Teknologikyndig markedssjef deler hvordan markedsbudsjetter og team må omstruktureres for KI

Simone Morellato er en teknisk markedsføringsleder og markedssjef i vCluster. Han begynte å eksperimentere med AI tidlig i en tidligere rolle og bruker det nå som en kraftforsterker i markedsføringsteamet sitt.

Vi satte oss ned med ham for å forstå hvordan AI endrer arbeidsflytene i markedsføringen hans og i teamene hans. Han fortalte oss om de nye rollene og budsjettpostene som er helt nødvendige.

Bruk av AI som en kraftforsterker i markedsføringen

Jeg er en markedsføringsleder som har bygget karrieren sin i skjæringspunktet mellom dyp teknisk forståelse av teknologiprodukter og gjennomføringen av deres markedsintroduksjon, først og fremst innen infrastruktur, sky og utviklerplattformer. Reisen min begynte på ingeniørsiden, der jeg studerte elektronikk og informatikk og jobbet som programvareingeniør med å utvikle nettverkssystemer for lagring. Dette grunnlaget har hjulpet meg med markedsføring av tekniske produkter fordi jeg alltid har forstått hvordan de fungerer, ikke bare hvordan de skal posisjoneres.

Med tiden gikk jeg fra ingeniørarbeid til teknisk produktmarkedsføring i Cisco, og deretter inn i lederroller i oppstartsbedrifter og større selskaper, blant annet Riverbed, Cloudian og Apcera. Tiden min i VMware ble et viktig vendepunkt i karrieren, og jeg brukte nesten et tiår på å skalere Kubernetes-virksomheten Tanzu. Jeg bygget og ledet et globalt team på tvers av produkt-, utvikler- og løsningsmarkedsføring, og bidro til å utvide porteføljen fra ett enkelt åpen kildekode-prosjekt til en serie på mer enn 20 produkter. Der eksperimenterte jeg tidlig med AI-drevne arbeidsflyter og utviklet interne automatiseringsverktøy for analytikerrelasjoner som reduserte gjennomføringstiden betydelig og forbedret effektiviteten.

Nå leder jeg markedsføringen i vCluster, der jeg bygger en komplett motor for markedsintroduksjon på tvers av vekst, produktmarkedsføring, fellesskap og merkevare. Vi forbedret effektiviteten ved å tenke nytt rundt etterspørselsgenerering, øke kjennskapen fra titusenvis til millioner av visninger og forbedre kostnadseffektiviteten og konverteringen i salgstrakten betydelig. Et viktig fokus har vært å utvikle fortellinger med utvikleren i sentrum og vekstsløyfer drevet av fellesskapet, særlig innen Kubernetes- og AI-infrastruktur.

Alt jeg har jobbet med, samles i dette øyeblikket i AI-transformasjonen. AI endrer nå grunnleggende både hvordan programvare bygges og hvordan den markedsføres. Som markedsføringsleder fokuserer jeg på å hjelpe selskaper med å gå fra fragmenterte produktbudskap til enhetlige plattformfortellinger, der AI ikke bare brukes som et tema i historien, men som en kraftforsterker i gjennomføringen av markedsføringen.

Å balansere utviklernes tillit med etterspørselen fra virksomheter

I vCluster har jeg ansvar for en komplett funksjon for markedsintroduksjon som omfatter vekst, produktmarkedsføring, merkevare, fellesskap og arrangementer. Teamet arbeider både med åpen kildekode og virksomhetsrettede initiativer, noe som skaper et todelt mandat: Drive bred bruk blant utviklere i stor skala, samtidig som dette engasjementet konverteres til en strukturert salgstrakt for virksomheter.

Organisatorisk fungerer denne funksjonen som et integrert system i stedet for som isolerte fagområder. Produktmarkedsføring og utviklerrelasjoner samarbeider tett om å forme fortellingen og bygge teknisk troverdighet, mens vekst og innhold fokuserer på skalerbar kundeanskaffelse og distribusjon på tvers av kanaler som sosiale medier, SEO, betalte medier og programmer ledet av fellesskapet. Merkevare og arrangementer utvider rekkevidden til engasjement i økosystemet, særlig innen Kubernetes- og skybaserte fellesskap.

Kompleksiteten skyldes dynamikken i målgruppene og økosystemet. Vi markedsfører til svært tekniske personer, først og fremst DevOps- og plattformingeniører, samtidig som vi påvirker beslutningstakere i virksomheter. Det krever en balanse mellom teknisk troverdighet og en tydelig formulering av forretningsverdien. Samtidig opererer vi i et raskt utviklende, AI-påvirket infrastrukturområde der kategoridefinisjonene fortsatt er under utvikling. Derfor handler en betydelig del av rollen om å forme fortellingen, ikke bare forsterke den.

Modellen er effektiv fordi en samlet sløyfe fra kundeanskaffelse til aktivering og engasjement knytter alt sammen, støttet av en sterk datadrevet tilnærming til resultater og raske eksperimenter.

Der AI tar slutt og vurderingsevnen begynner

Jeg bruker først og fremst AI som beslutningsstøtte og for å få fart på arbeid innen områder med stort volum og mønsterdrevne oppgaver, eller oppgaver som krever rask sammenstilling av store mengder ustrukturert informasjon. Samtidig opprettholder jeg en tydelig grense der menneskelig vurderingsevne fortsatt er avgjørende, særlig når det gjelder kontekst, ansvarlighet og langsiktige konsekvenser for merkevaren.

Jeg bruker AI mye på tre områder:

• For det første narrativutvikling og utforsking av budskap. Når jeg utformer posisjonering eller kampanjetemaer, bruker jeg KI til raskt å teste variasjoner, identifisere mangler i budskapet og kvalitetssikre tydeligheten på tvers av personaer som utviklere, plattformingeniører og ledere. Det komprimerer det som tidligere krevde flere iterasjoner, til en langt raskere prosess.
• For det andre skalering av innhold og kampanjer. KI driver nå det første utkastet til de fleste innholdsressurser, inkludert innhold i sosiale medier, bloggstrukturer og kampanjevarianter. Den tilpasser også tekniske innspill til personaspesifikt språk, noe som er spesielt viktig innen markedsføring av infrastruktur og KI-plattformer, der det samme konseptet må appellere ulikt til forskjellige målgrupper.
• For det tredje resultatsyntese. Jeg bruker KI til å analysere signaler fra kampanjer på tvers av kanaler og avdekke mønstre som ellers kanskje ikke ville blitt oppdaget, særlig når man håndterer fragmenterte data fra organiske, betalte og fellesskapsbaserte kanaler.

Oppgaver som eksplisitt krever mennesker, innebærer strategiske avveininger og ansvarlighet. Posisjoneringsbeslutninger, kategoridefinisjon og den grunnleggende budskapsarkitekturen ledes fortsatt fullt ut av mennesker, fordi dette krever en dyp forståelse av markedstiming, konkurransedynamikk og selskapets ambisjoner. Det samme gjelder den endelige kreative vurderingen av merkevarens stemme og kampanjer med høy synlighet.

Jeg sørger også for at mennesker har eierskap til prioriteringsbeslutningene. KI kan avdekke alternativer og innsikter, men det å avgjøre hva man ikke skal gjøre, forblir et lederansvar, særlig i raskt utviklende kategorier som KI-infrastruktur, der det er lett å overreagere på signaler.

KI utvider altså effektivt omfanget av tenkning og gjennomføring, men har ikke ansvar for resultatene. Markedsføringsledelsen tar fortsatt de endelige beslutningene som balanserer hastighet, helhet og langsiktig merkevarekapital.

Hvordan én strukturell endring økte visningene fra tusenvis til millioner

Jeg endret markedsføringsmodellen vår fra menneskedrevet innholdsproduksjon til KI-assistert utvikling av narrativer og ressurser. Mennesker fokuserer nå på retning, validering og distribusjon i stedet for å skape alt fra grunnen av.

I praksis innførte jeg et KI-drevet innholdssystem. Vi bruker arbeidsflyter basert på store språkmodeller til å gjøre ett enkelt teknisk innspill – for eksempel en produktlansering, en demo, en kundeinnsikt eller et teknisk narrativ – om til flere etterfølgende markedsføringsressurser. Dette inkluderer utviklerrettede innlegg, langt innhold, variasjoner for sosiale medier, kampanjebudskap og til og med tidlige utkast til posisjonering. I stedet for separat forfatterskap for hver ressurs genererer, videreutvikler og samordner nå et felles instruksjons- og strukturlag alle ressursene.

Simone deler

I stedet for separat forfatterskap for hver ressurs genererer, videreutvikler og samordner nå et felles instruksjons- og strukturlag alle ressursene.

KI genererer disse parallelt på et solid utkastnivå, ikke sekvensielt fra grunnen av. Deretter legger vi til menneskelig gjennomgang og videreutvikling, der produktmarkedsføring sikrer narrativ integritet, vekst optimaliserer distribusjonen, og merkevareteamet ivaretar stemme og konsistens.

Vi gikk også fra en kampanjebasert produksjonssyklus til et kontinuerlig innholdssystem. De fleste markedsføringsorganisasjoner arbeider fortsatt ut fra en tradisjonell kampanjetankegang: Man definerer en kampanje, lager et sett med ressurser, lanserer og går deretter videre. Denne modellen ble utviklet for en verden der innholdsproduksjon var kostbar og langsom. Nå kjører vi parallelle sløyfer for generering og iterasjon. Dette reduserer syklustiden og gjør det mulig for oss å reagere langt raskere på produkt- og markedssignaler.

Hvordan KI forbedrer produksjonseffektiviteten og narrativ konsistens

På den positive siden har den mest umiddelbare effekten av AI vært skala og effektivitet. Innføringen av AI i arbeidsflyter for innholds- og kampanjeproduksjon økte produksjonen betydelig uten at bemanningen økte. Hos vCluster innebar dette en skalering fra omtrent 36K til rundt 7M månedlige visninger, samtidig som CPM ble redusert fra rundt $5.58 til $0.29. Selv om flere faktorer bidro, var en viktig drivkraft at vi produserte og videreutviklet innhold langt raskere og mer konsekvent på tvers av kanaler.

Vi forbedret også gjennomføringshastigheten. Innholdssykluser som tidligere tok flere uker — særlig for tverrfunksjonelle ressurser som involverte produktmarkedsføring, merkevare og vekst — ble komprimert til dager. Dette gjorde det mulig for oss å reagere på produktlanseringer og markedssignaler nesten i sanntid, noe som er avgjørende i et raskt utviklende AI-økosystem.

Et annet positivt resultat var konsistens i narrativet. AI bidro til å standardisere hvordan vi omformet tekniske innspill til budskap på tvers av kanaler, og reduserte fragmenteringen mellom utviklerfokusert innhold, salgsstøtte og etterspørselsgenererende kampanjer. Denne samordningen forbedret både kvaliteten på engasjementet og resultatene lenger nede i salgstrakten.

Kvalitativt sett var en av de største endringene organisatorisk. Markedsføringsteamet gikk fra å være primært gjennomføringsorientert til å ha en mer orkestrerende rolle. Mennesker bruker nå mer tid på retning, strategi og validering, mens AI håndterer førstegangsproduksjon og variasjoner. Dette har forbedret teamets fokus og redusert operative flaskehalser.

Simone deler

Mennesker bruker nå mer tid på retning, strategi og validering, mens AI håndterer førstegangsproduksjon og variasjoner.

Hvordan AI kan føre til overproduksjon

Det oppsto også utfordringer. Tidlig så vi en tendens til overproduksjon. AI produserte for mange variasjoner uten tilstrekkelige innledende begrensninger, noe som skapte støy og krevde at vi bygget sterkere lag for redaksjonell styring og styring av ledetekster. Vi håndterte også aktivt risikoen for at budskapet skulle bli utvannet, og sørget for at hastighet ikke gikk på bekostning av en tydelig posisjonering eller klarhet i kategorien.

En annen lærdom var at AI kan forsterke både gode og dårlige innspill. Når det underliggende narrativet eller briefen er svakt, forsterker AI raskt denne svakheten. Dette tvang oss til å investere mer i den innledende strategien og i å utforme bedre innspill før vi genererte noe i stor skala.

Totalt sett har nettoresultatet vært klart positivt, men først etter at vi etablerte tydelige rammer.

Hvorfor AI ikke kan skape differensiering og posisjonering

AI har også levert under forventningene vi hadde i starten når det gjelder strategisk differensiering og posisjonering.

Innledningsvis antok vi at AI kunne bidra til å utvikle sterkere narrativer for kategorien eller til og med identifisere posisjoneringsvinkler som kunne gi oss et fortrinn. I praksis fant vi at selv om AI er svært god til å kombinere eksisterende mønstre i markedet, har den problemer med å skape virkelig original eller forsvarlig posisjonering.

Den har en tendens til å konvergere mot gjennomsnittet av det som allerede finnes, noe som er det motsatte av det du ønsker når du prøver å skille deg ut i et tett befolket marked for infrastruktur eller AI-plattformer.

Hvorfor markedsføringsledere først må begrense AI

En tidlig AI-assistert kampanje vi gjennomførte for å reposisjonere en teknisk plattform for et bredere publikum innen DevOps og plattformteknikk, gir et tydelig eksempel på hvor AI kom til kort når det gjaldt strategisk differensiering.

Vi brukte AI til å reposisjonere plattformen vår for et Neoclouds-publikum. Resultatet kom raskt og ga oss flere retninger: «forenkle Kubernetes-driften», «forbedre plattformeffektiviteten» og «akselerere utviklerproduktiviteten».
Alt hørtes riktig ut. Det var nettopp problemet.

Ingen av disse vinklene skilte oss virkelig ut. Da vi stresstestet dem mot markedet, fant vi at nærliggende verktøy allerede brukte dem i stor utstrekning i Kubernetes- og skybaserte økosystemer. AI forsterket i praksis vanlig bransjespråk i stedet for å hjelpe oss med å bryte ut av det. Hvis vi hadde gått videre med dem slik de ble generert, ville kampanjen ha blitt en del av kategorien i stedet for å forme den.

Vi strammet betydelig inn den menneskestyrte innspillsfasen. I stedet for å begynne med brede instruksjoner om produktets funksjonalitet, innførte vi skarpere begrensninger på tre områder: vårt unike arkitektoniske fortrinn, kompromissene vi var villige til å stå for offentlig, og målgruppesegmentene vi uttrykkelig ønsket å lede med, ikke bare inkludere.

Da vi forankret innspillene på nytt i disse strategiske valgene, brukte vi AI på en annen måte – ikke til å finne opp posisjonering, men til å stressteste tydeligheten, tilpasse budskapet til ulike personaer og generere variasjoner på gjennomføringsnivå for innhold og kampanjer.

Resultatet var et langt skarpere narrativ som dreide seg om en mer spesifikk og forsvarlig vinkel: hvordan plattformteam kunne tenke nytt om infrastrukturabstraksjon for moderne arbeidsbelastninger, i stedet for generiske temaer om effektivitet eller produktivitet. Denne endringen forbedret kvaliteten på engasjementet og gjorde budskapet mer minneverdig i tekniske miljøer, særlig blant Kubernetes-praktikere, som er svært følsomme for altfor generell posisjonering.

Så flaskehalsen er ikke lenger produksjonskvalitet eller hastighet; den er originalitet og skarphet i tenkningen. Å skille seg ut krever nå et langt tydeligere ståsted, klarere posisjonering og vilje til å gjøre eksplisitte avveininger. Uten dette har AI en tendens til å trekke alt mot markedsgjennomsnittet.

Hvordan AI endrer strukturen i markedsføringsteam

AI har fundamentalt endret markedsføringsteamet mitt fra å være funksjonelt oppdelt i siloer til å bli en mer fleksibel, tverrfunksjonell gjennomføringsmodell.

Tradisjonelt hadde vi tydelig adskilte roller. En innholdsmarkedsfører hadde ansvar for å skape innhold, før det ble sendt videre til distribusjonsspesialister for tilpasning, mens produktmarkedsføring separat utviklet budskap og posisjonering som deretter måtte oversettes til kampanjer. Hvert trinn innebar omarbeiding og oversettelse mellom funksjonene.

Med AI i arbeidsflyten har strukturen endret seg betydelig. Nå kan hvert teammedlem arbeide på tvers av flere deler av innholds- og kampanjelivssyklusen. En innholdsmarkedsfører kan generere ikke bare det første utkastet til en artikkel, men også de første versjonene av variasjoner for sosiale medier, e-posttekster og til og med ulike posisjoneringsvinkler. En vekstmarkedsfører kan ta det samme utgangspunktet og umiddelbart generere kampanjevarianter eller rammeverk for testing. Produktmarkedsføring kan gå fra å skrive alt fra grunnen av til å videreutvikle fortellingen, sikre nøyaktighet og samordne budskapet med strategien.

Det viktigste skiftet er at vi ikke lenger skaper arbeid sekvensielt fra grunnen av. AI genererer det som standard frem til et utkast på høyt kvalitetsnivå, og deretter sender vi det mellom funksjonene for videreutvikling, validering og optimalisering. Dette har betydelig redusert friksjonen mellom teamene og forkortet iterasjonssyklusene.

Som et resultat fokuserer markedsførere nå mer på vurderinger, redigering og strategisk retning enn på ren produksjon. Teamet er mindre avhengig av manuell gjennomføring, men har større kapasitet til å øke produksjonen.

AI har også gjort samarbeidet mer dynamisk. I stedet for rigide overleveringer arbeider vi nå mer som et delt kunnskapssystem, der vi kan omforme ethvert utgangspunkt til flere resultater på tvers av kanaler, før den relevante spesialisten videreutvikler dem.

Hvorfor markedsføringsteam trenger desentraliserte budsjetter for AI-verktøy

Hvis jeg skulle begynt på nytt, ville jeg først investert markedsføringsbudsjettet, ikke i tradisjonelle kampanjeutgifter eller engang flere ansatte, men i å gi hver markedsfører direkte tilgang til et fleksibelt, desentralisert budsjett for AI-verktøy.

Jeg ville satt av individuelle budsjetter slik at markedsførere kunne ta i bruk og eksperimentere med verktøy som forbedrer produktiviteten i det daglige, uten å måtte vente på sentraliserte innkjøpsprosesser eller godkjenningsrunder hos IT. Dette omfatter AI-verktøy for skriving, assistenter for dataanalyse, plattformer for kreativ generering, automatiseringsverktøy og nisjeverktøy som raskt dukker opp i AI-økosystemet.

Grunnen er enkel. I et AI-drevet miljø går utviklingen av verktøy raskere enn virksomhetenes innkjøpsprosesser. Sentralisert tilgang standardiserer uunngåelig teamene på en utdatert verktøystakk, noe som bremser eksperimentering og skaper et gap mellom det som er mulig, og det som faktisk brukes i gjennomføringen.

Jeg har sett dette på nært hold da jeg introduserte AI i arbeidsflyter for markedsføring. Teamene som hadde frihet til å teste og ta i bruk verktøy tidlig, beveget seg betydelig raskere innen innholdsproduksjon, kampanjeiterasjon og dataanalyse. Team som var begrenset av sentraliserte godkjenningsprosesser, gikk ofte tilbake til langsommere, eldre arbeidsflyter, selv når bedre verktøy var tilgjengelige.

Et distribuert verktøybudsjett skaper derimot en annen dynamikk. Det gjør hver markedsfører til en operatør som kontinuerlig kan optimalisere sin egen verktøystakk. Det synliggjør også innovasjon på en organisk måte, fordi de beste verktøyene naturlig sprer seg gjennom teamet ved bruk, ikke gjennom pålegg.

For det andre ville jeg prioritert å bygge et lett tilgjengelig støtte- og kompetanselag rundt denne friheten, inkludert delte beste praksiser, biblioteker med instruksjoner og interne arbeidsflyter for å hindre at eksperimentering utvikler seg til fragmentering.

Sentral kontroll optimaliserer for konsistens, mens distribuert tilrettelegging optimaliserer for tilpasning. Og det er tilpasning som skaper konkurransefortrinn i markedsføringsmiljøer i rask endring.

Hvordan Claude Cowork skaper reell innflytelse

Jeg er spesielt begeistret for én AI-funksjon fra Anthropic: Claude CoWork.

Det går utover det tradisjonelle chatgrensesnittet og føles som et ekte arbeidsmiljø for kunnskapsarbeid. I stedet for isolerte instruksjoner legger det til rette for mer strukturerte og vedvarende arbeidsflyter. Det er nettopp her AI gir reell utnyttelse.

Jeg setter også pris på hvor raskt Anthropic videreutvikler produktet basert på reell brukeradferd. De følger med på hva fellesskapet bygger og bruker, og integrerer deretter disse mønstrene direkte i kjerneproduktet. Dette minner meg om hvor raskt konsepter fra prosjekter som OpenClaw fant veien inn i Claude CoWork. Denne tilbakemeldingssløyfen er viktig fordi verktøyet utvikler seg slik at det gjenspeiler hvordan folk faktisk arbeider, ikke bare hvordan produktteamet forestiller seg at de bør arbeide.

I praksis reduserer det også behovet for å sette sammen flere verktøy eller utvidelser. Jeg trenger ikke å gjenskape arbeidsflyter, vurdere nye leverandører eller bekymre meg for sikkerhet og datahåndtering på tvers av en fragmentert verktøystack. Jeg stoler allerede på Anthropic som selskap, så når de lanserer nye funksjoner, kan jeg ta dem i bruk raskt og med trygghet.

Hvorfor alle markedsføringsteam trenger en AI-tilretteleggingsrolle

Når det er sagt, er det største gapet jeg har sett i innføringen av AI, ikke verktøyene. De fleste markedsføringsteam har tilgang til AI-verktøy. Det de mangler, er noen som har som eneste oppgave å følge med på hva som endrer seg, filtrere bort støyen og omsette det til arbeidsflyter teamet faktisk kan bruke.

De fleste organisasjoner antar at innføringen vil skje naturlig dersom teamene har tilgang til AI-verktøy. I praksis er bevissthet og sammenstilling de begrensende faktorene. AI-landskapet endrer seg så raskt at ingen enkelt markedsfører realistisk kan holde tritt med nye modeller, verktøy, arbeidsflyter og beste praksis samtidig som de utfører sine kjerneoppgaver. Når alle har et delvis ansvar for å holde seg oppdatert, har ingen et fullt ansvar for det.

Etter min erfaring har det fungert langt bedre å opprette en dedikert AI-tilretteleggingsrolle i markedsføringsorganisasjonen. Dette er ikke bare en administrator for verktøy eller en instruksjonsingeniør; det er noen som er dypt nysgjerrig på AI, som aktivt følger utviklingen innen modeller og bruksområder, og som kontinuerlig omsetter den til praktiske arbeidsflyter for teamet.

Denne personen blir i praksis et internt intelligenslag. Vedkommende vurderer nye verktøy, tester bruksområder, sammenstiller det som er nyttig kontra støy, og gjør det deretter om til repeterbare arbeidsflyter. Like viktig er det at vedkommende fungerer som en bro i begge retninger. Teammedlemmer kan komme til dem med problemer eller ineffektivitet, utforske AI-baserte løsninger og få tilbake strukturerte anbefalinger.

Denne rollen påvirker først og fremst fokuset. Den fjerner den kognitive belastningen ved å «holde tritt med AI» fra de enkelte medarbeiderne og samler den i én funksjon hvis eneste oppgave er å ligge i forkant og fordele denne kunnskapen effektivt. Uten dette har team en tendens til å fragmenteres. Da får man ujevn innføring, inkonsekvent praksis og gjentatt eksperimentering. Med dette skaper man en forsterkende effekt der læringen samles, mens gjennomføringen fordeles.

Hvorfor markedsførere må se på AI som et skifte i driftsmodell

Det viktigste rådet jeg vil gi markedsføringsledere, er å se på dette som et skifte i driftsmodell, ikke som en oppgradering av verktøy.

Det er lett å bli oppslukt av å vurdere verktøy, teste funksjoner og jakte på gradvise produktivitetsgevinster. Det er viktig, men gir ikke den virkelige fordelen. Det egentlige skiftet handler om hvordan markedsføringsarbeidet utføres, hvordan teamene er organisert, og hvor menneskelig innsats settes inn.

Noen prinsipper viser seg å være spesielt viktige:

• For det første: Invester i kvaliteten på input før du skalerer output. AI genererer så mye innhold som du ber om, men kvaliteten på innholdet avhenger helt av hvor tydelig posisjoneringen, målgruppebeskrivelsen og fortellingen din er. Ledere som hopper over dette trinnet, skalerer støy, slik jeg fremhever i «Markedsføringsplan for teknologiske oppstartsbedrifter».
• For det andre: Utform arbeidsflyter på nytt, ikke bare oppgaver. I stedet for å spørre hvordan AI kan gjøre et eksisterende trinn raskere, bør du se på hele systemet fra input til resultat og tenke gjennom hvordan det skal fungere i en verden der utkast blir til umiddelbart og iterasjon er billig. Det åpner for forbedringer av en helt annen størrelsesorden.
• For det tredje: Skap rom for et tydelig AI-ansvar. Enten det er en dedikert rolle eller en liten gruppe, må noen holde oversikt over landskapet, teste verktøy og omsette dette til praktiske arbeidsflyter. Uten det fragmenteres teamene, og innføringen stopper opp.

Følg med videre

Du kan følge Simone Morellato på LinkedIn.

Flere ekspertintervjuer kommer på The CMO Club!