AI nie sprawi, że Customer Success Managerowie znikną z organizacji. Zniknie natomiast część pracy, która przez lata zabierała im najwięcej czasu. Research przed spotkaniem, pierwsze wersje planów współpracy czy podsumowania rozmów coraz częściej przygotowuje sztuczna inteligencja. To dobra wiadomość – pod warunkiem, że odzyskany czas zostanie wykorzystany na to, czego AI nadal nie potrafi zrobić: zrozumienie klienta i prowadzenie rozmów o jego celach biznesowych. To podejście wymaga jednak czegoś więcej niż wdrożenia kolejnego narzędzia AI. Najpierw trzeba dobrze zrozumieć problem, który chcemy rozwiązać.
Jeśli zapytamy kilka różnych osób, czym zajmuje się Customer Success Manager, prawdopodobnie usłyszymy kilka różnych odpowiedzi. W jednej firmie odpowiada głównie za odnowienia umów, w innej prowadzi wdrożenia, analizuje sposób korzystania z produktu i wspiera klientów w osiąganiu zakładanych rezultatów. Zdarza się, że jednego dnia rozwiązuje problem techniczny, bierze udział w rozmowie o przedłużeniu współpracy, a kilka godzin później prowadzi spotkanie poświęcone rozwojowi klienta. Trudno o drugą rolę, która obejmowałaby tak różnorodne zadania.
To właśnie dlatego prognozy o rychłym zastąpieniu Customer Success Managerów przez AI warto traktować z ostrożnością. Owszem, technologia przejmuje kolejne czynności wykonywane do tej pory ręcznie. Nie oznacza to jednak, że przejmie odpowiedzialność za relację z klientem. Zmienia się przede wszystkim sposób wykonywania tej pracy.
Jak AI zmienia przygotowanie Customer Success Managera do rozmowy z klientem?
Jeszcze do niedawna przygotowanie do spotkania z kluczowym klientem zaczynało się od researchu. Raport roczny, wyniki finansowe, komunikaty prasowe, prezentacje dla inwestorów czy informacje o nowych inicjatywach pozwalały zrozumieć, czym żyje organizacja i jakie cele stawia sobie na najbliższe miesiące. Dopiero wtedy można było zastanowić się, jak produkt wpisuje się w te priorytety.
Dzisiaj sporą część tej pracy wykonuje AI. Kilka dobrze zadanych pytań wystarczy, aby zebrać najważniejsze informacje o kliencie i powiązać je z możliwościami produktu. To nie znaczy, że sztuczna inteligencja zna klienta lepiej niż Customer Success Manager. Oznacza jedynie, że znacznie szybciej porządkuje dane, dzięki czemu CSM może skupić się na ich interpretacji.
To zmienia jakość rozmowy. Zamiast zaczynać od podstawowych informacji o firmie, można od razu przejść do dyskusji o tym, które cele biznesowe są dziś najważniejsze i jak produkt może pomóc je osiągnąć. To również zmienia rolę technologii. AI nie jest celem samym w sobie, ale narzędziem, które pomaga lepiej przygotować się do rozmowy z klientem.
Czy Customer Success Manager powinien uczyć się promptowania?
Nie w takim znaczeniu, w jakim najczęściej mówi się o prompt engineeringu.
Dla Customer Success Managera znacznie ważniejsza od umiejętności pisania rozbudowanych poleceń jest zdolność zadawania właściwych pytań. AI potrafi odpowiedzieć, jakie są strategiczne inicjatywy klienta albo z czego wynikają jego przychody. Znacznie trudniej wskazać, gdzie pojawia się szansa na dostarczenie większej wartości i które funkcje produktu mogą pomóc w realizacji tych celów. To właśnie tutaj zaczyna się rola człowieka.
Dobre pytania zmieniają sposób wykorzystania AI. Zamiast prosić o przygotowanie kolejnego maila czy prezentacji, warto zapytać:
- które funkcje produktu klient wykorzystuje tylko częściowo,
- jakie cele biznesowe mogą być zagrożone w najbliższych miesiącach,
- gdzie istnieje największa szansa na zwiększenie wartości ze współpracy.
To właśnie takie rozmowy sprawiają, że Customer Success przestaje koncentrować się na bieżącej obsłudze, a zaczyna pełnić rolę partnera biznesowego.
AI przygotuje pierwszy plan. Ostateczna wersja nadal powstaje z klientem
Jednym z ciekawszych zastosowań AI jest przygotowanie pierwszej wersji planu współpracy. Połączenie informacji o priorytetach klienta z wiedzą o produkcie i jego zastosowaniach pozwala stworzyć szkic dokumentu w czasie, który jeszcze niedawno liczono w dniach lub tygodniach. Dzisiaj podobny efekt można osiągnąć w około trzydzieści minut.
Łatwo uznać, że skoro AI przygotowuje plan, Customer Success Manager staje się mniej potrzebny. W praktyce jest odwrotnie. Pierwsza wersja dokumentu jest jedynie punktem wyjścia do rozmowy. Dopiero podczas spotkania okazuje się, które założenia są trafne, czego nie uwzględniają dostępne dane i jakie priorytety zmieniły się od ostatniego kontaktu.
Dlatego dwa pytania pozostają aktualne niezależnie od tego, jak zaawansowane narzędzia wykorzystuje zespół Customer Success: „Gdzie się mylimy?” oraz „Czego jeszcze o Was nie wiemy?”. To właśnie odpowiedzi klienta sprawiają, że plan współpracy staje się wspólnym dokumentem, a nie prezentacją przygotowaną przez dostawcę.
Dlaczego większość zespołów Customer Success wykorzystuje tylko ułamek możliwości AI?
W wielu organizacjach pierwsze wdrożenia AI koncentrują się na poprawie produktywności. Sztuczna inteligencja przygotowuje podsumowania spotkań, tworzy szkice wiadomości czy pomaga uporządkować notatki. To naturalny kierunek, bo efekty widać niemal od razu, a zaoszczędzony czas łatwo zmierzyć.
Na tym jednak nie kończą się możliwości AI. Znacznie ciekawsze zastosowania pojawiają się wtedy, gdy przestaje pełnić rolę asystenta do tworzenia treści, a zaczyna wspierać analizę. Połączenie informacji o celach biznesowych klienta z danymi pokazującymi sposób korzystania z produktu pozwala spojrzeć na współpracę z zupełnie innej perspektywy.
Zamiast zastanawiać się, jak przygotować kolejną prezentację produktu, Customer Success Manager może odpowiedzieć na znacznie ważniejsze pytania. Czy klient wykorzystuje funkcje, które najlepiej wspierają jego cele? Gdzie traci potencjał? Jakie działania pozwolą mu szybciej osiągnąć oczekiwane rezultaty? To właśnie w takich rozmowach Customer Success buduje największą wartość.
To prowadzi do zmiany, o której mówi się zdecydowanie rzadziej niż o automatyzacji. Customer Success Manager przestaje być osobą, która pokazuje klientowi kolejne funkcje systemu. Coraz częściej jego rolą jest pomóc klientowi zrozumieć problem i wspólnie znaleźć najlepszy sposób jego rozwiązania. Produkt nadal pozostaje ważny, ale staje się środkiem do osiągnięcia celu, a nie głównym tematem rozmowy.
Jakie zadania Customer Success Managera warto automatyzować?
Nie wszystko, co można zautomatyzować, warto oddawać AI. Dobrym punktem wyjścia są procesy, które powtarzają się każdego dnia i zawsze przebiegają według podobnego schematu. To właśnie one najczęściej pochłaniają czas, który można przeznaczyć na pracę z klientami.
Największe korzyści przynosi automatyzacja takich zadań jak:
- przygotowanie podsumowań spotkań i roboczych wersji dokumentów,
- zebranie informacji o kliencie przed rozmową,
- tworzenie pierwszych wersji planów współpracy.
Znacznie trudniej zautomatyzować rozmowę z klientem, który zmienia priorytety biznesowe, ma wątpliwości dotyczące dalszej współpracy albo próbuje pogodzić oczekiwania kilku zespołów w swojej organizacji. W takich sytuacjach AI może przygotować materiał do rozmowy, ale nie zastąpi doświadczenia Customer Success Managera.
AI nadal potrzebuje jednego: krytycznego myślenia
Im lepiej działają modele językowe, tym łatwiej uznać ich odpowiedzi za oczywiste. To błąd, który może kosztować więcej, niż się wydaje.
Jedna z historii opisanych w artykule dobrze to pokazuje. Po spotkaniu z klientem AI przygotowała podsumowanie, z którego wynikało, że klient planuje zakończyć współpracę. Brzmiało przekonująco, ale po ponownym odsłuchaniu nagrania okazało się, że taka deklaracja nigdy nie padła. Model połączył kilka informacji i wyciągnął błędny wniosek.
Takie sytuacje przypominają, że AI jest bardzo dobrym wsparciem w analizie informacji, ale nie powinna być jedynym źródłem decyzji. Zwłaszcza wtedy, gdy dotyczą one relacji z klientami. Odpowiedzialność za ocenę sytuacji nadal pozostaje po stronie człowieka.
Customer Success nie znika, tylko wraca do swoich podstaw
Najciekawszą zmianą nie jest to, że Customer Success Manager wykonuje część zadań szybciej niż jeszcze kilka lat temu. Znacznie ważniejsze jest to, że odzyskuje czas na pracę, dla której ta rola w ogóle powstała. Im mniej energii pochłaniają research, przygotowywanie dokumentów czy inne powtarzalne zadania, tym więcej można poświęcić na zrozumienie klienta, rozmowy o jego celach biznesowych i wspólne szukanie sposobów na zwiększenie wartości ze współpracy.
Być może właśnie na tym polega największa zmiana, jaką AI wnosi do Customer Success. Nie zastępuje relacji z klientem, ale pozwala skupić się na tym, co od początku było jej najważniejszym elementem.
FAQ
Czy AI zastąpi Customer Success Managerów?
AI przejmuje coraz więcej powtarzalnych zadań, takich jak przygotowanie notatek, research klientów czy pierwsze wersje planów współpracy. Nadal nie zastępuje jednak budowania relacji, prowadzenia rozmów o celach biznesowych ani podejmowania decyzji wymagających zrozumienia kontekstu.
Jak AI pomaga Customer Success Managerom?
Największą korzyścią nie jest samo pisanie maili czy podsumowań spotkań. AI skraca czas potrzebny na przygotowanie do rozmów z klientami, analizę informacji i opracowanie pierwszych wersji dokumentów, dzięki czemu Customer Success Manager może skupić się na budowaniu wartości dla klienta.
Jakie zadania Customer Success Managera warto automatyzować?
Najlepiej sprawdzają się zadania powtarzalne: przygotowanie podsumowań spotkań, research przed rozmowami z klientami, tworzenie roboczych wersji planów współpracy czy porządkowanie informacji. Im bardziej przewidywalny proces, tym większe korzyści z wykorzystania AI.
Jakie kompetencje Customer Success Managera będą zyskiwać na znaczeniu?
Coraz większą rolę odgrywa umiejętność analizy, zadawania trafnych pytań i prowadzenia rozmów o celach biznesowych klienta. To właśnie te kompetencje pozwalają wykorzystać AI jako wsparcie, a nie tylko narzędzie do automatyzacji.
Inspiracją do powstania artykułu była publikacja Jen Schoell „The Customer Success Manager Role Is Evolving Again, This Time with AI”, opublikowana w serwisie CustomerThink. Niniejszy tekst stanowi autorskie opracowanie przygotowane przez CustomerMatters.