Oprichter van marketingtechnologie en CMO benadrukt het belang van context vóór de integratie van AI

Jean Bonnenfant heeft een geschiedenis in het leiden van groei en marketing bij B2B-techbedrijven en is momenteel medeoprichter en CMO bij de start-up Tinct.ai. Als enige medewerker op de marketingafdeling is AI de enige manier waarop hij kan concurreren. En hij gebruikt het om meer te produceren dan de meeste kleine teams.

We gingen met hem in gesprek om erachter te komen hoe hij dat doet. Hij zei dat alles draait om context-engineering.

Eén door AI ondersteunde marketeer kan een team overtreffen 

Ik werk al bijna 10 jaar in marketing. Ik begon als marketingmanager, waarbij ik me voornamelijk richtte op content, met daarnaast wat werkzaamheden op het gebied van groei. Dat bracht me bij Growth Tribe, Europa's eerste academie voor groeihacking en AI, en daar begon mijn relatie met AI, lang voordat de huidige LLM-hype losbarstte.

Bij Growth Tribe deden we experimenten met machinelearningtools. We werkten samen met bedrijven zoals Dataiku, een Frans ML-bedrijf, en integreerden AI in klantprojecten wanneer de hoeveelheid data dat rechtvaardigde. Dit omvatte clustering, voorspellende modellering en patroonherkenning. Het was niet spectaculair, maar het werkte wel en gaf me een solide basis om te begrijpen wat AI kan doen versus wat het belooft.

Daarna werkte ik in fintech en crypto, twee sectoren waarin data en snelheid van groot belang zijn. Vervolgens werkte ik, vlak voordat ik Tinct AI oprichtte, bij Lleverage, een AI-automatiseringsplatform, waar ik op grote schaal met AI-tools werkte. Die ervaring was het laatste stukje dat me het vertrouwen gaf om iets van mezelf op te bouwen.

Vandaag ben ik medeoprichter en CMO van Tinct AI. We bouwen AI-aangedreven personalisatie voor B2B-landingspagina's, specifiek voor ABM-campagnes. Elk bedrijf waarop je je richt, krijgt een versie van je landingspagina die op dat bedrijf is afgestemd en via IP-herkenning wordt geïdentificeerd. Het is het soort product waarvan ik had gewild dat het bestond toen ik eerder in mijn loopbaan campagnes beheerde.

Ons doel is om op te schalen zonder het personeelsbestand uit te breiden, wat alleen mogelijk is omdat ik met AI werk. Wat ik nu doe, ziet er dan ook heel anders uit dan traditionele marketingorganisaties. Ik beheer dagelijks alle kanalen en werk samen met AI-werkstromen. ICP-definitie, berichtgeving, CRM-integratie en verrijking, uitgaande sequenties, contentproductie — ik doe het allemaal, maar het is nooit alleen ik. Mijn overtuiging is dat één persoon die met de juiste AI-infrastructuur werkt, beter kan presteren dan een team van vijf dat zonder die infrastructuur werkt.

Waarom context-engineering een essentiële marketingvaardigheid is

Toen LLM's voor het eerst doorbraken, gebruikten de meeste mensen ze reactief. Gebruikers hadden een taak, openden een chat en kregen iets terug. "Schrijf een e-mailsequentie voor me" of "Maak een artikel voor me." Deze aanpak was incidenteel, transactioneel en uiteindelijk beperkt.

Ik ben AI niet langer gaan zien als een uitvoerder van taken, maar als een infrastructuurlaag. Context vormt de basis van die infrastructuur.

Context-engineering is nu een van de belangrijkste vaardigheden in marketing. Dit omvat tools zoals Claude Projects, systeemprompts, vaardigheden en geheugenlagen — alles wat een AI diepgaande, gestructureerde context biedt over je ICP, positionering, USP's, concurrentielandschap en toon en stijl. Wanneer de context klopt, klopt ook alles wat daarop wordt gebouwd. De kwaliteit van de output stapelt zich op. Als die laag vaag, generiek of verouderd is, geldt dat ook voor alles wat AI daarop produceert.

Elke marketingleider die aan een AI-traject begint, zou zich eerst volledig op die contextlaag moeten richten. Maak haar specifiek. Maak haar accuraat. Maak haar eigen. En zorg er vervolgens voor dat elke tool, elke workflow en elke geautomatiseerde output ermee wordt gevoed.

Als ik had geweten dat ik eerst in de contextlaag moest investeren, had ik weken aan inconsistente output en herwerk kunnen voorkomen.

De grootste verandering die ik het afgelopen jaar heb doorgevoerd, is dan ook dat ik vooraf aanzienlijk veel tijd heb geïnvesteerd in het opbouwen van die contextlaag in al mijn systemen, workflows en platforms. Telkens wanneer onze positionering verandert of we iets nieuws leren over onze ideale klant, werk ik de context overal bij.

Daardoor kan ik marketingmiddelen produceren en verspreiden met een snelheid en consistentie waarvoor normaal gesproken een volledig team nodig zou zijn. De basis doet het zware werk. Wat ik daarop bouw, gaat vrijwel vanzelf.

AI benutten in uitgaande workflows

Zo voer ik uitgaande marketing nu uit.

Het proces begint met het samenstellen en verrijken van lijsten. Ik haal een lijst met doelaccounts uit onze ICP-definitie en gebruik AI-gestuurde verrijking om firmografische gegevens, signalen uit de technologiestack en relevante context over elk bedrijf toe te voegen. Die gegevens worden rechtstreeks naar lemlist gestuurd om uitgaande marketing uit te voeren, terwijl Attio automatisch verrijkt en updates uitvoert wanneer er nieuwe signalen binnenkomen.

Vervolgens richt ik me op de berichtgeving. Met behulp van een Claude Project dat is geladen met onze volledige ICP-context, positionering en richtlijnen voor tone of voice, genereer ik gepersonaliseerde uitgaande reeksen voor elk segment. Dit houdt niet alleen in dat een voornaam wordt verwisseld, maar ook dat berichten daadwerkelijk worden gevarieerd op basis van het profiel van het bedrijf, hun waarschijnlijke pijnpunten en hun positie in onze lijst met doelaccounts.

Wanneer potentiële klanten doorklikken naar onze landingspagina, wordt die automatisch gepersonaliseerd voor hun bedrijf, dat via IP-herkenning wordt geïdentificeerd. De berichtgeving, het sociale bewijs en de invalshoek worden allemaal aangepast aan wie ze zijn. De personalisatie die in de uitgaande e-mail is begonnen, stopt niet bij de klik; die loopt door tijdens de volledige ervaring.

Reacties en intentiesignalen komen terug in Attio, waarna ik persoonlijk instap. Alles vóór dat moment is AI. Alles vanaf dat punt ben ik.

Ik maak op twee momenten deel uit van de workflow: bij de inrichting en bij het gesprek.

Waarom klantbehoudstrategieën een AI-herziening nodig hebben

De bovenkant van de funnel krijgt alle aandacht van AI omdat dit het meest zichtbare onderdeel van het werk is. Advertenties, content, campagnes. Het is gemakkelijk om ernaar te wijzen en het is eenvoudig te meten. En AI is al begonnen dit onderdeel ingrijpend te veranderen.

Maar op het gebied van klantbehoud werken de meeste bedrijven nog steeds alsof het tien jaar geleden is. Handmatige contactmomenten, brede segmentatie en generieke opvolgsequenties die elke bestaande klant hetzelfde behandelen, ongeacht hoe ze zich gedragen of wat ze nodig hebben.

Dat is de fase die het meest aan herontwerp toe is, omdat AI daar iets mogelijk maakt wat voorheen niet kon: elke klant afzonderlijk behandelen, op schaal, zonder een team van tien mensen om dit te beheren. Gepersonaliseerde communicatie gedurende de klantlevenscyclus, dynamische content op basis van gebruikspatronen, proactieve benadering die wordt geactiveerd door echte signalen in plaats van willekeurige tijdlijnen.

De ironie is dat juist bij klantbehoud het geld zit. Een nieuwe klant werven kost vijf tot tien keer meer dan een bestaande klant behouden. En toch richten de meeste marketingorganisaties hun AI-investeringen en creatieve energie nog steeds overweldigend op de bovenkant van de funnel.

Dat is de kans voor herontwerp. En de meeste bedrijven hebben daar nog niets aan gedaan.

Jean's gedachten

Op het gebied van klantbehoud werken de meeste bedrijven nog steeds alsof het tien jaar geleden is. Handmatige contactmomenten, brede segmentatie en generieke opvolgsequenties die elke bestaande klant hetzelfde behandelen, ongeacht hoe ze zich gedragen of wat ze nodig hebben.

Hoe het voordeel van AI ook het grootste risico ervan is

In de afgelopen twee maanden heb ik werk opgeleverd waarvoor een traditionele aanpak realistisch gezien een jaar nodig zou hebben gehad. Volledige infrastructuur voor uitgaande marketing, CRM-verrijking, contentproductie voor verschillende kanalen, onboarding van desig­partners en berichtgevingskaders. Ik heb dit allemaal alleen afgerond, met AI als mijn copiloot.

Er bestaat een verhaal dat je een halfuur per dag kunt werken als je AI gebruikt. Dat is niet wat er bij mij gebeurde. In plaats daarvan verschoof het plafond van wat ik kon bereiken drastisch. Ik deed niet minder werk; we deden exponentieel meer.

Naast het volume daalde ook het foutenpercentage bij bepaalde taken merkbaar. Gegevensinvoer, onderzoek, gestructureerde uitvoer. AI is consistenter dan een vermoeid mens aan het einde van een lange dag.

Dat gezegd hebbende, is kwaliteitscontrole op hoge snelheid een uitdaging. Wanneer je snel werkt en veel produceert, bestaat het risico dat zaken erdoorheen glippen die een trager, handmatiger proces wel zou hebben opgemerkt. Je moet gedisciplineerd blijven en voorkomen dat volume een excuus wordt voor lagere normen.

Maar per saldo? Het productiviteitsverschil is reëel en aanzienlijk. AI gaf me geen vrije tijd; het gaf me slagkracht.

Jean's gedachten

Je moet gedisciplineerd blijven en voorkomen dat volume een excuus wordt voor lagere normen.

Hoe AI tekstschrijven ontwricht

Van nature ben ik tekstschrijver. Schrijven is altijd mijn ding geweest en lange tijd dacht ik dat het de laatste vaardigheid zou zijn die AI ooit geloofwaardig zou kunnen nabootsen. Je kunt gegevens automatiseren, distributie automatiseren en doelgroeptargeting automatiseren. Maar een stem? Nuance? Het vermogen om iemand met één zin iets te laten voelen? Ik was ervan overtuigd dat dat menselijk terrein was.

En voor literatuur denk ik dat nog steeds. Ik heb nog geen roman of boek gezien dat door AI is geschreven en me raakt. Dat grensgebied behoort nog steeds aan mensen toe.

Maar voor zakelijke teksten? Maand na maand zie ik het beter worden. En dankzij contextengineering is de kloof sneller gedicht dan ik ooit had verwacht. Geef een AI een gestructureerd ICP, een gedetailleerde stijlgids, echte merkvoorbeelden en voldoende context om mee te werken, en de uitvoer kan daadwerkelijk de stem van een merk dragen. Niet alleen acceptabel. Goed.

Bij een vorig bedrijf bouwde ik een volledige blog met behulp van een Claude Project, dat ik had getraind met een zeer specifieke systeemprompt en een lang, gedetailleerd stijldocument. Dit waren niet een paar opsommingstekens over toon, maar een echt document van meerdere pagina's, gebaseerd op teksten die ik oprecht graag las en wilde navolgen.

De uitvoer was geen generieke AI-inhoud. Er zat een echte, consistente stem in. Als je verstand hebt van schrijven, zou je het niet voor iets anders aanzien. Het had ritme, een perspectief en een manier om ideeën te kaderen die doelbewust aanvoelde.

Dus de aanname die ik jarenlang had, namelijk dat AI altijd moeite zou houden met het vakmanschap van schrijven — die is verdwenen. En het is prachtig om te zien. Zelfs wanneer het iets ontwricht waarvan ik dacht dat het van mij was.

Hoe AI en menselijke rollen samensmelten in marketingbeslissingen

In de praktijk is er geen duidelijke scheiding tussen wat mensen zouden moeten doen en wat AI zou moeten doen. Het is nooit binair. Het is een spectrum.

AI informeert of ondersteunt bijna al onze beslissingen. Uitgaande reeksen, inhoud, CRM-verrijking, verfijning van het ICP, boodschapvorming. AI is in elke fase betrokken. Maar mensen zijn niet uit beeld.

Zie het zo: AI verwerkt het volume, de snelheid en de eerste versie van alles. Er is altijd een mens betrokken om uitzonderlijke gevallen op te vangen, een oordeel toe te passen en ervoor te zorgen dat wat naar buiten gaat in de context klopt. Deze menselijke laag is geen specifieke rol of taak. Ze is verweven in elk werkproces.

Oordeelsvermogen blijft menselijk. Weten wanneer iets technisch correct maar strategisch verkeerd is. Aanvoelen wanneer een boodschap aanslaat of platvalt. Zien wanneer een trend het waard is om op mee te liften, tegenover wanneer die over twee weken slecht zal verouderen. De nuance begrijpen van een gesprek met een potentiële partner die geen enkele prompt volledig kan vastleggen. Dat zijn de momenten waarop ik tussenbeide kom, en ze doen zich voortdurend voor.

Het gaat dus minder om AI tegenover menselijke activiteiten en meer om ervoor te zorgen dat een menselijke hand altijd de richting bepaalt, zelfs wanneer AI het meeste werk doet.

Waarom de invoering van AI belangrijker is dan hulpmiddelen

De tools zijn al ongelooflijk. Ze lopen onze gezamenlijke vaardigheid om ze goed te gebruiken zelfs vooruit. En die kloof tussen wat AI kan doen en wat de meeste mensen eruit halen, is geen probleem met de tools. Het is een menselijk probleem.

Wat het bijzonder interessant maakt, is dat zelfs de mensen die elke dag actief AI gebruiken, het gevoel hebben dat ze achterlopen. Ik loop achter. Er ontstaat altijd een nieuw model, een nieuwe mogelijkheid of een nieuwe manier van werken, vaak pas vorige week, en ik heb die nog niet verwerkt. Dat is mijn realiteit, en ik ben diep nieuwsgierig en investeer bewust tijd om dicht bij deze ontwikkeling te blijven.

Wanneer ik denk aan iemand die minder nieuwsgierig is, minder betrokken is en minder gemotiveerd is om te experimenteren, is de kloof enorm. Niet omdat de tools moeilijk te gebruiken zijn, maar omdat adoptie een mentaliteitsverandering vereist die geen software-update kan leveren.

De grootste doorbraak binnen elke marketingorganisatie is niet het vinden van een betere tool. Het is je mensen bijscholen zodat ze anders gaan denken over hoe ze werken. Welke taken ze aan AI delegeren, hoe ze hun prompts structureren en hoe ze context opbouwen en onderhouden. Dat is de vaardigheid die zich opstapelt, en de meeste organisaties investeren daar te weinig in.

Waarom marketingleiders dingen moeten stukmaken

Mijn advies is eenvoudig: experimenteer. Meer dan je denkt nodig te hebben.

Dit is niet het moment om je nieuwsgierigheid naar AI aan iemand in je team te delegeren en op een rapport te wachten. Je moet zelf de handen uit de mouwen steken. Bouw dingen. Maak dingen stuk. Probeer workflows die misschien niet werken. De enige manier om echt inzicht te ontwikkelen in wat AI wel en niet kan, is door directe ervaring, niet door observatie.

Leiders blijven doorgaans op het strategische niveau en laten anderen het operationele werk doen. Die reflex moet nu verdwijnen. De kloof tussen leiders die actief met AI bouwen en degenen die er alleen over praten, wordt snel groter. Dat is te zien aan de kwaliteit van hun beslissingen.

Leiderschap ontslaat je er niet van om de details in te duiken. Als er iets is, vraagt dit moment juist om het tegenovergestelde. Hoe meer je persoonlijk experimenteert, hoe beter je instinct wordt, hoe beter je team wordt en hoe beter je strategie wordt.

Dus experimenteer. Bouw. Blijf nieuwsgierig. En wacht niet tot je je er klaar voor voelt, want dat moment komt niet. De enige manier om erdoorheen te komen, is erdoorheen te gaan.

Volg zijn reis

Je kunt de reis van Jean Bonnenfant volgen op LinkedIn, terwijl hij in zijn eentje Tinct.ai laat groeien.

Er volgen meer interviews met experts, dus meld je aan met een gratis account om mee te volgen bij The CMO Club!