7 Cara AI untuk Penjualan Dapat Mengurangi Pekerjaan Administratif AE

AI untuk penjualan dapat membantu Account Executive B2B mengurangi pekerjaan berulang di sekitar setiap percakapan penjualan. Peluangnya bukan sekadar menghasilkan email lain atau merangkum meeting lain. Melainkan mengurangi jumlah riset, entri data, perpindahan alat, dan pekerjaan tindak lanjut yang terjadi di antara interaksi dengan pelanggan.

Riset Salesforce menemukan bahwa tenaga penjualan hanya menghabiskan 28% dari minggu mereka untuk benar-benar menjual, sementara 72% sisanya dipakai untuk aktivitas non-penjualan seperti manajemen deal dan entri data. Dalam minggu hipotetis 40 jam, itu setara dengan sekitar 11,2 jam untuk menjual dan 28,8 jam untuk pekerjaan non-penjualan. Perhitungan ini menggambarkan skala masalahnya, bukan jadwal setiap AE secara spesifik.

Biaya tersembunyi dari pekerjaan administratif AE

Masalah produktivitasnya bukan kurangnya aktivitas penjualan, melainkan banyaknya pekerjaan yang dibutuhkan di sekitar setiap percakapan dengan pelanggan.

Sebelum panggilan, seorang AE mungkin meneliti perusahaan, meninjau stakeholder, memeriksa sinyal terbaru, dan menyiapkan pertanyaan. Setelahnya, pekerjaan berlanjut dengan catatan meeting, pembaruan CRM, email tindak lanjut, koordinasi internal, dan perencanaan langkah berikutnya.

Masalahnya menjadi lebih besar ketika setiap aktivitas terjadi di aplikasi yang berbeda. Salesforce melaporkan bahwa tim penjualan menggunakan rata-rata 10 tools untuk menutup deal, sementara 66% tenaga penjualan mengatakan mereka kewalahan oleh terlalu banyak tools.

Jadi, tujuannya bukan mengotomatiskan penilaian AE. Tujuannya adalah mengurangi pekerjaan berulang yang dibutuhkan untuk memindahkan informasi melalui proses penjualan.

7 cara AI untuk penjualan dapat mengurangi pekerjaan berulang

AI untuk penjualan menjadi lebih berguna ketika mendukung langkah-langkah yang saling terhubung, bukan hanya menyelesaikan satu tugas yang terisolasi.

1. Meneliti akun sebelum panggilan

AI dapat mengubah informasi perusahaan yang tersebar menjadi titik awal terstruktur untuk riset akun.

Alih-alih memeriksa secara manual website perusahaan, LinkedIn, berita bisnis, lowongan kerja, dan sumber lainnya, alur kerja AI dapat mengorganisasi informasi relevan di sekitar akun.

Bagi seorang AE, output yang berguna bukan laporan riset yang panjang. Melainkan gambaran singkat tentang:

• Latar belakang perusahaan
• Sinyal bisnis terbaru
• Prioritas potensial
• Stakeholder yang relevan
• Kemungkinan tantangan bisnis

AE kemudian dapat memverifikasi informasi penting sebelum menggunakannya dalam percakapan.

2. Menyiapkan konteks stakeholder

Riset akun menjadi lebih berguna ketika informasi perusahaan dihubungkan dengan orang-orang yang terlibat dalam deal.

Seorang AE mungkin perlu memahami siapa pengambil keputusan, siapa yang memengaruhi pembelian, dan stakeholder mana yang bisa menjadi penghambat. AI dapat mengorganisasi informasi yang tersedia secara publik tentang stakeholder yang relevan dan menghubungkannya dengan konteks akun. Ini memberi AE titik awal yang lebih fokus sebelum discovery call. Hasilnya harus berupa konteks untuk pertanyaan yang lebih baik, bukan penilaian otomatis tentang seseorang.

3. Mengkualifikasi lead secara konsisten

AI dapat membantu AE mengevaluasi lead berdasarkan kerangka kualifikasi yang dapat diulang, alih-alih bergantung pada catatan yang tersebar. Misalnya, seorang AE mungkin memerlukan bukti tentang kebutuhan bisnis, urgensi, anggaran, otoritas, atau kriteria kualifikasi lainnya. AI dapat mengumpulkan dan mengorganisasi bukti yang tersedia terhadap kriteria ini.

Ini menciptakan brief kualifikasi terstruktur yang dapat ditinjau AE sebelum memutuskan apakah sebuah peluang layak mendapat perhatian lebih lanjut. Perbedaannya penting: AI dapat mengorganisasi bukti kualifikasi, sementara AE tetap bertanggung jawab atas keputusan penjualan.

4. Menangkap konteks meeting

Percakapan penjualan menghasilkan informasi berharga yang mudah hilang begitu meeting selesai.

Tools meeting AI sudah dapat mentranskripsi dan merangkum percakapan. Alur kerja yang lebih berguna adalah mengubah percakapan itu menjadi konteks penjualan terstruktur yang dapat mendukung langkah berikutnya.

Output yang berguna dapat mencakup:

• Prioritas pelanggan
• Titik sakit
• Kebutuhan
• Keberatan
• Stakeholder yang disebutkan
• Tindakan yang disepakati
• Langkah selanjutnya

Alih-alih meninggalkan AE dengan transkrip panjang lainnya, alur kerja harus menyoroti informasi yang benar-benar mengubah apa yang terjadi berikutnya.

5. Mengubah percakapan menjadi data CRM

Administrasi CRM adalah salah satu area paling jelas di mana pekerjaan penjualan berulang dapat dikurangi.

Setelah panggilan, seorang AE mungkin perlu memindahkan informasi dari catatan atau transkrip ke beberapa field CRM. Ini menciptakan langkah administratif lain dan dapat membuat field penting tidak terisi penuh. Alur kerja AI untuk penjualan dapat mengekstrak informasi relevan dari percakapan, memetakannya ke field yang sudah ditentukan, dan menyiapkan pembaruan CRM untuk ditinjau.

Perbedaan pentingnya adalah data terstruktur, bukan blok catatan meeting lain.

Contoh: Percakapan → bukti kualifikasi → field CRM → review AE

Pendekatan ini dapat membuat otomatisasi CRM lebih berguna karena output-nya terhubung ke proses penjualan yang sudah ada.

6. Menyiapkan tindak lanjut yang dipersonalisasi

Email tindak lanjut itu berulang, tetapi konteks pelanggan di baliknya tidak.

Alur kerja AI dapat menggabungkan percakapan, informasi akun, prioritas pelanggan, dan tindakan yang disepakati sebelum menyiapkan tindak lanjut.

Alih-alih meminta AI sekadar “menulis email penjualan,” alur kerja dapat menghasilkan:

1. Ringkasan percakapan
2. Prioritas pelanggan
3. Tindakan yang disepakati
4. Pertanyaan yang belum terjawab
5. Langkah berikutnya yang direkomendasikan
6. Draft email yang dipersonalisasi

AE kemudian dapat meninjau draft, menyesuaikan nadanya, dan memutuskan kapan harus mengirimnya.

7. Menghubungkan langkah berikutnya

Peluang terbesar mungkin datang dari menghubungkan tugas-tugas berulang yang biasanya memerlukan tools terpisah dan serah terima manual.

Alur kerja AE yang umum bisa terlihat seperti: Riset → Persiapan → Panggilan → Penangkapan → Pembaruan CRM → Tindak lanjut → Persiapan langkah berikutnya

Tools AI tradisional sering membantu hanya pada satu bagian dari urutan ini. Sebuah AI Agent dapat dirancang berdasarkan alur kerja itu sendiri, menghubungkan beberapa tindakan yang dapat diulang menjadi satu proses. Itu mengubah interaksi dari “Apa yang harus saya minta AI lakukan?” menjadi “Bagian mana dari alur kerja penjualan ini yang harus ditangani Agent?”

Di mana AI Agent cocok dalam alur kerja penjualan

AI Agent menjadi lebih relevan ketika beberapa tugas penjualan perlu terjadi secara berurutan.

Agent dapat menangani riset dan pengorganisasian yang berulang sementara AE tetap bertanggung jawab atas interaksi pelanggan, penilaian, verifikasi, dan keputusan akhir.

Arah ini juga mencerminkan pergeseran yang lebih luas dalam teknologi penjualan. Riset Salesforce State of Sales 2026 menemukan bahwa 87% organisasi penjualan menggunakan semacam AI, sementara 54% seller melaporkan pernah menggunakan AI agent. Para seller memperkirakan agent akan mengurangi waktu riset prospek sebesar 34% dan waktu menyusun email sebesar 36% setelah sepenuhnya diterapkan.

Angka-angka ini menggambarkan populasi survei Salesforce dan ekspektasi responden, bukan peningkatan produktivitas yang dijamin untuk setiap tim penjualan. Meski begitu, angka tersebut menunjukkan mengapa riset dan eksekusi berulang menjadi use case AI yang penting dalam penjualan.

Peluangnya terutama relevan ketika tim sudah memiliki banyak tools yang terpisah. Alih-alih menambah satu antarmuka terisolasi lagi, Agent dapat berfungsi sebagai lapisan eksekusi di seluruh alur kerja.

Apa yang seharusnya diotomatisasi AI — dan apa yang harus tetap dipegang AE

Otomatisasi penjualan yang baik menghilangkan eksekusi berulang tanpa menghilangkan penilaian manusia.

Pendekatan human-in-the-loop ini penting untuk penjualan B2B yang kompleks. Prioritas pelanggan, hubungan, keberatan, timing, dan politik internal sering kali memerlukan konteks yang tidak bisa diringkas menjadi satu skor otomatis.

Bangun alur kerja penjualan, bukan sekadar tool AI lain

Peluang sebenarnya untuk AI dalam penjualan adalah mengurangi lapisan administratif di sekitar proses menjual.

Riset Salesforce menunjukkan betapa persisten masalah ini: seller rata-rata kini menghabiskan 40% waktunya untuk benar-benar menjual, menurut statistik State of Sales 2026, artinya 60% masih digunakan untuk pekerjaan non-penjualan. Tolok ukur yang lebih baru ini berbeda dari angka 28% sebelumnya karena berasal dari edisi riset yang berbeda, jadi angkanya tidak boleh dianggap sebagai satu pengukuran berkelanjutan.

Bagi AE, pertanyaan praktisnya bukan apakah setiap tugas harus diotomatisasi. Melainkan tugas berulang mana yang menyita waktu tanpa memerlukan penilaian AE. Itu bisa mencakup meneliti akun, mengorganisasi informasi stakeholder, menyiapkan bukti kualifikasi, memperbarui field CRM, dan menyiapkan draft tindak lanjut.

1minAI sedang membangun AI Agent untuk pekerjaan berbasis alur kerja, dirancang untuk menghubungkan tugas yang dapat diulang alih-alih mengharuskan AE mengelola setiap langkah secara manual.

Ingin AI Agent menangani lebih banyak alur kerja penjualan Anda?

Bergabunglah ke daftar tunggu 1minAI Agent dan beri tahu kami tugas penjualan berulang mana yang ingin Anda biarkan ditangani Agent. Pengguna yang disetujui akan menerima informasi akses dan kredit yang memenuhi syarat ketika program tersedia.

Terkait: Riset Akun B2B: 7 Langkah Sebelum Sales Call