenotater. AI bidrar deretter til å strukturere dette i:

• Resultatene kunden forsøkte å oppnå
• Hva som endret seg i virksomheten deres
• Hvor verdi ble skapt eller står i fare
• Hvor det finnes tydelige signaler på utvidelsesmuligheter

Verktøyene jeg bruker til dette, er tilpassede GPT-er, Claude, Fathom, Gong og Planhat,

Når CSM-en utarbeider QBR-en eller gjennomfører samtalen, gjetter de ikke. De møter opp med et tydelig synspunkt. Resultatene er betydelige:

1. Kvaliteten på samtalene ble umiddelbart bedre. CSM-er høres mer strategiske ut fordi de har en fortelling, ikke bare data.
2. Forberedelsestiden gikk betydelig ned. Det som tidligere tok timer, tar nå minutter. Det betyr at teamene bruker mer tid på å tenke og mindre tid på å sette sammen materiale.
3. Viktigst av alt påvirket det inntektene direkte. Når man leder med en tydelig verdifortelling, blir det mye enklere å håndtere fornyelser, stå imot rabatter og på en naturlig måte introdusere muligheter for utvidelse.

AI gjorde ikke bare prosessen raskere. Det gjorde kundesuksess mer kommersiell.

Hvorfor AI i CX har store ulemper

Anika deler

Det største problemet er overfladisk tenkning: Når teamene stoler for mye på AI-resultater, slutter de å stille spørsmål ved fortellingen.

Nå til det negative — for en ulempe finnes definitivt dersom dette gjøres dårlig:

• Det største problemet er overfladisk tenkning: Når teamene stoler for mye på AI-resultater, slutter de å stille spørsmål ved fortellingen. Jeg har sett CSM-er ta en AI-generert oppsummering for god fisk uten å bruke sitt eget skjønn, noe som kan føre til at de fullstendig overser hva som skjer i kundeporteføljen.
• Generisk kommunikasjon: Hvis man ikke er forsiktig, begynner alt å høres likt ut. Kundene merker det. Tilliten svekkes raskt hvis hver e-post eller oppdatering føles malbasert, selv om den teknisk sett er «personlig tilpasset».
• En falsk følelse av strategi: Dette er et betydelig problem. Bare fordi AI kan generere en flott «verdifortelling», betyr ikke det at teamet arbeider strategisk. Jeg har sett ledere tro at de har løftet teamet sitt, når de i virkeligheten bare har forbedret formateringen — ikke tenkningen.
• For mye automatisering i feil situasjoner: Bruk av AI i eskaleringer, krevende fornyelsessamtaler eller sensitive situasjoner kan slå kraftig tilbake. Dette er situasjoner der tone, empati og skjønn betyr mer enn hastighet.

Jeg har erfart at de beste teamene bruker AI som et utgangspunkt, ikke som det endelige svaret.

Hvorfor AI ikke strekker til når det gjelder ekte personalisering av CX

Det viktigste området der AI ikke har levert den forventede CX-effekten, er ekte personalisering på relasjonsnivå.

AI er svært god til å få ting til å fremstå som personlige. Den kan tilpasse e-poster, henvise til bruksdata og justere tonen etter persona. På papiret ser det flott ut. Men kundene — særlig på bedriftsnivå — merker umiddelbart forskjellen.

Det finnes et stort gap mellom «Dette ble generert for meg» og «Denne personen forstår virksomheten min». Og det gapet betyr noe, fordi tillit bygges på dybde, ikke formatering.

Hvorfor kompetansebygging er viktigere enn verktøy

Kompetansebygging er viktigere enn selve verktøyene. Det er noe jeg skulle ønske jeg hadde innsett tidligere.

Da jeg først testet AI med CS-team, trodde jeg at den vanskelige delen var å velge riktig verktøy og vise folk noen få ledetekster. Det var den ikke. Den virkelige utfordringen var å få teamet til å tenke annerledes om arbeidet sitt.

For å få til dette sluttet jeg å snakke om AI som et verktøy og begynte å snakke om det som en inntektsdriver. Jeg sørget for at teamet mitt hadde de riktige verktøyene og den riktige innstillingen. Og i stedet for å be dem bruke AI til å skrive e-poster raskere, ba jeg dem bruke AI til å forberede seg på kommersielle samtaler. Hva trenger denne kunden å høre for å fornye avtalen? Hvilke signaler på utvidelsesmuligheter skjuler seg i bruksdataene deres? Hvilken risiko ser vi ikke?

Så her er mitt råd: Ikke behandle AI som et teknologisk initiativ. Behandle det som et kapabilitetsskifte.

Følg med

Du kan følge Anika Zubairs arbeid på LinkedIn. Ta også en titt på The Customer Success Pro.

Flere ekspertintervjuer kommer på The CX Lead!