Hoppa till innehållet
Marc Gasser
Tillbaka till bloggen

Så kommer du igång med AI i B2B-sälj

Sammanfatta artikeln med
Så kommer du igång med AI i B2B-sälj

Du har tio AI-verktyg, femtio halvbyggda arbetsflöden, och inget av dem bokade ett möte den här veckan. Där står de flesta team med AI i B2B-sälj just nu. Fler inloggningar, samma pipeline. Så frågan är inte vilket verktyg du ska köpa härnäst. Frågan är vilken färdighet du ska lära dig först.

Här är den obekväma siffran. Säljare lägger bara 28% av sin vecka på att faktiskt sälja, enligt Salesforce. Resten går till research, administration, datainmatning och att jaga fel personer. AI är bra på exakt de där tråkiga 72%. Men bara om du slutar behandla den som en varuautomat och börjar behandla den som en nyanställd.

Jag driver Pedalix och The Science of GTM, och jag har gett råd till över 100 B2B-techbolag i den här frågan. Mönstret är alltid detsamma. Flaskhalsen är aldrig AI:n. Det är datan, signalerna och hur arbetet är organiserat. Den här texten visar var du börjar, i enkla steg, utan jargong.

Det här lär du dig:

  • De två AI-färdigheter som lönar sig i B2B-sälj, och varför allt annat är en distraktion.
  • Hur du bygger din första AI-agent redan den här veckan, med tre källor och en regel.
  • Ett enkelt arbetsflöde för lead-research och outreach som du kan kopiera, en kanal i taget.
  • Varför det starkaste tecknet på att din automatisering fungerar är att du måste stänga av den.

Sluta köpa verktyg. Flaskhalsen var aldrig AI:n.

Det verkliga problemet i B2B-sälj är inte ett verktyg som saknas. Det är dålig data, inga tydliga signaler och arbete som ingen har organiserat. Lägg ett AI-verktyg ovanpå den röran och du får en snabbare röra. Fixa grunden först, låt sedan agenter köra på den.

Se vad dålig data ställer till med längre ner i kedjan. Färre än hälften av alla säljchefer har högt förtroende för sina egna prognoser, fann Gartner. Kan du inte lita på dina pipelinesiffror hjälper mer automatisering dig bara att ha fel snabbare.

Så första steget är inte tekniskt. Bestäm vilka två färdigheter du vill äga. Jag skulle välja samma två varje gång: att sätta agenter i arbete och att bygga distribution. Den ena ger dig en medarbetare som aldrig sover. Den andra ser till att rätt personer överhuvudtaget får höra från dig. Har du de två spelar verktyget du använder i år knappt någon roll.

Färdighet 1: bygg en liten AI-medarbetare, inte en bättre prompt

De flesta har lärt sig skriva en bra prompt i en chattbot. Användbart, men smått. Nästa steg är att designa en liten AI-medarbetare: något med kontext, verktyg, behörigheter, minne, ett mål och ett sätt att kontrollera sitt eget arbete innan den stör dig. Det är en agent. Samma idé som att onboarda en junior, bara snabbare.

Tänk på det som sex enkla delar. Ge agenten kontext (det den behöver veta). Ge den verktyg (det den kan använda, som din kalender eller en sökning). Sätt behörigheter (vad den får göra på egen hand, och var den måste fråga dig). Ge den minne (så att den inte börjar från noll varje gång). Sätt ett tydligt mål. Och ge den ett sätt att kontrollera sitt eget arbete innan den skickar något.

Din första agent ska vara tråkig med flit. Bygg en daglig briefing-agent åt dig själv. Här är hela grejen:

  • Ge den tre källor: din kalender, en mapp med anteckningar och några sparade länkar.
  • Ge den ett jobb: berätta vad som är viktigt i dag, vilka beslut som väntar och vilka uppföljningar jag är skyldig folk.
  • Lägg till en regel: visa dina källor, och fråga innan du skickar något.

Det enda projektet lär dig hela formen på varje seriös säljagent: kontext, minne, verktygsanvändning, behörigheter och självkontroll. Misstaget är att försöka bygga en allvetande superagent dag ett. Börja med en liten medarbetare, gör den genuint användbar, lägg sedan till nästa. Det är samma logik som ligger bakom att driva ett litet team med agenter: tre bra personer plus några pålitliga agenter kan göra trettio personers jobb.

En sak till som är värd att lära sig tidigt: alla jobb behöver inte den största modellen. Vissa jobb behöver en gigantisk hjärna i molnet. Många jobb behöver bara en stadig medarbetare som kör billigt och håller din data på din egen maskin. Du kan köra mindre modeller lokalt med verktyg som Ollama eller LM Studio. Du behöver inte det här dag ett. Men när du känner vilka jobb som vill ha en gigantisk hjärna och vilka som vill ha en tyst, pålitlig medarbetare förstår du hela spelet. Vill du ha den djupare versionen av det här skiftet har jag skrivit om att gå från prompting till att designa agenter.

Ditt första lead-research-flöde: Clay, sedan en kanal i taget

Den snabbaste vinsten i B2B-sälj är att lämna över din lead-research till en agent och lägga till en outreach-kanal i taget. Börja med research i Clay. Lägg sedan på LinkedIn, sedan e-post. Gå bara multikanal när en enskild kanal fungerar. Att lägga till alla på en gång är så folk bränner ut sig och skyller på verktygen.

Börja med research. Clay är den enklaste vägen in. Tänk på det som ett kalkylblad på steroider: varje rad är en lead eller ett företag, och varje kolumn hämtar in något användbart (en jobbtitel, färska företagsnyheter, ett telefonnummer, ett aktuellt inlägg). Det kopplar upp sig mot dussintals dataleverantörer och tar bara betalt när någon av dem faktiskt levererar datan. Sedan kan det skriva ett utkast till en personlig första rad för varje kontakt. Det är här lead-research och din ICP går från gissning till system. Lägg din första vecka här och ingen annanstans.

Clay-tabell som berikar B2B-leads med företagssignaler och AI-kolumner
Clay gör lead-research till ett system: varje kolumn hämtar ett användbart faktum, och panelen till höger föreslår AI-berikningar och signaler.

Lägg sedan till en outreach-kanal. Jag skulle börja med LinkedIn, för det är där de flesta B2B-köpare redan finns. Ett verktyg som joinvalley.co skickar meddelanden från ditt personliga konto, runt 25 på LinkedIn och 25 via e-post per dag, i din egen skrivstil, bara till personer som passar dina kriterier. Du matar det med dina dos and don'ts och din idealkund, och meddelandena blir kortare och mindre säljiga med tiden. Den ärliga sanningen om varför det fungerar så bra: jag var tvungen att pausa mitt. Det bokade för många möten och jag hann inte med. Det är ribban du siktar på.

joinvalleys startsida: AI som hittar LinkedIn-leads med hög köpintention
joinvalley.co i produktion: en varm outbound-agent för LinkedIn och e-post som bokar möten från ditt eget konto.
joinvalley-produktinställning: ICP, värdeerbjudanden och pain points för agenten
Steg 1 i joinvalley: beskriv din köpare, dina värdeerbjudanden och pain points. Agenten använder det för att bara skriva till personer som passar.
joinvalley-regler för skrivstil med DOs och DON'Ts för B2B-outreach
Din tone of voice som regler. DOs och DON'Ts som agenten lär sig av dina ändringar, så att meddelandena låter som du, inte som en mall.

Först därefter går du multikanal. När en kanal fungerar kombinerar du e-post och LinkedIn så att ett svar i den ena stoppar resten. Lemlist gör det på ett ställe. Eller para HeyReach för LinkedIn med Instantly för kalla mejl. För att mejl överhuvudtaget ska landa: köp en handfull extra domäner, värm upp dem först och skicka långsamt. Håll personaliseringen hög: generiska massutskick är döda, och hyperpersonaliserad outreach är den enda sorten värd att skicka. Ordningen betyder mer än verktygen: research, sedan en kanal, sedan flera.

Färdighet 2: distribution slår att posta

Distribution är inte att posta på sociala medier. Det är att veta var dina köpare redan har sin uppmärksamhet, exakt vilka ord de använder för att beskriva sitt problem, och hur du förtjänar förtroende innan du ber om något. I en AI-värld kan vem som helst skeppa en produkt eller en landningssida. Den sällsynta färdigheten är att få folk att bry sig.

Här är varför det betyder mer än outbound-volym. I varje givet ögonblick är cirka 95% av B2B-köparna inte på marknaden för det du säljer, enligt Ehrenberg-Bass Institute och LinkedIn B2B Institute. Bara 5% är redo att köpa nu. Jagar du bara de 5% med kalla meddelanden ignorerar du de 95% som köper senare. Distribution är hur du förblir användbar för dem i månader, så att du är det självklara valet när de till slut rör på sig.

Den bra marknadsföraren i den här eran är delvis researcher, delvis berättare, delvis medieoperatör och delvis community-byggare. Du tar en insikt och gör den till ett inlägg, en kort video, en mejlvinkel och en säljreplik. Första repetitionen är liten och du kan göra den nu i helgen. Välj en nisch du bryr dig om. Bygg sedan en distributionskarta: skriv ner de 20 platser där dina köpare redan lägger sin uppmärksamhet (nyhetsbrev, kreatörer, Reddit-trådar, poddar, event, söktermer, verktygen de redan betalar för). Skriv sedan 20 hooks för en enda idé: några om nyfikenhet, några om rädsla, några om pengar, några i stil med "det här önskar jag att jag hade vetat tidigare". Du tränar dig själv att utgå från det folk redan vill ha, inte från det du råkar ha byggt. Det är det långa spelet bakom founder-led content som GTM-fördel.

Det verkliga beviset: när automatiseringen fungerar stänger du av den

Det tydligaste tecknet på att din AI-setup fungerar är inte en dashboard. Det är att du måste sakta ner den för att den bokar fler möten än du hinner ta. Det är så det ska se ut. Målet var aldrig mer aktivitet. Det var fler av rätt samtal.

Jag argumenterar inte utifrån teori. Min egen LinkedIn-automatisering pausades av ett enda skäl: för många möten. En praktikant som körde en enkel sekvens med mejl, LinkedIn och samtal bokade fem möten i veckan åt en vd. Och när vi publicerar AI Monitor-studien med ETH Zurich och följer upp med ett varmt samtal till dem som deltog är konverteringen till möte hög, för kontakten är varm innan vi ens frågar. Lägg märke till vad alla tre har gemensamt. AI gjorde researchen och den tråkiga uppföljningen. En människa stod för prioriteringarna, relationen och avslutet.

Det är linjen som inte flyttar sig. AI tar rutinjobbet. Den tar inte relationen. Säljarna som vinner är inte de med flest verktyg. Det är de som lärde sig två färdigheter, att sätta agenter i arbete och att bygga distribution, och behöll människan exakt där det räknas. Hela playbooken för det här systemet finns i ramverket gtm.science.

Var det fungerar, var det inte fungerar, och fällan

Det som lyser. Research, berikning, första utkast och uppföljning. Det är de 72% av veckan som säljare hatar. Agenter gör det billigt, dygnet runt, och de blir bättre när du rättar dem.

Det som inte lyser. Kreativitet, omdöme och förtroende. AI ensam är inte originell nog att sätta din strategi eller läsa av ett rum. Prioriteringarna, relationen och avslutet förblir mänskliga.

⚠️ Varning. Börja inte i toppen. Autonoma agentsvärmar ser imponerande ut och kostnaderna skenar snabbt utan gränser. Och i Schweiz och EU är en del saker du kan bygga inte saker du får använda: samtalsinspelning kräver samtycke, och att köpa kontaktdata är bara lagligt på vissa håll. Sätt gränser och godkännandegrindar innan du skalar.

Kom ihåg var vi började: tio verktyg, inga möten. Lösningen var aldrig ett elfte verktyg. Den var att välja två färdigheter och ta ett litet steg. Bygg en daglig briefing-agent den här veckan. Sätt upp ett Clay-flöde. Lägg till en kanal. Bli så bra att du måste stänga av något. Det är så du faktiskt kommer igång med AI i B2B-sälj.

Vill du ha playbooken och arbetsflödena i takt med att de utvecklas, prenumerera på nyhetsbrevet The Science of GTM. En idé, en repetition, varje vecka.

Skriven av

Serial Entrepreneur, Author

Marc is a serial entrepreneur. He started his first software company at 16, and has worked at the same intersection ever since: software product management meets go-to-market. He builds the bridge: Product × GTM × AI, as one system, not three departments. Three instead of thirty.