Marknadsföringschef som integrerade AI i 80 % av verksamheten säger att du måste behandla AI-agenter som personal

George Giles karriär har fokuserat på att skala upp teknikföretag. Han har arbetat med HP, Intel Ignite, DocuSign och många andra välkända varumärken, och är för närvarande marknadschef på Foretellix, där han har integrerat AI i mer än 80 % av marknadsföringen.

Vi satte oss ner med honom för att få en bild av vad som är möjligt med AI i marknadsroller. Här är vad han hade att säga.

En utvecklares sinne och en marknadsförares själ

Jag är en teknisk visionär som överbryggar gapet mellan avancerad teknik och högpresterande marknadsföring. Jag har ägnat min karriär åt att lansera och skala upp teknikföretag på den amerikanska och globala marknaden. Jag har arbetat med globala jättar och innovatörer som HP, Intel Ignite, HPE, DocuSign, Trend Micro och Lumenis. Och jag har två framgångsrika företagsförsäljningar bakom mig som grundare.

För närvarande är jag marknadschef på Foretellix, en ledande aktör inom industrin för autonoma fordon. Utanför styrelserummet är jag förespråkare för AI och mentor. Jag arbetar ideellt med att lära ut praktiska AI-tillämpningar för att hjälpa marknadsteam att överbrygga införandegapet, med fokus på att bygga anpassade agenter och verktyg som faktiskt förbättrar avkastningen på investeringen i stället för att bara bidra till bruset.

Mitt dubbla DNA skiljer mig från mängden — jag har en utvecklares sinne och en marknadsförares själ. Därför är jag en tidig användare. Jag har byggt med AI i flera år. Faktum är att jag har integrerat AI i över 80 % av alla marknadsprojekt och all marknadsverksamhet i min organisation och gått från experimenterande till fullskalig operativ excellens. Det är en sällsynt bedrift i branschen.

Att lägga grunden

På Foretellix sätter vår marknadsföring standarden för säkerhet i revolutionen kring autonoma fordon. Vi verkar inom området fysisk AI och tillhandahåller den verktygskedja för verifiering och validering (V&V) som globala biltillverkare använder för att bevisa att deras självkörande system är säkra för allmänna vägar.

Här är sammanhanget:

• Målgrupp: Vi marknadsför oss mot en extremt sofistikerad målgrupp med höga inträdesbarriärer — en komplex kommitté av chefer på C-nivå hos globala OEM-tillverkare och Tier 1-leverantörer.
• Räckvidd: Vi hanterar en multiregional strategi i USA, Europa och Asien och ser till att vårt budskap är samordnat på flera marknader och språk.
• Ekosystem: Samskapande marknadsföring med branschens jättar är en central del av vår strategi. Vi verkar inte isolerat; vi integrerar med och går till marknaden tillsammans med partner som NVIDIA.
• Kanalstrategi: Teknisk auktoritet i stor skala. Eftersom vår produkt löser ett tekniskt problem värt flera miljarder dollar måste våra marknadsföringskanaler prioritera teknisk auktoritet (utan nonsens). Det omfattar:
  • Strategiskt innehåll: Vi går längre än traditionell leadgenerering och producerar branschinnehåll på hög nivå som utbildar och informerar ingenjörer om den senaste teknikens möjligheter.
  • Upplevelsebaserad marknadsföring med personlig kontakt: Vi utnyttjar stora globala branschmässor, som CES, inte bara för varumärkesbyggande utan också för livedemonstrationer som bevisar vårt värdeerbjudande för världens mest skeptiska ingenjörer.

Den här organisationen är unik eftersom vi "äter vår egen hundmat". Precis som vår produkt använder AI för att automatisera fordonstester omfattar vår marknadsföring fullt ut AI. Det handlar inte bara om att använda LLM:er för textproduktion; det handlar om att använda AI-agenter som en förlängning av vårt marknadsteam. Vi hanterar AI-agenter som medarbetare.

Varför ledare måste se AI-agenter som medarbetare

Det största misstaget som de flesta marknadschefer gör är att behandla AI som en bättre version av Google Sök eller en snabbare textförfattare.

Börja i stället tänka på AI-agenter och instruktioner som medarbetare. Jag ser gärna detta som en övergång från programvara som tjänst (SaaS) till "medarbetare som tjänst".

I stället för att bara använda AI hanterar vi den genom tydliga definitioner av dess uppgifter och ansvarsområden. Vi bygger in återkoppling, tester, utveckling och utökning av ansvarsområden.

Eftersom agenter behöver tid och träning för att nå en punkt där de kan anförtros att skapa bra resultat, och ännu mer tid för att skapa fantastiska resultat, tenderar man att investera mer resurser när man väl anammar synsättet att de fungerar som medarbetare. Det innebär att man tillhandahåller kvalitetsdata för att träna dem, ger meningsfull återkoppling och kontinuerligt hittar nya förbättringar.

Dessa agenter blir oerhört värdefulla och sparar tid och resurser.

Så sparar AI-arbetsflöden i verkligheten tid

Hittills har jag tagit in 217 specialiserade AI-”medarbetare” för att hantera särskilda uppgifter med hög repetitionsgrad. Jag ser varje agent som en dedikerad teammedlem med en specifik arbetsbeskrivning, som sträcker sig från meddelandeforskning, analys av marknadsluckor, innehållsskapande, bildskapande och videoskapande till hyperlokaliserad innehållsanpassning för globala marknader på lokala språk.

Här är ett enkelt exempel på en av dessa agenter. Vår ”Boss Agent” sparar betydande tid vid innehållsskapande. Jag skapade en agent som granskare, modellerad efter en chefs bakgrund, erfarenheter, roller och kommentarer från annat innehåll som vi hade arbetat med. Det gjorde det möjligt för agenten att granska ett utkast på ett mycket liknande sätt som chefen skulle ha gjort, och ge oss återkoppling och anteckningar för att förbättra det innan det ens nådde honom. Nu lägger han mindre tid på granskning.

Hur AI kan användas för att förbättra SEO- och AEO-strategier

Och det finns förstås mer komplexa användningsområden.

Majoriteten av företagens organiskt genererade klick kommer fortfarande från sökningar. Framväxten av klickfria svar och AI-svar innebär att både SEO och AEO är viktiga.

Jag ville att vi skulle visas i svaren på det som människor sökte efter, men många års SEO-arbete hade lärt mig att jag behövde välja rätt frågor, uppmaningar och sökinmatningar. Sökordsrapporter var ingen bra utgångspunkt för att välja uppmaningar, så jag startade ett projekt där jag intervjuade noggrant utvalda personer inom och utanför företaget för att lära mig hur de använde AI och närmade sig tekniken, samt vilka frågor de ställde i sin research.

Var det ett tekniskt problem de försökte lösa? Ett känt varumärke? En teknik? Vi behövde det svaret för att fastställa uppmaningarna. Vi grupperade varje intervjuperson i en kategori och skapade sedan en agent för processen att skriva intervjumanus. Denna agent införlivade bakgrunderna hos tre större grupper (teknik, försäljning och kundkontakt) och skrev sedan manusen utifrån deras bakgrunder och användning. Vi använde Gemini tillsammans med ChatGPT för rimlighetskontrollen.

Svaren var alltid överraskande. Varje gång sa människor till mig att de inte var den bästa personen att prata med om AI, men sedan visade de mig vad de gjorde med tekniken, och jag lärde mig alltid åtminstone ett guldkorn. Det visade sig att uppmaningar är ännu mer unika än söktermer, och att de är öppnare.

Vi analyserade sedan intervjuerna och skapade en lista med uppmaningar. Därefter använde vi dessa uppmaningar för att skapa en innehållsstrategi för AEO. Därifrån övervakade — och övervakar fortfarande — AmIonAI.com våra framsteg varje vecka.

Så utformar du effektiva AI-arbetsflöden för poddar

Ett annat arbetsflöde var att skapa en översiktspodd med ljud och video som automatiskt skapades från blogginlägg. Mitt ursprungliga arbetsflöde innebar att ta innehåll från bloggen -> NotebookLM för ljudet -> Riverside för att hämta transkriptet -> CapCut för video, ljud, EQ och transkript.

Det fungerade inte. NotebookLM är utmärkt, men flödet hade för många steg.

Till slut tänkte vi om kring stegen och minskade dem drastiskt med ett nytt, effektivt flöde som började med blogg -> NotebookLM för ljudet -> Descript.

Descript utförde alla funktioner som vi ville att Riverside och CapCut skulle utföra, inklusive textredigering. Det här flödet har sparat oss enormt mycket tid.

Varför varumärkesbyggande och budskap måste förbli mänskliga

Så vi använder AI för många uppgifter, men allt bör inte läggas över på AI.

Mänskliga marknadsförare måste fortfarande ha ett fast grepp om budskap och varumärkesbyggande. Punkt slut.

Georges tankar

Mänskliga marknadsförare måste fortfarande ha ett fast grepp om budskap och varumärkesbyggande. Punkt slut.

AI är ett utmärkt verktyg för brainstorming, men det är ännu inte riktigt där när det gäller att förstå nyanser.

Det finns även andra områden där AI presterar sämre. De flesta marknadsföringsteam lägger till exempel mycket tid på presentationer. Jag skulle gärna se att AI tog min företagsmall och byggde nya presentationer från evenemang, demonstrationer, kunder och så vidare, med all grafik, samtidigt som vår varumärkesmanual följdes.

Hittills är dock de verktyg jag har provat — Claude och Canva — inte riktigt där än. De kan inte bygga presentationer utifrån mina mallar eller ens beskriva samtalspunkterna på varje bild.

Varför Gemini är ett oumbärligt marknadsföringsverktyg

Gemini är mitt självklara marknadsföringsverktyg.

Skrivande, brainstorming, research, analys, strategiarbete, automatiserat bildskapande för sociala medier, bildredigering och mycket mer. Under de två senaste uppdateringarna har Gemini börjat skapa bättre svar utan en fram- och tillbaka-dialog.

Det förekommer fortfarande faktamässiga hallucinationer, men för mitt arbete presterar det bättre än ChatGPT.

Det kan förstås ändras nästa vecka! Förra året var ChatGPT mitt förstahandsval. Det är viktigt att fortsätta prova verktyg och flytta arbetsuppgifter till nya verktyg för att få bästa möjliga resultat.

Hur ledningens stöd driver införandet av AI

Förändringsledning är avgörande för införandet av AI. Det är även ledningens stöd.

Ledningen i vår organisation började använda AI mycket tidigt, och tack vare den visionen fick införandet av AI i marknadsföringen stöd och uppmuntran. Utan ledningens tidiga stöd hade vi inte legat så långt framme.

Jag tycker att det är viktigt att veta att några dåliga erfarenheter lätt kan påverka den framtida användningen av AI i en organisation negativt. Det är viktigt att ledare – och särskilt marknadsföringsledare – fortsätter att lära sig. Och kom ihåg att AI-system blir bättre varje dag. Förändringstakten inom AI är sådan att ett år motsvarar en hel livstid för annan teknik.

Varför AI inte kan ersätta marknadsföringsproffs

Vissa tror att AI kan ersätta en marknadsföringsexpert. Jag tror inte det.

Effektiv marknadsföring kombinerar många färdigheter och talanger. Det kräver kreativitet, humor, analytiskt tänkande, psykologi, tekniska färdigheter och mycket mer. Det kräver också visdom från erfarenhet.

AI lär sig inte av verkliga erfarenheter.

AI har aldrig lanserat en Super Bowl-annons för 1 miljon dollar och misslyckats. Den erfarenheten har aldrig format dess världsbild. AI har aldrig behövt ta marknadsföringsjobb för att kunna betala bolånet eller arbetat med misslyckade produkter som inte fick fäste på marknaden.

Sådana erfarenheter formar marknadsförare, men de har ännu inte format AI.

Nyfikenhet driver innovation inom marknadsföring

Mitt råd? Var nyfiken!

Experimentera med de här verktygen för att se vad de kan göra. Prata med ditt team för att få fler idéer. Sparar detta tid åt oss? Förbättrar detta vårt arbete? Går vi snabbare fram med detta? Börja med nyfikenhet. Inför sedan, testa och förfina.

Följ utvecklingen

Du kan följa George Giles arbete på LinkedIn medan han fortsätter att testa möjligheterna inom marknadsföringsautomation.

Fler expertintervjuer kommer på The CMO Club!