Vai al contenuto
← Torna al blog

Vendite e AI nel 2030: il ritorno del full-cycle seller

Riassumi questo articolo con
Vendite e AI nel 2030: il ritorno del full-cycle seller

L'intelligenza artificiale non sostituisce il venditore. Sostituisce le attività che lo circondano: ricerca, preparazione, documentazione, manutenzione del CRM, follow-up di routine. Ciò che rimane è un venditore a ciclo completo nativo dell'intelligenza artificiale che possiede la relazione con il cliente dal primo segnale fino al rinnovo. Il vantaggio duraturo non è l'agente ma la memoria condivisa del cliente: ogni segnale connesso e recuperabile quando un essere umano o un agente ne ha bisogno.

L'unico ruolo di vendita che può sopravvivere all'intelligenza artificiale è quello del venditore.

Non l'SDR, non l'account executive, non il customer success manager, non l'account manager. Un venditore a ciclo completo che gestisce il rapporto con il cliente dal primo segnale al rinnovo, supportato da agenti che svolgono la parte invisibile del lavoro.

Questo è il paradosso in un recente episodio di The Science of Scaling con il fondatore di Day AI Christopher O'Donnell. L’intelligenza artificiale elimina molti ruoli di vendita specializzati e allo stesso tempo riporta indietro il venditore. Ho ascoltato l'episodio due volte. Il paradosso è valido.

Un esempio illustrativo che probabilmente riconoscerai: un account executive di un'azienda SaaS di 60 persone sta preparando una chiamata di rinnovo per un cliente chiave. Il CSM proprietario del conto se n'è andato il mese scorso. Le note vivono nel CRM, in tre canali Slack e nella casella di posta di un ex collega. L'ultima voce del CRM dice "tutto bene, follow-up Q3". Lei entra nella chiamata ignara di un'escalation di supporto aperto. Il cliente chiede perché nessuno ne ha parlato. L'accordo sopravvive. La fiducia non è completa.

Non è un problema di intelligenza artificiale. È un problema di staffetta e l'intelligenza artificiale lo rende più veloce e più rumoroso.

Le vendite non sono iniziate come una staffetta. Una persona ha trovato il cliente, ha capito il problema, ha vinto l'affare e ha mantenuto il rapporto. La crescita ha quindi suddiviso quel lavoro in SDR, AE, CSM, AM, supporto e RevOps. Ciascuna funzione è diventata più efficiente da sola. Il cliente ha riscontrato più passaggi di consegne e a ognuno di essi è trapelato il contesto.

Lo sviluppo del prodotto è andato allo stesso modo. Un costruttore generalista è diventato una catena di product manager, progettisti, front-end, back-end, dati, QA e operazioni. L’intelligenza artificiale cambia l’economia che ha reso sensate entrambe le catene. Un abile generalista copre ancora più terreno, senza pretendere di possedere tutte le competenze specialistiche.

Cosa imparerai

  • Quale metrica sostituisce il tasso di adozione dell'intelligenza artificiale e perché "il nostro team utilizza l'intelligenza artificiale" non dice nulla sul tuo sistema di vendita
  • Come suddividere il ruolo di un AE in compiti che un agente può svolgere e quali rimangono nell'umano
  • Dove il passaggio da SDR a AE a CSM crolla e dove restano gli specialisti
  • Perché la memoria condivisa del cliente è il fossato e l'agente no

La mia tesi: l'intelligenza artificiale non sostituisce il venditore, sostituisce i macchinari che lo circondano

Ricerca, preparazione, documentazione, aggiornamenti di sistema, analisi e follow-up di routine vengono trasferiti agli agenti. Ciò che resta nell'essere umano e diventa sempre più scarso: fiducia, giudizio, gusto, curiosità, relazioni e responsabilità.

Con questa non si intende affermare che un modello possa gestire da solo un'organizzazione fiscale. È un argomento di progettazione organizzativa. Quando il coordinamento e l'esecuzione di routine diventano economici, le ragioni per suddividere la relazione con un cliente tra sei persone diventano più deboli.

Lo mostrerò in quattro passaggi: metrica, delega, organigramma, memoria. L'ultimo è il più forte, quindi arriva per ultimo.

Cosa dovrebbe sostituire la metrica di adozione dell'IA?

Prodotto di lavoro. Contare licenze, richieste o utenti attivi settimanali ti dice che le persone hanno toccato l'IA. Non ti dice se il tuo sistema di vendita è migliorato. La domanda migliore è: cosa lascia il sistema in modo diverso rispetto a prima?

Nell'episodio Mark Roberge e Christopher O'Donnell propongono ipotesi più difficili. Un venditore potrebbe passare da circa il 25% della settimana nelle vendite rivolte al cliente al 75%? Un manager potrebbe supportare 14 venditori invece di sette? La produzione per ripetizione potrebbe raddoppiare? Questi non sono parametri di riferimento. Sono domande operative verificabili da una conversazione, ed è così che dovresti trattarle.

La differenza non è accademica. "Il nostro team ha adottato l'intelligenza artificiale" è una dichiarazione di attività. "I nostri venditori trascorrono due giorni in più alla settimana con i clienti e prevedono il mantenimento della qualità" è una dichiarazione di lavoro-prodotto. Solo il secondo appartiene a un mazzo da tavolo.

Una scorecard utile inizia con ciò che lascia il sistema:

  • Tempo trascorso a contatto con il cliente per venditore
  • Tempo dalla riunione al follow-up accurato
  • Completezza e freschezza del contesto dell'account
  • Opportunità qualificate create per venditore
  • Intervallo di manager senza calo della qualità del coaching
  • Conservazione ed espansione dopo la firma

La stessa disciplina si applica a qualsiasi programma di intelligenza artificiale nelle vendite: un collo di bottiglia misurabile, non un'ampia campagna di adozione. Ciò che accade in pratica è come iniziare con l'intelligenza artificiale nelle vendite B2B.

Perché gli agenti hanno bisogno di lavori anziché di istruzioni?

Un prompt richiede un output. Un lavoro definisce una responsabilità continua: il contesto di cui ha bisogno, i vincoli, il punto di revisione e il risultato. Gli agenti che ricevono istruzioni producono volume. Gli agenti a cui viene assegnato un lavoro producono lavoro che qualcuno può controllare e possedere.

Prendiamo un account executive di fascia media. Il ruolo contiene molti lavori che non necessitano dell'AE:

  • Preparare un resoconto prima della riunione
  • Estrai la cronologia relativa all'utilizzo del prodotto e al supporto
  • Stendere il follow-up ed elencare le decisioni irrisolte
  • Aggiorna i campi CRM e previsione
  • Confronta cosa è cambiato dall'ultima conversazione
  • Rischio di segnalazione, segnali di acquisto e stakeholder mancanti

Questi sono lavori da agente migliori di "aiutami a vendere questo account". Ognuno ha input, un processo ripetibile e un momento in cui un essere umano controlla il risultato.

Il compito del venditore diventa quindi più chiaro, non più piccolo: sostenere la conversazione, ascoltare ciò che non viene detto, guadagnarsi la fiducia, esprimere un giudizio e prendere in carico la decisione. Un agente può preparare un punto di vista. Non può assumersi la responsabilità della relazione.

Ecco perché la cattiva automazione delude così spesso. Il team acquista uno strumento, scrive un suggerimento intelligente e lascia il lavoro indefinito. L'agente non ha un obiettivo stabile, nessuna gerarchia di fonti e nessuna definizione di fatto. Un pratico sistema di delega inizia suddividendo il ruolo in descrizioni di lavoro, nello stesso modo in cui un ticket GTM pronto per l'agente trasforma un lavoro vago in un brief eseguibile. E prima di delegare, mappa il processo, come farebbe un ingegnere specializzato.

Cosa succede quando l'organigramma inizia a sciogliersi?

L'inoltro da SDR a AE a CSM ad AM collassa verso un venditore a ciclo completo. Non ovunque e non da un giorno all'altro. Ma il confine tra "prima dell'accordo" e "dopo l'accordo" diventa difficile da difendere una volta che un essere umano può recuperare l'intera cronologia del cliente e delegare il lavoro relativo.

Prendo sul serio la controargomentazione più forte: la specializzazione aveva delle ragioni. I DSP esistono perché il volume e il tempo di rampa dovevano essere economici. Gli accordi aziendali richiedono team con architetti di soluzioni ed esperienza nell'approvvigionamento. I generalisti possono diventare superficiali. Ciò rimane vero. Ciò che cambia non è che le competenze scompaiono. Sono necessari meno passaggi per applicarlo.

Puoi vedere la stessa ricombinazione nel prodotto e nella progettazione. I progettisti costruiscono prototipi funzionanti. Gli ingegneri esaminano personalmente le prove dei clienti. Gli addetti al prodotto interrogano direttamente i dati. O'Donnell descrive un "ingegnere agente" presso Day AI come un esempio di ruolo ibrido, commerciale e tecnico allo stesso tempo. Il titolo conta meno della forma: abbastanza vicino al cliente da comprendere il lavoro, abbastanza tecnico da rendere gli agenti utili a suo riguardo.

Ciò crea il dilemma dell'innovatore per la progettazione organizzativa. Una startup assume cinque persone con il nuovo profilo. Un operatore storico può avere cinquecento persone le cui carriere, incentivi e sistemi dipendono dalla vecchia specializzazione. La startup non ha modelli migliori. Può riprogettare il lavoro più velocemente.

La risposta per gli operatori storici non è eliminare le funzioni in un foglio di calcolo. In Germania, comunque, il comitato aziendale siede al tavolo per cambiamenti di questo tipo. La risposta è testare dove la continuità migliora l'esperienza del cliente, quindi riqualificare attorno a una proprietà più ampia. Lo State of Go-to-Market 2026 mostra già team più piccoli abilitati all'intelligenza artificiale: 45 invece di 65 FTE nella fascia di entrate compresa tra 25 e 100 milioni. Ma la dimensione della squadra è un risultato. La domanda progettuale è: chi possiede il cliente quando i macchinari diventano economici?

Perché la memoria condivisa del cliente è il vero fossato?

Perché gli agenti stanno diventando merci. I modelli migliorano, le strutture degli agenti convergono, le competenze utili vengono copiate rapidamente. Le stesse capacità di ricerca, redazione e flusso di lavoro saranno disponibili per ogni concorrente. Ciò che rimane diverso è ciò che l'agente sa di questo cliente, di questa azienda e di questo momento.

Ho guidato la vendita di un CRM a Swisscom. Quindi non penso che il CRM sia morto. Ma il CRM è solo un input, non tutta la verità. Il cliente esiste anche nelle trascrizioni delle riunioni, nelle e-mail, in Slack, nei casi di supporto, nell'utilizzo del prodotto, nei contratti, nelle note di implementazione, nelle registrazioni delle chiamate e nelle decisioni che non sono mai arrivate sul campo. Il sistema relazionale non scompare. Diventa parte di uno strato di memoria più ampio.

Quel livello ha bisogno di tre proprietà:

  1. Copertura. Collega i segnali rilevanti dei clienti tra i sistemi invece di considerare un database come completo.
  2. Autorizzazione. Le persone e gli agenti recuperano solo ciò che sono autorizzati a vedere. Il materiale sensibile viene gestito deliberatamente.
  3. Recupero. Porta il frammento giusto al punto di lavoro, invece di scaricare l'intero archivio in ogni prompt.

Questo è l'argomento più forte perché spiega perché la produzione di vendite dell'IA è così scarsa. Un SDR AI generico può avere un modello capace e una sequenza raffinata. Invia ancora messaggi irrilevanti perché non sa che il potenziale cliente ha sollevato un problema di sicurezza il mese scorso, ha utilizzato un prodotto concorrente in un ruolo precedente, ha partecipato a un webinar ieri e ha un ticket di supporto aperto.

Si tratta di un errore di contesto prima ancora che di un errore di modello. Il contesto frammentato, la conoscenza del cliente sparpagliata tra teste, strumenti e chat, non viene riparata dall'intelligenza artificiale. L'intelligenza artificiale lo rende più veloce e più rumoroso.

La capacità durevole non genera più parole. Significa recuperare il giusto pezzo di memoria organizzativa quando un venditore o un agente ne ha bisogno. Un sistema di dati dei clienti utile per le vendite B2B deve quindi preservare il significato dell'intera relazione, non limitarsi a riempire più campi.

La memoria persistente risolve anche il problema del passaggio di consegne dall'apertura. L'AE nell'esempio avrebbe visto l'escalation aperta prima di unirsi alla chiamata. Un cliente non dovrebbe dover raccontare la propria storia perché un SDR lo ha passato a un AE o perché l'AE se n'è andato. L'organizzazione dovrebbe ricordare. Il proprietario umano può cambiare senza che la relazione si azzeri.

Cosa fai come responsabile delle vendite lunedì?

Non iniziare con il futuro organigramma. Inizia con un percorso del cliente e mappa il lavoro attorno ad esso.

  1. Scegli un venditore. Qualcuno con un forte giudizio e un range sufficiente per possedere una parte maggiore del ciclo.
  2. Elenca i lavori relativi alla relazione. Separa la conversazione e le decisioni dalla preparazione, dalla documentazione, dal recupero e dal follow-up di routine.
  3. Delega tre lavori ristretti. Assegna a ciascun agente fonti, vincoli, un limite di revisione e una metrica del prodotto lavorativo.
  4. Costruisci memoria mentre procedi. Collega i segnali minimi dei clienti di cui hanno bisogno questi lavori e definisci l'accesso prima di ampliare.
  5. Misura la continuità. Tempo dedicato al cliente, qualità del follow-up, completezza del contesto e risultati post-vendita.

Lo scopo non è dimostrare che una persona può svolgere sei vecchi lavori. L'obiettivo è scoprire quali parti di questi lavori erano costituite da macchinari, quali da competenza e quali necessitavano di un proprietario umano fidato.

Dove funziona, dove non funziona e la trappola

✅ Ciò che brilla. Il mercato medio si occupa di un chiaro utilizzo del prodotto, in cui un venditore supportato da agenti può mantenere la relazione dal segnale al rinnovo. Ogni passaggio di consegne che rimuovi rimuove una parte di perdita di contesto e il cliente se ne accorge.

❌ Ciò che non brilla. L'impresa si occupa di dodici parti interessate, di una revisione della sicurezza e degli appalti. La squadra rimane e il proprietario è il venditore a ciclo completo, non lo spettacolo individuale. E i numeri dell'episodio, dal 25 al 75% di tempo rivolto al cliente, da 7 a 14 venditori per manager, sono ipotesi dei due relatori, non parametri di riferimento. Mettili alla prova, non citarli.

⚠️ Attenzione. La trappola è comprare l'agente prima della memoria. Un SDR AI in aggiunta a un CRM vuoto riduce l’irrilevanza. Collega i segnali e definisci prima l'accesso, quindi delega.

Torniamo all'inizio. L’unico ruolo di vendita che può sopravvivere all’intelligenza artificiale è quello del venditore. Un essere umano possiede la relazione dall'inizio alla fine. Gli agenti preparano il lavoro, mantengono aggiornati i sistemi, evidenziano i rischi e recuperano la cronologia pertinente. Io lo chiamo Ottieni Multiplayer: gli esseri umani stabiliscono obiettivi, decidono e approvano. Gli agenti preparano e svolgono il lavoro ripetibile. Obiettivi condivisi e contesto condiviso li fanno lavorare insieme. Le macchine non dimenticano. L'umano decide ancora ciò che conta.

Man mano che l'esecuzione diventa più economica, la fiducia, il giudizio e la comprensione del cliente diventano più preziosi. Il venditore del 2030 somiglia meno alla stazione finale di una pipeline commerciale e più alla persona attorno alla quale sono state costruite le vendite.

Se desideri una nota dalla pratica a settimana su prodotto, GTM e AI: iscriviti alla newsletter The Science of GTM.

Domande frequenti

L'AI sostituirà i venditori entro il 2030?
Nella puntata di The Science of Scaling, Mark Roberge e Christopher O'Donnell sostengono che l'AI sostituirà più la macchina attorno alla vendita che la persona che possiede la relazione. Ricerca, documentazione, aggiornamenti del CRM, analisi e follow-up di routine possono passare agli agenti. Giudizio, fiducia e responsabilità restano lavoro umano.
Che cos'è un full-cycle seller AI-native?
Un full-cycle seller AI-native possiede la relazione con il cliente dal primo segnale al deal, fino a retention ed espansione. Gli agenti lo supportano con preparazione, recupero delle informazioni, documentazione e lavoro operativo ricorrente. La persona decide e si assume la responsabilità. Meno passaggi di consegne significano meno contesto perso.
Quali ruoli di vendita convergono con l'AI?
I confini tra SDR, AE, CSM e AM si indeboliscono, perché un venditore supportato da agenti può coprire una parte maggiore del ciclo cliente. Gli specialisti restano utili, soprattutto nei deal enterprise complessi con security review e procurement. Servono solo meno passaggi di consegne per usare la loro competenza.
Perché la memoria del cliente conta più dell'agente AI?
Le capacità degli agenti stanno diventando una commodity, ogni concorrente ottiene gli stessi modelli e framework. Un output utile dipende dal recuperare il giusto contesto cliente da meeting, e-mail, support, utilizzo del prodotto e CRM, con i permessi giusti, nel momento in cui serve a una persona o a un agente. È un errore di contesto prima che di modello.
Come dovrebbe misurare il valore dell'AI un team di vendita?
Dal lavoro prodotto, non dall'adozione. Misure utili sono il tempo con i clienti per venditore, velocità e qualità del follow-up, completezza del contesto dell'account, opportunity qualificate per venditore, ampiezza di controllo del manager senza perdita di qualità nel coaching, e retention ed espansione dopo la firma. Quante persone usano uno strumento dice poco sul suo valore.
Scritto da

Serial entrepreneur, autore

Marc lavora all'incrocio tra Product × GTM × AI e costruisce aziende software B2B con persone + agenti. A 16 anni ha fondato la sua prima azienda software e da vent'anni lavora dove il software product management incontra il go-to-market. Cofondatore di Teklens, il Company Brain per le aziende tech. Esperto Innosuisse e autore Springer Gabler.