#67 AI w Customer Success – Do czego używać?

A ja się wtrącę, wcale nie tak kliszowym znowu, bo wprawdzie o AI wszyscy mówią, ale w kontekście CS-owym? Nie znajdziemy innej takiej serii, chyba że w zagranicznych seriach. Tak, no będziemy się starać odpowiedzieć na takie pytania, które słyszy się wszędzie w tej chwili. Czyli jak sztuczna inteligencja może nas wesprzeć w naszym obszarze działań. Nie doprowadzając do zwolnienia nas. Także dzisiaj AIWC, AIWCYS. AIWCYS. Troszkę science fiction będzie. Troszkę science fiction, ale zaczniemy w sposób...

ChurnZero. Połączenie dobrej wizji, wykonania tej wizji obok takich platform jak Planhat, Gainsight czy Totango. Platform Customer Success. Ta platforma popełniła bardzo fajny raport. Bardzo fajny dlatego, że próbka jest dosyć spora, bo odpowiedziało tam prawie że 800 osób. I to nie takich osób, że pościągali po prostu CS-ów z całego świata, tylko to są osoby, które najczęściej były właśnie

Dlaczego to jest revenue? To jest chyba pytanie takie dosyć istotne. Czemu nagle najważniejsze, może nie, ale ważny raport w branży Customer Success ma revenue jako lead word. Wiesz co, no to jest w ogóle bardzo ważna rzecz, którą muszą dowieść działy CS, że nie są tylko centrum wydatków, ale też przychodów i generatorem przychodów. Dlatego tu koncentrujemy się na tych przychodach z ekspansji, z utrzymania klientów, czyli retention, obronienia klientów przed odejściem. Także jednak jest to... Miejsce organizacji przychodowej. Są faktycznie bardzo duże korporacje, gdzie to jest tak wyspecjalizowane, że ten CS nie dosprzedaje, tylko się zajmuje innymi rzeczami, ale to jest raczej taki CS-owy raj, który nie jest codziennością dla większości osób.

Ok, no dobra. Jakby CS zawsze był ważny, to wiemy. Tak. No ale dobra, o czym jeszcze ten raport tam mówi? W nim się przewija bardzo dużo metryka taka jak Net Revenue Retention Rate, Growth Revenue Retention Rate i to jest taka główna metryka, na której on się skupia i też pokazuje, jak się te metryki troszkę stabilizowały. I mówi raport, że poprzednie lata, po paru latach, że mieliśmy zwolnienia, mieliśmy trudną sytuację na rynku i że teraz to się troszeczkę Ekonomia się już nie psuje. Zobaczymy w 26, ale na pewno w tym roku już się to ustabilizowało.

Też bardzo ważne jest to, to jest taki super dowód na to, że CS faktycznie pomaga, że przewijają się tam dane na temat tego, że faktycznie pojawiły się dowody na to, twarde dane, że firmy, które mają dział Customer Success lepiej prosperują i mają wyższe Net Revenue Retention niż firmy bez Customer Success. No to dzięki AI oczywiście, ponieważ dopóki AI nie było, to tak nie działało. To Customer Success był centrum kosztów w organizacjach, a teraz może być centrum przychodów. Oczywiście żartuję, chociaż nie wiem. Tak. No i tam oczywiście zachęcamy do przejrzenia tego raportu. On tam pokazuje jakie mamy zespoły go to market, czyli te, które mają styczność z klientem i są jakby przodem do klienta.

Też jest bardzo ciekawe, bo też pokazuje jak Ostatnio były, jak zwolnienia miały się do sprzedaży, do CS i się okazuje, że dla CS też to się fajnie ustabilizowało. Ale miała być seria o, nie o Revenue, prawda, tylko o AI, które się tu bardzo fajnie przewija. Co tu mamy odnośnie AI i adopcji, no zaadaptowania raczej, ja wolę mówić adaptacji niż adopcji. Adoptujemy pieski i kotki. No z liczby. Dawno adoptowałem kotkę. Z liczb wynika, że większość firm jest wciąż we wczesnej fazie adaptowania. Tak, i wszyscy sobie myślą o Boże, o Boże, jesteśmy w plecy, musimy się spieszyć, wszyscy już zaadaptowali AI i są w przodu. Co to znaczy, że jesteśmy we wczesnej fazie?

No właśnie, co to znaczy, że jesteśmy we wczesnej fazie? To znaczy, że jesteśmy cały czas w czymś, co liderzy nazywają fazą eksploracji. A nie fazą taką taktyczną i nie fazą tego, że już na co dzień w procesach używamy AI. Czyli robimy sobie małe piloty, robimy sobie testowe projekty, jeszcze się próbujemy zorientować. Poza tym, wiesz, no tu dochodzi do tego inny problem. Jeżeli chodzi o niektóre narzędzia, które już mają wdrożone AI, ja teraz nie mówię o czacie GPT, o Gemini, o Clodzie itd. Jeżeli chodzi o narzędzia, które mają wbudowane AI, to problem jest taki, że niektóre z nich dla CS, dla sprzedaży są cholernie drogie. Weźmy np. takiego popularnego Gonga. Tu dla małego zespołu mówimy o wydatku rzędu kilkudziesięciu tysięcy dolarów rocznie często, więc to nie są pieniądze, na które często małe startupy czy niewielkie firmy, niewielkie organizacje mogą sobie pozwolić, więc te mniejsze organizacje to testują po prostu najprościej na świecie, czyli z GPT.

Po zakładanych eventów, czyli wydarzeń, że coś się wydarza, coś klient zrobił i odpala się jakieś wydarzenie, które możemy potem przesłać następnie do platformy CS, do jakiejś platformy AI, do dalszej analizy, no to bez takich danych, bez zrobienia tej pracy nie ma nic. To jest taki case bardzo specyficzny. Tego nie powiedziałeś, więc ja to wyjaśnię. Dominik ma z tyłu głowy, że... Do engine'u naszej organizacji, nieważne czy to jest technologiczna, usługowa, produkcyjna, jakakolwiek, ale to bardzo głęboko wsadzimy AI, który będzie obserwował co się dzieje i będzie optymalizował produkcję, usługi itd. Dlatego mówię o zapinaniu eventów i rozumieniu tego co się dzieje. No bo on ma mieć co obserwować. Dobra, poczekaj, poczekaj. To jest trochę rocket science oczywiście i tak jak bardzo ciężko było mapować i rozumieć co i dlaczego się wydarza w ścieżce klienta z naszym produktem,

No nie, no bo na przykład do Google Meet możesz sobie podpiąć wtyczkę albo uruchomić gmini i będzie cię podsumowywało te spotkania, prawda? Zresztą bardzo fajnie, że o podsumowywaniu spotkań powiedziałeś, bo w kontekście AI najważniejsza rzecz, według mnie, która się przewija w tym raporcie, od którego dzisiaj wyszliśmy, jest spis najpopularniejszych use case'ów, czyli sposobów zastosowania AI w Customer Success, a raczej ogólnie w Customer Life Cycle, czyli w cyklu życia klienta. I pojawiło się takie pytanie. Jak używacie AI w... W cyklu życia klienta. No i właśnie na pierwszym miejscu 73% z tych badanych liderów CS i sprzedaży powiedziało podsumowywanie spotkań. I to był właśnie ten największy procent. Więc jeżeli sobie myślicie, o rany, wszyscy już wykorzystują tutaj do przewidywania, do tego, tamtego, no nie, no jednak to jest najpopularniejszy use case, a te kolejne use case, kolejne zastosowania są o wiele, o wiele mniej popularne.

Oczywiście na podsumowania. Czy jakieś rozwinięcia jak najbardziej. Niektóre modele mają taką potrzebę nadprodukcji treści, że mam świadomość, że coś co wyprodukuje ktoś będzie musiał wrzucić w maszynkę jajową, która mu to podsumuje w 10 punktach. Więc już wolę ja to ręcznie w 10 punktach wysłać. Ale to jest też troszkę kwestia osobowości. Kto co lubi. Ale teraz się robi dopiero ciekawie. Jest wymienione jeszcze bardzo dużo innych zastosowań, które już przytoczę. Tylko o co chodzi? Kolejne zastosowanie, które jest, czyli trening, coaching, produktywność zespołu. Jedynie 33% osób powiedziało, że do tego używa AI. Czyli o wszystkich kolejnych, o których już mówimy, to są okolice 20, 15, 10%. Czyli tak naprawdę większość zespołów CS wykorzystuje AI tylko i wyłącznie do podsumowywania coli i do researchu.

No jednak poukładania danych i poukładania danych i połączenia integracji. Tak. Mnie to w ogóle Łukaszu rozbawiła jedna bardzo taka rzecz bo Łukasz to bardzo ambitnie przygotował tutaj plan tego odcinka o czym będziemy mówić itd. No i jest taki taki segment. Ja jestem jedyny który planuje. Tak tak tak. Jest tutaj segment AI i automatyzacja. Jakie są różnice jak to wygląda. Patrząc na ten raport i to, co teraz powiedzieliśmy, jaka automatyzacja? Jak tu mówimy na razie przede wszystkim o podsumowywaniu spotkań z klientami i jakimś drobnym researchu. Gdzie tam jeszcze do automatyzacji? Większość działów CS jeszcze tam nie jest, więc też się nie musimy katować, że jest jakoś źle u nas, prawda?

Gdzie w tym my? AI a Sprawa Polska. AI w CS a Sprawa Polska. Znaczy na pewno jest tak, że zawsze i jeszcze długo będzie warto patrzeć na to co się dzieje za oceanem i zastanawiać się kiedy i w jakiej formule to się w Europie i w Polsce będzie adaptowało. Chociaż teraz coraz mniej to jest takie proste, bo przepisy unijne są coraz bardziej restrykcyjne i już czasem niektóre jeszcze jeden na jeden się nie przenoszą z Ameryki do Europy. No ale tak, no to gdzie stoimy? Może w SAS-ie, ale może nie tylko w SAS-ie. Który jeśli chodzi o AI w Polsce. Bardziej by to pasowało odpowiedzieć gdzie jesteśmy tutaj w kontekście CS i na ten temat danych nie ma poza obserwacjami, rozmowami na LinkedInie itd.

Według mnie nie wygląda to dobrze z tego co sobie czytam w komentarzach, z tego co piszą inni CS-mowie, ale to są tylko takie bardzo subiektywne obserwacje bo nie ma na to za bardzo danych. Też często Widzę, że po prostu nie mamy narzędzi, bo bardzo rzadko mi się uda spotkać polski zespół CS, który w ogóle ma platformę CS-ową, prawda? Więc z tego względu, że to są drogie narzędzia, ale czekaj, jeszcze tylko wtrącę jedną rzecz, ale robi się to coraz bardziej dostępne, bo umówmy się, teraz nawet patrzę, jeden dolar to już jest 3,65 zł, więc te rzeczy się będą robiły też bardziej dostępne ze względu na też spadającego dolara. Ja na pytanie AI a sprawa polska pomyślałem sobie, że to jest kolejny etap amerykanizacji i anglosaksonizacji kultury globalnej, ale także polskiej, dopóki nie będziemy mieli łatwości podpięcia bielika naszego albo jakiegokolwiek innego modelu, który jest bardziej kulturocentryczny.

Wszystko się staje bardzo też ogólne, czarno-białe i Takie samo, prawda? Ale to jest też temat na inny odcinek i trochę o obalaniu mitów i o konkretnych zastosowaniach AI w CS. Będziemy sobie mówić o tych, które wymieniliśmy w tym odcinku, także teraz będziemy troszeczkę podsumowywać. 2025 taki bazowy rok dla inwestycji AI w Customer Success. Nadal zespoły dopiero zaczynają, eksplorują.