Teknologikyndig marketingchef deler, hvordan marketingbudgetter og teams skal omstruktureres til AI

Simone Morellato er teknisk marketingchef og marketingchef hos vCluster. Han begyndte tidligt at eksperimentere med AI i en tidligere rolle og bruger det nu som en kraftforstærker i sit marketingteam.

Vi satte os ned med ham for at forstå, hvordan AI ændrer hans marketingarbejdsgange og hans teams arbejdsgange. Han fortalte os om de nye roller og budgetposter, der er uundværlige.

Brug af AI som en kraftforstærker i marketing

Jeg er marketingchef og har opbygget min karriere i krydsfeltet mellem en dyb teknisk forståelse af teknologiprodukter og deres markedsintroduktion, primært inden for infrastruktur, cloud og udviklerplatforme. Min rejse begyndte på ingeniørsiden, hvor jeg studerede elektronik og datalogi og arbejdede som softwareingeniør med at udvikle lagernetværkssystemer. Dette fundament hjalp mig med at markedsføre tekniske produkter, fordi jeg altid forstod, hvordan de fungerer, og ikke kun hvordan de skulle positioneres.

Med tiden bevægede jeg mig fra ingeniørarbejde til teknisk produktmarketing hos Cisco og derefter videre til lederroller i nystartede virksomheder og større virksomheder, herunder Riverbed, Cloudian og Apcera. Min tid hos VMware blev et vigtigt vendepunkt i min karriere, og jeg brugte næsten et årti på at skalere Tanzu Kubernetes-forretningen. Jeg opbyggede og ledede et globalt team, der dækkede produkt-, udvikler- og løsningsmarketing, og hjalp med at udvide porteføljen fra et enkelt projekt med åben kildekode til en serie på mere end 20 produkter. Mens jeg var der, eksperimenterede jeg tidligt med AI-drevne arbejdsgange og udviklede interne automatiseringsværktøjer til analytikerrelationer, som reducerede gennemløbstiden betydeligt og forbedrede effektiviteten.

Nu leder jeg marketing hos vCluster, hvor jeg opbygger en komplet markedsintroduktionsmotor på tværs af vækst, produktmarketing, fællesskab og brand. Vi forbedrede effektiviteten ved at gentænke efterspørgselsgenereringen, skalere kendskabet fra titusinder til millioner af eksponeringer og forbedre omkostningseffektiviteten og konverteringen i salgstragten betydeligt. Et centralt fokus har været at opbygge udviklerorienterede fortællinger og fællesskabsledede vækstforløb, særligt inden for Kubernetes- og AI-infrastruktur.

Alt det, jeg har arbejdet med, samles i dette øjeblik med AI-transformation. AI ændrer nu fundamentalt både den måde, software udvikles på, og den måde, det markedsføres på. Som marketingchef fokuserer jeg på at hjælpe virksomheder med at gå fra fragmenteret produktkommunikation til samlede platformfortællinger ved at bruge AI, ikke blot som et emne i fortællingen, men som en kraftforstærker i udførelsen af marketing.

Afvejning af udviklertillid og efterspørgsel fra virksomheder

Hos vCluster har jeg ansvaret for en komplet markedsintroduktionsfunktion, der dækker vækst, produktmarketing, brand, fællesskab og arrangementer. Teamet arbejder både med åben kildekode og virksomhedsrettede aktiviteter, hvilket skaber et dobbelt mandat: At drive bred udvikleradoption i stor skala og samtidig omsætte dette engagement til en struktureret salgspipeline for virksomheder.

Organisatorisk fungerer funktionen som et integreret system snarere end som isolerede discipliner. Produktmarketing og udviklerrelationer arbejder tæt sammen om at forme fortællingen og opbygge teknisk troværdighed, mens vækst og indhold fokuserer på skalerbar kundetiltrækning og distribution på tværs af kanaler som sociale medier, SEO, betalte medier og fællesskabsledede programmer. Brand og arrangementer udvider denne rækkevidde til engagement i økosystemet, særligt inden for Kubernetes- og cloud native-fællesskaberne.

Kompleksiteten opstår på grund af målgruppen og dynamikken i økosystemet. Vi markedsfører os over for meget tekniske målgrupper, primært DevOps- og platformingeniører, samtidig med at vi påvirker beslutningstagere i virksomheder. Det kræver en balance mellem teknisk troværdighed og en klar formulering af forretningsværdien. Samtidig opererer vi inden for et hurtigt udviklende, AI-påvirket infrastrukturlandskab, hvor kategorierne stadig er ved at tage form. Derfor handler en væsentlig del af rollen om at forme fortællingen, ikke blot om at forstærke den.

Modellen er effektiv, fordi et samlet forløb fra kundetiltrækning over aktivering til engagement binder det hele sammen, understøttet af en stærk datadrevet tilgang til resultater og hurtige eksperimenter.

Hvor AI slutter, og dømmekraften begynder

Jeg bruger primært AI til beslutningsstøtte og til at fremskynde arbejdet inden for områder med stor volumen og mønsterbaserede opgaver eller områder, der kræver hurtig syntese af store mængder ustruktureret information. Samtidig opretholder jeg en klar grænse, hvor menneskelig dømmekraft fortsat er afgørende, især når det gælder kontekst, ansvarlighed og langsigtede konsekvenser for brandet.

Jeg er i høj grad afhængig af AI på tre områder:

• For det første narrativudvikling og udforskning af budskaber. Når jeg udformer positionering eller kampagnetemaer, bruger jeg AI til hurtigt at teste variationer, identificere huller i budskaberne og stressteste tydeligheden på tværs af personaer som udviklere, platformingeniører og ledere. Det komprimerer det, der tidligere krævede flere iterationer, til en langt hurtigere proces.
• For det andet skalering af indhold og kampagner. AI driver nu det første udkast til de fleste indholdsaktiver, herunder indhold til sociale medier, blogstrukturer og kampagnevarianter. Den tilpasser også tekniske input til personaspecifikt sprog, hvilket er særligt vigtigt inden for infrastruktur- og AI-platformsmarkedsføring, hvor det samme koncept skal appellere forskelligt til forskellige målgrupper.
• For det tredje syntese af resultater. Jeg bruger AI til at analysere signaler om kampagneperformance på tværs af kanaler og identificere mønstre, som ellers kunne blive overset, især når man arbejder med fragmenterede data fra organiske, betalte og community-baserede kanaler.

Opgaver, der eksplicit kræver menneskelig involvering, omfatter strategiske afvejninger og ansvarlighed. Beslutninger om positionering, kategoridefinition og den overordnede budskabsarkitektur styres fortsat fuldt ud af mennesker, fordi de kræver en dyb forståelse af markedsføring, konkurrencedynamikker og virksomhedens ambitioner. Det samme gælder den endelige kreative vurdering af brandets stemme og kampagner med høj synlighed.

Jeg fastholder også menneskeligt ejerskab over prioriteringsbeslutninger. AI kan identificere muligheder og indsigter, men det er fortsat et ledelsesansvar at beslutte, hvad man ikke skal gøre, især i hurtigt udviklende kategorier som AI-infrastruktur, hvor det er let at overreagere på signaler.

AI udvider altså effektivt det område, vi kan tænke og udføre inden for, men den bærer ikke ansvaret for resultaterne. Marketingledelsen træffer fortsat de endelige beslutninger, der afvejer hastighed, sammenhæng og langsigtet brandværdi.

Hvordan én strukturel ændring øgede antallet af visninger fra tusinder til millioner

Jeg ændrede vores marketingmodel fra menneskeførst-produktion af indhold til AI-assisteret udvikling af narrativer og aktiver. Mennesker fokuserer nu på retning, validering og distribution i stedet for at skabe alt fra bunden.

I praksis introducerede jeg et AI-drevet indholdssystem. Vi bruger LLM-baserede arbejdsgange til at omdanne ét teknisk input — såsom en produktlancering, en demo, en kundeindsigt eller et teknisk narrativ — til flere efterfølgende marketingaktiver. Det omfatter udviklerfokuserede opslag, indhold i lang form, variationer til sociale medier, kampagnebudskaber og endda positioneringsudkast på et tidligt stadie. I stedet for separate forfattere til hvert enkelt aktiv genererer, forfiner og samordner et fælles lag af prompts og struktur nu alle aktiver.

Simone deler

\u003cstrong\u003eI stedet for separate forfattere til hvert enkelt aktiv genererer, forfiner og samordner et fælles lag af prompts og struktur nu alle aktiver.\u003c/strong\u003e

AI genererer disse parallelt på et solidt udkastniveau i stedet for sekventielt fra bunden. Derefter tilføjer vi menneskelig gennemgang og forfinelse, hvor produktmarketing sikrer narrativ integritet, vækstteamet optimerer distributionen, og brandteamet opretholder stemme og konsistens.

Og vi gik fra en kampagnebaseret produktionscyklus til et kontinuerligt indholdssystem. De fleste marketingorganisationer arbejder stadig ud fra en traditionel kampagnetankegang: Man definerer en kampagne, skaber en række aktiver, lancerer den og går derefter videre. Den model blev udviklet til en verden, hvor indholdsproduktion var dyr og langsom. Nu kører vi parallelle løkker for generering og iteration. Det reducerer cyklustiden og gør det muligt for os at reagere langt hurtigere på signaler fra produktet og markedet.

Hvordan AI forbedrer produktionseffektiviteten og den narrative konsistens

På den positive side har den mest umiddelbare effekt af AI været skala og effektivitet. Introduktionen af AI i arbejdsgange for indholds- og kampagneproduktion øgede outputtet betydeligt uden at øge antallet af medarbejdere. Hos vCluster betød det en skalering fra omkring 36K til cirka 7M månedlige eksponeringer, samtidig med at CPM blev reduceret fra omkring $5.58 til $0.29. Selvom flere faktorer bidrog, var en væsentlig drivkraft, at vi kunne producere og iterere indhold langt hurtigere og mere konsekvent på tværs af kanaler.

Vi forbedrede også eksekveringshastigheden. Indholdscyklusser, der tidligere tog uger — især for tværfunktionelle materialer, der involverede produktmarketing, brand og vækst — blev komprimeret til dage. Det gjorde det muligt for os at reagere på produktlanceringer og markedssignaler næsten i realtid, hvilket er afgørende i et AI-økosystem i hastig udvikling.

Et andet positivt resultat var konsistens i fortællingen. AI hjalp med at standardisere, hvordan vi omsætter tekniske input til budskaber på tværs af kanaler, hvilket reducerede fragmenteringen mellem udviklerfokuseret indhold, salgsunderstøttelse og kampagner til efterspørgselsgenerering. Denne tilpasning forbedrede både kvaliteten af engagementet og den efterfølgende tragtperformance.

Kvalitativt var en af de største ændringer organisatorisk. Marketingteamet bevægede sig fra primært at være en eksekveringstung funktion til at indtage en mere orkestreringsfokuseret rolle. Mennesker bruger nu mere tid på retning, strategi og validering, mens AI håndterer den første produktion og variationer. Det har forbedret teamets fokus og reduceret operationelle flaskehalse.

Simone deler

Mennesker bruger nu mere tid på retning, strategi og validering, mens AI håndterer den første produktion og variationer.

Hvordan AI kan føre til overproduktion

Der opstod også udfordringer. Tidligt så vi en tendens til overproduktion. AI producerede for mange variationer uden tilstrækkelige indledende begrænsninger, hvilket skabte støj og krævede, at vi opbyggede stærkere redaktionelle lag og lag for promptstyring. Vi håndterede også aktivt risikoen for udvanding af budskabet og sikrede, at hastighed ikke skete på bekostning af skarp positionering eller tydelighed i kategorien.

En anden læring var, at AI kan forstærke både gode og dårlige input. Når den underliggende fortælling eller brief er svag, forstærker AI hurtigt denne svaghed. Det tvang os til at investere mere i den indledende strategi og i et mere præcist inputdesign, før vi genererede noget i stor skala.

Samlet set har nettoresultatet været klart positivt, men først efter at vi havde etableret tydelige sikkerhedsrammer.

Hvorfor AI ikke kan levere differentiering og positionering

AI har også leveret under forventningerne til strategisk differentiering og positionering i den indledende fase.

Indledningsvis antog vi, at AI kunne hjælpe med at generere stærkere fortællinger om kategorien eller endda identificere positioneringsvinkler, der kunne give os en fordel. I praksis fandt vi, at selvom AI er fremragende til at kombinere eksisterende markedsmønstre på nye måder, har den svært ved at skabe virkelig original eller forsvarlig positionering.

Den har en tendens til at konvergere mod medianen af det, der allerede findes, hvilket er det modsatte af det, man ønsker, når man forsøger at skille sig ud på et overfyldt marked for infrastruktur eller AI-platforme.

Hvorfor marketingledere først må begrænse AI

En tidlig AI-assisteret kampagne, vi gennemførte for at repositionere en teknisk platform til en bredere målgruppe inden for DevOps og platformsteknik, giver et tydeligt eksempel på, hvor AI kom til kort, når det gjaldt strategisk differentiering.

Vi brugte AI til at repositionere vores platform til en Neoclouds-målgruppe. Outputtet kom hurtigt og gav os flere retninger: 'forenkling af Kubernetes-drift', 'forbedring af platformseffektivitet', 'acceleration af udviklerproduktivitet.'
Det lød alt sammen rigtigt. Det var præcis problemet.

Ingen af disse vinkler differentierede os reelt. Da vi stresstestede dem mod markedet, fandt vi, at beslægtede værktøjer allerede brugte dem i vid udstrækning i Kubernetes- og cloud-native-økosystemet. AI forstærkede effektivt almindeligt branchesprog i stedet for at hjælpe os med at bryde ud af det. Hvis vi var gået videre med dem, som de var genereret, ville kampagnen være gledet ind i kategorien i stedet for at forme den.

Vi strammede den menneskeledede inputfase betydeligt. I stedet for at begynde med brede prompts om produktets funktioner indførte vi skarpere begrænsninger på tre områder: vores unikke arkitektoniske fordel, de kompromiser vi var villige til offentligt at stå på mål for, og de målgruppesegmenter, vi udtrykkeligt ønskede at lede med, ikke blot inkludere.

Da vi igen forankrede inputtene i disse strategiske valg, brugte vi AI anderledes — ikke til at opfinde positioneringen, men til at stressteste tydeligheden, oversætte budskabet på tværs af personaer og generere variationer på eksekveringsniveau til indhold og kampagner.

Resultatet var en langt skarpere fortælling, der centrerede sig om en mere specifik og forsvarlig vinkel: hvordan platformteams kunne gentænke infrastrukturabstraktion til moderne arbejdsbelastninger frem for generiske temaer om effektivitet eller produktivitet. Denne ændring forbedrede kvaliteten af engagementet og gjorde budskaberne mere mindeværdige i tekniske fællesskaber, især blandt Kubernetes-udøvere, som er meget følsomme over for alt for generisk positionering.

Så flaskehalsen er ikke længere produktionskvalitet eller hastighed; den er originalitet og skarphed i tænkningen. At skille sig ud kræver nu et langt stærkere synspunkt, en tydeligere positionering og en villighed til at foretage eksplicitte kompromiser. Uden det har AI en tendens til at trække alt hen imod markedsgennemsnittet.

Sådan ændrer AI marketingteamets struktur

AI ændrede fundamentalt mit marketingteam fra at være opdelt i funktionelle siloer til en mere flydende, tværfunktionel eksekveringsmodel.

Traditionelt adskilte vi rollerne tydeligt. En indholdsmarketer havde ansvaret for at skabe indhold og overdrog det derefter til distributionsspecialister, som tilpassede det, mens produktmarketing separat udviklede budskaber og positionering, der derefter skulle oversættes til kampagner. Hvert trin indebar omarbejdning og oversættelse mellem funktionerne.

Med AI i arbejdsgangen har strukturen ændret sig markant. Nu kan hvert teammedlem arbejde på tværs af flere dele af indholds- og kampagnelivscyklussen. En indholdsmarketer kan ikke blot generere det første udkast til en artikel, men også de første versioner af variationer til sociale medier, e-mailtekst og endda forskellige positioneringsvinkler. En vækstmarketer kan tage det samme input og straks generere kampagnevarianter eller testrammer. Produktmarketing kan gå fra at skrive alt fra bunden til at finpudse fortællingen, sikre nøjagtigheden og afstemme budskaberne med strategien.

Det vigtigste skift er, at vi ikke længere skaber arbejdet sekventielt fra bunden. AI genererer det som et udkast af høj kvalitet som standard, hvorefter vi sender det videre mellem funktionerne til finpudsning, validering og optimering. Det har reduceret friktionen mellem teamene betydeligt og forkortet iterationscyklusserne.

Som følge heraf fokuserer marketingfolk nu mere på vurdering, redigering og strategisk retning end på ren produktion. Teamet er mindre afhængigt af manuel udførelse, men har større kapacitet til at skabe resultater.

AI har også gjort samarbejdet mere dynamisk. I stedet for rigide overdragelser arbejder vi nu mere som et fælles videnssystem, hvor vi kan omdanne ethvert input til flere resultater på tværs af kanaler, hvorefter den relevante specialist finpudser dem.

Hvorfor marketingteams har brug for decentraliserede AI-værktøjsbudgetter

Hvis jeg skulle begynde forfra, ville jeg først investere marketingbudgettet ikke i traditionelle kampagneudgifter eller endda flere medarbejdere, men i at give alle marketingfolk direkte adgang til et fleksibelt, decentraliseret budget til AI-værktøjer.

Jeg ville afsætte individuelle budgetter, så marketingfolk kunne tage værktøjer i brug og eksperimentere med dem for at forbedre deres daglige produktivitet uden at skulle vente på centraliserede indkøb eller IT-godkendelsesprocesser. Det omfatter AI-skriveværktøjer, assistenter til dataanalyse, platforme til generering af kreativt indhold, automatiseringsværktøjer og nichespecifikke hjælpeværktøjer, der hurtigt dukker op i AI-økosystemet.

Årsagen er enkel. I et AI-drevet miljø udvikler værktøjerne sig hurtigere, end virksomheders indkøbsprocesser kan følge med. Centraliseret adgang standardiserer uundgåeligt teamene omkring en forældet værktøjsstak, hvilket bremser eksperimenteringen og skaber en kløft mellem det mulige og det, der faktisk bruges i arbejdet.

Jeg har selv set det, da jeg introducerede AI i marketingarbejdsgange. De teams, der havde frihed til tidligt at teste og tage værktøjer i brug, bevægede sig markant hurtigere inden for indholdsproduktion, kampagneiteration og dataanalyse. Teams, der var begrænset af centraliserede godkendelsesprocesser, vendte ofte tilbage til langsommere, ældre arbejdsgange, selv når bedre værktøjer var tilgængelige.

Et distribueret værktøjsbudget skaber derimod en anden dynamik. Det gør hver marketingmedarbejder til en person, der kan optimere sin egen værktøjsstak løbende. Det synliggør også innovation organisk, fordi de bedste værktøjer naturligt spredes i teamet gennem brug frem for gennem påbud.

For det andet ville jeg prioritere at opbygge et enkelt understøttende lag omkring denne frihed, herunder fælles bedste praksis, promptbiblioteker og interne arbejdsgange, så eksperimentering ikke udvikler sig til fragmentering.

Central kontrol optimerer for ensartethed, mens distribueret understøttelse optimerer for tilpasning. Og det er tilpasning, der skaber konkurrencefordele i marketingmiljøer, som udvikler sig hurtigt.

Sådan skaber Claude Cowork reel løftestangseffekt

Jeg er især begejstret for en AI-funktion fra Anthropic: Claude CoWork.

Det bevæger sig ud over den traditionelle chatgrænseflade og føles som et ægte arbejdsmiljø til vidensarbejde. I stedet for isolerede prompts muliggør det mere strukturerede og vedvarende arbejdsgange. Det er netop her, AI giver en reel løftestang.

Jeg sætter også pris på, hvor hurtigt Anthropic videreudvikler produktet på baggrund af brugernes faktiske adfærd. De lægger mærke til, hvad fællesskabet bygger og bruger, og integrerer derefter disse mønstre direkte i kerneproduktet. Det minder mig om, hvor hurtigt koncepter fra projekter som OpenClaw fandt vej ind i Claude CoWork. Den feedbacksløjfe er vigtig, fordi værktøjet udvikler sig, så det afspejler, hvordan folk rent faktisk arbejder, og ikke kun hvordan produktteamet forestiller sig, at de bør arbejde.

I praksis reducerer det også behovet for at sætte flere værktøjer eller udvidelser sammen. Jeg behøver ikke genskabe arbejdsgange, evaluere nye leverandører eller bekymre mig om sikkerhed og datahåndtering på tværs af en fragmenteret værktøjsstak. Jeg har allerede tillid til Anthropic som virksomhed, så når de udgiver nye funktioner, kan jeg hurtigt og trygt tage dem i brug.

Hvorfor ethvert marketingteam har brug for en rolle med ansvar for AI-understøttelse

Når det er sagt, er den største mangel, jeg har set i forbindelse med implementering af AI, ikke værktøjer. De fleste marketingteams har adgang til AI-værktøjer. Det, de mangler, er en person, hvis eneste opgave er at følge med i, hvad der ændrer sig, sortere støjen fra og omsætte det til arbejdsgange, som teamet rent faktisk kan bruge.

De fleste organisationer antager, at hvis teams har adgang til AI-værktøjer, vil brugen af dem naturligt følge efter. I praksis er bevidsthed og syntese de begrænsende faktorer. AI-landskabet bevæger sig så hurtigt, at ingen enkelt marketingmedarbejder realistisk kan følge med i nye modeller, værktøjer, arbejdsgange og bedste praksisser, samtidig med at vedkommende udfører sine kerneopgaver. Når alle har et delvist ansvar for at holde sig ajour, har ingen det fulde ansvar for det.

Efter min erfaring fungerer det langt bedre at oprette en dedikeret rolle med ansvar for AI-understøttelse i marketingorganisationen. Det er ikke blot en administrator af værktøjer eller en promptingeniør; det er en person, der er dybt nysgerrig på AI, aktivt følger udviklingen inden for modeller og anvendelser og løbende omsætter den til praktiske arbejdsgange for teamet.

Denne person bliver i praksis et internt informationslag. Vedkommende evaluerer nye værktøjer, tester anvendelsesområder, sammenfatter, hvad der er nyttigt, og hvad der blot er støj, og omsætter det derefter til gentagelige arbejdsgange. Lige så vigtigt fungerer personen som en bro i begge retninger. Teammedlemmer kan komme til vedkommende med problemer eller ineffektive processer, undersøge AI-baserede løsninger og få strukturerede anbefalinger med tilbage.

Denne rolle påvirker først og fremmest fokus. Den fjerner den kognitive belastning ved at “holde sig ajour med AI” fra de enkelte medarbejdere og samler den i én funktion, hvis eneste opgave er at være på forkant med udviklingen og effektivt distribuere denne viden. Uden dette har teams en tendens til at fragmentere. Resultatet bliver ujævn anvendelse, uensartede praksisser og gentagne eksperimenter. Med denne rolle skaber man en selvforstærkende effekt, hvor læringen centraliseres, mens udførelsen distribueres.

Hvorfor marketingmedarbejdere skal betragte AI som en ændring af driftsmodellen

Det vigtigste råd, jeg vil give marketingledere, er at betragte dette øjeblik som en ændring af driftsmodellen og ikke som en opgradering af værktøjerne.

Det er nemt at blive opslugt af at evaluere værktøjer, teste funktioner og jagte trinvise produktivitetsgevinster. Det er vigtigt, men det giver ikke den egentlige fordel. Den reelle ændring handler om, hvordan marketingarbejde udføres, hvordan teams struktureres, og hvor den menneskelige indsats anvendes.

Nogle få principper viser sig at være særligt vigtige:

• For det første skal du investere i kvaliteten af input, før du skalerer output. AI genererer lige så meget indhold, som du beder den om, men kvaliteten af dette indhold afhænger fuldstændigt af tydeligheden i din positionering, målgruppebeskrivelse og fortælling. Ledere, der springer dette trin over, skalerer støj, som jeg fremhæver i "Marketingplan for teknologistartups."
• For det andet skal du gentænke arbejdsgange, ikke kun opgaver. I stedet for at spørge, hvordan AI kan gøre et eksisterende trin hurtigere, skal du se på hele systemet fra input til resultat og gentænke dets funktion i en verden, hvor udkast er øjeblikkelige, og iteration er billig. Det åbner for forbedringer af en helt anden størrelsesorden.
• For det tredje skal du skabe plads til et fokuseret ansvar for AI. Uanset om det er en dedikeret rolle eller en lille gruppe, skal nogen holde sig ajour med landskabet, teste værktøjer og omsætte det til praktiske arbejdsgange. Uden dette fragmenterer teams, og implementeringen går i stå.

Følg med

Du kan følge Simone Morellato på LinkedIn.

Der kommer flere ekspertinterviews på The CMO Club!