Sådan begynder AI-transformation med mennesker sammen med Liza Adams

Vigtigste pointer

• AI-fragmentering: Medarbejdere, der er afhængige af deres egen motivation for at lære AI, vil ikke transformere arbejdsgangene på den måde, organisationerne har brug for
• Jobudvikling: AI bør transformere arbejdsresultater og nedbryde siloer med fokus på resultater
• Udfordringer ved implementering: Ledere skal anerkende betydningen af ændringer i tankegangen for, hvordan de evaluerer deres teams
• Modstand mod forandring: Organisationer har svært ved at implementere AI og fokuserer på teknologi frem for transformation af arbejdsgange
• Fokus på fremtiden: Teams, der bruger AI til at håndtere begrænsninger, nedbryde siloer og styrke deres medarbejdere, vil vinde

De fleste af dine AI-eksperimenter i 2025 flyttede ikke nålen.

Du testede værktøjer. Du ledte efter produktivitetsgevinster. Og du automatiserede sandsynligvis nogle få rapporter og gjorde noget e-mailtekst hurtigere. Men den transformation, du lovede? Dit team venter stadig.

Faktisk er du måske i gang med at opbygge en forretningsmæssig begrundelse for at automatisere dit team væk fra deres job.

"AI er ikke den svære del," siger Liza Adams, AI- og strategirådgiver inden for GTM, som har hjulpet teams inden for markedsintroduktion fra Pure Storage til Smartsheet gennem transformation. "Det er menneskene. Vi er svære."

Mens brancheanalytikere forudser, at AI-transformation vil påvirke næsten alle jobfunktioner inden 2027, tilbyder Adams et mere nuanceret perspektiv. Den reelle transformation er slet ikke teknologisk. Faktisk er det snarere en udfordring inden for menneskelig forandringsledelse, som kræver grundlæggende ændringer i den måde, vi tænker på arbejde på. 

Hun fremhæver fordelene ved at sætte mennesker først, og i denne artikel udforsker vi hendes beskrivelse af, hvordan AI-transformation kan se ud, fra en person, der hver dag hjælper organisationer gennem den. 

Adams har brugt sin karriere efter CMO-rollen på én ting: at hjælpe marketingledere med at bruge AI til at øge deres strategiske værdi, ikke erstatte den. De fleste organisationer, siger hun, griber AI-transformation an fra den forkerte ende.

Fra hastighed til nytænkning: AI's reelle løfte

Hvem har ikke brugt AI til at fremskynde noget, der før tog 10 timer, så det nu tager 10 sekunder?

Uanset om det handler om hurtigere e-mailtekster,  hurtigere kampagneoplæg eller automatiseret rapportering ved vi, at AI kan fremskynde ting, men med hvilket formål? 

"Hvis vi primært bruger AI til at fremskynde gammelt arbejde, er vi næsten i gang med at opbygge en forretningsmæssig begrundelse for at automatisere mennesket væk," advarer Adams. Hun har set dette mønster gentagne gange hos de organisationer, hun rådgiver.
Det skifte, du skal foretage, er at bevæge dig fra hastighed til kvalitet og videre til nytænkning.

Så i stedet for at spørge "Hvordan kan AI hjælpe os med at gøre dette hurtigere?" skal du spørge "Hvilket arbejde var ikke muligt før, men kan skabe vækst?" Når du gentænker arbejdet fra bunden og skaber nye funktioner, der ikke eksisterede før, opbygger du en forretningsmæssig begrundelse for, hvorfor mennesker er afgørende.

Medarbejdere skal finde ud af, hvordan de bedst kan bruge AI til at spare tid på gentagne opgaver, baseret på undersøgelsen fra Harvard Business School, men tidsbesparelser er ikke det ultimative mål.
Som Adams ser det, handlede sidste år om eksperimenter, mens dette år handler om nytænkning.
"Hvis du virkelig kan tro på, at du kan gentænke, hvordan du udfører dit arbejde, så flytter det energien fra AI som et værktøj til AI som en måde at udføre arbejde på – at udføre arbejde, der ikke var muligt før," forklarer Adams.

Dataene understøtter dette. Harvard Business School fandt, at fagfolk, der brugte AI til at redesigne arbejdsgange, rapporterede 43% højere jobtilfredshed og bidrog med mere strategisk værdi end dem, der blot fremskyndede opgaver.

Men her er udfordringen: "Vi er begrænset af det, vi ved, og det, der har fungeret før," indrømmer Adams. Da regneark blev introduceret, brugte folk dem til at skabe digitale versioner af papirbaserede regnskabsbøger i stedet for at udnytte deres beregningskraft. Vi risikerer at begå den samme fejl med AI, hvor vi digitaliserer gamle processer i stedet for at forestille os nye muligheder.

"Det er virkelig svært at gentænke noget, der bygger på noget, der går så hurtigt," siger hun. "Derfor brænder jeg så meget for at dele viden og arbejde sammen. Lad være med at holde på viden, for ingen andre kommer til at hjælpe os. Vi er nødt til at hjælpe hinanden."

De nødvendige ændringer i tankegangen

At lære at bruge AI meningsfuldt handler om mere end at se demonstrationsvideoer og webinarer. Det handler om den praktiske anvendelse af AI i forbindelse med dine daglige opgaver.

Forskellen mellem performativ anvendelse af AI og ægte transformation afhænger af fire ændringer i tankegangen.

• Fra spørgsmål-og-svar-maskine til sparringspartner: Stop med at tænke på AI som noget, der besvarer spørgsmål. Begynd at betragte det som en samarbejdspartner, der hjælper dig med at forme selve spørgsmålene. Denne omformulering ændrer den måde, dit team arbejder med AI på – fra passiv informationssøgning til aktivt samarbejde om strategi og beslutningstagning. 
• Fra hastighed til kvalitet til nytænkning: Der findes noget, der kaldes den gyldne trekant, og jeg så den engang i et værksted, hvor der stod: God. Hurtig. Billig: Vælg to. Jeg kan godt lide, hvordan den illustrerer, at man kan få det hele, bare ikke på én gang. Og det bliver endnu tydeligere ved brug af AI. Hvis man investerer energi, indsigt og tid, vil AI give bedre resultater. Og i udviklingen fra hurtigere arbejde til bedre arbejde bør man ideelt set bevæge sig hen imod nyt arbejde, der skaber meningsfuld vækst. 
• Fra værktøjer til holdkammerater til systemer: Alle med internetadgang kan udnytte AI som et værktøj. De grundlæggende ændringer sker, når du begynder at opbygge AI-holdkammerater. Og til sidst vil du orkestrere komplette AI-systemer.
• Forrester forudsiger, at 25 % af jobrollerne i 2028 vil omfatteregelmæssigt samarbejde med AI-agenter som definerede teammedlemmer. Og de bedste marketingledere venter ikke. De er allerede i gang med at opbygge disse systemer i deres teams med ansvar for markedsintroduktion.
• Fra organisationsdiagrammer til arbejdsdiagrammer: Dette er den mest gennemgribende ændring: at bevæge sig fra hierarkiske strukturer til arbejdsdiagrammer, hvor organisationer er samordnet omkring resultater frem for afdelingsgrænser.

AI er ligeglad med vores siloer," påpeger Adams. "Det er ligeglad med, hvem der udfører arbejdet. Det er ligeglad med titler. Det går kun op i resultater, hvilket efter min mening er en rigtig god ting, fordi kunderne heller ikke går op i de ting.

Hvor mange af jeres teams arbejder på tværs af funktioner? Der er en stor fordel ved at genoverveje jobgrænser. Efterhånden som AI bliver mere integreret i vores processer, vil det fortsat ignorere afdelingssiloer, og måske er det en god ting.

Konsekvenserne for, hvordan du strukturerer din marketingorganisation, er enorme.

Er du venlig eller medfølende?

Det er her, de fleste marketingledere tager fejl.

"Der er stor forskel på venlig ledelse og medfølende ledelse," argumenterer Adams. "At være venlig får bare folk til at føle sig trygge. Men medfølende ledelse handler om at opstille forventninger og give dem værktøjerne til rent faktisk at få succes."

Venlig ledelse ser ud som at sende en Slack-besked om nye AI-værktøjer og håbe på, at folk finder ud af det.

Medfølende ledelse betyder at anerkende, at job ændrer sig, og aktivt hjælpe dit team med at foretage denne ændring.

"Vi ansatte dem til at udføre et bestemt arbejde. Nu har arbejdet ændret sig. Så jeg synes, vi er nødt til at hjælpe dem med at ændre sig," forklarer Adams. "AI-kompetencer er grundlæggende. Vi kan ikke bare give dem en masse værktøjer og sende dem en Slack-besked og sige: 'Begynd at tage dem i brug.'Det fungerer ikke helt."

AI-kompetencer er grundlæggende. Vi kan ikke bare give dem en masse værktøjer og sende dem en Slack-besked og sige: 'Begynd at tage dem i brug.' Det fungerer ikke helt.

Sådan ser medfølende ledelse ud:

• At afsætte tid til at lære og ikke kun frokostmøder mellem møder
• At give plads til at fejle, fordi folk vil være motiverede til at prøve, når de oplever psykologisk tryghed 
• At yde reel støtte i form af praktisk træning, uanset om den ledes af kolleger eller eksperter
• At give respektfuld vejledning, og anerkende, hvor folk befinder sig på deres AI-rejse

At bygge bro over kløften 

Der er en markant kontrast mellem idéer genereret af ChatGPT og en vision om AI-drevne arbejdsgange. Imellem dem ligger der en enorm kløft.

Adams illustrerede for nylig dette i et LinkedIn-opslag: På den ene side står der "spørg om hvad som helst" på ChatGPTs hjemmeside. På den anden side er målet at opbygge helt nytænkte arbejdsgange, hvor AI-holdkammerater arbejder tæt sammen med mennesker.

Mange organisationer og marketingledere sidder fast i forsøget på at finde ud af, hvordan de kommer fra A til B. At løse det kræver noget, du sandsynligvis ikke har budgetteret med, uanset om det handler om at give folk plads til at blive inspireret, afsætte tid til læring eller give tilladelse til at fejle.

Sådan ser det ud i praksis

Del læring åbent. Hos en virksomhed, Adams rådgiver, holder marketinglederne et ugentligt 15-minutters stående møde om "AI-sejre/fiaskoer". Hvert teammedlem deler én ting, der virkede, og én ting, der ikke gjorde. Sårbarheden skaber tryghed. Regelmæssigheden skaber fremdrift.

Gennemgå jeres gentagelige processer. Kortlæg jeres teams fem mest tidskrævende tilbagevendende arbejdsgange. Spørg for hver af dem: Kan AI forbedre kvaliteten af resultatet? Kan AI muliggøre en helt ny tilgang, som vi ikke kunne anvende før? Et team inden for efterspørgselsgenerering opdagede, at de i stedet for blot at fremskynde deres kvartalsvise kampagneplanlægning kunne bruge AI til at køre scenariemodellering for mere end 20 kampagnevariationer – et arbejde, der tidligere var umuligt med deres medarbejderantal.

Skab dedikeret tid til eksperimenter. En CMO, som Adams arbejder sammen med, indførte "AI-kontortid" to gange om ugen uden en dagsorden – blot åben tid, hvor teammedlemmer kunne eksperimentere med nye tilgange, mens en mere erfaren kollega var til rådighed for at hjælpe. Anvendelsen steg med 300 % i løbet af et kvartal.

"Når vi får succes, vinder vi, og når vi fejler, lærer vi," bemærker Adams. "Vi skal være yderst respektfulde og imødekommende, uanset hvor folk befinder sig på deres AI-læringsrejse."

Ud over generisk træning

Generisk AI-træning lærer folk om mulighederne. Rolle-specifik inspiration fører til forandring. Kontekst er altafgørende.

Forskning fra MIT og Stanford viste, at kontekstspecifik AI-træning resulterer i 4 gange højere anvendelsesrater end generiske grundkurser i AI.

"Jeg mener, at vi er nødt til at vise folk, hvad der er muligt i deres arbejde," siger Adams.

Generisk AI-træning lærer folk om mulighederne, men rolle-specifik inspiration fører til forandring. I dette tilfælde er kontekst altafgørende. Og der findes data, som beviser, at denne metode virker. Forskning fra MIT og Stanford viste, at kontekstspecifik AI-træning resulterer i 4 gange højere anvendelsesrater end generiske AI-kurser.

Så i stedet for at se på, hvilken type AI-træning dit team har brug for for at udføre deres arbejde bedre, bør du overveje Adams' synspunkt: "Jeg mener, at vi er nødt til at vise folk, hvad der er muligt i deres arbejde.”

Gentænk din tilgang

• I stedet for at insistere på, at jeres produktmarketingfolk bruger  ChatGPT, skal du vise dem, hvordan AI kan ramme ICP-segmentering præcist på den halve tid.
• I stedet for at opfordre digitale marketingfolk til at bruge generiske prompts og redigere resultatet, skal du vise dem, hvordan AI kan optimere konverteringsraterne og positionere jeres brand til AI-søgeanbefalinger.
• I stedet for at bruge grundlæggende e-mailskabeloner til efterspørgselsgenerering, som mangler den positionering og personalisering, der skaber konverteringer, skal du vise dit team, hvordan AI kan forkorte jeres salgscyklus ved at analysere, hvilke meddelelsessekvenser der faktisk hænger sammen med afsluttede vundne aftaler.

Forskellen er betydelig. Generisk træning lærer folk om mulighederne. Rolle-specifik træning skaber den forandring, som de fleste organisationer søger.

Den hårde sandhed om tredjedelsreglen

Medfølende ledelse betyder også at være realistisk. Når du opkvalificerer og omskoler dit team, har Adams observeret et mønster – "tredjedelsreglen", hvor:

• En tredjedel vil gå forrest
• En tredjedel vil følge efter
• En tredjedel vil finde deres egen vej

"Vi er nødt til at udvise medfølelse over for den sidste tredjedel," siger hun. "Vi er måske nødt til at finde en anden rolle til dem, måske en anden organisation eller måske endda noget uden for virksomheden." Der er behov for, at CMO'er og marketingledere, der træffer disse beslutninger om medarbejderantal, står mellem barken og veden. Det er grundlæggende svært, og for nogle er det en del af jobbet.

Selvfølgelig ønsker ingen at fjerne nogen fra deres rolle, og selv HR bliver træt af at blive sat i denne position. Så spørgsmålet, der automatisk opstår, er: "Hvordan gør jeg det her godt?" Hvordan kommunikerer jeg til de mennesker, der bliver i rollerne, hvad der forventes af dem, og lægger grunden for, at mit team fortsat kan eksperimentere, levere resultater og trives?"

Selvfølgelig vil nogle mennesker ikke klare overgangen. Men de mennesker, der gør, holder øje med, hvordan du håndterer den næste fase.

Nedbrydning af siloer

Hvis jeres marketing-, salgs- og CS-teams stadig fungerer som separate lande, lader I salgspipeline gå tabt.

En seniorchef for efterspørgselsgenerering i en børsnoteret virksomhed begyndte at opbygge et team af AI-kolleger for at hjælpe med at udvikle strategier og gennemføre kampagner. I stedet for at holde disse AI-kolleger begrænset til hendes marketingområde forbandt hun dem med salg, så de kunne hjælpe med salgstræning til disse kampagner. Derefter udvidede hun dem til kundesucces for onboarding.

Hun skabte en problemfri, sammenhængende oplevelse på tværs af tre traditionelt silo-opdelte afdelinger.

Hun har gentænkt sit arbejde. Hun er ikke længere seniorchef for kampagner og efterspørgselsgenerering. Nu er hun seniorchef for markedsintroduktionsarkitektur og -strategi.

Det skete ikke, fordi en leder besluttede at omorganisere virksomheden. Det skete, fordi hun holdt op med at bekymre sig om rammerne for sin rolle og begyndte at tænke på kundernes resultater.

"Hun bekymrede sig ikke længere så meget om rammerne for sin rolle," bemærker Adams. "Hun tænkte på kundernes resultater i en sammenhængende oplevelse, og hun har i praksis omdefineret sit arbejde."

Hun omskrev sin jobbeskrivelse – og gjorde sig selv mere værdifuld i processen.

Denne transformation fungerer kun, når man flytter sit teams fokus fra afdelingssejre til forretningsresultater.

AI bekymrer sig ikke om, hvem der udfører arbejdet. Den bekymrer sig ikke om titler. Den bekymrer sig kun om resultater, hvilket efter min mening er en rigtig god ting, fordi kunderne heller ikke bekymrer sig om de ting.

Dette er ikke kun anekdotisk. Et Harvard-studie viste, at tværfunktionelle teams begyndte at bekymre sig mindre om jobgrænser, når de brugte AI. "Fordi AI ikke bekymrede sig om, hvem der udførte arbejdet, titlen eller funktionerne, men kun om resultatet," forklarer Adams.

McKinseys forskning er endnu mere slående: Organisationer, der genovervejer, hvad der er muligt med AI-understøttede arbejdsgange, opnår et 3,5 gange højere investeringsafkast end dem, der udelukkende fokuserer på effektivitet.

Så i stedet for at spørge: "Hvordan kan AI hjælpe mit markedsføringsteam med at arbejde hurtigere?" bør du spørge: "Hvordan kan AI hjælpe os med at skabe bedre resultater for kunderne, uanset hvilken afdeling der traditionelt har ejet de enkelte dele?"

Hvordan kan AI hjælpe os med at skabe bedre resultater for kunderne, uanset hvilken afdeling der traditionelt har ejet de enkelte dele?

Det spørgsmål ændrer alt.

For SaaS-virksomheder i hastig vækst betyder det, at AI kan hjælpe dig med at:

• Forkorte salgscyklusser ved at forbinde marketingens hensigtsdata med salgsopsøgende aktiviteter og introduktion til CS
• Reducere CAC ved at optimere hele kunderejsen, ikke kun toppen af salgstragten (det er noget, AI i kortlægning af kunderejsen kan hjælpe med)
• Øge LTV ved at identificere muligheder for udvidelse, der går på tværs af produkt, marketing og kundesucces

De organisatoriske konsekvenser er enorme.

Hvad forstærker AI i din organisation lige nu?

Adams har en særlig skarp måde at beskrive AIs rolle på, eftersom den forstærker det, der allerede er der.

"Det, jeg elsker ved AI, er, at den sætter fokus på det, der er der, uanset om det, der er der, er godt eller dårligt," siger hun. "Hvis vi er en fantastisk virksomhed, hvis vi er fantastiske mennesker, forstærker den hensigten. Og hvis vi er det modsatte, forstærker den også det."

Du kan ikke dække over grundlæggende dysfunktion eller mangel på sammenhængende kommunikation med AI. Hvis din kundeoplevelse er fragmenteret, fordi marketing, salg og CS ikke kommunikerer godt, vil AI gøre denne fragmentering mere effektiv, ikke bedre.

Men hvis du har den rette hensigt og oprigtigt fokuserer på kundernes resultater, kan AI forstærke denne positive hensigt på tværs af afdelingsgrænser på måder, der tidligere var umulige.

Spørg dit team: Hvad forstærker AI i din organisation lige nu?

For den vil forstærke det, du fodrer den med.

Algoritmen for succes

Adams bliver ofte spurgt: "Hvordan bliver vi synlige i AI-søgninger? Hvad er algoritmen, der får ChatGPT til at anbefale vores brand?"

Hendes svar skærer igennem bekymringen: "Jeg siger altid, at jeg ikke kender algoritmen, og det er sandheden. Hvis vi nogensinde forsøgte at finde frem til algoritmen, ville vi sandsynligvis blive vanvittige, fordi den ændrer sig hele tiden. Men jeg siger altid bare: Glem algoritmen, hold op med at jagte algoritmen. Vær først og fremmest et fantastisk menneske. Vær et fantastisk brand. Vær en fantastisk marketingmedarbejder, og lad kortene falde, som de vil, for AI vil forstærke det, der allerede er der."

Hun foreslår, at ledere og andre mennesker "omfavner autenticiteten, omfavner det menneskelige, og i en verden, hvor AI demokratiserer IQ, bliver EQ stadig mere værdifuldt."

Efterhånden som kunstig intelligens håndterer mere af det tunge kognitive arbejde, bliver emotionel intelligens, autenticitet og ægte menneskelige egenskaber det, der adskiller dem. Dette er måske den vigtigste indsigt for 2026 og fremover.

Vejen frem

Som Adams minder os om, eksisterede 60 % af nutidens jobs ikke i 1940. Vi har tilpasset os før. Fra elevatoroperatører til softwareudviklere, fra stenografer til ledere af sociale medier. "Vi er de mest tilpasningsdygtige skabninger på denne planet," siger hun. "Jeg tror virkelig på, at vi vil tilpasse os igen."

Spørgsmålet er ikke, om vi vil tilpasse os. Det er, om vi kan opkvalificere folk hurtigt nok, gentænke arbejdet hurtigt nok og bevare vores menneskelighed gennem hele processen.

Og den udfordring er, som Adams har gjort det klart, dybt og uigenkaldeligt menneskelig.

Hvad er det næste?

Opret en konto hos CMO Club, og følg med for flere samtaler med ledere, der navigerer i AI-transformation.