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

Samantha Leal er markedsdirektør i Aliwell, der hun implementerer AI-arbeidsflyter – noen mer vellykket enn andre.

Vi intervjuet Samantha for å finne ut hva som fungerte, hva som ikke fungerte, og hvorfor. Dette fortalte hun 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 komme inn når veksten ser god ut på overflaten, men bryter sammen under press.

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

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

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

Skifte 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, fremskynde 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 en fullstendig CRM-migrering som vanligvis ville krevd et konsulentoppdrag.
• Jeg utviklet et opplæringsprogram på flere nivåer fra grunnen av.
• Jeg bygde 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 gjorde raskere; det er strategiske systemer 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 – en leveranse som styrer selskapets beslutninger for den kommende uken.

Inndataene 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-salgsprosessen. Disse fem kildene kommuniserer ikke med hverandre.

Slik ser arbeidsflyten ut:

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

Resultatet er et formatert dokument som ledergruppen kan skanne 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

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

Det inkluderer 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 baserer oss på informasjon som allerede er utdatert.

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

Avgjørelser som hva vi sier, hvem vi er til for, hvilke avveininger vi gjør og hvor vi fokuserer, er fortsatt menneskelige. Dette 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 det er verdt å gjøre.

Samantha deler

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

Hvorfor AI flytter flaskehalsen fra utførelse til dømmekraft

Den største fordelen har vært hurtighet og omfang. Vi har redusert tiden brukt på analyse og sammenstilling med omtrent 60–70 %. Ting som å gruppere kundetilbakemeldinger, hente ut innsikt fra samtaler og generere testbare kreative vinklinger – som tidligere tok flere uker – skjer nå på noen dager.

Det har ført til mer testing og raskere tilbakemeldingssløyfer. Vi kan videreutvikle budskap og kampanjer mye raskere, noe som har forbedret beslutningstakingen og redusert unødvendig pengebruk på ideer som ikke fungerer.

På den operative siden har vi også kunnet bygge systemer, som CRM-arbeidsflyter, introduksjonsforløp og rapporteringslag, som normalt 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 utførelse til å avgjøre hva det er verdt å gjøre. Team som mangler 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 dypt skeptiske – ødelegger alt som føles generisk eller syntetisk tilliten umiddelbart.

Vi testet AI-genererte bilder for 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 innholdsarbeidsflytens kompleksitet må samsvare med kapasiteten

Tidlig brukte jeg AI til å utforme et system for innholdsdrift – 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 heve kvaliteten på arbeidet 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 kapasitet.

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

Slik sikrer du at AI-budskap 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.

Så spørsmålet er ikke «hvordan bruker vi AI?» Det er «hvilket system kobler vi det inn i?»

Et godt eksempel er budskap. I den første piloten min gikk vi raskt frem, men baserte den 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-systemet, 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 kjernebudskapet vårt. Når det er på plass, legger jeg AI oppå. Det hjelper med å utvide, teste og iterere på disse vinklingene raskt.

Derfra bør det være en kontinuerlig prosess. Du henter stadig innspill fra salg, kundetilbakemeldinger og resultater, og itererer i sanntid.

Hvorfor arbeidsflyter må brytes ned og utvides

Gjort riktig er teft ikke 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.

Budskap, 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 det er på plass, legger jeg AI oppå. Det hjelper med å utvide, teste og iterere på disse vinklingene raskt. Gjort riktig er teft ikke lenger noe du enten har eller må ansette noen for.

Hvorfor Claude er uunnværlig for markedsførere

Claude er uten tvil verktøyet jeg tyr til. Det er et lag som kobler alt sammen og fungerer som en god tenke- og diskusjonspartner.

Jeg er mest begeistret for Claude Code og Claude Cowork fordi de går utover chat og inn i arbeidsmiljøer som programmering, filbehandling 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 teamsammensetning, 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 forskyves. Nå ser jeg etter dømmekraft, teft og evnen til å utforme arbeidsflyter. Mennesker som raskt kan gå fra innsikt til handling, ikke bare eie et fagområde.

Det har også endret hvordan vi samarbeider. Grensene mellom rollene er mindre rigide. 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 gode datainndata og strategisk tydelighet, er det bare en maskin for innholdsforurensning.

Følg med videre

Du kan følge Samanthas reise på LinkedIn!

Og følg med på flere ekspertintervjuer på The CMO Club!