Підготовка QBR з AI: 6 слайдів, що важать клієнту

Коли CSM у 70-людному SaaS сказала мені, що готувалась до одного QBR 8-12 годин, я спитав, скільки тих слайдів клієнт відкривав двічі. Вона замислилась і сказала "може чотири". Вісім годин CSM на QBR, чотири слайди віддачі. Саме цю пропорцію AI лагодить — не дизайн слайдів, а саму петлю підготовки.

Чому QBR-decks такі роздуті?

Бо CSM тривожаться виглядати непідготовленими. 28-слайдовий deck — defensive: agenda, лого, "наш шлях разом" timeline, кожна випущена фіча, кожен закритий тикет, NPS-чарт, ROI-калькулятор, roadmap teaser, ask slide, дякую. Кожен слайд комусь окремо має сенс. Сумарно — meeting б'ється сам із собою.

Definition: QBR — Quarterly Business Review, повторювана зустріч вендора з клієнтом для огляду outcomes проти зобов'язань, підняття risk і expansion-тем, і вирівнювання плану на квартал.

Клієнт ввічливо сидить, ставить два питання про слайд 11, приймає рішення про слайд 19, про яке CSM не здогадувався, що це point, і йде. Половина deck-у не переглядається. Інша половина могла бути email-ом.

Що клієнти реально цінують?

Шість речей. Я бачив 50+ QBR у B2B SMB і Enterprise; ті самі шість тем рухають 90% реальних рішень. Інший слайд — supporting evidence у кращому випадку, filler у гіршому.

Шістка: outcomes проти зобов'язань, реальність usage/adoption, risk surface, expansion-можливості, ask до клієнта, план кварталу.

Це і є deck. Шість слайдів. CSM тримає supporting data в backup-секції, відкриває тільки якщо клієнт спитає. Зустріч стає розмовою, а не презентацією.

Шаблон QBR на 6 слайдів

Кожен слайд має одне owner-питання і AI-промпт за замовчуванням для першого draft. CSM переписує під тон і додає контекст, якого AI не бачить.

Слайд 1 — Outcomes проти зобов'язань

Що домовились на минулому QBR, що реально сталося. Чесний облік, включно з пропусками. Owner-питання: "Чи ми зробили те, що сказали?"

Definition: Outcome commitment — конкретний, time-bounded результат, який вендор і клієнт домовились трекати між QBR; служить контрактом для наступного QBR.

AI-промпт: "Витягни зобов'язання, документовані на QBR [ДАТА]. Для кожного підсумуй фактичний outcome в 1 реченні зі статусом (delivered / partial / missed). Для пропусків — задокументована причина, якщо є."

Слайд 2 — Реальність usage і adoption

Не token-чарт. Кількість користувачів, що активно юзають продані workflow, по відділах. Owner-питання: "Чи продукт реально робить для них роботу?"

AI-промпт: "З продуктової телеметрії за 90 днів підсумуй: активні юзери по командах, % місць активних щотижня, топ-3 фічі по частоті, команди, що почали або зупинили використання. Підсвіти зміни vs попередній квартал."

Слайд 3 — Risk surface

Чесний список того, що може піти не так у наступному кварталі. Зміни champion, integration-стурбованість, тиск конкурентів, internal re-orgs, які клієнт згадував. Owner-питання: "Про що нам разом хвилюватися?"

AI-промпт: "Прочитай 90 днів тикетів, CSM-нотаток і NPS для [АКАУНТ]. Виділи і ранжуй за severity топ-3-5 ризиків, що можуть вплинути на renewal. Для кожного — одна мітигація, на якій CSM і клієнт можуть домовитися."

Слайд 4 — Expansion opportunities

Не sales-pitch. Конкретні можливості, що випливли з власного usage і розмов клієнта. Owner-питання: "Де ми могли б робити більше?"

AI-промпт: "На основі патернів usage, тем тикетів і нотаток зустрічей [АКАУНТ] за 90 днів — виділи 2-3 expansion-можливості (нова команда, суміжний use case, вищий tier). Для кожної — рамкуй як проблему клієнта спершу, не як фічу нашого продукту."

Слайд 5 — Ask до клієнта

Що нам треба, щоб вони зробили або вирішили. Reference call, case study, intro до exec sponsor, sign-off інтеграції, рішення про tier. Owner-питання: "Що нам треба від вас?"

Цей слайд QBR найчастіше пропускає — і пропускання саме і є причиною, чому клієнт відчуває QBR як vendor-driven. Ask робить це peer-зустріччю.

Слайд 6 — План наступного кварталу

3-5 зобов'язань назад. Що доставимо, до коли, вимірюване. Це стає Слайдом 1 наступного QBR. Deck закриває петлю.

AI-промпт: "Накидай 3-5 зобов'язань на наступний квартал на основі: (a) невирішених items цього QBR, (b) виділених expansion-можливостей, (c) погоджених мітигацій ризику. Кожне — конкретне, time-bounded, вимірюване."

Як AI-workflow реально працює

Три фази, година загалом. CSM володіє output; AI робить важку роботу з даними.

Фаза 1 — data pull (15 хв). AI-агент або скрипт тягне з телеметрії, CRM, support, NPS. Output: структурований JSON або markdown summary, з яким LLM працює.

Фаза 2 — first-draft слайди (20 хв). AI запускає 6 промптів проти data pull. Output: bullet-point чернетки на кожен слайд плюс пропоновані зобов'язання.

Фаза 3 — CSM rewrite (25 хв). CSM додає relationship-контекст, редагує тон, прибирає те, що AI прочитав неправильно, і пише Слайд 5 (ask) повністю руками. CSM робить те, що тільки CSM може; AI зробив те, що не мало бути людською задачею.

Загалом: менше години для deck, який раніше брав 8.

Шаблон підготовки deck для копіювання

Запускайте перед кожним QBR.

Акаунт: [НАЗВА]
Дата QBR: [ДАТА]
Попередній QBR: [ДАТА]
CSM: [ІМ'Я]

AI data pull завершено (Фаза 1): [Y/N]
- Експорт телеметрії: [LINK]
- Тикети витягнуті (90д): [N]
- NPS-відповіді витягнуті: [N]
- Нотатки зустрічей: [Y/N]

First-draft слайди згенеровано (Фаза 2): [Y/N]
- Слайд 1 (Outcomes vs commitments): [draft ready]
- Слайд 2 (Usage & adoption): [draft ready]
- Слайд 3 (Risk surface): [draft ready]
- Слайд 4 (Expansion opportunities): [draft ready]
- Слайд 5 (Ask) — CSM ПИШЕ РУКАМИ: [done]
- Слайд 6 (План кварталу): [draft ready]

CSM review завершено (Фаза 3): [Y/N]
- Relationship-контекст додано: [Y]
- Помилки AI прибрано: [Y]
- Тон збігається з voice акаунта: [Y]
- Backup-слайди (відкриваємо тільки на запит): [LIST]

Pre-send check:
- Зобов'язання у Слайді 6 вимірювані: [Y/N]
- Ask у Слайді 5 конкретний і розумний: [Y/N]
- Слайд 3 включає хоча б один чесний ризик з нашого боку: [Y/N]

Чесність Слайду 3 — те, що більшість CSM fudge — і те, що будує найбільше довіри, коли реальне.

Tool tip (Course for Business): Причина, чому CS-команди не запускають AI-prepped QBR — не промпти, а те, що ніхто ще не випустив жодного AI-workflow, тож QBR-draft відчувається як стрибок. Наша 6-тижнева програма встановлює Augment, don't replace mindset тим, що кожен CSM випускає свою першу AI-автоматизацію на тиждень 1; QBR-draft — типовий білд тижня 2-3, бо дані структуровані і output — високий важіль. Бачили CSM, які ріжуть prep з 8 годин до 50 хвилин до кінця тижня 3. Програма: https://course.aiadvisoryboard.me/business.

Team scan (що AI-champions репортять після тижня 1)

• 1 AI-champion на ~17 CSM достатньо; QBR-промпти швидко поширюються після першого
• Адопшн: CSM-команда конвергує на 6-слайдовий шаблон до кінця тижня 2
• Use case: prep QBR падає з 6-10 годин до 45-90 хвилин на акаунт
• Saved time: CSM з 12 квартальними QBR повертає 70-100 годин/квартал
• Якість: клієнти кажуть, що deck "стиснутіший", зустрічі закриваються з чіткішими зобов'язаннями
• Помилка: CSM авто-приймають AI-draft Слайду 5 (ask); тиждень-2 калібрація змушує писати рукою
• Champion: 30-хв тижневий clinic, де CSM міняються edge cases і покращують промпти
• Failure mode: AI спершу over-claim на outcomes (Слайд 1); reason-code додано
• Нова поведінка: backup-слайди юзаються менше, бо 6 основних покривають те, що клієнт питає
• Unlock: ті самі промпти йдуть на mid-cycle check-ins і renewal-prep

Micro-case (що змінюється за 7-14 днів)

220-людний B2B SaaS з 40 enterprise-акаунтами вів QBR, що брали 8 годин prep на акаунт — ~320 CSM-годин на квартал у команді. Встановили 6-слайдовий шаблон і AI-workflow на тиждень 1 AI-програми. До тижня 3 перша партія QBR пішла в новому форматі; prep середній — 55 хвилин на акаунт. Двоє клієнтів самі зазначили, що deck "відчувається гострішим". Важливіше, три QBR підняли expansion-розмови зі Слайду 4, що в старому шаблоні були поховані на слайді 22 — дві конвертували в 30 днів. Річно повернутий CSM-час: ~800 годин. Вартість установки: тиждень prompt engineering і час одного champion. Token-bill — менше €100/міс на всю команду.

Note on this case: This example is illustrative — based on typical patterns we observe with companies of 30-500 employees, not a single named client. Specific numbers are rounded approximations of common ranges, not guarantees.

Tool tip (Course for Business): Стрибок від "треба автоматизувати prep QBR" до "я реально випустив workflow" — це місце, де більшість CS-команд застрягають: прочитали статтю, погодились, не написали перший промпт. Shoulder-to-Shoulder hot seats у нашій 6-тижневій програмі закривають gap: тиждень 2 або 3 — installation-сесія QBR-prep, champion сидить поряд із CSM, live-будує data pull і перший slide-draft на реальному акаунті. Наступний QBR іде на новому workflow за замовчуванням. Mapping call: https://course.aiadvisoryboard.me/business.

FAQ

А якщо клієнт чекає 28-слайдовий deck і відчує себе обділеним 6-ма? Шліть 6-слайдовий до зустрічі і 1-page "supporting data" PDF на follow-up — більшість клієнтів обирають саме цю структуру, коли спробують. Якщо клієнт справді хоче 28 — це сигнал про meeting culture, не constraint на дизайн QBR.

Чи можна довіряти AI чернетці Слайду 3 (risk surface)? Для draft — так, для відправки — ні. CSM володіє Слайдом 3, бо framing ризику потребує relationship-judgment, якого AI не має. Юзайте AI, щоб підняти risk-кандидатів з даних; переписуйте кожен людською мовою перед відправкою.

Чи це працює для SMB-акаунтів під €30k ARR чи лише enterprise? Особливо добре для SMB. Lower-ARR акаунти часто взагалі не отримують QBR, бо prep-вартість unecon — 50-хвилинна версія робить QBR можливими для long tail, перетворюючи мовчазні SMB-акаунти на expansion-розмови.

Чи клієнти бачать AI-drafts напряму? Ні — завжди CSM-rewrite перед клієнтом. Надсилати raw AI-output клієнту у 2026 — це знак, що вам не цікаво переглянути. CSM-rewrite — це те, що тримає стосунки.

Яка правильна каденція зміни 6-слайдового шаблону? Перегляд вибору слайдів — раз на рік, не щокварталу. Стабільність важлива: коли клієнт знає, чого чекати, він готується інакше, зустрічі гострішають. Промпти змінюйте частіше за слайди.

Висновок

QBR, що брали CSM workday, тепер беруть годину. 6-слайдовий шаблон не зменшує зустріч — гострить її. Outcomes проти зобов'язань. Реальність usage. Ризик. Expansion. Ask. План. Решта — backup.

Виберіть 6 слайдів. Підключіть data pull цього тижня. Запустіть перший AI-prepped QBR наступного.

Якщо хочете, щоб кожен співробітник випустив першу AI-автоматизацію за 5 днів — включно з prep QBR, що повертає 6+ годин на акаунт на квартал — book 30-хв call: https://course.aiadvisoryboard.me/business.