CMO siger, at de fleste marketingteams producerer middelmådigt arbejde hurtigere med AI

Samantha Leal er CMO hos Aliwell, hvor hun implementerer AI-arbejdsgange, nogle med større succes end andre.

Vi interviewede Samantha for at finde ud af, hvad der virkede, hvad der ikke virkede, og hvorfor. Her er, hvad hun fortalte os.

Fra nul til skalering

Hej! Jeg hedder Samantha Leal. Jeg har brugt de seneste 10+ år på at hjælpe nystartede virksomheder med at gå fra nul til skalering, typisk ved at træde til, når væksten ser god ud på overfladen, men bryder sammen under pres.

Jeg arbejder med hele vækstsyst­emet, fra positionering og budskaber til kundeanskaffelse, konvertering og kunderejsen. Jeg arbejder tæt sammen med grundlæggere for at skabe struktur omkring, hvordan beslutninger træffes, og hvordan vækst ophobes.

I øjeblikket er jeg CMO hos Aliwell, hvor jeg leder marketingafdelingen på tværs af en vækstmotor med flere kanaler, der fokuserer på at tiltrække og aktivere ortodontister. Vi arbejder med betalte medier, uddannelse, events, indhold og salgsunderstøttelse, men vores primære fokus er aktivering og omsætning.

Vi sælger til en klinisk målgruppe, så udfordringen handler ikke kun om opmærksomhed; den handler om tillid, uddannelse og adfærdsændring. Det gør systemet mere komplekst. Tættere koordinering med salg, produkt og kundeoplevelse er afgørende.

Skift fokus til AI

Det, der for nylig har ændret sig for mig, er, hvordan jeg griber alt dette an med AI.

Jeg er holdt op med at tænke i marketingroller og er begyndt at tænke i arbejdsgange. Det meste af det, der driver vækst — test, kreativ videreudvikling, rapportering, kvalificering af leads osv. — kan gentages, men er stadig manuelt og fragmenteret.

AI er løftestangen til at redesigne disse arbejdsgange, fremskynde feedbacksløjfer og træffe bedre beslutninger med større klarhed. Det er det skifte, jeg fokuserer på nu.

Hvordan AI ændrer, hvad marketingledere med begrænsede ressourcer kan bygge

Det seneste år har jeg brugt AI til nogle omfattende opgaver:

• Jeg designede en komplet CRM-migrering, som normalt ville kræve et konsulentforløb.
• Jeg designede et uddannelsesprogram med flere niveauer fra bunden.
• Jeg byggede et kundeaktiveringssystem baseret på en kvalitativ undersøgelse — interviews, undersøgelser og adfærdsdata — som afdækkede, hvorfor nogle kunder går i stå efter deres første køb.

Det er ikke opgaver, jeg blot har gjort hurtigere; det er strategiske systemer, som et lille team normalt ikke ville kunne lancere. AI har ændret, hvad en marketingleder med begrænsede ressourcer kan bygge.

Sådan kan AI bruges til rapporter til interessenter

Jeg bruger AI til at generere en ugentlig rapport — en leverance, der driver virksomhedens beslutninger for den kommende uge.

Input omfatter mødetransskriptioner fra den foregående uge (hentet fra Granola), CSV-filer med resultater fra Meta Ads, produktionsdata fra ERP-systemet, analyser af sociale medier og opdateringer af CRM-salgspipelinen. Disse fem kilder kommunikerer ikke med hinanden.

Her er arbejdsgangen:

1. Jeg indlæser de rå transskriptioner i Claude og udtrækker beslutninger, blokeringer og handlingspunkter for de enkelte afdelinger.
2. Jeg uploader data om annonceeffektivitet og beder om en analyse fra uge til uge og fra måned til måned, hvor afvigelser markeres.
3. Jeg analyserer produktionstallene — regionalt fremstillede sager sammenholdt med de månedlige mål, hvor afvigelser fremhæves.
4. Jeg samler det hele i en enkelt struktureret rapport med ét afsnit pr. funktion, vigtige nøgletal med kontekst og — vigtigst af alt — et afsnit øverst med "beslutninger, der skal træffes".

Resultatet er et formateret dokument, som ledelsesteamet kan skimme på fem minutter og handle på med det samme. Det indeholder ingen rå data eller "her er, hvad der skete". Hvert tal har et sammenligningsgrundlag, relevant kontekst og en anbefaling.

Hvor mennesker skal bevare ejerskabet

Så jeg bruger AI til alt det, der drager fordel af hastighed, mønstergenkendelse og syntese på tværs af store datamængder.

Det omfatter analyse af kundedata på tværs af kilder, gruppering af feedback fra salgssamtaler og interviews, generering og videreudvikling af kreative vinkler samt identifikation af mønstre i kampagners resultater hurtigere, end et menneske ville kunne.

Det er også blevet en central del af den måde, jeg strukturerer arbejdsgange på, lige fra kvalificering af kundeemner til opfølgning og rapportering. AI hjælper med at reducere manuelt arbejde og synliggør indsigter tidligere, så vi ikke arbejder ud fra forældede oplysninger.

Det, jeg ikke bruger AI til, er at definere strategi, positionering og hvad der faktisk betyder noget.

Beslutninger som hvad vi siger, hvem vi henvender os til, hvilke kompromiser vi indgår, og hvor vi fokuserer, er stadig menneskelige. De kræver kontekst, sans for kvalitet og dømmekraft, især på komplekse markeder, hvor det rigtige svar ikke er indlysende.

AI kan give dig muligheder, men den kan ikke fortælle dig, hvad der er værd at gøre.

Samantha deler

AI kan give dig muligheder, men den kan ikke fortælle dig, hvad der er værd at gøre.

Hvorfor AI flytter flaskehalsen fra udførelse til dømmekraft

Den største fordel har været hastighed og omfang. Vi har reduceret tiden til analyse og syntese med omkring 60–70 %. Ting som gruppering af kundefeedback, udtræk af indsigter fra samtaler og generering af kreative vinkler, der kan testes — og som tidligere tog uger — sker nu på få dage.

Det har ført til flere tests og hurtigere feedbacksløjfer. Vi kan gentage og forbedre budskaber og kampagner langt hurtigere, hvilket har forbedret beslutningstagningen og reduceret spildte annonceudgifter på idéer, der ikke fungerer.

På den operationelle side har vi også kunnet opbygge systemer som CRM-arbejdsgange, onboardingforløb og rapporteringslag, der normalt ville kræve et større team eller ekstern support.

Men der findes reelle ulemper. AI kan for eksempel skabe en falsk følelse af sikkerhed. Den er meget god til at producere resultater, der ser rigtige ud, men som ikke er forankret i virkeligheden. Hvis du ikke forankrer den i ægte kundedata, ender du med generiske budskaber og dårlige beslutninger — bare hurtigere.

Det kræver også mere dømmekraft, ikke mindre. Flaskehalsen flytter sig fra udførelse til beslutningen om, hvad der er værd at gøre. Teams, der ikke har den klarhed, kan ende med at generere en masse støj.

Hvorfor AI-genereret kreativt indhold er en risiko på specialiserede markeder

Jeg er blevet skuffet over AIs indvirkning på kreativt arbejde. Jeg forventede, at AI ville forandre den måde, vi producerer visuelt indhold på — for eksempel annoncer, opslag på sociale medier og brandmateriale. Det er ikke sket. Slet ikke.

Ethvert AI-genereret billede ligner stadig et AI-genereret billede. For et brand, der sælger til specialister — i vores tilfælde ortodontister, som er højtuddannede og dybt skeptiske — dræber alt, der føles generisk eller syntetisk, tilliden øjeblikkeligt.

Vi testede AI-genererede billeder til annoncer og indhold på sociale medier. Resultaterne faldt øjeblikkeligt. Vores målgruppe bemærkede kvalitetsforskellen mellem disse billeder og det, en menneskelig designer producerer med ægte klinisk fotografering.

Hvorfor indholdsarbejdsgangens kompleksitet skal matche kompetencerne

Tidligt brugte jeg AI til at designe et system til indholdsdrift — redaktionelle kalendere, godkendelsesarbejdsgange og indholdsoplæg med detaljerede rammer.

Systemet var strategisk velfunderet og smukt struktureret, men det havde et problem.

Jeg gav et avanceret system til et teammedlem, som ikke arbejdede på det niveau. I stedet for at systemet løftede hendes output, skabte det en kløft. Hun kunne ikke føre det ud i livet.

Jeg spildte uger på at håndtere kløften mellem systemets krav og personens kompetencer.

Nu spørger jeg: "Hvem skal drive det her på mandag?" før jeg bygger noget.

Sådan sikrer du, at AI-budskaber ikke bliver en hindring

AI løser ikke dårlige systemer; det forstærker dem. Mere output, de samme problemer. AI fungerer bedst med stærke input, en klar forståelse af kunderne, reelle data og skarp tænkning.

Så spørgsmålet er ikke: ”Hvordan bruger vi AI?” Det er: ”Hvilket system kobler vi det på?”

Et godt eksempel er budskaber. I mit første pilotprojekt arbejdede vi hurtigt, men baserede det ikke i tilstrækkelig grad på reelle kundedata. Resultatet så stærkt ud, men var generisk. Det konverterede ikke.

Så ret inputtene, før du bruger AI. Det betyder, at du samler data fra CRM-systemet, salg og kundeinteraktioner – herunder salgssamtaler, indvendinger og interviews – for at identificere de præcise problemer, det sprog og de øjeblikke, der driver beslutninger.

Derefter definerer jeg klare vinkler og vores kernebudskab. Når det er på plads, lægger jeg AI ovenpå. Det hjælper med hurtigt at udvide, teste og iterere på disse vinkler.

Herfra bør det være en kontinuerlig løkke. Du henter konstant input fra salg, kundefeedback og resultater og itererer i realtid.

Hvorfor arbejdsgange skal opdeles og udvides

Når det gøres rigtigt, er dømmekraft ikke længere noget, man enten har eller ansætter sig til.

Den kan formes gennem en proces. Med de rette input, begrænsninger og iterationer kan du systematisk forbedre kvaliteten af tænkningen og resultatet.

Budskaber, kreativt arbejde, research, selv strategi. Det er alt sammen arbejdsgange, der kan opdeles. Hvert trin kan derefter udvides.

Samantha deler

Ret inputtene, før du bruger AI… Når det er på plads, lægger jeg AI ovenpå. Det hjælper med hurtigt at udvide, teste og iterere på disse vinkler. Når det gøres rigtigt, er dømmekraft ikke længere noget, man enten har eller ansætter sig til.

Hvorfor Claude er uundværlig for marketingfolk

Claude er uden tvivl mit foretrukne værktøj. Det er et lag, der forbinder alting og fungerer som en fantastisk tænke- og sparringspartner.

Jeg er mest begejstret for Claude Code og Claude Cowork, fordi de bevæger sig ud over chat og ind i arbejdsmiljøer som kodning, filhåndtering og automatisering af opgaver.

Jeg har endnu ikke prøvet Claude Code sammen med Cursor, men det er det næste!

Sådan ændrer AI teams

Hvad angår teamstrukturen, er vi mindre afhængige af snævre specialister og mere af mennesker, der kan tænke på tværs af systemet. Mennesker, der forstår kunden, kan formulere problemer godt og ved, hvordan AI bruges til at eksekvere.

Eksekveringsarbejdet – produktion, analyse og iteration – er ikke længere flaskehalsen, så værdien flytter sig. Nu leder jeg efter dømmekraft, kvalitetssans og evnen til at designe arbejdsgange. Mennesker, der hurtigt kan gå fra indsigt til handling, ikke blot eje en funktion.

Det har også ændret den måde, vi samarbejder på. Grænserne mellem rollerne er mindre faste. Marketing, salg og kundeoplevelse er mere forbundne, fordi de deler arbejdsgange.

Hvorfor CMO'er skal fokusere på klarhed

De fleste marketingteams, der bruger AI, producerer mere middelmådigt arbejde hurtigere.

Så her er mit råd: Fokuser på datainput og strategisk klarhed.

Når AI bruges i marketing uden stærke datainput og strategisk klarhed, er det blot en maskine, der forurener indholdet.

Følg med

Du kan følge med i Samanthas rejse på LinkedIn!

Og hold øje med flere ekspertinterviews på The CMO Club!