Technologisch onderlegde marketingdirecteur deelt hoe marketingbudgetten en teams moeten worden geherstructureerd voor AI

Simone Morellato is een technisch marketingleider en hoofd Marketing bij vCluster. In een eerdere functie begon hij al vroeg met experimenteren met AI en nu gebruikt hij AI als krachtvermenigvuldiger binnen zijn marketingteam.

We spraken met hem om te begrijpen hoe AI zijn marketingworkflows en die van zijn teams verandert. Hij vertelde ons over de nieuwe rollen en budgetposten die onmisbaar zijn.

AI gebruiken als krachtvermenigvuldiger voor marketing

Ik ben een marketingleider die zijn carrière heeft opgebouwd op het snijvlak van diepgaand technisch inzicht in technologieproducten en de uitvoering van hun marktintroductie, voornamelijk op het gebied van infrastructuur, cloud en ontwikkelaarsplatforms. Mijn loopbaan begon aan de engineeringkant, waar ik elektronica en computerwetenschappen studeerde en als software-engineer werkte aan systemen voor opslagnetwerken. Die basis hielp me bij het vermarkten van technische producten, omdat ik altijd begreep hoe ze werken en niet alleen hoe ik ze moest positioneren.

Na verloop van tijd maakte ik de overstap van engineering naar technische productmarketing bij Cisco en vervolgens naar leidinggevende functies bij start-ups en ondernemingen, waaronder Riverbed, Cloudian en Apcera. Mijn tijd bij VMware was een belangrijk keerpunt in mijn carrière en ik heb bijna tien jaar besteed aan het opschalen van de Tanzu Kubernetes-activiteiten. Ik bouwde en leidde een wereldwijd team voor product-, ontwikkelaars- en oplossingenmarketing en hielp het portfolio uit te breiden van één opensourceproject naar een reeks van meer dan 20 producten. Daar experimenteerde ik al vroeg met AI-gestuurde workflows en bouwde ik interne automatiseringstools voor analistenrelaties die de doorlooptijd aanzienlijk verkortten en de efficiëntie verbeterden.

Nu leid ik de marketing bij vCluster en bouw ik een volledige marktintroductiemotor op voor groei, productmarketing, community en merk. We verbeterden de efficiëntie door vraaggeneratie opnieuw te doordenken, de naamsbekendheid op te schalen van tienduizenden naar miljoenen vertoningen en de kostenefficiëntie en conversie in de marketingtrechter aanzienlijk te verbeteren. Een belangrijk aandachtspunt was het ontwikkelen van verhalen waarin ontwikkelaars centraal staan en groeilussen die door de community worden aangedreven, met name binnen het domein van Kubernetes en AI-infrastructuur.

Alles waaraan ik heb gewerkt komt op dit moment samen in de transformatie door AI. AI verandert nu fundamenteel zowel de manier waarop software wordt gebouwd als de manier waarop deze wordt vermarkt. Als marketingleider richt ik me erop bedrijven te helpen overstappen van versnipperde productboodschappen naar eenduidige platformverhalen, waarbij AI niet alleen als onderwerp in het verhaal wordt gebruikt, maar ook als krachtvermenigvuldiger in de uitvoering van marketing.

Vertrouwen van ontwikkelaars in evenwicht brengen met de vraag van ondernemingen

Bij vCluster houd ik toezicht op een volledige marktintroductiefunctie voor groei, productmarketing, merk, community en evenementen. Het team werkt zowel met opensource- als ondernemingsgerichte strategieën en heeft daarmee een dubbele opdracht: brede acceptatie onder ontwikkelaars op schaal stimuleren en die betrokkenheid tegelijkertijd omzetten in een gestructureerde ondernemingspijplijn.

Organisatorisch functioneert deze afdeling als een geïntegreerd systeem en niet als afzonderlijke disciplines. Productmarketing en ontwikkelaarsrelaties werken nauw samen om het verhaal vorm te geven en technische geloofwaardigheid op te bouwen, terwijl groei en content zich richten op schaalbare werving en distributie via kanalen zoals sociale media, SEO, betaalde media en door de community aangestuurde programma's. Merk en evenementen vergroten dat bereik naar betrokkenheid binnen het ecosysteem, met name binnen de Kubernetes- en cloud-nativegemeenschappen.

De complexiteit komt voort uit de dynamiek van het publiek en het ecosysteem. We richten onze marketing op zeer technische doelgroepen, voornamelijk DevOps- en platformengineers, en beïnvloeden tegelijkertijd besluitvormers binnen ondernemingen. Dat vereist een balans tussen technische geloofwaardigheid en een heldere uiteenzetting van de bedrijfswaarde. Tegelijkertijd opereren we in een snel veranderend, door AI beïnvloed infrastructuurdomein waarin categorieomschrijvingen nog steeds vorm krijgen. Daardoor bestaat een belangrijk deel van de rol uit het vormgeven van het verhaal en niet alleen uit het versterken ervan.

Het model is effectief omdat een geïntegreerde lus van werving naar activering naar betrokkenheid alles met elkaar verbindt, ondersteund door een sterke datagedreven aanpak voor prestaties en snel experimenteren.

Waar AI ophoudt en menselijk oordeel begint

Ik gebruik AI voornamelijk ter ondersteuning van besluitvorming en om werk te versnellen op gebieden met grote volumes die door patronen worden gestuurd, of op gebieden waar grote hoeveelheden ongestructureerde informatie snel moeten worden samengevat. Tegelijkertijd houd ik een duidelijke grens aan waar menselijk oordeel essentieel blijft, vooral voor context, verantwoordelijkheid en de langetermijngevolgen voor het merk.

Ik gebruik AI intensief op drie gebieden:

• Ten eerste: narratieve ontwikkeling en verkenning van boodschappen. Bij het vormgeven van positionering of campagnethema's gebruik ik AI om snel varianten te testen, hiaten in boodschappen te identificeren en de duidelijkheid te toetsen bij persona's zoals ontwikkelaars, platformengineers en leidinggevenden. Daarmee wordt wat vroeger meerdere iteraties kostte, samengebracht in een veel snellere cyclus.
• Ten tweede: content en campagnes opschalen. AI vormt nu de basis voor het eerste concept van de meeste contentmiddelen, waaronder socialcontent, blogstructuren en campagnevarianten. Het past technische input ook aan naar taal die specifiek is voor elke persona. Dat is vooral belangrijk in marketing voor infrastructuur en AI-platforms, waar hetzelfde concept bij verschillende doelgroepen op een andere manier moet aanslaan.
• Ten derde: prestaties synthetiseren. Ik gebruik AI om signalen over campagneprestaties uit verschillende kanalen te analyseren en patronen zichtbaar te maken die anders mogelijk over het hoofd worden gezien, vooral bij gefragmenteerde gegevens uit organische, betaalde en communitykanalen.

Expliciet menselijke taken omvatten strategische afwegingen en verantwoordelijkheid. Beslissingen over positionering, categoriedefinitie en de architectuur van kernboodschappen blijven volledig in menselijke handen, omdat ze een diepgaand begrip vereisen van markttiming, concurrentiedynamiek en de ambities van het bedrijf. Hetzelfde geldt voor het uiteindelijke creatieve oordeel over merkstem en campagnes met grote zichtbaarheid.

Ik houd ook de menselijke verantwoordelijkheid voor prioriteringsbeslissingen. AI kan opties en inzichten aandragen, maar bepalen wat we níét doen blijft een verantwoordelijkheid van het leiderschap, vooral in snel veranderende categorieën zoals AI-infrastructuur, waar het gemakkelijk is om overdreven te reageren op signalen.

AI vergroot dus effectief het oppervlak voor denken en uitvoeren, maar draagt geen verantwoordelijkheid voor de resultaten. Marketingleiders nemen nog steeds de uiteindelijke beslissingen waarin snelheid, samenhang en langetermijnwaarde van het merk tegen elkaar worden afgewogen.

Hoe één structurele verschuiving vertoningen van duizenden naar miljoenen bracht

Ik heb ons marketingmodel verschoven van mensgerichte contentproductie naar AI-ondersteunde ontwikkeling van narratieven en middelen. Mensen richten zich nu op richting geven, valideren en verspreiden, in plaats van alles vanaf nul te creëren.

Concreet heb ik een AI-gestuurd contentsysteem geïntroduceerd. We gebruiken op LLM's gebaseerde workflows om één technische input — zoals een productrelease, een demo, een klantinzicht of een technisch verhaal — om te zetten in meerdere afgeleide marketingmiddelen. Dit omvat ontwikkelaarsgerichte posts, long-formcontent, socialvarianten, campagnemessaging en zelfs eerste concepten voor positionering. In plaats van voor elk middel afzonderlijk auteurschap te gebruiken, genereert, verfijnt en stroomlijnt een gedeelde prompt- en structuurlayer nu alle middelen.

Simone deelt

In plaats van voor elk middel afzonderlijk auteurschap te gebruiken, genereert, verfijnt en stroomlijnt een gedeelde prompt- en structuurlayer nu alle middelen.

AI genereert deze middelen parallel op een sterk conceptniveau, niet opeenvolgend en telkens vanaf nul. Daarna voegen we menselijke beoordeling en verfijning toe. Productmarketing bewaakt daarbij de narratieve integriteit, growth optimaliseert de verspreiding en brand bewaakt stem en consistentie.

Daarnaast zijn we overgestapt van een campagnegebaseerde productiecyclus naar een continu contentsysteem. De meeste marketingorganisaties werken nog steeds vanuit een traditionele campagnegedachte: je definieert een campagne, maakt een reeks middelen, lanceert deze en gaat vervolgens verder. Dat model is ontwikkeld voor een wereld waarin contentproductie duur en traag was. Nu draaien we parallelle generatie- en iteratielussen. Hierdoor wordt de cyclustijd korter en kunnen we veel sneller reageren op product- en marktsignalen.

Hoe AI de productie-efficiëntie en narratieve consistentie verbetert

Aan de positieve kant is de meest directe impact van AI schaal en efficiëntie geweest. Door AI te introduceren in workflows voor content- en campagneproductie nam de output aanzienlijk toe zonder het personeelsbestand uit te breiden. Bij vCluster vertaalde dit zich in een opschaling van ongeveer 36K naar circa 7M maandelijkse vertoningen, terwijl de CPM ook daalde van ongeveer $5.58 naar $0.29. Hoewel meerdere factoren hieraan bijdroegen, was een belangrijke drijfveer het veel sneller en consistenter produceren en itereren van content via verschillende kanalen.

We verbeterden ook de uitvoeringssnelheid. Contentcycli die voorheen weken duurden — vooral voor multifunctionele middelen waarbij productmarketing, merk en groei betrokken waren — werden teruggebracht tot dagen. Hierdoor konden we vrijwel in realtime reageren op productlanceringen en signalen uit de markt, wat cruciaal is in een snel veranderend AI-ecosysteem.

Een ander positief resultaat was consistentie in de verhaallijn. AI hielp standaardiseren hoe we technische input vertalen naar boodschappen voor verschillende kanalen, waardoor versnippering tussen ontwikkelaarsgerichte content, sales enablement en campagnes voor vraaggeneratie afnam. Deze afstemming verbeterde zowel de kwaliteit van de betrokkenheid als de prestaties verderop in de funnel.

Kwalitatief gezien was een van de grootste veranderingen organisatorisch van aard. Het marketingteam verschoof van een functie die voornamelijk op uitvoering was gericht naar een rol die meer op orkestratie was gericht. Mensen besteden nu meer tijd aan richting, strategie en validatie, terwijl AI de eerste productieronde en variaties voor zijn rekening neemt. Dit heeft de focus van het team verbeterd en operationele knelpunten verminderd.

Simone deelt

Mensen besteden nu meer tijd aan richting, strategie en validatie, terwijl AI de eerste productieronde en variaties voor zijn rekening neemt.

Hoe AI tot overproductie kan leiden

Er deden zich ook uitdagingen voor. In het begin zagen we een neiging tot overproductie. AI produceerde te veel variaties zonder voldoende aanvankelijke beperkingen, waardoor ruis ontstond en we sterkere lagen voor redactionele en promptgovernance moesten opbouwen. We beheersten ook actief het risico op verwatering van de boodschap en zorgden ervoor dat snelheid niet ten koste ging van een scherpe positionering of duidelijke categorieafbakening.

Een andere les was dat AI zowel goede als slechte input kan versterken. Wanneer de onderliggende verhaallijn of briefing zwak is, versterkt AI die zwakte snel. Dit dwong ons om meer te investeren in voorafgaande strategie en een strakker ontwerp van input voordat we op grote schaal iets genereerden.

Al met al is het nettoresultaat duidelijk positief geweest, maar pas nadat we duidelijke waarborgen hadden ingesteld.

Waarom AI niet voor differentiatie en positionering kan zorgen

AI heeft ook niet voldaan aan de aanvankelijke verwachtingen op het gebied van strategische differentiatie en positionering.

Aanvankelijk gingen we ervan uit dat AI kon helpen om sterkere categorieverhalen te ontwikkelen of zelfs positioneringsinvalshoeken te identificeren waarmee we een voorsprong konden behalen. In de praktijk ontdekten we dat AI weliswaar uitblinkt in het opnieuw combineren van bestaande marktpatronen, maar moeite heeft om echt originele of verdedigbare positionering te ontwikkelen.

AI neigt naar het gemiddelde van wat al bestaat, en dat is precies het tegenovergestelde van wat je wilt wanneer je probeert op te vallen in een drukke markt voor infrastructuur- of AI-platforms.

Waarom marketingleiders AI eerst moeten begrenzen

Een vroege AI-ondersteunde campagne die we uitvoerden om een technisch platform opnieuw te positioneren voor een breder publiek van DevOps- en platformengineeringprofessionals, geeft een duidelijk voorbeeld van waar AI tekortschiet in het bieden van strategische differentiatie.

We gebruikten AI om ons platform opnieuw te positioneren voor een Neoclouds-publiek. De output was snel en gaf ons meerdere richtingen: 'Kubernetes-activiteiten vereenvoudigen', 'platformefficiëntie verbeteren', 'de productiviteit van ontwikkelaars versnellen.'
Het klonk allemaal juist. Dat was precies het probleem.

Geen van deze invalshoeken onderscheidde ons echt. Toen we ze aan de markt toetsten, ontdekten we dat aanverwante tools ze al veelvuldig gebruikten in het Kubernetes- en cloud-native-ecosysteem. AI versterkte in feite de gangbare taal van de sector, in plaats van ons te helpen daarvan af te wijken. Als we waren doorgegaan met de gegenereerde invalshoeken, zou de campagne zijn opgegaan in de categorie in plaats van deze vorm te geven.

We hebben de door mensen aangestuurde inputfase aanzienlijk aangescherpt. In plaats van te beginnen met brede prompts over productmogelijkheden, legden we scherpere beperkingen op in drie gebieden: ons unieke architecturale voordeel, de afwegingen waarvoor we publiekelijk verantwoordelijkheid wilden nemen en de publiekssegmenten waarmee we nadrukkelijk de leiding wilden nemen, in plaats van ze alleen maar op te nemen.

Nadat we de input opnieuw hadden verankerd in die strategische keuzes, gebruikten we AI anders: niet om positionering te bedenken, maar om de duidelijkheid te stresstesten, de boodschap naar verschillende persona's te vertalen en variaties op uitvoeringsniveau voor content en campagnes te genereren.

Het resultaat was een veel scherpere verhaallijn die draaide om een specifiekere en beter verdedigbare invalshoek: hoe platformteams hun infrastructuurabstractie voor moderne workloads opnieuw konden doordenken, in plaats van generieke thema's rond efficiëntie of productiviteit. Die verschuiving verbeterde de kwaliteit van de betrokkenheid en maakte de boodschap beter onthoudbaar in technische gemeenschappen, vooral onder Kubernetes-professionals, die zeer gevoelig zijn voor een te generieke positionering.

De bottleneck ligt dus niet langer bij productiekwaliteit of snelheid; het gaat om originaliteit en scherpte van denken. Om nu op te vallen, zijn een veel sterker standpunt, een duidelijkere positionering en de bereidheid om expliciete afwegingen te maken vereist. Zonder dat trekt AI alles al snel naar het marktgemiddelde.

Hoe AI de structuur van marketingteams verandert

AI heeft mijn marketingteam fundamenteel veranderd: van een team dat functioneel in silo's was georganiseerd naar een vloeiender, crossfunctioneel uitvoeringsmodel.

Traditioneel scheidden we de rollen duidelijk van elkaar. Een contentmarketeer was verantwoordelijk voor het maken van content en droeg die vervolgens over aan distributiespecialisten voor bewerking, terwijl productmarketing afzonderlijk de boodschap en positionering ontwikkelde, die daarna voor campagnes moesten worden vertaald. Elke stap bracht herwerk en vertaling tussen de verschillende functies met zich mee.

Met AI in het werkproces is de structuur aanzienlijk veranderd. Nu kan elk teamlid in meerdere delen van de levenscyclus van content en campagnes werken. Een contentmarketeer kan niet alleen de eerste versie van een artikel genereren, maar ook de eerste versies van varianten voor sociale media, e-mailteksten en zelfs verschillende positioneringsinvalshoeken. Een growthmarketeer kan dezelfde invoer nemen en direct campagnevarianten of testkaders genereren. Productmarketing kan overstappen van alles vanaf nul schrijven naar het verfijnen van het verhaal, het waarborgen van de nauwkeurigheid en het afstemmen van de boodschap op de strategie.

De belangrijkste verschuiving is dat we werk niet langer opeenvolgend vanaf nul creëren. AI brengt het standaard naar het niveau van een kwalitatief hoogwaardige eerste versie, waarna we het tussen functies doorgeven voor verfijning, validatie en optimalisatie. Hierdoor is de frictie tussen teams aanzienlijk verminderd en zijn iteratiecycli korter geworden.

Daardoor richten marketeers zich nu meer op beoordeling, redactie en strategische richting dan op pure productie. Het team is kleiner wat betreft afhankelijkheid van handmatige uitvoering, maar heeft meer slagkracht als het gaat om uitvoercapaciteit.

AI heeft samenwerking ook dynamischer gemaakt. In plaats van rigide overdrachtsmomenten werken we nu meer als een gedeeld kennissysteem waarin we elke invoer kunnen omzetten in meerdere uitvoerresultaten voor verschillende kanalen, waarna de relevante specialist deze verfijnt.

Waarom marketingteams gedecentraliseerde AI-toolbudgetten nodig hebben

Als ik opnieuw zou beginnen, zou ik het marketingbudget in eerste instantie niet besteden aan traditionele campagne-uitgaven of zelfs aan extra personeel, maar aan directe toegang voor iedere marketeer tot een flexibel, gedecentraliseerd AI-toolbudget.

Ik zou budgetten per persoon toewijzen, zodat marketeers tools kunnen kiezen en ermee kunnen experimenteren die hun dagelijkse productiviteit verbeteren, zonder te wachten op gecentraliseerde inkoop- of IT-goedkeuringsprocedures. Dit omvat AI-schrijftools, assistenten voor data-analyse, platforms voor creatieve generatie, automatiseringstools en gespecialiseerde hulpmiddelen die snel binnen het AI-ecosysteem ontstaan.

De reden is eenvoudig. In een door AI aangestuurde omgeving gaat de ontwikkeling van tools sneller dan de inkoopcycli van ondernemingen. Gecentraliseerde toegang zorgt er onvermijdelijk voor dat teams met een verouderde toolset blijven werken, waardoor experimenten worden vertraagd en een kloof ontstaat tussen wat mogelijk is en wat daadwerkelijk in de uitvoering wordt gebruikt.

Ik heb dit zelf meegemaakt toen ik AI introduceerde in marketingwerkprocessen. De teams die de vrijheid hadden om tools vroegtijdig te testen en te gebruiken, gingen aanzienlijk sneller te werk bij contentproductie, campagne-iteratie en data-analyse. Teams die werden beperkt door gecentraliseerde goedkeuringsprocedures vielen vaak terug op tragere, verouderde werkprocessen, zelfs wanneer er betere tools beschikbaar waren.

Daar staat een gedistribueerd toolbudget tegenover, dat een andere dynamiek creëert. Het maakt van iedere marketeer een uitvoerder die zijn eigen toolset voortdurend kan optimaliseren. Het brengt innovatie bovendien op natuurlijke wijze aan het licht, omdat de beste tools zich door gebruik vanzelf binnen het team verspreiden in plaats van via een opgelegd beleid.

Ten tweede zou ik prioriteit geven aan het opbouwen van een lichte ondersteuningslaag rond die vrijheid, met gedeelde beste werkwijzen, promptbibliotheken en interne werkprocessen om te voorkomen dat experimenten tot versnippering leiden.

Centraal beheer optimaliseert voor consistentie, maar gedistribueerde ondersteuning optimaliseert voor aanpassingsvermogen. En juist aanpassingsvermogen zorgt voor concurrentievoordeel in snel veranderende marketingomgevingen.

Hoe Claude CoWork echte slagkracht creëert

Ik ben bijzonder enthousiast over één AI-functie van Anthropic: Claude CoWork.

Het gaat verder dan de traditionele chatinterface en voelt als een echte werkomgeving voor kenniswerk. In plaats van geïsoleerde prompts maakt het meer gestructureerde, persistente workflows mogelijk. Precies daar biedt AI echte meerwaarde.

Ik waardeer het ook hoe snel Anthropic op basis van daadwerkelijk gebruikersgedrag innoveert. Ze letten op wat de community bouwt en gebruikt en integreren die patronen vervolgens rechtstreeks in het kernproduct. Dit doet me denken aan hoe snel concepten uit projecten zoals OpenClaw hun weg vonden naar Claude CoWork. Die feedbacklus is belangrijk, omdat de tool zich ontwikkelt op basis van hoe mensen daadwerkelijk werken, en niet alleen op basis van hoe het productteam denkt dat ze zouden moeten werken.

Praktisch gezien vermindert dit ook de noodzaak om meerdere hulpmiddelen of extensies aan elkaar te koppelen. Ik hoef workflows niet opnieuw te creëren, nieuwe leveranciers niet te beoordelen en me geen zorgen te maken over beveiliging en gegevensverwerking binnen een gefragmenteerde technologiestack. Ik vertrouw Anthropic als bedrijf al, dus wanneer ze nieuwe mogelijkheden uitbrengen, kan ik die snel en vol vertrouwen gebruiken.

Waarom elk marketingteam een AI-ondersteuningsrol nodig heeft

Dat gezegd hebbende, is de grootste leemte die ik bij de invoering van AI zie niet het gebruik van hulpmiddelen. De meeste marketingteams hebben toegang tot AI-hulpmiddelen. Wat ze missen, is iemand wiens enige taak het is om bij te houden wat er verandert, de ruis eruit te filteren en dit om te zetten in workflows die het team daadwerkelijk kan gebruiken.

De meeste organisaties gaan ervan uit dat invoering vanzelf volgt als teams toegang hebben tot AI-hulpmiddelen. In de praktijk zijn bewustzijn en synthese de beperkende factoren. Het AI-landschap verandert zo snel dat geen enkele marketeer realistisch gezien kan bijblijven met nieuwe modellen, hulpmiddelen, workflows en beste werkwijzen, terwijl diegene de kerntaken uitvoert. Wanneer iedereen gedeeltelijk verantwoordelijk is voor het bijhouden van de ontwikkelingen, is niemand er volledig verantwoordelijk voor.

In mijn ervaring werkt het veel beter om binnen de marketingorganisatie een speciale rol voor AI-ondersteuning te creëren. Dit is niet alleen een beheerder van hulpmiddelen of een promptingenieur; het is iemand die diep nieuwsgierig is naar AI, actief ontwikkelingen op het gebied van modellen en toepassingen volgt en die voortdurend vertaalt naar praktische workflows voor het team.

Deze persoon wordt effectief een interne informatielaag. Diegene beoordeelt nieuwe hulpmiddelen, test toepassingen, brengt in kaart wat nuttig is en wat ruis is, en zet dat vervolgens om in herhaalbare workflows. Minstens zo belangrijk is dat deze persoon als brug in twee richtingen fungeert. Teamleden kunnen problemen of inefficiënties aandragen, AI-gebaseerde oplossingen verkennen en gestructureerde aanbevelingen terugbrengen naar het team.

Deze rol heeft vooral invloed op de focus. De cognitieve belasting van "bijblijven met AI" wordt weggenomen bij individuele medewerkers en gecentraliseerd in één functie waarvan de enige taak is om voorop te blijven lopen en die kennis effectief te verspreiden. Zonder deze rol raken teams doorgaans versnipperd. Je krijgt een ongelijke invoering, inconsistente werkwijzen en dubbel uitgevoerd experimenteren. Met deze rol creëer je een zichzelf versterkend effect waarbij het leren wordt gecentraliseerd en de uitvoering wordt verspreid.

Waarom marketeers AI moeten zien als een verschuiving in het operationele model

Het belangrijkste advies dat ik marketingleiders zou geven, is om dit moment te zien als een verschuiving in het operationele model en niet als een verbetering van hulpmiddelen.

Het is gemakkelijk om je te laten meeslepen door het beoordelen van hulpmiddelen, het testen van functies en het najagen van incrementele productiviteitswinst. Dat is belangrijk, maar het biedt niet het echte voordeel. De echte verschuiving zit in de manier waarop marketingwerk wordt uitgevoerd, de manier waarop teams zijn ingericht en waar menselijke inzet wordt toegepast.

Enkele principes blijken bijzonder belangrijk:

• Investeer ten eerste in de kwaliteit van de invoer voordat je de uitvoer opschaalt. AI genereert zoveel inhoud als je vraagt, maar de kwaliteit van die inhoud hangt volledig af van de helderheid van je positionering, doelgroepdefinitie en verhaal. Leiders die deze stap overslaan, schalen ruis op, zoals ik benadruk in "Marketingplan voor techstart-ups".
• Herontwerp ten tweede workflows, niet alleen taken. Vraag niet alleen hoe AI een bestaande stap sneller kan maken, maar bekijk het volledige systeem van invoer tot resultaat en heroverweeg de werking ervan in een wereld waarin concepten direct beschikbaar zijn en iteratie goedkoop is. Dat maakt verbeteringen van een geheel andere orde mogelijk.
• Creëer ten derde ruimte voor gericht eigenaarschap van AI. Of het nu om een speciale rol of een kleine groep gaat, iemand moet het landschap blijven volgen, hulpmiddelen testen en dit vertalen naar praktische workflows. Zonder dit raken teams versnipperd en stokt de invoering.

Blijf op de hoogte

Je kunt Simone Morellato volgen op LinkedIn.

Er volgen meer interviews met experts op The CMO Club!