AI kan je wekelijkse pipelinereview voorbereiden door vóór de meeting het CRM te lezen, deals te signaleren die stilliggen, verschuiven of geen volgende stap hebben, en per deal een korte forecastnotitie op te stellen uit activiteiten en gespreksnotities. Elke rep bevestigt of corrigeert de eigen notities. De salesmanager leidt nog steeds de meeting en neemt de forecastbeslissing.
#Belangrijkste punten
- Het trage deel van een pipelinereview is de voorbereiding, niet de meeting: updates najagen en steeds dezelfde spreadsheet opnieuw bouwen.
- AI is goed in het lezen van CRM-velden, e-mails en gespreksnotities en in het opsommen van wat er veranderde, wat stilligt en wat ontbreekt.
- De forecastbeslissing blijft bij mensen: de rep bevestigt elke notitie en de manager beslist wat in het getal komt.
- Is je CRM grotendeels leeg, herstel dan eerst de gewoonte om te loggen; geen model kan activiteit beoordelen die nooit is vastgelegd.
- Begin met één team en één review, en meet hoeveel deals met een actuele volgende stap in de meeting aankomen.
#Hoe ziet de voorbereiding van een pipelinereview er vandaag uit?
Voor de meeste salesmanagers begint het de avond ervoor. Je exporteert opportunities uit Salesforce of HubSpot naar Excel, sorteert op fase en sluitingsdatum, en stuurt reps berichten via WhatsApp of Teams: sluit deze nog dit kwartaal, wat gebeurde er na de demo, waarom beweegt er niets. De helft van de antwoorden komt binnen tijdens de meeting zelf.
De meeting wordt dan een statusronde. De deals die een echt gesprek nodig hadden, die zonder champion of met een sluitingsdatum die al drie keer is verschoven, krijgen de tijd die overblijft. De spreadsheet wordt een eigen versie van de waarheid, en het CRM loopt verder achter.
Je bent niet de enige die aan de uitkomst twijfelt. De forecast is maar zo goed als de notities erachter, en in de meeste teams worden die notities haastig geschreven op de avond voor de review.
De oplossing is de review op te bouwen uit het bewijs in het CRM en de inbox, niet uit het geheugen. Verkopers voelen de last ook: een enquête van Gartner, september 2024 liet zien dat de helft van de verkopers zich overweldigd voelt door de technologie die ze moeten gebruiken. De review moet hun dus werk uit handen nemen, niet een nieuwe tool toevoegen.
#Welke delen van de review kan AI voorbereiden?
De delen die lezen en vergelijken zijn. Een voorbereid reviewpakket bevat meestal:
- Wijzigingen sinds de vorige review: deals die van fase veranderden, in omvang wijzigden of hun sluitingsdatum opschoven, en wie dat deed.
- Stilliggende deals: geen gelogde activiteit, e-mail of meeting sinds de vorige review.
- Ontbrekende basis: geen volgende stap, geen contact met de beslisser, een sluitingsdatum die al voorbij is.
- Een concept-forecastnotitie per deal: twee of drie regels uit de laatste e-mails en gespreksnotities, zoals wat de koper zei, wat blokkeert en wat de rep hierna van plan is.
- Vragen voor de manager: één per gesignaleerde deal, geschreven vanuit de gaten, niet vanuit een script.
#Wat blijft bij de rep en de manager?
Het oordeel. De rep bevestigt of bewerkt elke notitie vóór de review, omdat de rep dingen weet die het CRM niet weet: de toon van de koper, de interne politiek, waarom een handtekening uitblijft. De manager beslist over commit, best case of out. Er verandert niets in het CRM, en er beweegt geen forecastgetal, zonder dat een benoemde persoon het goedkeurt.
Dit sluit aan bij hoe risicokaders geautomatiseerde output behandelen. Het NIST AI Risk Management Framework, januari 2023 ziet menselijk toezicht en duidelijke verantwoordelijkheid als onderdeel van het beheersen van AI-risico.
#Een draaiboek om mee te beginnen
- Kies één team en één review. Schrijf de velden op waar de manager echt naar kijkt.
- Spreek in gewone woorden af wat als stilliggend telt en wat als ontbrekende basis.
- Stel het pakket de avond ervoor samen en stuur elke rep alleen de eigen deals om te bevestigen.
- Begin in de meeting met de gesignaleerde deals, niet met de volledige lijst.
- Volg twee getallen: deals die met een actuele volgende stap binnenkomen, en deals waarvan de sluitingsdatum verschoof zonder gelogde reden.
#Wanneer is een CRM-rapport of een forecastingtool genoeg?
Loggen je reps hun activiteit al goed, dan is een opgeslagen rapport in Salesforce of HubSpot dat stilliggende deals en verstreken sluitingsdatums toont misschien alles wat je nodig hebt. Een revenue-intelligenceplatform kan passen bij grotere teams die gesprekken al opnemen.
Een maatwerkworkflow verdient zijn plek als de context buiten het CRM leeft: in Outlook-threads, WhatsApp-berichten, Arabische en Engelse gespreksnotities, of een spreadsheet die finance bijhoudt. Daar vallen standaardrapporten stil, en daar helpen lezen en opstellen het meest.
#Waar Stennir past
Stennir komt dit probleem meestal tegen in de audit van AI-consulting, als een salesleider forecasting noemt bij de workflows die tijd opslokken. De audit zet het af tegen andere kandidaten, met een kosten- en terugverdienonderbouwing, en benoemt een hostingregio. Het rapport is van jou, of je nu met Stennir bouwt of niet.
Is het de juiste eerste bouw, dan koppelt AI-implementatie het reviewpakket aan je CRM en inbox, met reps die notities bevestigen en de manager die wijzigingen goedkeurt, en elke actie gelogd. Je betaalt voor afgerond werk. AI-training leert managers en reps daarna het pakket in de meeting te gebruiken in plaats van ernaast.
We are
Stennir bouwt een reviewpakket dat je CRM en notities leest, per deal forecastnotities opstelt en elke forecastbeslissing bij je mensen laat.
We aren't
Stennir is geen forecastingplatform waarvoor je een licentie neemt, en dient zelf geen forecastgetal in en wijzigt er ook geen.
#Wat doet een salesleider nu?
Gingen je laatste drie reviews grotendeels op aan statusupdates, dan is dit de workflow. Bekijk AI voor sales, lees hoe we CRM-updates na salesgesprekken en pipelinehygiëne aanpakken, en doe dan de gratis gereedheidsscan of boek een gesprek van 30 minuten.
#Veelgestelde vragen
Wat hebben jullie van ons salesteam nodig om te starten?
Stennir heeft leestoegang nodig tot het CRM in een testomgeving, een paar geanonimiseerde reviewspreadsheets uit het verleden, voorbeelden van gespreksnotities, en de salesmanager die de review leidt. We hebben ook de regels nodig die je team al hanteert voor stilliggende deals en forecastcategorieën, ook als die nu alleen in iemands hoofd bestaan.
Wijzigt de AI onze forecastgetallen?
Nee. De AI stelt notities op en signaleert gaten. De rep bevestigt elke notitie, en de salesmanager beslist in welke categorie een deal valt. Elke update die naar het CRM wordt teruggeschreven, wordt goedgekeurd door een benoemde persoon en gelogd, zodat je altijd ziet wie wat veranderde en waarom.
Werkt het met gespreksnotities in het Arabisch?
Ja. Stennir ondersteunt Arabisch en Engels volledig, ook notities die beide in één zin mengen. De concept-forecastnotitie kan in beide talen worden geschreven. We testen eerst op je eigen geanonimiseerde notities, omdat afkortingen, productnamen en dialect sterk verschillen tussen teams.
Wat kan er misgaan?
De gebruikelijke risico's zijn een conceptnotitie die stellig klinkt over een deal waarvan de rep weet dat die wankel is, of een stilliggend-signaal bij een deal die om een goede reden stil is. Daarom bevestigen reps elke notitie, nemen managers de beslissing, en worden de signaleringsregels vóór de uitrol samen met je team afgesteld.
