Oprichter van marketingtechnologie en CMO benadrukt het belang van context voordat AI wordt geïntegreerd

Jean Bonnenfant heeft een geschiedenis in het leiden van groei en marketing bij B2B-technologiebedrijven en is momenteel medeoprichter en CMO van de startup Tinct.ai, die zich nog in een vroeg stadium bevindt. Als enige medewerker op de marketingafdeling is AI de enige manier waarop hij kan concurreren. En hij gebruikt AI om meer te produceren dan de meeste kleine teams.

We gingen met hem om de tafel om te ontdekken hoe hij dat doet. Hij zei dat alles draait om contextengineering.

Eén door AI ondersteunde marketeer kan een team overtreffen 

Ik werk inmiddels bijna 10 jaar in marketing. Ik begon als marketingmanager, waarbij ik me vooral richtte op content, met daarnaast wat groeimarketing. Dat bracht me ertoe om bij Growth Tribe te gaan werken, Europa's eerste academie voor groeihacking en AI. Daar begon mijn relatie met AI, lang voordat de huidige hausse rond LLM's losbarstte.

Bij Growth Tribe voerden we experimenten uit 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, in tegenstelling tot 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 echt grote schaal met AI-tools werkte. Die ervaring was het laatste stukje dat me het vertrouwen gaf om zelf iets op te bouwen.

Vandaag ben ik medeoprichter en CMO van Tinct AI. We ontwikkelen personalisatie op basis van AI voor B2B-landingspagina's, specifiek voor ABM-campagnes. Elk bedrijf waarop je je richt, ziet 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 uitvoerde.

Ons doel is om op te schalen zonder het personeelsbestand uit te breiden. Dat is alleen mogelijk 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 daarbij samen met AI-werkstromen. De definitie van het ICP, de boodschap, CRM-integratie en verrijking, outboundsequenties, contentproductie — ik doe het allemaal, maar nooit helemaal alleen. Mijn overtuiging is dat één persoon die met de juiste AI-infrastructuur werkt, beter kan presteren dan een team van vijf dat zonder AI werkt.

Waarom contextengineering 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 er iets uit. "Schrijf een e-mailsequentie voor me" of "Schrijf 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 het fundament van die infrastructuur.

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

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 van jou. En zorg er vervolgens voor dat elke tool, elke workflow en elke geautomatiseerde uitvoer ermee wordt gevoed.

Als ik had geweten dat ik eerst in de contextlaag moest investeren, had ik weken aan inconsistente uitvoer en herstelwerk 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. Elke keer dat onze positionering verandert of we iets nieuws leren over onze ideale klant, werk ik de context overal bij.

Daardoor kan ik middelen produceren en verspreiden met een snelheid en consistentie waarvoor normaal gesproken een heel team nodig zou zijn. Het fundament doet het zware werk. Wat ik erop bouw, zorgt bijna vanzelf voor de rest.

AI inzetten in uitgaande workflows

Zo voer ik uitgaande campagnes nu uit.

Het proces begint met het opbouwen 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 technologische stack en relevante context over elk bedrijf toe te voegen. Die gegevens worden rechtstreeks in lemlist ingevoerd om uitgaande campagnes uit te voeren, terwijl Attio automatisch verrijkt en updates doorvoert wanneer er nieuwe signalen binnenkomen.

Vervolgens ga ik aan de slag met de berichtgeving. Met behulp van een Claude Project dat is geladen met onze volledige ICP-context, positionering en richtlijnen voor de toon, genereer ik gepersonaliseerde reeksen voor uitgaande campagnes voor elk segment. Daarbij gaat het niet alleen om het vervangen van een voornaam, maar om daadwerkelijke variatie in berichten op basis van het profiel van het bedrijf, de waarschijnlijke pijnpunten en de positie binnen onze lijst met doelaccounts.

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

Reacties en intentiesignalen komen terug in Attio, waarna ik persoonlijk in actie kom. 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 retentiestrategieën een AI-herziening nodig hebben

De bovenkant van de trechter krijgt alle aandacht van AI omdat dit het meest zichtbare onderdeel van het werk is. Advertenties, content, campagnes. Je kunt er gemakkelijk naar verwijzen en het eenvoudig meten. En AI is al begonnen dit aanzienlijk te veranderen.

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

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

De ironie is dat retentie is waar het geld zit. Een nieuwe klant werven kost vijf tot tien keer meer dan een bestaande klant behouden. Toch richten de meeste marketingorganisaties hun AI-investeringen en creatieve energie nog steeds overwegend op de bovenkant van de trechter.

Daar ligt de kans voor herontwerp. En de meeste bedrijven hebben die kans nog niet benut.

Gedachten van Jean

Op het gebied van retentie werken de meeste bedrijven nog steeds alsof het tien jaar geleden is. Handmatige contactmomenten, brede segmentatie en generieke nurturereeksen 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 inrichting realistisch gezien een jaar nodig zou hebben gehad. Een volledige infrastructuur voor uitgaande campagnes, CRM-verrijking, contentproductie via verschillende kanalen, onboarding van designpartners en berichtgevingskaders. Ik heb dit allemaal alleen voltooid, met AI als mijn copiloot.

Er bestaat een narratief dat suggereert dat je een halfuur per dag kunt werken als je AI gebruikt. Zo is het bij mij niet gegaan. In plaats daarvan verschoof het plafond van wat ik kon bereiken dramatisch. 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, dreigen er dingen doorheen te glippen die een langzamer, handmatiger proces wel zou hebben opgemerkt. Je moet gedisciplineerd blijven en voorkomen dat volume een excuus wordt voor lagere standaarden.

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

Jeans gedachten

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

Hoe AI het tekstschrijven ontwricht

Van nature ben ik tekstschrijver. Schrijven is altijd mijn ding geweest en lange tijd geloofde ik dat dit de laatste vaardigheid zou zijn die AI ooit op geloofwaardige wijze zou kunnen nabootsen. Je kunt gegevens automatiseren, distributie automatiseren en targeting automatiseren. Maar stem? Nuance? Het vermogen om iemand met één zin iets te laten voelen? Ik was ervan overtuigd dat dit 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 AI een gestructureerd ICP, een gedetailleerde stijlgids, echte merkvoorbeelden en genoeg 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 trainde met een zeer specifieke systeemprompt en een lang, gedetailleerd stijldocument. Dit waren niet slechts 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-content. 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 — dat AI altijd moeite zou hebben met het vakmanschap van schrijven — is verdwenen. En het is prachtig om dat te zien. Zelfs wanneer het iets ontwricht waarvan ik dacht dat het van mij was.

Hoe de rollen van AI en mensen samensmelten in marketingbeslissingen

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

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

Zie het zo: AI verwerkt het volume, de snelheid en het eerste concept van alles. Er is altijd een mens betrokken om uitzonderingen op te merken, een oordeel toe te passen en ervoor te zorgen dat wat naar buiten gaat in de context logisch is. Deze menselijke laag is geen specifieke rol of taak. Ze is verweven in elke workflow.

Onderscheidingsvermogen blijft menselijk. Weten wanneer iets technisch correct maar strategisch verkeerd is. Aanvoelen wanneer een boodschap aanslaat of juist niet. Zien wanneer een trend de moeite waard is om op in te spelen en wanneer die over twee weken slecht verouderd zal zijn. De nuance begrijpen van een gesprek met een potentiële partner die geen enkele prompt volledig kan vastleggen. Dat zijn de momenten waarop ik bijstuur, 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 AI-adoptie belangrijker is dan hulpmiddelen

De tools zijn al ongelooflijk. Ze lopen onze gezamenlijke vaardigheid om ze goed te gebruiken zelfs voor. 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 achter te lopen. Ik loop achter. Er komt altijd een nieuw model, een nieuwe mogelijkheid of een nieuwe manier van werken op, 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 dit vakgebied te blijven.

Als ik denk aan iemand die minder nieuwsgierig is, minder goed is aangesloten 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 nadenken over hun manier van 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 kapot moeten maken

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 kapot. Probeer werkprocessen 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 zie je terug in 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 intuïtie wordt, hoe beter je team wordt en hoe beter je strategie wordt.

Experimenteer dus. 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.

Volg het traject

Je kunt het traject 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 het traject te volgen op The CMO Club!