Automatiseringen din kjører, og ingen vet hvordan den fungerer

Be et markedsføringsteam forklare hvordan deres egne arbeidsflyter for markedsføringsautomatisering fungerer. Vær så god, jeg venter. Ikke versjonen på overordnet nivå, der noen beskriver hva de skal gjøre, men mekanikken bak maskinen.

Kan du svare på hva som utløser denne sekvensen? Eller hvem som bygget denne rutingsregelen, og hvorfor? Hva skjer når en kontakt tilhører to segmenter samtidig? Det er kanskje ikke overraskende å høre at du oftere får tomme blikk enn detaljerte svar. Kort sagt finnes det en bedre måte. 

Andrea Tarrell, leder for data- og teknologitjenester i Trilliad, har tilbrakt karrieren sin i skjæringspunktet mellom markedsføring og inntektsteknologi, og hun har sett dette utspille seg flere ganger enn hun kan telle. 

Tarrell arbeider med B2B-organisasjoner som prøver å hente ut verdi fra plattformene de har investert i. Når samtaler om migrering kommer opp, er det en rød tråd blant teamene. Hun forteller at det ikke er uvanlig at teamet i en migreringssituasjon kommenterer funksjonaliteten i eksisterende automatiseringer.

Vi vet faktisk ikke helt hvordan dette fungerer. Dette bare kjørte i bakgrunnen, og ingen er egentlig sikre på hvordan det ble opprettet, hvem som bygget det eller hva det gjør.

Dette er ikke et lite problem. Og i takt med at bruken av kunstig intelligens akselererer, er det i ferd med å bli et mye større problem.

Spøkelset i maskinen

Erfaringen hennes oppsummerer den operasjonelle virkeligheten i mange modne markedsføringsorganisasjoner. Ikke fordi teamene som driver dem er uaktsomme, men snarere på grunn av måten automatiseringer blir bygget på. 

Logikk, forgrenede sekvenser, undertrykkingslister og regler for leadruting hoper seg opp på samme måte som ledninger i gamle hus. Det fungerer, stort sett, men forstås av færre enn noen ønsker å innrømme. 

Markedsføringsautomatisering har vært vanlig i godt over et tiår. De fleste modne B2B-markedsføringsorganisasjoner har en variant av en arbeidsflyt eller et program for markedsføringsautomatisering som har kjørt i årevis. 

Men når en nurturingsekvens feiler, legger noen til slutt merke til at konverteringsraten faller, og begynner å undersøke. Og nå endrer kunstig intelligens ringvirkningene betraktelig.

Når organisasjoner begynner å legge poenggiving, berikelse eller agentstyrt oppsøkende arbeid basert på kunstig intelligens oppå disse systemene, tilfører de ikke bare nye funksjoner. 

De forsterker all logikken som allerede ligger under. Rene inndata, gjennomtenkt segmentering og godt utformede rutingsregler gir raskere og mer presise resultater.

Fragmenterte data, nedarvede antakelser og glemt undertrykkingslogikk blir også forsterket. Dette er en oppskrift på katastrofe. 

Kostnaden ved å kjøre automatiseringer på autopilot

Det finnes en grunn til at de fleste team ikke vet hvordan markedsføringsautomatiseringen deres fungerer. Det krevde betydelig innsats å bygge den, og personene som bygget den, gikk ofte videre. Den institusjonelle kunnskapen forsvant ut døren, mens systemene fortsatte å kjøre. Ingen hadde en god nok grunn til å gå tilbake og undersøke.

Den virkelige kostnaden er ikke synlig i dashbordene. Den viser seg i migreringstidslinjer som strekker seg fra tre måneder til nesten to år.

Tarrell bemerker at det blir tydelig når et team må bygge om en arbeidsflyt for kvalifisering og innser at de ikke har en felles definisjon av hva kvalifisert betyr. Det er også tydelig i KI-piloter som gir imponerende demonstrasjoner, men som ikke omsettes til salgsmuligheter fordi de underliggende dataene er upålitelige.

Dette problemet forsterkes på tvers av team. Trilliads studie av bærekraftig vekst fra 2025 fant at 44 % av vekstlederne identifiserer mangelen på samordning mellom markedsføring, salg og kundesuksess som deres største enkeltstående hindring. Automatiseringen som kjører i bakgrunnen, skaper ikke samordningen teamene trenger. Og i mange tilfeller forsterker den siloene.

Dataproblemet stikker dypere enn organisasjonskart. Når data befinner seg i frakoblede systemer, kan de ikke brukes gjennom hele kundereisen til å skape sammenhengende opplevelser eller drive koordinerte tiltak blant vekstteamene.

Den samme studien fant at 40 % av organisasjonene fortsatt bare bruker dataene sine til anskaffelse, noe som betyr at en betydelig andel ikke aktiverer dem gjennom hele livssyklusen i det hele tatt.

For team som håper å bruke kunstig intelligens til å skape skreddersydde opplevelser, avdekke intelligente innsikter eller effektivisere driften fra ende til annen, er dette et betydelig gap.

Særlig når 44 % av B2B-organisasjoner oppgir manglende samordning på tvers av team som sin største hindring for vekst, ifølge Trilliads egen undersøkelse. Og bare 22 % sier at de har oppnådd reell integrasjon mellom salg, markedsføring og kundesuksess.

Tarrells team hos Trilliad gjennomførte det de kaller en revisjon av selgeropplevelsen, der de evaluerte Salesforce fra perspektivet til en selger som utfører sin faktiske arbeidsdag. Funnene har en tendens til å overraske folk. 

"Hvordan vet de hvor de skal lete? Hvordan organiserer de dagen sin? Støtter skjermbildet mobilaktivitet?" spør hun.

Dette er grunnleggende spørsmål om brukervennlighet som ingen hadde tenkt på å stille, fordi alle antok at plattformen fungerte som den skulle.

Hvorfor innføring av kunstig intelligens avdekker dette raskere enn noe annet

Det er en grunn til at AI-pilotprosjekter mislykkes. Du kan ikke skylde på modellene. Det er ofte systemene de kobles til som ikke er klare. Du kan gi en språkmodell utmerkede instruksjoner og likevel få dårlige resultater. Hvis CRM-dataene som mater den, for eksempel er ufullstendige, målgruppedefinisjonene er uklare, eller signalene den skal handle på, er konfigurert av noen som sluttet for to år siden, er du ikke akkurat godt rustet for å lykkes. 

Dette er et mønster Tarrell ser igjen og igjen. Organisasjoner som skynder seg mot agentisk kunstig intelligens, mot autonome arbeidsflyter og AI-drevet oppsøkende kontakt. Men de har ennå ikke tatt tak i det grunnleggende arbeidet med å forstå og rydde opp i det de allerede har. Grensesituasjoner begynner å dukke opp, og teamet klarer ikke å diagnostisere problemene fordi de mangler et tydelig bilde av hvordan de underliggende systemene fungerer.

Å dokumentere avkastningen på AI går lenger enn rapportering. Ofte skyldes problemet datainfrastrukturen. Trilliads Sustainable Growth Study fra 2025 viste at 42 % av respondentene sier at det å måle effekten på inntektene er deres største utfordring.

Hvis vekstteamene ikke kan dokumentere avkastningen på de eksisterende kampanjene sine, blir det derfor nesten umulig å knytte AI-investeringer til forretningsresultater uten integrerte datasystemer som støtter dette.

Målet er å sørge for at AI-en din fungerer basert på solid og pålitelig informasjon, sa Tarrell. Og det krever tid og bevisst innsats.

Å dokumentere arbeidsflyter i et klart språk, kartlegge hva hver automatisering skal gjøre og om den faktisk gjør det, samt å kontrollere datakvaliteten før nye verktøy kobles til, er oppgaver som alle er kjedelige, og som ikke dukker opp i en kunngjøring om AI-transformasjon. Men team som hopper over dem, bygger på sand, og det vil de oppdage før eller siden.

Teamene som gjør arbeidet, og som investerer tid i å kartlegge prosessen fra kundeemne til inntekt trinn for trinn på et klart språk før de tar i bruk et nytt verktøy, beveger seg raskere når de først implementerer det.

Tarrells råd er tydelig – få arbeidsflytene dokumentert på nivået "hva ønsker vi skal skje, og hva gjør mennesker sammenlignet med hva teknologien gjør". Denne tydeligheten er forutsetningen for alt annet.

Den vanskeligere samtalen om eierskap

Det finnes et annet lag i dette problemet. Når automatisering kjører uovervåket i bakgrunnen lenge nok, slutter den å tilhøre noen.

Det kan hende at personen med ansvar for markedsføringsdrift bygde den. Men så sluttet den opprinnelige markedsføringslederen. Den nye personen arvet den og lærte akkurat nok til å hindre at den sluttet å fungere. De som bruker markedsføringsautomatiseringen i dag, har for lengst mistet kontakten med alle som forsto den opprinnelige logikken. 

Ingen ønsker å røre den, fordi det innebærer en risiko å ødelegge noe man ikke forstår. Alternativet er selvfølgelig å la den stå og late som om den fungerer.

Dette er et styringsproblem like mye som et teknisk problem. Og innføringen av AI tvinger frem dette spørsmålet.

Du kan ikke på en ansvarlig måte koble en AI-agent til et system du ikke forstår. Risikobildet endrer seg betydelig. Data blir behandlet, delt og brukt til handling. Feil slutter å være at «konverteringsraten var litt lav dette kvartalet», og begynner å bli noe mer alvorlig.

Tarrell beskriver løsningen med utgangspunkt i smidighet og nysgjerrighet, de to ferdighetene hun sier at alle markedsførere trenger nå. Smidighet til å se på hva som fungerer, og raskt endre kurs når det ikke gjør det. Nysgjerrighet til å fortsette å spørre hvorfor noe er som det er, i stedet for å akseptere nedarvet logikk som uforanderlig.

«Hvis du ikke vet svaret, fortsetter du å forfølge det til du får klarhet i det», sa hun. «Det kommer bare til å bli stadig viktigere.»

Et blikk fremover på de neste 12 månedene

Hvis du driver med markedsføring for en B2B-organisasjon og planlegger å ta i bruk AI i løpet av de neste tolv månedene, er det noen ting det er verdt å gjøre før du begynner å vurdere verktøy.

Få noen til å kartlegge den nåværende arbeidsflyten fra kundeemne til inntekt på et enkelt språk.

Ikke et systemdiagram, men skriv det i den enkleste formen. Hva skjer når et kundeemne kommer inn? Hva utløser deretter en overlevering til salg? Og hva skjer når kundeemnet ikke svarer? Hvem har ansvar for hvert trinn i kundereisen? Og hvor bryter prosessen oftest sammen?

Gå så ett nivå dypere. For hvert av disse trinnene bør du finne ut om noen i det nåværende teamet faktisk forstår hvordan det er konfigurert. Ikke i teorien. I praksis. Hvem ville ha rettet det hvis det sluttet å fungere i dag?

Svaret på det andre spørsmålet vil fortelle deg mer om hvor klare dere er for AI enn noen leverandørvurdering.

«Det riktige grunnlaget», sa Tarrell, «er det teamet ditt faktisk kommer til å bruke og bygge videre på.»

Det høres selvsagt ut. De fleste organisasjoner oppdager, vanligvis på verst mulig tidspunkt, at grunnlaget deres er arvet i stedet for å være eid, og at de ikke har undersøkt det grundig nok til å vite om det fortsatt fungerer.

Hva skjer videre?

Opprett en gratis konto hos The CMO Club for å holde deg oppdatert på trender og få de nyeste tipsene, ressursene og veiledningene fra fellesskapet vårt av erfarne markedsføringsledere rett i innboksen din.