Markedsdirektør sier at de fleste markedsføringsteam produserer middelmådig arbeid raskere med KI

Samantha Leal er CMO i Aliwell, der hun implementerer AI-arbeidsflyter, noen med større suksess enn andre.

Vi intervjuet Samantha for å finne ut hva som fungerte, hva som ikke fungerte, og hvorfor. Her er det hun fortalte oss.

Fra null til skalering

Hei! Jeg heter Samantha Leal. De siste over 10 årene har jeg hjulpet oppstartsbedrifter med å gå fra null til skalering, vanligvis ved å trå til når veksten ser bra ut på overflaten, men bryter sammen under press.

Jeg jobber med hele vekstsystemet, fra posisjonering og budskapsutforming til kundeanskaffelse, konvertering og kundereisen. Jeg samarbeider tett med gründere for å skape struktur rundt hvordan beslutninger tas, og hvordan vekst forsterkes over tid.

For tiden er jeg CMO i Aliwell, der jeg leder markedsavdelingen på tvers av en vekstmotor med flere kanaler, med fokus på å skaffe og aktivere kjeveortopeder. Vi jobber med betalte medier, opplæring, arrangementer, innhold og salgsstøtte, men har primært fokus på aktivering og inntekter.

Vi selger til en klinisk målgruppe, så utfordringen handler ikke bare om oppmerksomhet; det handler om tillit, opplæring og atferdsendring. Det gjør systemet mer komplekst. Tettere samordning med salg, produkt og kundeopplevelse er avgjørende.

Skifter fokus til AI

Det som nylig har endret seg for meg, er hvordan jeg tilnærmer meg alt dette med AI.

Jeg har sluttet å tenke i markedsføringsroller og begynt å tenke i arbeidsflyter. Det meste som driver vekst – testing, kreativ videreutvikling, rapportering, kvalifisering av potensielle kunder osv. – kan gjentas, men er fortsatt manuelt og fragmentert.

AI er verktøyet for å redesigne disse arbeidsflytene, korte ned tilbakemeldingssløyfene og ta bedre beslutninger med større klarhet. Det er dette skiftet jeg fokuserer på nå.

Hvordan AI endrer hva markedsledere med begrensede ressurser kan bygge

Det siste året har jeg brukt AI til noen omfattende oppgaver:

• Jeg utformet arkitekturen for en fullstendig CRM-migrering som vanligvis ville krevd bistand fra et konsulentselskap.
• Jeg utformet et opplæringsprogram på flere nivåer fra grunnen av.
• Jeg bygget et system for kundeaktivering basert på kvalitativ forskning – intervjuer, spørreundersøkelser og atferdsdata – som avdekket hvorfor noen kunder stopper opp etter sitt første kjøp.

Dette er ikke oppgaver jeg bare har gjort raskere; det er strategiske systemer som et lite team normalt ikke ville klart å levere. AI har endret hva en markedsleder med begrensede ressurser kan bygge.

Hvordan AI kan brukes til rapporter for interessenter

Jeg bruker AI til å generere en ukentlig rapport – et leveransepunkt som driver selskapets beslutninger for uken.

Datagrunnlaget omfatter møtereferater fra forrige uke (hentet fra Granola), CSV-filer med resultater fra Meta Ads, produksjonsdata fra ERP-systemet, analyser av sosiale medier og oppdateringer av CRM-salgsforløpet. Disse fem kildene kommuniserer ikke med hverandre.

Her er arbeidsflyten:

1. Jeg mater de rå møtereferatene inn i Claude og trekker ut beslutninger, hindringer og handlingspunkter for de ulike avdelingene.
2. Jeg laster opp data om annonseytelse og ber om en sammenligning fra uke til uke og fra måned til måned, med markering av avvik.
3. Jeg analyserer produksjonstallene – produserte saker per region, sammenlignet med månedlige mål, med fremheving av avvik.
4. Jeg sammenfatter alt dette i én strukturert rapport med én del per funksjon, nøkkeltall med kontekst og – viktigst av alt – en del øverst om «beslutninger som må tas».

Resultatet er et formatert dokument som ledergruppen kan skumme gjennom på fem minutter og handle på umiddelbart. Det inneholder ingen rådata eller «dette er hva som skjedde». Alle tall har et sammenligningsgrunnlag, relevant kontekst og en anbefaling.

Der mennesker må beholde eierskapet

Så jeg bruker AI til alt som drar nytte av hastighet, mønstergjenkjenning og sammenstilling av store datamengder.

Det omfatter å analysere kundedata på tvers av kilder, gruppere tilbakemeldinger fra salgssamtaler og intervjuer, generere og videreutvikle kreative vinklinger og identifisere mønstre i kampanjeresultater raskere enn et menneske kunne gjort.

Det har også blitt en sentral del av hvordan jeg strukturerer arbeidsflyter, fra kvalifisering av potensielle kunder til oppfølging og rapportering. AI bidrar til å redusere manuelt arbeid og avdekker innsikt tidligere, slik at vi ikke tar beslutninger basert på informasjon som allerede er utdatert.

Det jeg ikke bruker AI til, er å definere strategi, posisjonering og hva som faktisk betyr noe.

Beslutninger som hva vi skal si, hvem vi er til for, hvilke kompromisser vi skal inngå og hvor vi skal fokusere, er fortsatt menneskelige. De krever kontekst, teft og dømmekraft, særlig i komplekse markeder der det riktige svaret ikke er åpenbart.

AI kan gi deg alternativer, men kan ikke fortelle deg hva som er verdt å gjøre.

Samantha deler

AI kan gi deg alternativer, men kan ikke fortelle deg hva som er verdt å gjøre.

Hvorfor AI flytter flaskehalsen fra gjennomføring til dømmekraft

Den største fordelen har vært hastighet og omfang. Vi har redusert tiden vi bruker på analyse og sammenstilling med omtrent 60–70 %. Ting som å gruppere kundetilbakemeldinger, hente ut innsikt fra samtaler og generere kreative vinklinger som kan testes – noe som tidligere tok flere uker – skjer nå på få dager.

Det har ført til mer testing og raskere tilbakemeldingssløyfer. Vi kan iterere over budskap og kampanjer mye raskere, noe som har forbedret beslutningstakingen og redusert bortkastede utgifter på ideer som ikke fungerer.

På det operative området har vi også kunnet bygge systemer, som CRM-arbeidsflyter, introduksjonsløp og rapporteringslag, som vanligvis ville krevd et større team eller ekstern støtte.

Men det finnes reelle ulemper. AI kan for eksempel skape en falsk følelse av trygghet. Den er svært god til å produsere resultater som ser riktige ut, men som ikke er forankret i virkeligheten. Hvis du ikke forankrer den i reelle kundedata, ender du opp med generiske budskap og dårlige beslutninger – bare raskere.

Det krever også mer dømmekraft, ikke mindre. Flaskehalsen flyttes fra gjennomføring til å avgjøre hva som er verdt å gjøre. Team som ikke har denne klarheten, kan ende opp med å generere mye støy.

Hvorfor AI-generert kreativt innhold er en risiko i spesialiserte markeder

Jeg har blitt skuffet over AIs innvirkning på kreativt arbeid. Jeg forventet at AI skulle forandre hvordan vi produserer visuelt innhold – for eksempel annonser, innlegg i sosiale medier og merkevaremateriell. Det har ikke skjedd. Ikke i nærheten engang.

Alle AI-genererte bilder ser fortsatt ut som AI-genererte bilder. For en merkevare som selger til spesialister – i vårt tilfelle kjeveortopeder som er høyt utdannet og svært skeptiske – svekker alt som føles generisk eller kunstig tilliten umiddelbart.

Vi testet AI-genererte bilder til annonser og innhold i sosiale medier. Resultatene falt umiddelbart. Målgruppen vår la merke til kvalitetsforskjellen mellom disse bildene og det en menneskelig designer lager med ekte klinisk fotografering.

Hvorfor kompleksiteten i arbeidsflyten for innhold må samsvare med ferdighetene

Tidlig brukte jeg AI til å utforme et system for innholdsproduksjon – redaksjonelle kalendere, godkjenningsflyter og innholdsbeskrivelser med detaljerte rammeverk.

Systemet var strategisk solid og vakkert strukturert, men det hadde et problem.

Jeg ga et sofistikert system til et teammedlem som ikke presterte på det nivået. I stedet for å løfte resultatene hennes skapte systemet et gap. Hun klarte ikke å gjennomføre arbeidet i tråd med det.

Jeg kastet bort flere uker på å håndtere gapet mellom systemets krav og personens ferdigheter.

Nå spør jeg «Hvem skal drifte dette på mandag?» før jeg bygger noe som helst.

Slik sikrer du at AI-kommunikasjon ikke blir et hinder

AI fikser ikke dårlige systemer – det forsterker dem. Mer produksjon, de samme problemene. AI fungerer best med gode inndata, tydelig kundeinnsikt, reelle data og skarp tenkning.

Spørsmålet er derfor ikke «hvordan bruker vi AI?», men «hvilket system kobler vi det inn i?»

Et godt eksempel er kommunikasjon. I den første piloten min gikk vi raskt frem, men baserte oss ikke i tilstrekkelig grad på reelle kundedata. Resultatet så bra ut, men var generisk. Det konverterte ikke.

Fiks derfor inndataene før du bruker AI. Det betyr å samle data fra CRM, salg og kundeinteraksjoner – inkludert salgssamtaler, innvendinger og intervjuer – for å identifisere de nøyaktige problemene, formuleringene og øyeblikkene som driver beslutninger.

Deretter definerer jeg tydelige vinklinger og vårt hovedbudskap. Når dette er på plass, legger jeg AI oppå det. Det hjelper med å utvide, teste og raskt iterere på disse vinklingene.

Derfra bør det være en kontinuerlig sløyfe. Du henter hele tiden innspill fra salg, kundetilbakemeldinger og resultater, og itererer i sanntid.

Hvorfor arbeidsflyter må brytes ned og utvides

Gjort riktig er ikke smak lenger noe du enten har eller må ansette noen for.

Den kan formes gjennom prosess. Med de riktige inndataene, begrensningene og iterasjonene kan du systematisk forbedre kvaliteten på tenkningen og resultatet.

Kommunikasjon, kreativt arbeid, undersøkelser, til og med strategi. Alt dette er arbeidsflyter som kan brytes ned. Hvert trinn kan deretter utvides.

Samantha deler

Fiks inndataene før du bruker AI … Når dette er på plass, legger jeg AI oppå det. Det hjelper med å utvide, teste og raskt iterere på disse vinklingene. Gjort riktig er ikke smak lenger noe du enten har eller må ansette noen for.

Hvorfor Claude er uunnværlig for markedsførere

Claude er uten tvil verktøyet jeg bruker mest. Det er et lag som kobler alt sammen og fungerer som en god tanke- og sparringspartner.

Jeg er mest begeistret for Claude Code og Claude Cowork fordi de beveger seg utover chat og inn i arbeidsmiljøer som programmering, filhåndtering og automatisering av oppgaver.

Jeg har ikke prøvd Claude Code med Cursor ennå, men det står for tur!

Slik endrer AI team

Når det gjelder teamstruktur, er vi mindre avhengige av smale spesialister og mer av mennesker som kan tenke på tvers av systemet. Mennesker som forstår kunden, kan formulere problemer på en god måte og vet hvordan de skal bruke AI til å gjennomføre.

Gjennomføringsarbeidet – produksjon, analyse og iterasjon – er ikke lenger flaskehalsen, så verdien flyttes. Nå ser jeg etter dømmekraft, smak og evnen til å utforme arbeidsflyter. Mennesker som raskt kan gå fra innsikt til handling, ikke bare ha ansvar for en funksjon.

Det har også endret måten vi samarbeider på. Skillet mellom rollene er mindre rigid. Markedsføring, salg og kundeopplevelse er tettere knyttet sammen fordi de deler arbeidsflyter.

Hvorfor CMO-er må fokusere på tydelighet

De fleste markedsføringsteam som bruker AI, produserer mer middelmådig arbeid raskere.

Så her er mitt råd: Fokuser på datainndata og strategisk tydelighet.

Når AI brukes i markedsføring uten solide datainndata og strategisk tydelighet, er det bare en maskin for innholdsforurensning.

Følg med videre

Du kan følge Samanthas reise på LinkedIn!

Følg også med på flere ekspertintervjuer på The CMO Club!