Hovedpunkter
- AI-fragmentering: Ansatte som baserer seg på egen motivasjon for å lære AI, vil ikke transformere arbeidsflyter slik organisasjonene trenger
- Jobbutvikling: AI bør transformere arbeidsresultater og bryte ned siloer, med prioritering av resultater
- Utfordringer med innføring: Ledere må erkjenne hvilken innvirkning endringer i tankesett har på hvordan de vurderer teamene sine
- Motstand mot endring: Organisasjoner strever med å implementere AI og fokuserer på teknologi i stedet for transformasjon av arbeidsflyter
- Fremtidsrettet: Team som bruker AI til å håndtere begrensninger, bryte ned siloer og styrke medarbeiderne sine, vil lykkes
De fleste av AI-eksperimentene dine i 2025 førte ikke til noen merkbar forbedring.
Du testet verktøy. Du lette etter produktivitetsgevinster. Og du automatiserte sannsynligvis noen rapporter og fikk skrevet e-posttekster raskere. Men transformasjonen du lovet? Teamet ditt venter fortsatt.
Faktisk kan det hende du bygger en forretningssak for å automatisere teamet ditt bort fra jobbene deres.
«AI er ikke den vanskelige delen», sier Liza Adams, rådgiver innen AI og GTM-strategi, som har veiledet team for markedsintroduksjon fra Pure Storage til Smartsheet gjennom transformasjon. «Det er menneskene. Vi er vanskelige.»
Mens bransjeanalytikere spår at AI-transformasjon vil påvirke nesten alle jobbfunksjoner innen 2027, tilbyr Adams et mer nyansert perspektiv. Den virkelige transformasjonen er ikke teknologisk i det hele tatt. Faktisk handler det mer om en menneskelig endringsledelsesutfordring som krever grunnleggende endringer i hvordan vi tenker på selve arbeidet.
Hun fremhever fordelene ved å sette mennesker først, og i denne artikkelen utforsker vi hennes fremstilling av hvordan AI-transformasjon kan se ut, fra perspektivet til en person som hver dag veileder organisasjoner gjennom den.
Adams har brukt tiden etter CMO-karrieren på én ting: å hjelpe markedsføringsledere med å bruke AI til å øke sin strategiske verdi, ikke erstatte den. De fleste organisasjoner, sier hun, går frem på feil måte når de nærmer seg AI-transformasjon.
Fra hastighet til nytenkning: AIs egentlige løfte
Hvem har vel ikke brukt AI til å fremskynde noe som tidligere tok 10 timer, og som nå tar 10 sekunder?
Enten det gjelder raskere e-posttekster, kortere kampanjebriefinger eller automatisert rapportering, vet vi at AI kan fremskynde ting, men med hvilket mål?
«Hvis vi primært bruker AI til å fremskynde gammelt arbeid, bygger vi nesten en forretningssak for å automatisere mennesket bort», advarer Adams. Hun har sett dette mønsteret gjentatte ganger i organisasjonene hun gir råd til.
Endringen du må gjøre, er å gå fra hastighet til kvalitet og videre til nytenkning.
I stedet for å spørre «Hvordan kan AI hjelpe oss med å gjøre dette raskere?», bør du spørre «Hvilket arbeid var ikke mulig tidligere, men kan drive vekst?» Når du tenker nytt om arbeidet fra grunnen av og skaper nye evner som ikke eksisterte før, bygger du en forretningssak for hvorfor mennesker er avgjørende.
Med utgangspunkt i studien fra Harvard Business School må medarbeidere finne ut hvordan de best kan bruke AI til å spare tid på repetitive oppgaver, men tidsbesparelse er ikke det endelige målet.
Slik Adams ser det, handlet fjoråret om eksperimentering, mens dette året handler om nytenkning.
«Hvis du faktisk kan tro på at du tenker nytt om hvordan du utfører arbeidet, endrer det energien fra AI som et verktøy til AI som en måte å utføre arbeid på – å utføre arbeid som ikke var mulig tidligere», forklarer Adams.
Dataene underbygger dette. Harvard Business School fant at fagpersoner som brukte AI til å redesigne arbeidsflyter, rapporterte 43 % høyere jobbtilfredshet og bidro med større strategisk verdi enn de som bare fremskyndet oppgaver.
Men her er utfordringen: «Vi begrenses av det vi vet, og av det som har fungert før», innrømmer Adams. Da regneark ble introdusert, brukte folk dem til å lage digitale versjoner av papirbaserte hovedbøker i stedet for å utnytte beregningskraften deres. Vi risikerer å gjøre den samme feilen med AI, der vi digitaliserer gamle prosesser i stedet for å forestille oss nye muligheter.
«Det er virkelig vanskelig å tenke nytt om noe som er basert på noe som går så raskt», sier hun. «Derfor brenner jeg så sterkt for å dele og samarbeide. Ikke hold kunnskapen for deg selv, for ingen andre kommer til å hjelpe oss. Vi må hjelpe hverandre.»
De nødvendige endringene i tankesett
Å lære å bruke AI på en meningsfull måte handler om mer enn å se demonstrasjonsvideoer og delta på webinarer. Det handler om praktisk anvendelse av AI mens du utfører daglige oppgaver.
Forskjellen mellom en tilsynelatende AI-adopsjon og genuin transformasjon handler om fire endringer i tankesett.
- Fra spørsmål-og-svar-maskin til tankepartner: Slutt å tenke på AI som noe som svarer på spørsmål. Begynn å behandle det som en samarbeidspartner som hjelper deg med å utforme selve spørsmålene. Denne omformuleringen endrer hvordan teamet ditt samhandler med AI – fra passiv informasjonsinnhenting til aktivt samarbeid om strategi og beslutningstaking.
- Fra hastighet til kvalitet til nytenkning: Det finnes noe som kalles jerntriangelet, og jeg så det en gang i et verksted, der det sto: Bra. Raskt. Billig: Velg to. Jeg liker hvordan det illustrerer at du kan få alt, bare ikke alt på én gang. Og dette blir enda tydeligere ved bruk av AI. Hvis du investerer energi, innsikt og tid, vil AI gi bedre resultater. Og i utviklingen fra raskere arbeid til bedre arbeid bør du ideelt sett bevege deg mot nytt arbeid som driver meningsfull vekst.
- Fra verktøy til lagkamerater til systemer: Alle med internettilgang kan bruke AI som et verktøy. De grunnleggende endringene vil skje når du begynner å bygge AI-lagkamerater. Til slutt vil du orkestrere komplette AI-systemer.
- Forrester spår at 25 % av stillingene innen 2028 vil omfatteregelmessig samarbeid med AI-agenter som definerte teammedlemmer. Og de beste markedsføringslederne venter ikke. De bygger allerede disse systemene i markedslanseringsteamene sine.
- Fra organisasjonskart til arbeidskart: Dette er den mest dyptgripende endringen: å gå fra hierarkiske strukturer til arbeidskart, der organisasjoner samordnes rundt resultater i stedet for avdelingsgrenser.
«AI bryr seg ikke om siloene våre», påpeker Adams. «Det bryr seg ikke om hvem som utfører arbeidet. Det bryr seg ikke om titler. Det bryr seg bare om resultater, noe jeg mener er veldig bra, fordi kundene heller ikke bryr seg om disse tingene.
Hvor mange av teamene dine arbeider på tvers av funksjoner? Det er en stor fordel ved å revurdere jobbgrensene. Etter hvert som AI blir stadig mer integrert i prosessene våre, vil det fortsette å ignorere avdelingssiloer, og kanskje er dette en god ting.
Konsekvensene for hvordan du strukturerer markedsføringsorganisasjonen din, er enorme.
Have an account? Log In
Er du hyggelig eller medfølende?
Det er her de fleste markedsføringsledere tar feil.
«Det er stor forskjell på hyggelig ledelse og medfølende ledelse», hevder Adams. «Å være hyggelig gjør bare folk komfortable. Men medfølende ledelse handler om å stille forventninger og gi dem verktøyene de faktisk trenger for å lykkes.»
Hyggelig ledelse ser ut som å sende en Slack-melding om nye AI-verktøy og håpe at folk finner ut av det.
Medfølende ledelse innebærer å erkjenne at jobbene er i endring, og aktivt hjelpe teamet ditt med å gjennomføre denne endringen.
«Vi ansatte dem for å utføre en bestemt jobb. Nå har jobbene endret seg. Derfor mener jeg at vi må hjelpe dem med å endre seg», forklarer Adams. «AI-kompetanse er grunnleggende. Vi kan ikke bare gi dem en haug med verktøy, sende dem en Slack-melding og si: «begynn å ta det i bruk». Det fungerer ikke helt slik.»
AI-kompetanse er grunnleggende. Vi kan ikke bare gi dem en haug med verktøy, sende dem en Slack-melding og si: «begynn å ta det i bruk». Det fungerer ikke helt slik.
Slik ser medfølende ledelse ut:
- Sette av tid til læring og ikke bare lunsj-og-læring mellom møter
- Gi rom for å feile, fordi folk vil være motiverte til å prøve når de opplever psykologisk trygghet
- Tilby reell støtte i form av praktisk opplæring, enten fra kolleger eller ledet av eksperter
- Gi respektfull veiledning, og anerkjenne hvor folk befinner seg i AI-reisen sin
Å bygge bro over gapet
Det finnes en tydelig kontrast mellom ChatGPT-genererte ideer og en visjon om AI-drevne arbeidsflyter. Mellom disse ligger et enormt gap.
Adams illustrerte nylig dette i et LinkedIn-innlegg: På den ene siden står det «spør om hva som helst» på ChatGPT-hjemmesiden. På den andre siden finner vi målet om å bygge fullstendig nytenkte arbeidsflyter der AI-lagkamerater arbeider i takt med mennesker.
Mange organisasjoner og markedsføringsledere står fast når de prøver å finne ut hvordan de skal komme fra A til B. Å løse dette krever noe du sannsynligvis ikke har budsjettert for, enten det handler om å gi folk rom til å bli inspirert, sette av tid til læring eller gi tillatelse til å feile.
Slik ser dette ut i praksis
Del lærdom åpent. I en virksomhet Adams gir råd til, holder markedsføringslederne et ukentlig 15-minutters statusmøte om «AI-seire og -fiaskoer». Hvert teammedlem deler én ting som fungerte, og én som ikke gjorde det. Sårbarheten skaper trygghet. Regelmessigheten bygger fremdrift.
Gå gjennom de repeterbare prosessene deres. Kartlegg teamets fem mest tidkrevende, tilbakevendende arbeidsflyter. For hver av dem kan dere spørre: Kan AI forbedre kvaliteten på resultatet? Kan AI muliggjøre en helt ny tilnærming som vi ikke kunne bruke før? Et team for etterspørselsgenerering oppdaget at de i stedet for å fremskynde den kvartalsvise kampanjeplanleggingen kunne bruke AI til å kjøre scenariomodellering for mer enn 20 kampanjevarianter – arbeid som tidligere var umulig med bemanningen de hadde.
Sett av tid til eksperimentering. En CMO Adams jobber med, innførte «AI-kontortid» to ganger i uken uten noen agenda, bare åpen tid der teammedlemmer kunne eksperimentere med nye tilnærminger mens en mer erfaren kollega var tilgjengelig for å hjelpe. Adopsjonen økte med 300 % i løpet av et kvartal.
«Når vi lykkes, vinner vi, og når vi feiler, lærer vi», påpeker Adams. «Vi må være svært respektfulle og vise forståelse, uansett hvor folk befinner seg i denne AI-læringsreisen.»
Mer enn generell opplæring
Generell AI-opplæring lærer bort mulighetene. Inspirasjon tilpasset rollen fører til transformasjon. Kontekst er alt.
Forskning fra MIT og Stanford viste at kontekstspesifikk AI-opplæring gir 4 ganger høyere adopsjonsrate enn generelle «grunnkurs i AI».
«Jeg tror vi må vise folk hva som er mulig i jobbene deres», sier Adams.
Generell AI-opplæring lærer bort mulighetene, men inspirasjon tilpasset rollen fører til transformasjon. I dette tilfellet er kontekst alt. Og det finnes data som viser at denne metoden fungerer. Forskning fra MIT og Stanford viste at kontekstspesifikk AI-opplæring gir 4 ganger høyere adopsjonsrate enn generelle AI-kurs.
Så i stedet for å se på hvilken type AI-opplæring teamet trenger for å gjøre jobben bedre, bør du vurdere Adams’ syn: «Jeg tror vi må vise folk hva som er mulig i jobbene deres.»
Se på tilnærmingen din på nytt
- I stedet for å insistere på at produktmarkedsførerne dine bruker ChatGPT, bør du vise dem hvordan AI kan treffe ICP-segmenteringen på halvparten av tiden.
- I stedet for å oppmuntre digitale markedsførere til å bruke generelle instrukser og redigere resultatet, bør du vise dem hvordan AI kan optimalisere konverteringsraten og posisjonere merkevaren din for anbefalinger i AI-søk.
- I stedet for å bruke grunnleggende e-postmaler for etterspørselsgenerering som mangler posisjoneringen og personaliseringen som gir konverteringer, bør du vise teamet ditt hvordan AI kan forkorte salgssyklusen ved å analysere hvilke meldingssekvenser som faktisk henger sammen med vunne avtaler.
Forskjellen er betydelig. Generell opplæring lærer bort mulighetene. Rollebasert opplæring gir den endringen de fleste organisasjoner søker.
Den harde sannheten om tredjedelsregelen
Medfølende ledelse innebærer også å være realistisk. Når du oppgraderer kompetansen og lærer opp teamet ditt på nytt, har Adams observert et mønster – «tredjedelsregelen», der:
- En tredjedel vil lede
- En tredjedel vil følge
- En tredjedel vil finne sin egen vei
«Vi må møte den siste tredjedelen med medfølelse», sier hun. «Vi må kanskje finne en annen rolle for dem, kanskje en annen organisasjon, eller kanskje til og med noe utenfor virksomheten.» Det er behov for dette. Og CMO-er og markedsføringsledere som tar disse bemanningsbeslutningene, står mellom barken og veden. Det er i seg selv vanskelig, og for noen er det en del av jobben.
Selvsagt ønsker ingen å fjerne noen fra rollen deres, og selv HR blir lei av å bli satt i denne posisjonen. Så spørsmålet som automatisk oppstår, er: «Hvordan kan jeg gjøre dette på en god måte?» Hvordan kommuniserer jeg til dem som blir værende i rollene, hva som forventes av dem, og legger grunnlaget for at teamet mitt kan fortsette å eksperimentere, levere og blomstre?»
Selvsagt vil ikke alle klare overgangen. Men de som gjør det, følger med på hvordan du håndterer den neste fasen.
Riv ned siloene
Hvis markedsførings-, salgs- og CS-teamene dine fortsatt opererer som separate land, lar du salgsmuligheter ligge på bordet.
En seniordirektør for etterspørselsgenerering i et børsnotert selskap begynte å bygge AI-kolleger for å hjelpe med å utforme strategier for og gjennomføre kampanjer. I stedet for å holde disse AI-kollegene innenfor markedsføringsområdet sitt, koblet hun dem til salgsavdelingen for å hjelpe med salgsstøtte for kampanjene. Deretter utvidet hun dem til kundesuksess for innføring.
Hun skapte en sømløs, sammenhengende opplevelse på tvers av tre avdelinger som tradisjonelt har arbeidet i siloer.
Hun har tenkt helt nytt om jobben sin. Hun er ikke lenger senior direktør for kampanjer og etterspørselsgenerering. Nå er hun senior direktør for go-to-market-arkitektur og strategi.
Dette skjedde ikke fordi en leder bestemte at organisasjonen skulle omstruktureres. Det skjedde fordi hun sluttet å bry seg om begrensningene i rollen sin og begynte å tenke på resultater for kundene.
«Hun brydde seg ikke lenger like mye om begrensningene i rollen sin», bemerker Adams. «Hun tenkte på resultater for kundene i en sammenhengende opplevelse, og hun har i praksis redefinert jobben sin.»
Hun skrev om stillingsbeskrivelsen sin – og gjorde seg selv mer verdifull i prosessen.
Denne transformasjonen fungerer bare når du flytter teamets fokus fra avdelingsseire til forretningsresultater.
AI bryr seg ikke om hvem som gjør arbeidet. Den bryr seg ikke om titler. Den bryr seg bare om resultater, noe jeg mener er veldig bra, fordi kundene heller ikke bryr seg om disse tingene.
Dette er ikke bare en enkeltstående observasjon. En studie fra Harvard fant at tverrfunksjonelle team begynte å bry seg mindre om jobbgrenser når de brukte AI. «Fordi AI ikke brydde seg om hvem som gjorde arbeidet, tittelen eller funksjonene, brydde den seg bare om resultatet», forklarer Adams.
McKinseys forskning er enda mer oppsiktsvekkende: Organisasjoner som revurderer hva som er mulig med AI-forsterkede arbeidsflyter, oppnår 3,5 ganger høyere avkastning på investeringen enn de som utelukkende fokuserer på effektivitet.
Så i stedet for å spørre «Hvordan kan AI hjelpe markedsføringsteamet mitt med å jobbe raskere?», bør du spørre: «Hvordan kan AI hjelpe oss med å skape bedre resultater for kundene, uavhengig av hvilken avdeling som tradisjonelt har hatt ansvaret for hver del?»
Hvordan kan AI hjelpe oss med å skape bedre resultater for kundene, uavhengig av hvilken avdeling som tradisjonelt har hatt ansvaret for hver del?
Det spørsmålet endrer alt.
For SaaS-selskaper i rask vekst betyr dette at AI kan hjelpe deg med å:
- Korte ned salgssykluser ved å koble intensjonsdata fra markedsføringen til salgsoppfølging og onboarding hos CS
- Redusere CAC ved å optimalisere hele kundereisen, ikke bare toppen av salgstrakten (dette er noe AI i kartlegging av kundereisen kan hjelpe med)
- Øke LTV ved å identifisere muligheter for utvidelse som går på tvers av produkt, markedsføring og kundeoppfølging
De organisatoriske konsekvensene er enorme.
Hva forsterker AI i organisasjonen din akkurat nå?
Adams har en særlig treffende måte å beskrive AIs rolle på, ettersom den forsterker det som allerede finnes.
«Det jeg liker med AI, er at den setter søkelyset på det som finnes, enten det som finnes er bra eller dårlig», sier hun. «Hvis vi er et fantastisk selskap, eller et fantastisk menneske, forsterker den intensjonen. Og hvis vi er det motsatte, vil den også forsterke det.»
Du kan ikke AI-dekke over grunnleggende dysfunksjon eller mangel på helhetlig kommunikasjon. Hvis kundeopplevelsen din er fragmentert fordi markedsføring, salg og CS ikke kommuniserer godt, vil AI gjøre denne fragmenteringen mer effektiv, ikke bedre.
Men hvis du har den rette intensjonen og virkelig fokuserer på resultater for kundene, kan AI forsterke denne positive intensjonen på tvers av avdelingsgrenser på måter som tidligere var umulige.
Spør teamet ditt: Hva forsterker AI i organisasjonen vår akkurat nå?
For AI vil forsterke det du gir den.
More Articles
Algoritmen for suksess
Adams blir ofte spurt: «Hvordan gjør vi oss synlige i AI-søk? Hva er algoritmen for å få ChatGPT til å anbefale merkevaren vår?»
Svaret hennes skjærer gjennom bekymringen: «Jeg sier alltid at jeg ikke kjenner algoritmen, og det er sannheten. Hvis vi noen gang prøvde å finne ut av algoritmen, ville vi sannsynligvis blitt gale, fordi den endrer seg hele tiden. Men jeg sier alltid bare: Glem algoritmen, slutt å jage algoritmen. Vær et fantastisk menneske først. Vær en fantastisk merkevare. Vær en fantastisk markedsfører, og la kortene falle som de vil, fordi AI vil forsterke det som allerede finnes.»
Hun foreslår at ledere og andre «omfavner autentisiteten, omfavner menneskeligheten, og i en verden der AI demokratiserer IQ, blir EQ stadig mer verdifullt».
Ettersom kunstig intelligens håndterer stadig mer av det kognitivt krevende arbeidet, blir emosjonell intelligens, autentisitet og genuint menneskelige egenskaper det som skiller oss fra hverandre. Dette kan være den viktigste innsikten for 2026 og tiden etter.
Veien videre
Som Adams minner oss om, eksisterte ikke 60 % av dagens jobber i 1940. Vi har tilpasset oss før. Fra heisførere til programvareutviklere, fra stenografer til ledere for sosiale medier. «Vi er de mest tilpasningsdyktige skapningene på denne planeten», sier hun. «Jeg tror virkelig at vi vil tilpasse oss igjen.»
Spørsmålet er ikke om vi vil tilpasse oss. Det er om vi kan videreutdanne mennesker raskt nok, tenke nytt om arbeid raskt nok og bevare menneskeligheten vår gjennom hele prosessen.
Og den utfordringen, slik Adams har gjort det klart, er dypt og ugjenkallelig menneskelig.
