Erfaren chef inom kundframgång förklarar var AI förändrar spelplanen – och var den inte räcker till

Anika Zubair är VD för The Customer Success Pro, ett företag som samarbetar med organisationer för att hjälpa deras kundframgångsteam att skapa intäkter från sina befintliga kundbaser.

Vi satte oss ner med Anika för att lära oss mer om hur hon använder AI för att skapa resultat. Här är vad hon berättade.

Från reaktiv till proaktiv CX

Jag heter Anika Zubair och är grundare och VD för The Customer Success Pro. Jag har arbetat med kundframgång och tiden efter försäljningen i över 16 år, varav omkring ett decennium i ledande befattningar innan jag startade mitt eget företag.

I dag arbetar jag globalt med B2B SaaS-organisationer, vanligtvis medelstora företag och större företag, och hjälper deras team för kundframgång, kontohantering och bredare efterförsäljning att skapa intäkter från den befintliga kundbasen. Inte bara genom att behålla kunder, utan genom verklig expansion och mätbar tillväxt. Jag arbetar med team som består av allt från 10 till över 100 CSM:er i EMEA, USA och APAC.

Dessa team hanterar vanligtvis en blandning av kundsegment, från företagskunder med personlig service till skalbara kundportföljer inom medelstora företag. Den gemensamma nämnaren för dem alla är att de förväntas göra mer än att bara hantera relationer. De förväntas äga intäkter, påverka förnyelser och identifiera expansionsmöjligheter.

Min roll hjälper dessa organisationer att genomföra den förändringen, från reaktiv, serviceledd kundframgång till proaktiva, kommersiellt drivna team som tryggt kan koppla sitt arbete till intäkter.

Varför CX-ledare måste vara medvetna om när AI ska användas

Många team fördelar uppgifterna mellan AI och människor på fel sätt. Antingen förlitar de sig för mycket på AI eller undviker det helt.

Gränsen är mycket tydlig. AI bör informera beslut och påskynda genomförandet, men bör inte äga relationen eller omdömet.

Så här ser jag på det. Jag använder AI för:

• Prioritering av problem och risker: AI är mycket bra på att upptäcka mönster i stora datamängder: minskad produktanvändning, ökningar i supportärenden, förändringar i engagemang och till och med tonen i kundkommunikationen. Det identifierar riskutsatta konton mycket snabbare än en människa som går igenom instrumentpaneler.
• Personanpassning i stor skala: Inte för att bygga relationer, utan för förberedelser. AI hjälper till att utforma anpassade e-postmeddelanden, samtalsagendor, uppföljningar och till och med budskap anpassade efter olika intressenters roller. I stället för att en CSM stirrar på en tom sida börjar de med något som är 80 % färdigt.
• Insikter som underlag för samtal: Inför en förnyelse eller en värdegenomgång sammanställer AI allt till ett perspektiv. Det identifierar vad som har förändrats, var värdet syns, var friktion finns och var expansionspotentialen ligger. Den här nivån av sammanställning brukade ta timmar.
• Intern effektivitet: Att sammanfatta samtal, uppdatera CRM-anteckningar och identifiera nästa steg – allt detta automatiseras. CSM:er ska inte ägna sin tid åt administrativt arbete.

Här är jag noga med att uttryckligen hålla det mänskligt:

• Kommersiellt omdöme: Att avgöra hur en förnyelse ska hanteras, när man ska driva frågan, var man kan ge efter och hur en affär ska struktureras. Detta kräver sammanhang, erfarenhet och förmågan att läsa av situationen. AI kan ge underlag, men bör inte fatta det beslutet.
• Relationsbyggande och förtroende: Kunder känner av automatisering. Ledningssamtal, svåra diskussioner och stunder när du utmanar en kund eller omformulerar deras tankesätt måste komma från en människa.
• Återställning av service och eskaleringar: När något går fel är det sämsta tillvägagångssättet att gömma sig bakom automatisering. Empati, ansvarstagande och tydlig kommunikation är som viktigast då.
• Strategisk utformning av kundresan: AI kan föreslå mönster, men att avgöra hur din kundupplevelse ska kännas, var du ska satsa, vad som ska automatiseras och hur du ska särskilja dig – det är ett ledarskapsbeslut.

AI bör göra ditt team snabbare, skarpare och bättre förberett. Men ögonblick som definierar kundrelationer, förtroende och intäktsresultat kräver fortfarande en människa vid rodret.

De team som lyckas väljer inte mellan AI och människor. De är medvetna om var och en av dem gör mest nytta.

Varför AI inte är en genväg till transformation

Och kom ihåg: AI förstärker det som ditt team redan är.

Om ditt team är strategiskt, kommersiellt skarpt och kundfokuserat kommer AI att göra dem snabbare, mer konsekventa och mer effektfulla. Men om ditt team är reaktivt, uppgiftsdrivet och arbetar som support kommer AI bara att göra dem till en snabbare version av det.

Det är ingen genväg till transformation.

Varför AI inom CX har stora fördelar – och nackdelar

AI:s resultat har till stor del – men inte helt – varit positiva:

• Tidsbesparingarna är betydande: Team ser en minskning på 30 till 60 % av förberedelsetiden för QBR:er, förnyelseunderlag och kontogranskningar. Det som tidigare tog två till tre timmar blir nu klart på 20 till 40 minuter.
• Kvaliteten på samtalen har ökat: Det här betyder mest för mig. CSM:er går in i samtal med ett perspektiv, inte bara data. Det hörs direkt. Mer språk på ledningsnivå, fler resultatdrivna samtal och mindre fokus på funktioner.
• Tidigare identifiering av risker: AI hjälper till att upptäcka signaler på kundbortfall veckor, ibland månader, tidigare än förut. Det ger teamen en verklig chans att ingripa i stället för att reagera när det redan är för sent.
• Påverkan på intäkterna: Team ökar tryggheten kring förnyelser och minskar rabatteringen eftersom de kan formulera värdet. På expansionssidan upptäcker de möjligheter tidigare, vilket ökar skapandet av säljpotential från befintliga kunder. Jag har sett en förbättring på mellan 10 och 25 % av kvaliteten på expansionspotentialen, inte bara volymen.
• Mindre administrativ belastning: Samtalsanteckningar, CRM-uppdateringar och sammanfattningar hanteras snabbare, vilket ger CSM:en mer tid tillbaka.

Dessa effektivitetsvinster kräver ett förändrat tankesätt – CX-ledare behöver överge föreställningen att en fantastisk CX kräver tid.

I åratal antog vi att en kundupplevelse av hög kvalitet tog timmar: djupa förberedelser, omfattande QBR-underlag, manuell analys och att formulera varje meddelande från grunden. Och rättvist nog stämde det tidigare. Men AI utmanade det fullständigt.

Hur AI förbättrar CSM:ers hantering av QBR:er

Här är en stor förändring jag har gjort tack vare AI.

För ett år sedan samlade de flesta team manuellt in data, skapade bilder och försökte sammanfoga en ”värdeberättelse” utifrån användningsmått, supportärenden och magkänsla. Denna process var långsam, inkonsekvent och mycket aktivitetsfokuserad.

Jag vände helt på den processen med AI. Nu använder jag AI för att skapa ett första utkast till kundberättelsen innan jag öppnar ett presentationsmaterial. I stället för att fråga ”Vilka bilder behöver jag?” börjar de med ”Vilken berättelse om affärspåverkan gäller för det här kontot?”

Jag matar in trender för produktanvändning, viktiga milstolpar, supportinteraktioner, kända kundmål och samtalsanteckningar. AI hjälper sedan till att strukturera detta i:

• De resultat kunden försökte uppnå
• Vad som förändrades i deras verksamhet
• Var värde skapades eller är i riskzonen
• Var tydliga expansionssignaler finns

Verktygen jag använder för detta är anpassade GPT:er, Claude, Fathom, Gong och Planhat,

När CSM:en bygger QBR:en eller håller samtalet gissar de inte. De går in med en tydlig ståndpunkt. Resultaten är betydande:

1. Samtalskvaliteten förbättrades omedelbart. CSM:er låter mer strategiska eftersom de har en berättelse, inte bara data.
2. Förberedelsetiden minskade avsevärt. Det som tidigare tog timmar tar nu minuter. Det innebär att teamen ägnar mer tid åt att tänka och mindre åt att sammanställa.
3. Viktigast av allt var att det påverkade intäkterna direkt. När man inleder med en tydlig värdeberättelse blir det mycket enklare att hantera förnyelser, stå emot krav på rabatter och naturligt introducera möjligheter till expansion.

AI gjorde inte bara processen snabbare. Det gjorde kundframgång mer kommersiell.

Varför AI inom CX har stora nackdelar

Anika delar med sig

Det största problemet är ytligt tänkande: När team förlitar sig för mycket på AI:s resultat slutar de att ifrågasätta berättelsen.

Nu till det negativa — eftersom det definitivt finns nackdelar om det görs på fel sätt:

• Det största problemet är ytligt tänkande: När team förlitar sig för mycket på AI:s resultat slutar de att ifrågasätta berättelsen. Jag har sett CSM:er ta en AI-genererad sammanfattning för given utan att använda sitt eget omdöme, vilket kan leda till att de helt missar vad som händer i kundkontot.
• Generisk kommunikation: Om man inte är försiktig börjar allt låta likadant. Kunderna märker det. Förtroendet urholkas snabbt om varje e-post eller uppdatering känns mallbaserad, även om den tekniskt sett är ”personanpassad”.
• En falsk känsla av strategi: Det här är ett betydande problem. Bara för att AI kan generera en snygg ”värdeberättelse” betyder det inte att teamet arbetar strategiskt. Jag har sett ledare tro att de har lyft sitt team, när de i själva verket bara har förbättrat formateringen — inte tänkandet.
• Överautomatisering vid fel tillfällen: Att använda AI i eskaleringar, svåra förnyelsesamtal eller känsliga situationer kan slå helt fel. Det här är situationer där ton, empati och omdöme är viktigare än snabbhet.

Jag har märkt att de framgångsrika teamen använder AI som en utgångspunkt, inte som det slutgiltiga svaret.

Varför AI inte räcker till för att skapa verklig CX-personalisering

Det största området där AI inte har levererat den CX-effekt man förväntat sig är verklig personalisering på relationsnivå.

AI är utmärkt på att få saker att verka personliga. Det kan anpassa e-postmeddelanden, hänvisa till användningsdata och justera tonen efter persona. På pappret ser det bra ut. Men kunder — särskilt på företagsnivå — känner omedelbart skillnaden.

Det finns ett stort gap mellan ”Det här genererades för mig” och ”Den här personen förstår min verksamhet”. Och det gapet spelar roll eftersom förtroende bygger på djup, inte på formatering.

Varför kompetensutveckling är viktigare än verktygen

Kompetensutveckling är viktigare än själva verktygen. Det är något jag önskar att jag hade insett tidigare.

När jag först testade AI med CS-team trodde jag att den svåra delen var att välja rätt verktyg och visa människor några promptar. Det var det inte. Den verkliga utmaningen var att få teamet att tänka annorlunda kring sitt arbete.

För att åstadkomma detta slutade jag att prata om AI som ett verktyg och började prata om det som en hävstång för intäkter. Jag såg till att mitt team hade rätt verktyg och rätt inställning. Och i stället för att be dem använda AI för att skriva snabbare e-postmeddelanden bad jag dem använda AI för att förbereda sig inför kommersiella samtal. Vad behöver den här kunden höra för att förnya avtalet? Vilka expansionssignaler döljer sig i deras användningsdata? Vilken risk ser vi inte?

Så här är mitt råd: Behandla inte AI som ett teknikinitiativ. Behandla det som en förändring av förmågan.

Följ med

Du kan följa Anika Zubairs arbete på LinkedIn. Och ta en titt på The Customer Success Pro.

Fler expertintervjuer kommer på The CX Lead!