Je automatisering draait en niemand weet hoe die werkt
Workflows begrijpen: Veel marketingteams hebben moeite om hun automatiseringsworkflows uit te leggen, wat leidt tot inefficiëntie en verwarring.
Impact van AI: Slecht begrepen automatisering brengt het risico met zich mee dat fouten worden versterkt naarmate AI meer wordt toegepast, waardoor marketingresultaten complexer worden.
Migratieproblemen: Een gebrek aan documentatie in automatisering kan leiden tot langdurige migratieprocessen en niet-overeenkomende definities tussen teams.
Governance-uitdaging: Automatisering zonder eigenaar brengt governance-risico’s met zich mee, vooral wanneer AI-systemen worden geïntegreerd in bestaande workflows.
Voorbereidingsstappen: Documenteer voordat je AI implementeert je lead-tot-omzetproces en zorg ervoor dat teamleden de bestaande configuraties begrijpen.
Vraag een marketingteam uit te leggen hoe hun eigen marketingautomatiseringswerkstromen werken. Ga je gang, ik wacht wel. Niet de versie op hoofdlijnen, waarin iemand beschrijft wat ze zouden moeten doen, maar de mechanica achter de machine.
Kun je antwoorden wat deze reeks activeert? Of wie deze routeringsregel heeft gebouwd, en waarom? Wat gebeurt er wanneer een contactpersoon tegelijkertijd aan twee segmenten voldoet? Het zal misschien niet verrassend zijn om te horen dat je vaker glazige blikken dan gedetailleerde antwoorden krijgt. Simpel gezegd: het kan beter.
Andrea Tarrell, President van Data- en technologiediensten bij Trilliad, werkt haar hele carrière al op het snijvlak van marketing en omzettechnologie en heeft dit vaker zien gebeuren dan ze kan tellen.
Create a Free Account to Read More
You need to sign up for a free membership to complete reading this article:
Have an account? Log In
Tarrell werkt met B2B-organisaties die waarde proberen te halen uit de platforms waarin ze hebben geïnvesteerd. Wanneer gesprekken over migratie ter sprake komen, is er een rode draad onder teams. Ze vertelt dat het in een migratiescenario niet ongebruikelijk is dat het team commentaar geeft op de functionaliteit van bestaande automatiseringen.
We weten eigenlijk niet eens echt hoe dit werkt. Dit draaide gewoon op de achtergrond, en niemand weet echt zeker hoe het is gemaakt, wie het heeft gebouwd en wat het doet.
Dit is geen klein probleem. En nu de invoering van AI versnelt, staat het op het punt een veel groter probleem te worden.
De geest in de machine
Haar ervaring vat de operationele realiteit van veel volwassen marketingorganisaties samen. Niet omdat de teams die ze beheren nalatig zijn, maar vooral door de manier waarop automatiseringen worden gebouwd.
Logica, vertakkende reeksen, onderdrukkingslijsten en leadrouteringsregels stapelen zich op zoals oude huizen bedrading verzamelen. Functioneel, meestal, maar door minder mensen begrepen dan iemand graag zou toegeven.
Marketingautomatisering is al ruim tien jaar mainstream. De meeste volwassen B2B-marketingorganisaties hebben een versie van een marketingautomatiseringswerkstroom of -programma die al jaren draait.
Maar als een opvolgingsreeks vervolgens verkeerd loopt, merkt iemand uiteindelijk de daling van het conversiepercentage op en begint die persoon te graven. En nu verandert AI de doorwerkingseffecten aanzienlijk.
Wanneer organisaties AI-aangedreven scoring, verrijking of door agents aangestuurde benadering boven op deze systemen gaan leggen, voegen ze niet alleen nieuwe mogelijkheden toe.
Ze versterken elke logica die er al onder ligt. Schone invoer, doordachte segmentatie en goed ontworpen routeringsregels leveren snellere, nauwkeurigere resultaten op.
Gefragmenteerde gegevens, overgenomen aannames en vergeten onderdrukkingslogica worden ook versterkt. Dit is een recept voor een ramp.
”Als de input vaag is, er sprake is van een onduidelijke opdrachtomschrijving, een onduidelijke positionering of ontbrekend bewijs, kan AI het niet redden.
De kosten van automatiseringen op de automatische piloot
Er is een reden waarom de meeste teams niet weten hoe hun marketingautomatisering werkt. Het opbouwen ervan kostte veel moeite en de mensen die het hebben gebouwd, zijn vaak verdergegaan. De institutionele kennis verdween met hen, terwijl de systemen bleven draaien. Niemand had een goede reden om er opnieuw in te duiken.
De werkelijke kosten zijn niet zichtbaar in dashboards. Ze worden zichtbaar in migratietrajecten die van drie maanden tot bijna twee jaar duren.
Tarrell merkt op dat dit duidelijk wordt wanneer een team een kwalificatiewerkstroom moet herbouwen en beseft dat er geen gedeelde definitie bestaat van wat gekwalificeerd betekent. Het is ook zichtbaar in AI-proefprojecten die indrukwekkende demo's opleveren, maar niet tot een verkooppijplijn leiden omdat de onderliggende gegevens onbetrouwbaar zijn.
Dit probleem stapelt zich op tussen teams. Uit Trilliads duurzame groeistudie uit 2025 bleek dat 44% van de groeileiders het gebrek aan coördinatie tussen marketing, sales en klantensucces identificeert als hun grootste afzonderlijke obstakel. De automatisering die op de achtergrond draait, zorgt niet voor de afstemming die teams nodig hebben. En in veel gevallen versterkt ze de silo's.
Het dataprobleem gaat dieper dan organigrammen. Wanneer gegevens in losgekoppelde systemen leven, kunnen ze niet gedurende de volledige klantreis worden gebruikt om verbonden ervaringen te creëren of gecoördineerde inspanningen van groeiteams aan te sturen.
Uit hetzelfde onderzoek bleek dat 40% van de organisaties hun gegevens nog steeds uitsluitend gebruikt voor acquisitie, wat betekent dat een aanzienlijk deel de gegevens helemaal niet gedurende de levenscyclus activeert.
Voor teams die AI willen inzetten om gepersonaliseerde ervaringen mogelijk te maken, intelligente inzichten aan het licht te brengen of activiteiten van begin tot eind te stroomlijnen, is dit een aanzienlijke kloof.
Vooral omdat 44% van de B2B-organisaties een gebrek aan afstemming tussen teams noemt als hun belangrijkste groeibelemmering, volgens Trilliads eigen onderzoek. En slechts 22% zegt echte integratie tussen Verkoop, Marketing en Klantensucces te hebben bereikt.
Het team van Tarrell bij Trilliad voerde wat zij een audit van de verkoperservaring noemen uit, waarbij Salesforce werd geëvalueerd vanuit het perspectief van een verkoper die zijn dagelijkse werkzaamheden uitvoert. De bevindingen verrassen mensen vaak.
Hoe weten ze waar ze moeten kijken? Hoe organiseren ze hun dag? Ondersteunt het scherm mobiele activiteiten?
"Hoe weten ze waar ze moeten kijken? Hoe organiseren ze hun dag? Ondersteunt het scherm mobiele activiteiten?" vraagt ze.
Dit zijn eenvoudige vragen over gebruiksvriendelijkheid die niemand had bedacht te stellen, omdat iedereen ervan uitging dat het platform naar behoren werkte.
Waarom de invoering van AI dit sneller dan wat dan ook blootlegt
Er is een reden waarom AI-proefprojecten mislukken. Je kunt de modellen niet de schuld geven. Vaak zijn het de systemen waarmee ze worden verbonden die er nog niet klaar voor zijn. Je kunt een taalmodel uitstekende instructies geven en toch slechte uitvoer krijgen. Als de CRM-gegevens die het model voeden bijvoorbeeld onvolledig zijn, de doelgroepdefinities onduidelijk zijn of de signalen waarop het moet reageren zijn geconfigureerd door iemand die twee jaar geleden is vertrokken, ben je niet bepaald goed uitgerust voor succes.
Dit patroon ziet Tarrell steeds opnieuw. Organisaties haasten zich richting agentische AI, autonome werkstromen en AI-gestuurde benadering. Maar ze hebben het fundamentele werk om te begrijpen en op te schonen wat ze al hebben nog niet aangepakt. Uitzonderingsgevallen beginnen op te duiken en het team kan de problemen niet diagnosticeren, omdat het geen duidelijk beeld heeft van hoe de onderliggende systemen werken.
Het aantonen van de ROI van AI gaat verder dan rapportage. Vaak ligt het probleem bij de data-infrastructuur. Uit Trilliads Onderzoek naar duurzame groei 2025 blijkt dat 42% van de respondenten zegt dat het meten van hun impact op de omzet hun grootste uitdaging is.
Als groeiteams de ROI van hun bestaande campagnes niet kunnen aantonen, wordt het dus vrijwel onmogelijk om AI-uitgaven aan bedrijfsresultaten te koppelen zonder de geïntegreerde datasystemen die dit ondersteunen.
Het doel is ervoor te zorgen dat je AI werkt op basis van solide, betrouwbare informatie," zei Tarrell. "En dat vereist tijd en doelgerichtheid.
Werkstromen in gewone taal documenteren, in kaart brengen wat elke automatisering hoort te doen en of dat ook gebeurt, en de datakwaliteit controleren voordat nieuwe tools worden verbonden: het zijn allemaal vervelende taken die niet voorkomen in een aankondiging over een AI-transformatie. Maar teams die deze stappen overslaan, bouwen op drijfzand en zullen daar uiteindelijk achter komen.
De teams die het werk doen en tijd investeren in het stap voor stap in gewoon Nederlands in kaart brengen van hun proces van potentiële klant tot omzet voordat ze een nieuwe tool aanraken, bewegen sneller wanneer ze die tool daadwerkelijk implementeren.
Tarrells advies is duidelijk: leg de werkstromen vast op het niveau van "wat willen we dat er gebeurt, en wat doen mensen tegenover wat doet de technologie." Deze duidelijkheid is de voorwaarde voor al het andere.
Het moeilijkere gesprek over eigenaarschap
Er is nog een laag in dit probleem. Wanneer automatisering lang genoeg ononderzocht op de achtergrond draait, behoort ze uiteindelijk aan niemand meer toe.
De medewerker voor marketingactiviteiten heeft het misschien gebouwd. Maar daarna vertrok de oorspronkelijke marketingmanager. De nieuwe persoon nam het over en leerde net genoeg om te voorkomen dat het stukging. De huidige mensen die je marketingautomatisering gebruiken, staan inmiddels ver af van iedereen die de oorspronkelijke logica begreep.
Niemand wil eraan komen, omdat er een risico zit in het kapotmaken van iets wat je niet begrijpt. Het alternatief is natuurlijk om het te laten staan en te doen alsof het werkt.
Dit is zowel een governanceprobleem als een technisch probleem. En de invoering van AI dwingt dit vraagstuk op de voorgrond.
Je kunt niet op verantwoorde wijze een AI-agent verbinden met een systeem dat je niet begrijpt. Het risicoprofiel verandert aanzienlijk. Gegevens worden verwerkt, gedeeld en gebruikt voor acties. Fouten zijn niet langer "het conversiepercentage was dit kwartaal een beetje laag", maar beginnen iets veel ernstigers te worden.
Tarrell formuleert de oplossing in termen van wendbaarheid en nieuwsgierigheid, de twee vaardigheden waarvan zij zegt dat elke marketeer ze nu nodig heeft. Wendbaarheid om te kijken wat werkt en snel van koers te veranderen wanneer dat niet zo is. Nieuwsgierigheid om te blijven vragen waarom iets is zoals het is, in plaats van overgenomen logica als onveranderlijk te accepteren.
"Als je het antwoord niet weet, blijf dat dan najagen totdat je er duidelijkheid over hebt," zei ze. "Dat wordt alleen maar belangrijker."
Vooruitkijken naar de komende 12 maanden
Als je de marketing voor een B2B-organisatie verzorgt en je van plan bent om in de komende twaalf maanden AI te implementeren, zijn er een paar dingen die je moet doen voordat je tools gaat evalueren.
Laat iemand je huidige workflow van lead tot omzet in gewone taal in kaart brengen.
Geen systeemdiagram, maar schrijf het in de eenvoudigst mogelijke vorm op. Wat gebeurt er wanneer er een lead binnenkomt? Wat zorgt er vervolgens voor dat de lead wordt overgedragen aan sales? En wat gebeurt er wanneer de lead niet reageert? Wie is verantwoordelijk voor elke stap in de klantreis? En waar loopt het proces het vaakst vast?
Ga vervolgens één niveau dieper. Zoek voor elk van die stappen uit of iemand in je huidige team daadwerkelijk begrijpt hoe deze is geconfigureerd. Niet in theorie. In de praktijk. Wie zou het oplossen als het vandaag misging?
Het antwoord op die tweede vraag vertelt je meer over je AI-gereedheid dan welke leveranciersbeoordeling dan ook.
"De juiste basis," zei Tarrell, "is de basis die je team daadwerkelijk zal gebruiken en waarop het zal voortbouwen."
Dat klinkt vanzelfsprekend. De meeste organisaties ontdekken, meestal op het slechtst mogelijke moment, dat hun basis geërfd is in plaats van eigendom te zijn, en dat ze er niet duidelijk genoeg naar hebben gekeken om te weten of deze nog steeds werkt.
Wat is de volgende stap?
Maak een gratis account aan bij The CMO Club om op de hoogte te blijven van trends en de nieuwste tips, hulpmiddelen en handleidingen van onze community van ervaren marketingleiders rechtstreeks in je inbox te ontvangen.
